从思考，到举动：由Manus爆火谈AI Agent

2025年3月，一款名为Manus的AI产物在交际媒体上激发热议。它的内测约请码一码难求，乃至被炒至数万元，同时动员了150多只AI智能体观点股涨停。Manus的走红，不只由于它在GAIA基准测试中超出了OpenAI的Operator模子，到达以后技巧最佳水准（SOTA），更由于它代表了一种全新的AI状态——AI Agent（人工智能智能体）。与咱们熟习的ChatGPT等天生式AI差别，AI Agent实现了从“思考”到“举动”的逾越。ChatGPT更像超等年夜脑，善于答复成绩、天生内容，但仅停顿在思考层面。而AI Agent则更进一步，不只能思考，还能像人类一样举动。它能够经由过程感知情况、计划义务、挪用东西，自立实现从懂得成绩到处理成绩的全进程。当AI走向AI Agent，人工智能也从纯真的思考者退化为可能自立决议的举动者。 开展全文 AI Agent并非横空降生的观点，其思维本源可追溯至古希腊哲学家对“主动机”的设想，以及中国现代《品德经》中“道”作为自立演变实体的隐喻。20世纪50年月，图灵提出“图灵测试”，将“高度智能无机体”的观点引入人工智能范畴，奠基了AI Agent的实践基本。20世188金宝搏在线登录纪60年月，马文·明斯基在其研讨中初次提出“Agent”一词，将其界说为一种自立运转的盘算或认知实体，具有感知情况、推理决议跟履行义务的才能。尔后，AI Agent的演进历经了数十年的迭代：从基于规矩的专家体系（如IBM深蓝），到依附呆板进修的反映式代办（如Roomba扫地呆板人），再到基于深度进修的庞杂决议体（如AlphaGo）。最初，AI重要依附于标记主义（Symbolic AI），经由过程预约义的规矩跟逻辑推理来处理成绩。这种方式在处理简略、构造化的成绩时表示杰出，但面临庞杂、静态的情况时显得力所能及。随后，反映式AI（Reactive AI）应运而生。它可能依据情况的即时反应做出疾速反映，但缺少临时计划跟影象才能。比方，晚期的主动驾驶体系能依据路况及时调剂车辆的行驶偏向，但无奈停止庞杂的门路计划。直到强化进修（Reinforcement Learning, RL）的呈现，AI Agent才真正迎来了冲破。强化进修经由过程嘉奖机制，让智能体在与情况的交互中进修最优战略。这种方式使得AI Agent可能静态地拆解义务、抉择东西，并依据反应调剂举动战略。2022年，年夜言语模子的崛起付与了AI Agent懂得才能，如同为它们装上了人类的年夜脑。年夜模子不只使AI Agent具有了强盛的言语懂得跟逻辑推理才能，让其与人类的交互愈加天然，还强化了它们的影象模块。这让AI Agent可能根据汗青交互数据优化决议逻辑，进而供给更特性化的效劳。简言之，Agent=年夜模子（LLM）+影象模块+计划引擎+东西库。其最年夜的特点是“自立性”，不只能答复成绩，还能像人类一样拆解义务、抉择东西并实现全流程操纵。比方，当用户提出“计划一越日本深度游”时，AI Agent不再只是推举景点，而是主动挪用机票比价API、剖析签证政策、预订旅店，并天生完全的行程文档。这种“端到端”的履行闭环，让AI从“思考的伟人”改变为“举动的伟人”。