导读：本文写什么、怎么读

本文是一部 AI Agent（智能体）的通史。时间从2022年11月 ChatGPT 发布之前的"前史"写起，一直写到2026年10月。

本文采用一个朴素的定义：AI Agent 是以大语言模型为决策核心、能在一个循环中自主决定下一步做什么、调用外部工具去改变外部世界、并根据结果继续调整，直到完成人交给它的目标的软件系统。 它和聊天机器人的区别在于：聊天机器人负责回答问题，Agent 负责把事情做完。

这个定义里的大语言模型只是决策核心。真正让它成为 Agent 的，是包在模型外面的那一层。2026年，业内用一个简短的等式概括这件事：Agent = 模型 + Harness。Harness 英文原意是马具、挽具，在这里指模型以外的一切：给模型的指令，模型每一步能看到的信息，它能调用的工具，驱动它反复"想一步—做一步—看结果"的循环，检查它做得对不对的机制，它运行的电脑和权限，以及人查看和验收它的工作的界面。这个说法在2026年2月才成形（见第5代"Harness 工程"一节），但用它回看此前的历史同样适用。本文把四年来 Agent 的演化看作 Harness 的扩张与完善，并把 Harness 拆成七个部件：

  1. 指令：告诉模型做什么、按什么规矩做。从提示词、自定义指令，到写给 Agent 看的 CLAUDE.md、AGENTS.md，再到可以按需加载的 SKILL.md 和描述人格的 SOUL.md。
  2. 上下文与记忆：每一步让模型看到哪些信息，跨步骤、跨会话记住什么。从 RAG 与向量数据库、长上下文，到上下文压缩、把文件系统当外部记忆，再到 MEMORY.md 和自动沉淀的技能。
  3. 工具与行动：模型能调用什么去改变外部世界。从插件、Function Calling，到 MCP、Computer Use，再到内置浏览器、插件与连接器。
  4. 循环与编排：由谁来驱动下一步，多个 Agent 怎样分工。从人手工复制粘贴，到 AutoGPT 式的开环、ReAct 式的闭环、工作流与多智能体，再到按时间自我唤醒的心跳机制和多个 Agent 并行。
  5. 反馈与验证：怎样判断做得对不对，错了怎样回退。从把代码报错交还给模型，到测试与评测基准，再到长时间工作中的自我检查、检查点、回退，以及判断什么时候该停下来问人。
  6. 运行环境与权限：Agent 在哪台电脑上运行，能动哪些东西。从隔离的代码沙盒，到用户本地的终端和代码库、云端虚拟机，再到平台为每个代理托管的专属云电脑和凭证。
  7. 交付界面：人怎样查看、监督和验收 Agent 的工作。从聊天框，到 Artifacts、IDE 和终端界面，再到多 Agent 管理窗口、桌面 Work 应用，以及由模型自己生成的交互界面。

七个部件都在重复同一个过程：一项能力先以模型外面的"外挂"形式出现，由各家产品各自摸索；做法成熟、能被说清楚之后，要么写成开放标准，所有人都能照着用（Function Calling 的格式、MCP、AGENTS.md、Agent Skills），要么被训练进模型本身（思维链发展成推理模型，操作电脑成为通用模型的原生能力，回答以什么界面呈现也开始由模型自己决定）；随后，更外面一层又长出新的部件。

全文按"世代"组织。每一代通常以 Harness 某一两个部件的突破为起点，伴随一种新的设计理念和一批代表性产品，也伴随一轮炒作与退潮。世代按范式划分，时间上彼此重叠：例如2026年上半年，常驻个人代理（第4代）的热潮、各类 Work 产品（第5代）的竞争和平台托管个人代理（第6代）的起步几乎同时发生。

表1概括了各世代的核心特征，以及每一代 Harness 新长出了哪些部件（数字对应上面的七个部件），哪些部分被写成标准或被模型吸收。下图把同样的信息按"部件 × 世代"排列。

世代 时间 核心变化 Harness 新长出的部件 被标准化或被模型吸收的部分 代表产品与事件
前史 2022年11月以前 规则驱动的助手与研究原型 还没有通用的决策核心，人写死的意图、脚本和奖励就是全部；WebGPT、ReAct 等论文提出了③工具调用和④"想—做—看"循环的雏形 — Siri、Alexa、RPA、AlphaGo、GitHub Copilot
Gen 0 2022年11月—2023年3月 被动对话：模型只生成文本 ①提示词、思维链；⑦聊天框。循环、工具和记忆都由人手工充当：复制模型的输出去执行，再把结果粘贴回来 — ChatGPT、Bing Chat、中国"百模大战"开端；"提示词工程师"泡沫
Gen 1 2023年3月—2023年底 工具调用觉醒与人设定制 ③插件、Function Calling；②RAG 与向量数据库；⑥⑤Code Interpreter 沙盒与报错回传；①Custom Instructions、GPTs；④AutoGPT 式开环循环 Function Calling 的格式被各家模型厂商普遍采用 ChatGPT Plugins、AutoGPT、BabyAGI、GPTs / GPT Store、LlamaIndex
Gen 2 2023年底—2024年 工程化工作流与多智能体编排 ④ReAct 闭环、工作流、多智能体；⑤反思与 SWE-bench 等评测；③专为模型设计的工具（Agent—计算机接口）；②长上下文；⑦Artifacts 与 IDE 里的 Agent 提示词技巧被吸收进模型训练；独立 RAG 应用被长上下文和原生文件检索吸收 LangGraph、Coze、Dify、n8n、AutoGen、CrewAI、Devin、Cursor 早期版本
Gen 3 2024年第四季度—2025年 标准协议、推理模型与"操作电脑"，通用 Agent 与编程 Agent 两条路线商业化 ③MCP、Computer Use；⑥用户本地的终端与代码库、云端虚拟机；⑤测试成为自动验证器；①CLAUDE.md、AGENTS.md；②上下文工程 规划与多步推理被训练进推理模型；MCP、AGENTS.md 写成开放标准并进入 AAIF o1 / DeepSeek-R1、Manus、Deep Research、Claude Code、Codex、Cursor；Meta 收购 Manus
Gen 4 2025年10月—2026年4月 技能封装、常驻自治与本地数据主权 ①SKILL.md、SOUL.md；②MEMORY.md 等文件记忆、自动沉淀技能；④心跳机制（按时间而不是按人的指令启动循环）；⑥自托管与 BYOK Agent Skills 写成开放标准，上下文工程的窍门变成公开做法 OpenClaw、Moltbook、Hermes Agent；"养龙虾""养马"；OPC 热
Gen 5 2026年1月—2026年9月 Work 化：Agent 从写代码扩展到完成各类知识工作 ⑤长时间工作所需的检查、回退与恢复（Harness 工程）；③内置浏览器、插件与连接器；⑦桌面 Work 应用、多 Agent 管理窗口；FDE 把企业的业务规则整理进①② 电脑操作被训练进通用模型（GPT-5.4）；常驻、定时任务和技能被大公司的产品吸收 Claude Cowork / Design、Codex app 与 ChatGPT Work、Cursor 3、Copilot Cowork；国内"百Work大战"（WorkBuddy、TRAE Work、QoderWork、Kimi Work 等）
Gen 6 2026年5月— 平台托管的常驻个人智能体 ⑥每个代理一台平台托管的云端电脑和浏览器、凭证托管；③跨应用授权；④主动执行 运行环境与权限交给平台托管；回答以什么界面呈现，开始由模型自己决定（GPT-6 Intelligent UI） Gemini Spark、Siri AI、Grok Bot、Meta Muse、OpenAI Dots、Manus Cue

w_matrix.png

世代各章之外，有两个跨越多代的专题："专题：Manus"讲一家通用 Agent 先驱从爆红、被收购、被叫停到重新独立的经过，并为它算一笔对错账；"专题：本地还是云端"讲 Agent 应该在用户自己的电脑上运行还是在云端运行，这个问题四年来反复摇摆。最后两章列出截至2026年10月仍悬而未决的问题，并总结 Agent 演进的规律。

每一代的写法大致相同：先交代背景与这一代 Harness 长出的新部件，再写代表产品与关键事件，最后写这一代的炒作、退潮与教训。文中带有"🤖 AI 评注"标记的灰色框，是 AI 在史实之外给出的解释和判断，与正文的史实叙述分开，便于读者区分。术语在首次出现时解释，也可以展开下面的速查表。