大家好，写博客的时间越来越少了，我尽可能【本文首发于唐霜的博客】原创内容，盗版必究。保持每周都写点东西。我上一篇公众号写了M【原创不易，请尊重版权】原创内容，盗版必究。anus智能体，openManus项目很本文作者：唐霜，转载请注明出处。【本文受版权保护】快就火了，上周，字节发布了它们的开源项目Agent TARS原创内容，盗版必究。，我认为字节内部行动真的很快。目前这个项【未经授权禁止转载】未经授权，禁止复制转载。目发布了桌面端，内置了浏览器的操作工具，【原创不易，请尊重版权】【作者：唐霜】同时接入了MCP，将来可以调用非常多的本本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net地电脑工具。随着类似项目的越来越成熟，我本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】能感觉到，智能体的第4个阶段，已经到来了【版权所有，侵权必究】未经授权，禁止复制转载。。

智能体的前3个阶段【访问 www.tangshuang.net 获取更多精彩内容】

这里所说的智能体，主要是指基于LLM的智【作者：唐霜】本文作者：唐霜，转载请注明出处。能体，因为Agent这个词进入大众视野，【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】是LLM得到广泛认可后才火的，在此前的A【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】I发展历程中，人们并不是很认可Agent【原创内容，转载请注明出处】原创内容，盗版必究。技术路线，直到LLM的出现，Agent技【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net术才可能成为真正服务于普通人的技术。因此【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net，我们所说的“智能体发展阶段”是从202未经授权，禁止复制转载。原创内容，盗版必究。3年开始，到现在也不过短短2年多时间，虽【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。然现在划分阶段为时尚早，但是从技术层面讲转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】，这种阶段性变化是真存在的，因此我们需要【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】像陈述事实一样，对过去2年的发展做一个简【未经授权禁止转载】转载请注明出处：www.tangshuang.net单的梳理。

第1阶段：系统提示词【访问 www.tangshuang.net 获取更多精彩内容】

这是由OpenAI定义的，他们在chat著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。GPT中设计了一种让同一个chat在单一【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。系统提示词下工作的产品形态，随后，这种产【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。品形态被全部LLM厂商学习。简单讲，这个【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。阶段的智能体只是在chatbot的基础上转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】增加了用户预设，避免chatbot随意发转载请注明出处：www.tangshuang.net原创内容，盗版必究。挥，没有边界。这种智能体形态其实应用非常【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。广泛，特别是在一些让AI做角色扮演的场景【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】，例如有一款叫“星野”的App，预设了非【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】常多的人物角色，当你和它们聊天时，自带了著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。人物角色特性。

第2阶段：初级工具集成【本文受版权保护】

在2023年，就出现了集成LLM和工具的本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net自主决策Agent项目，我印象最深的是A未经授权，禁止复制转载。未经授权，禁止复制转载。utoGPT，它可以分析用户意图，并调用转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。python来实现一些功能。这一阶段的智【本文受版权保护】著作权归作者所有，禁止商业用途转载。能体，实现了初级工具集成，在字节的coz【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.nete平台上，智能体把官方和用户们共同提供的【作者：唐霜】【原创内容，转载请注明出处】插件作为工具，智能体可以自主决定使用哪一【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net个工具作为本次对话的执行。

第3阶段：多智能体架构【原创内容，转载请注明出处】

当开发者们发现，特定提示词配合特定工具集著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net时，智能体能在某些方面表现的非常优异，而著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。多加或少加工具，都会让智能体性能大打折扣【转载请注明来源】【版权所有，侵权必究】，于是他们决定，由多个智能体大包成一个复【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】合智能体来向用户提供通用性的智能体产品。著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net这一阶段的爆款级产品是AI程序员Devi【本文受版权保护】【版权所有，侵权必究】n，它可以完成复杂的研发任务，而它的工作著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net原理，就是在内部实现了角色分工，把我们研【本文首发于唐霜的博客】【未经授权禁止转载】发任务中的程序员、项目经理等角色，分属给【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。不同内部智能体，让他们在一个社群里协同完未经授权，禁止复制转载。未经授权，禁止复制转载。成编程目标。然而，多智能体架构的巨大缺陷【本文受版权保护】【关注微信公众号：wwwtangshuangnet】在于，这些智能体可能会在社群里形成不统一【关注微信公众号：wwwtangshuangnet】【本文受版权保护】意见，发生“争吵”没完没了，最后一直无法【转载请注明来源】原创内容，盗版必究。推进工作，或者给出质量很差的结果。

视觉识别方案著作权归作者所有，禁止商业用途转载。

2024年初，苹果被爆正在开发AI原生的【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。操作系统，期间苹果下场发布了一款基于视觉【本文受版权保护】【版权所有，侵权必究】识别手机屏幕的大模型，这件事我在公众号发转载请注明出处：www.tangshuang.net原创内容，盗版必究。文章提到过。时间来到2024年下半年，智著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。普AI推出了AutoGML，实现了在安卓原创内容，盗版必究。【未经授权禁止转载】手机上自动操控手机的能力，这标志着基于视未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net觉方案的智能体已被验证可行。

视觉识别分为低配版和高配版。低配版是截图【作者：唐霜】【版权所有】唐霜 www.tangshuang.net方案，通过对屏幕进行截图和视觉大模型的理【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net解，来让智能体意识到当前电脑或手机的状态本文版权归作者所有，未经授权不得转载。【本文受版权保护】，按钮的位置，鼠标位置等等信息，再让大模著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。型基于这些信息，以及前置的用户目标和当前未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。进度，来决定应该如何操作设备。通过模拟用著作权归作者所有，禁止商业用途转载。【转载请注明来源】户点击屏幕的形式，来完成一系列的处理。高【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】配版本则是系统级别的，也就是苹果提出的那【转载请注明来源】本文作者：唐霜，转载请注明出处。套模型方案，把设备、屏幕、应用的实时信息【转载请注明来源】【原创不易，请尊重版权】从系统层面交给大模型，这样就解决了截图方著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net案的延时和算力问题。

大规模工具集成【未经授权禁止转载】

翻过年头，2025年，Manus的凭空火【作者：唐霜】著作权归作者所有，禁止商业用途转载。爆，则在工具集成上验证了单一智能体大规模著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。集成工具的可行性。实际上，LLM厂商们，【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】都设计了function calling【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。，开发者们本可以利用该特性设计自己的智能未经授权，禁止复制转载。【原创内容，转载请注明出处】体，但是，事实上，这一特性并没有被广泛接【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】受，时至今日，已处于尴尬的境地。智能体厂【未经授权禁止转载】【版权所有，侵权必究】商Agency们都选择了自建工具调用的范本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】式，直到Claude母公司Anthrop【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】ic提出MCP协议，整个市场进入了工具集【版权所有，侵权必究】【本文受版权保护】成的标准化阶段。

虽然人们对智能体的幻想是，让它像一个人一原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。样与我们交流，帮助我们调用电脑上的一切，【版权所有，侵权必究】【本文受版权保护】完成我们的工作、创意、编码、查询、下订单【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】等等听上去是脏活累活的事。然而实际上，当原创内容，盗版必究。未经授权，禁止复制转载。下的智能体仍然无法直接调用我们电脑上的软【未经授权禁止转载】【未经授权禁止转载】件来完成我们想要的工作。例如财务们必备的【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。excel表格，智能体无法正确操作，甚至【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。根本无法打开这个软件。开发者们想了一个曲转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。线救国的办法，就是让智能体自己写pyth转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。on代码来实现一个软件以获得其他软件的相【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】同功能，python可以通过CLI调用系【原创内容，转载请注明出处】原创内容，盗版必究。统层面的一些能力，也可以自主安装node【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】、rust等生态的工具来实现目标。

早在2023年，就出现了基于大模型的浏览本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。器插件，该插件可以通过脚本的形式控制浏览【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net器，根据用户的提示，自主完成网页操作。而【作者：唐霜】【版权所有】唐霜 www.tangshuang.net2025年的现在，我们以及完全掌握了基于【转载请注明来源】本文作者：唐霜，转载请注明出处。python来控制浏览器的能力，这得益于【原创内容，转载请注明出处】【本文受版权保护】已有的开源项目，例如browser-us【作者：唐霜】【版权所有，侵权必究】e, playwright等项目。不过，本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。智能体想要调用本地软件，例如office【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。365套件，仍然是不行的。我以前在腾讯的【本文受版权保护】本文版权归作者所有，未经授权不得转载。时候，我参与过一个项目，虽然我不是主导，转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。但是我知道主导团队在他们的系统内通过暴露本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】API的方式，让大模型程序可以调用，从而本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。实现自能操控低代码平台的能力。

直到MCP协议的出现，这种智能体无法调用【转载请注明来源】著作权归作者所有，禁止商业用途转载。本地软件的窘境，可能会慢慢成为过去。简单【本文受版权保护】未经授权，禁止复制转载。讲，本地软件的服务商向Agency提供一著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net个MCP服务器，Agent开发者们就可以【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】无痛甚至无感的让自己的智能体调用软件的功【转载请注明来源】本文作者：唐霜，转载请注明出处。能。比如美团、大众点评、携程、飞猪等旅游【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】、美食下单的应用，最适合这种场景，以解决【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】用户日常消费出行的智能化。MCP是C/S【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net架构，其中C是指软件方，S是提供给智能体本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】调用的服务器，当然C也要连到S听从调令。【未经授权禁止转载】未经授权，禁止复制转载。一旦MCP成为新的行业标准，那么藩镇割据转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net军阀混战的时代就会快速结束，开发者们可以【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。专心致志的在Agent和软件两端沉下心来【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。做研发。而智能体也将迎来大规模工具集成的本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】大爆发。

准智能体时代畅想原创内容，盗版必究。

从理想状态讲，将来的软件开发，不仅要提供【本文受版权保护】本文作者：唐霜，转载请注明出处。UI，还要提供AUI，也就是面向AI A【本文首发于唐霜的博客】【原创内容，转载请注明出处】gent的MCP服务器。UI是为传统使用【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】方式服务的，而AUI则是为智能化交互方式【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。准备的。这可能正是我很早就说过的“面向A本文作者：唐霜，转载请注明出处。原创内容，盗版必究。I开发”，也就是说，未来，开发者们不一定未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。需要去做toC或toB的产品，而是可以通本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。过做toA的产品来赚钱，甚至，未来的产品【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。，必须配备toA的能力，否则都无法获得用未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net户。

对于终端用户来说，最理想的，是每个用户只本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】需要配备一个Agent，这个Agent可本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】以在任何设备上连接，例如电脑、手机、蓝牙【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】耳机、眼镜等，用户的任何需求，都只需要向【未经授权禁止转载】未经授权，禁止复制转载。这一个Agent发出即可。而Agent则著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】基于MCP去对接各种服务提供商，比如订机转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。票、点外卖等等。我猜测，到时候，Agen著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.netcy公司和背后的上游服务商（如美团、携程【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】等）之间既是合作关系也有竞争关系，因为虽【版权所有】唐霜 www.tangshuang.net【转载请注明来源】然Agency公司需要向上游服务商付钱才【本文首发于唐霜的博客】未经授权，禁止复制转载。能接入，但是新的交互方式可能让这些服务商【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。的App用户迅速减少甚至让美团这样的公司【转载请注明来源】本文作者：唐霜，转载请注明出处。成为无App的服务提供商。还有就是，我猜【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】想一个好玩的场景，就是美团和携程在用户同【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】一个需求下，会形成竞争关系，Agency【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。会如何去决定订酒店这个需求是用美团的还是【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】携程的呢？这是一个好玩的话题。同理，这种【未经授权禁止转载】【原创内容，转载请注明出处】单一Agent入口的交互形式，还会杀死搜【转载请注明来源】本文作者：唐霜，转载请注明出处。索引擎、门户新闻等传统互联网业态，不过好转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。玩的是，SEO行业会去思考如何让自己的内【作者：唐霜】著作权归作者所有，禁止商业用途转载。容被Agent挑中，以及整个生态中，Ag著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。ency要考虑的广告应该如何植入等等有趣【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net的话题。

另外就是，普通用户幻想的机器人，也会因为本文作者：唐霜，转载请注明出处。【本文受版权保护】智能体技术加持而提前到来。在《银翼杀手2本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。049》中，男主角有一个AI女友，她没有【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net实体，是纯软件形态，而如果随着机器人技术【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】的持续发展，未来赋予她实体，机器人+智能【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。体=？这虽然有点科幻，但是对于当前的技术来讲，本文版权归作者所有，未经授权不得转载。【作者：唐霜】是完全可以实现的，只不过性能没有那么丝滑【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net而已。对于某些不可描述的行业来说，他们早就开始著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】在娃娃们体内植入了可发生的AI智能体，也【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。就是说，对于宅男来说，他们的好朋友除了不转载请注明出处：www.tangshuang.net【本文受版权保护】会动以外，可以在软件层面帮他们完成任何事【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net，比如点外卖，比如用声音帮他们排解空虚…未经授权，禁止复制转载。【作者：唐霜】…实在不可描述……

结语本文作者：唐霜，转载请注明出处。

好了，不知不觉，已经写到深夜两点了。我对未经授权，禁止复制转载。原创内容，盗版必究。AI的态度是积极的，我以前遇到过的一些人未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】比较守旧，总是认为“这有啥，没卵用”，然转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】而，随着AI逐渐成为我们生活工作的一部分未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】，我们会慢慢习惯。虽然目前来说，AI的应本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。用主要是对传统软件功能的升级，但是，我相著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】信随着越来越多技术的整合，上文所描述的沉原创内容，盗版必究。【原创不易，请尊重版权】浸式AI新交互体验一定会实现，只不过是时本文作者：唐霜，转载请注明出处。【未经授权禁止转载】间问题。当然，我们其实还需要考虑一些风险【原创不易，请尊重版权】【原创内容，转载请注明出处】问题，包括但不限于对伦理的挑战，对人类生【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】存的挑战，对贫富悬殊的挑战等等。虽然风险本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】是存在的，但是，我们应该秉持着风险，积极【未经授权禁止转载】原创内容，盗版必究。的拥抱未来，何况，未来已来。

2025-03-25 2545