一句话定义
Agent 不是 2023 年的发明：从 1960 年代符号主义的"微世界"Agent，到 1990 年代 BDI 理性 Agent，再到 2022 年后以 LLM 为大脑的第三次浪潮——前两浪留下的"感知-规划-行动"框架，正是今天 LLM Agent 直接继承的骨架。
为什么重要
知道来路才能看清去路。三个实际问题会因此有答案：为什么今天这波 Agent 与 2016 年那波"对话式 AI"不同？为什么强化学习出身的团队（OpenAI/Anthropic/DeepMind）做 Agent 有先天优势？"Agent 泡沫"的论据与反论据各是什么？历史也是术语疫苗——ReAct、ToT、Generative Agents 这些词都锚定在具体论文上。
前置知识
kp-001 的经典 Agent 定义。
核心概念：三次浪潮
浪潮一：符号主义 Agent（1956-1990s）
- 1956 达特茅斯会议：AI 得名；早期程序已能规划（Logic Theorist 证明定理）
- SHRDLU（1970）：在"积木世界"里听懂指令并执行——受限环境的 Agent 已可工作，但换个世界就失效：知识靠人写，无法规模化
- 1970s-80s 专家系统：MYCIN 诊血感染，规则库上千条——再次证明手写知识的天花板与脆弱性
浪潮二：理性 Agent 与机器学习 Agent（1990s-2015）
- BDI 模型（Belief-Desire-Intention，1990s）：Agent = 信念+愿望+意图的理性架构，至今影响多 Agent 规范（FIPA）
- 强化学习成熟（2013-2017）：DQN 玩 Atari、AlphaGo（2016）击败李世石——"感知状态→选择动作→环境反馈"的闭环被完美示范，但每个任务都要专门训练，策略不可迁移
- 2017 Transformer：浪潮三的引擎点火
浪潮三：LLM Agent（2020s-）
按时间线走一遍关键节点：
| 年份 | 事件 | 意义 |
|---|---|---|
| 2020 | GPT-3 少样本学习 | 通用语言能力即插即用 |
| 2022.6 | ChatGPT | 对话即产品，全民认知拐点 |
| 2022.10 | ReAct（Yao et al.） | 推理+行动交织，今日 Agent 循环的原型（kp-012） |
| 2023.3 | Toolformer / 函数调用 API | 模型学会"何时调用什么工具" |
| 2023 | AutoGPT 爆红又冷却 | 第一波"自主 Agent"热：愿景超前于可靠性 |
| 2023.4 | Generative Agents（Stanford 小镇） | 25 个 LLM 角色形成涌现社会行为（记忆/反思架构的源头之一） |
| 2023.10 | AutoGen / MetaGPT 等多 Agent 框架 | 多 Agent 协作研究热潮 |
| 2024 | Anthropic MCP 发布 | 工具接入从"每应用单独集成"走向开放协议（kp-011） |
| 2024-25 | Claude Code / Cursor / OpenHands；SWE-bench 分数飙升 | 编程 Agent 成第一个杀手级场景（kp-028） |
| 2025 | Computer Use、Deep Research 类产品 | Agent 通用操作界面（kp-029/030） |
| 2025-26 | Agent RL 训练成为主流方向 | 从"提示工程造 Agent"到"训练模型本身会当 Agent"（kp-031） |
原理与机制：为什么第三次浪潮成了
前两浪各自卡死的原因，恰好被 LLM 同时解开：
- 知识获取：符号 Agent 靠人写规则（不可扩展）→ LLM 从海量语料预训练，知识与语言能力免费附赠
- 泛化：RL Agent 一个任务训一个策略 → LLM 零样本跨任务，工具调用也是通用能力（一次后训练，处处可用）
- 接口：以往 Agent 要为每个环境定制感知/动作编码 → LLM 的输入输出就是自然语言 + 结构化文本，人类世界的基础设施（文档、网页、API 文档）直接就是它的接口
但旧问题换了个形式全部还在：知识不能更新（→工具/RAG）、会自信地犯错（→幻觉）、不可复现（→采样）。历史没有终结，只是换了战场——这正是 kp-010~027 全部工程话题的由来。
直观类比
三次浪潮像三代工人：第一代背下全厂设备手册（手写知识），换台设备就懵；第二代在模拟器里苦练成某个工位的世界冠军（RL），调去隔壁工位从零再练；第三代（LLM）读完了互联网这个"人类操作总手册"，上岗第一天就能看懂任何工位的说明书，但偶尔凭印象瞎编参数——所以工厂给它配了仪表盘（工具）与质检员（评测）。
实例与案例
AutoGPT 的兴衰是最有教育意义的案例：2023 年 3 月开源即登顶 GitHub，愿景是"给目标自己跑"的完全自主 Agent；数月后热度崩塌——用户发现它循环打转、烧 API 费、任务完成率低。它输在可靠性而非愿景：当时的模型函数调用不稳、上下文管理粗糙、没有评测兜底。2024-25 年 Claude Code 等产品成功，用的其实是同一个愿景——差别在模型能力（工具调用可靠）+ 工程成熟（上下文管理、权限、评测）到位。教训：愿景可以超前，产品不能。
常见误区
- 误区一："Agent 是 ChatGPT 之后才有的概念"。感知-行动循环来自六十年积累，BDI 等思想仍在多 Agent 设计里。
- 误区二："AutoGPT 失败证明自主 Agent 是伪需求"。它证明的是"可靠性必须先于自主性"，这正是后来产品化的路径。
- 误区三：把 2023 年的多 Agent 框架热当成终局。2025 后趋势反而是"少 Agent、强单体 + 子任务隔离"（kp-019）。
自测题
- 前两次浪潮分别卡在哪里？LLM 如何同时解开？
- ReAct（2022）贡献了什么思想？
- AutoGPT 与 Claude Code 愿景相似，成败差异的根因是什么？
（参考答案：1. 知识手写不可扩展 / 策略不迁移；LLM 预训练带来通用知识与零样本泛化，语言即接口；2. 推理与行动交替进行、用观察修正推理的循环模式；3. 模型工具调用可靠性与工程成熟度——可靠性先于自主性。）
与其他知识点的关系
- ReAct 细节 → kp-012；训练浪潮 → kp-031；未来争论 → kp-032
- Generative Agents 的记忆/反思 → kp-014/015
延伸阅读
- Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models（2022）
- Park et al., Generative Agents: Interactive Simulacra of Human Behavior（2023）
- Anthropic, Model Context Protocol 公告（2024.11）