AI 智能体：从聊天到行动

2023 年 3 月，开发者 Toran Bruce Richards 发布了 Auto-GPT，一个基于 GPT-4 API 的开源实验。与响应提示的聊天机器人不同，Auto-GPT 颠覆了范式：给它一个目标（'研究顶尖 AI 公司并写一份报告'），它就会自主串联 LLM 调用、网络搜索、文件操作和代码执行，直到目标达成。它在 GitHub 上病毒式传播 — 首个广泛可用的'AI 智能体'演示。该项目有严重的限制：频繁陷入循环、自信地产生幻觉、API 成本飞涨。ChaosGPT 实验 — 有人让它去'毁灭人类' — 带来了主流媒体关注。但其影响与其技术成熟度不成比例。Auto-GPT 向一代只知道'聊天机器人'的开发者介绍了'智能体'概念。它展示了潜在需求 — 开发者不仅希望 AI 说话，更希望 AI 做事。原型是粗糙的，但方向已经不可逆转。

Auto-GPT 证明了智能体是被需要的，但它也证明了点式解决方案无法规模化。每个工具集成都需要自定义代码；每个 AI 模型需要自己的适配器；没有智能体与世界交互的标准方式。2024 年底的两项进展解决了这个问题。11 月，Anthropic 开源了模型上下文协议（MCP）— 一个用于连接 AI 系统与外部工具、数据源和服务的标准化协议。任何兼容 MCP 的智能体现在都能连接到任何 MCP 服务器：Google Drive、Slack、GitHub、数据库。12 月，Google 推出了 Gemini 2.0 和 Project Mariner，一个研究原型，展示了一个可以浏览网页并在浏览器内完成任务 AI 智能体。Project Mariner 展示了智能体在拥有正确工具时能做什么 — 浏览网站、填写表单、管理多步工作流。MCP 和 Mariner 共同解决了实用智能体的两个前提条件：连接工具的标准方式，以及这种连接能实现什么的示范。管道正在铺设。智能体时代不再是'是否'的问题，而是'多快'的问题。

2025 年 1 月和 2 月迎来了第一批生产级智能体。OpenAI 于 1 月 23 日发布 Operator — 一个可以自主浏览网页、填写表单、预订票务、完成多步在线任务的 AI 智能体。与 Auto-GPT 脆弱的 API 调用链不同，Operator 以视觉方式与网页交互，使用经过训练的模型像人类用户一样'看'和'点击'。它有限制（慢、昂贵、有时出错），但它确实能用 — 第一个非技术用户可以交给真实任务的智能体。一个月后，Anthropic 发布了 Claude Code — 一个基于终端的编程智能体，可以理解整个代码仓库、编写补丁、执行多步开发任务。与早期在 IDE 内辅助的 AI 编程工具（Copilot、Cursor）不同，Claude Code 作为自主智能体运作：收到一个 bug 报告，它会找到问题、编写修复、测试它、并提交拉取请求。到 2025 年年中，Claude Code 成为第一个真实开发团队信任处理生产代码的智能体。Operator 和 Claude Code 揭示了智能体市场有两个入口：网页（面向所有人）和终端（面向开发者）。两者都从'有趣的演示'跨越到了'有用的工具'。

随着智能体在终端中证明了自己，它们的影响开始改变人们对编程本身的看法。2025 年 2 月，OpenAI 联合创始人 Andrej Karpathy 创造了'氛围编程'（vibe coding）这个词 — 让 AI 写代码，而人类仅描述他们想要什么，有时甚至不阅读输出。这个词病毒式传播，因为它命名了一个真实存在的东西：智能体不仅仅在辅助程序员；它们在重新定义编程的意义。到 2026 年 1 月，智能体已经触及消费者。OpenClaw，一个可以管理日程、浏览、购物和通讯的个人 AI 智能体，病毒式传播 — 创造了第一个主流个人 AI 智能体现象。与 Claude Code（面向开发者）和 Operator（面向网页任务）不同，OpenClaw 是一个通用个人助手，数百万非技术用户将其融入日常生活。OpenClaw 的爆火证明了智能体不仅是一个开发者工具或商业产品 — 它们正在成为消费者品类。从 Auto-GPT 的粗糙原型到 OpenClaw 的主流普及，这条旅程用了不到三年。在这段时间里，智能体从概念演示演变为基础设施层，再到一组生产工具，最后到消费者现象。从'聊天'到'行动'的转变已经完成。