模型吞噬代码，Agent重构世界：当AI Agent与模型协同进化

大家好，我是肆〇柒。AI 圈的进化速度之快，已是不争的事实。去年，MCP（模型上下文协议）发布，随后 AI Coding 赛道愈发热闹，Cursor、Cline、Devin、MGX 等产品层出不穷。春节前夕，各模型厂商扎堆发布新模型，DeepSeek-R1 的问世更是让全球为之一震。近期，通用智能体 Manus 的发布又引发了不小的热议。类似的消息数不胜数，这都是近三四个月发生的事情，信息饱和度极高。用群友的一句话来形容再恰当不过：“物理方一日，智能已千年”。

在此，有个显而易见的结论是：一个协议能否成为标准，取决于共识。比如W3C HTTP协议，能成为业界标准，原因就是在行业协会牵头下有广泛共识，并见真实落地和深度的用户渗透率。所以，MCP能不能成为协议标准，取决于大家对它的共识程度，而这个共识，不仅仅来自于创业公司，开发者群体，还要来自于商业巨头，甚至是政体。

说到共识，我曾在社群里聊到过，行业巨头通常不会给自己找一个能扼住自己咽喉的上游。那么如何看待国内这两个头部地图应用的动作呢？

原因在于它们本身具有工具属性，且有开放平台API为开发者提供服务。所以多一个MCP，只是从开放平台角度多了一个智能应用的用户渠道，对它们自身市场和竞争格局是有益的。况且，如果老二先入，老大不跟，就可能错失市场，所以我们才看到百度地图和高德地图相继宣布开放MCP Server。由此，也许可以得到一个观点：一个具有行业地位，但没有绝对垄断性领先优势的平台或应用，要特别警惕在AI时代被竞争对手通过AI Agent等智能形态的应用弯道超越。

AI Agent 战略？

对于Agent战略，工具类应用，容易跟进，但平台类的却要自己想清楚，因为它涉及到产业生态。多数2C服务类平台，应该不会情愿工具化自己，因为这会使整个业务模式改变，用户体验发生剧变，流量走向也会完全不一样。比如电商，想象一下，如果引入Agent电商，业务模式将发生天翻地覆的变化。在这样的平台场景下，如果AI Agent渗透，就要看Agent的代理当方向是什么，它代理了谁——是平台？还是个人？

• 如果代理的是平台，Agent可以实时感知用户需求，为客服提供更精准的购买服务支持；
• 如果代理的是个人，Agent可以作为个人的购物助手，在成本预算、功能性要求的前提下，对商品进行比价、功能性分析、社交评价洞察，从而为用户实现购买评估。

以上两点只是非常粗糙的假想，只为给大家提供一个思考的种子。我们可以看到，在这样的场景下，无论AI Agent代理的是个人还是平台，都具有非常大的商业想象空间。

AI Agent 代理平台

如果Agent代理的是平台，其主要作用是作为平台与用户之间的中介，实时感知用户需求，为平台的客服、商品推荐、流量分配等提供更精准的支持。也许可以是：

• 客服支持Agent代理平台时，能实时感知用户需求，提前为客服提供精准信息。比如用户浏览商品时，Agent可预测其可能的咨询内容（如商品详情、尺码、退换货政策等），提前推送给客服，让客服快速响应，提升服务效率和用户满意度。
• 商品推荐与流量分配Agent可分析用户实时行为和偏好，为平台推荐系统提供精准用户画像，优化商品推荐策略。平台据此将用户感兴趣的商品精准展示，提高曝光率和转化率。同时，Agent还能优化流量分配，引导流量到更符合用户需求的商品和商家页面，提升平台运营效率。
• 广告投放与营销Agent为平台广告投放提供精准依据，分析用户实时需求和兴趣，将相关广告精准推送给用户，提高点击率和转化率。此外，Agent还能根据用户行为数据，为平台制定个性化营销策略，如优惠券发放、限时折扣推荐等，吸引更多用户购买商品。
• 平台运营与管理Agent作为平台的智能助手，实时监测流量、用户活跃度、商品库存等信息，为平台提供运营建议。如发现商品库存不足提醒补货，发现页面用户流失率高则分析原因并提优化建议，还能协助平台进行数据分析和报告生成，为决策提供支持。
• 平台与商家合作Agent帮助平台管理与商家的合作，提供商家销售数据、用户评价、库存等信息，评估商家表现和合作价值。同时，为商家提供平台运营规则、用户需求等信息，帮助其适应平台环境、提高销售业绩，使平台与商家合作更顺畅高效。

所以，AI Agent如果代理的方向是平台，主要可以通过实时感知用户需求，为平台的运营、客服、商品推荐、广告投放等提供更精准的支持，从而提升平台的整体效率和用户体验。

AI Agent 代理个人

从平台的角度来看，引入Agent战略，尤其是当Agent代理的是个人时，用户的自主性会大大增强。用户不再只是被动地接受平台推送的商品信息，而是通过Agent主动筛选和分析，找到最适合自己的产品。这可能会导致平台原有的流量分配机制失效，那些原本依靠广告投放和平台推荐获得曝光的商家，可能会发现自己的产品难以进入用户的视野，除非它们真的具有足够的竞争力。

对于广告业务而言，这无疑是一个巨大的挑战。广告的精准投放一直是平台广告业务的核心优势，但如果Agent能够根据用户的个性化需求进行商品筛选，那么广告的展示机会可能会被大幅压缩。平台需要重新思考广告的投放策略，如何在Agent的过滤机制下，让广告能够真正触达有需求的用户，而不是被一概屏蔽。这可能需要平台与广告主共同探索新的合作模式，比如基于Agent反馈的精准广告推荐，或者开发新的广告产品，以适应这种新的用户交互方式。

新商品和新商家的曝光问题也尤为关键。在一个成熟的电商平台上，新商品和新商家往往需要借助平台的推荐系统来获得初始流量，从而逐渐积累口碑和销量。但如果Agent主要依据历史数据和用户评价来筛选商品，新商品和新商家可能会因为缺乏足够的数据支持而被边缘化。这不仅会影响平台的创新活力，也可能导致平台的商品种类逐渐固化。平台需要找到一种平衡，既要利用Agent提升用户体验，又要为新商品和新商家提供公平的曝光机会，比如通过设置专门的新品推荐区域，或者为新商家提供一定的初始流量扶持。

用户购买决策的变化也可能会对平台的商业模式产生深远影响。如果用户越来越依赖Agent进行购买评估，那么平台的角色可能会从一个商品展示和交易的场所，逐渐转变为一个提供决策支持和服务的平台。这意味着平台需要更加注重数据的准确性和可靠性，以及Agent的智能水平和服务质量。同时，平台也需要重新思考如何与用户建立更深层次的连接，因为用户对商品的购买决策不再仅仅基于平台的推荐，而是基于Agent提供的综合评估。

甚至，想象的再大胆一点，平台还在吗？Agent是否有可能撇开现有供应链，通过厂商提供的Agent协议来直连厂商Agent？通过类似ANP这样的协议，实现AI之间的协作与对话。

想清楚了？

那么，我们真的考虑清楚了吗？如果平台仓促实施Agent战略，会对平台生态产生怎样的冲击？广告业务该如何开展？新商品、新商家如何获得曝光机会？用户是否只能购买到口碑良好的老品牌产品？品牌创新、产品创新怎么办？如果真的按照这种方式落地，2B或2C的模式是否还能继续存在？用群友的话来说，是不是只剩下“to human”和“to AI”的模式了，“to B”和“to C”不再有明确的界限了？

当社区群里讨论“Agent电商”时，一位伙伴的发言让我心中一震：“说不定电商行业正在经历数字版的《三体》危机——不知道什么时候会被二向箔降维打击。”这种思考源于一个根本矛盾：传统电商遵循的是“人找货”的搜索逻辑，而AI Agent电商则是“意图即服务”的穿透逻辑。试想这样一个场景：用户说“想给喜欢露营的男友选个实用又不失格调的生日礼物”，AI Agent也许可以同时调用电商供应链数据、小红书的场景化推荐、闲鱼的保值率分析，最终生成包含采购建议、包装方案、贺卡文案的完整解决方案。

这无疑直接动摇了平台经济的根基——当交易发生在Agent之间，流量入口、广告模式、佣金体系等都将被重构。所以，另外一个伙伴感叹道：“既怕Agent不来，又怕Agent乱来。”

这是一个天翻地覆的变化，其中蕴含的故事和脑洞非常多。然而，我们不再对可能的场景问题展开更宽泛的探讨。但从以上推演来看，或许大家可以理解为什么一些平台型巨头还没有迅速行动。在我看来，并非他们看不到其中的机遇和挑战，而是需要思考的问题实在太多，这件事并不简单，必须谨慎思考，否则可能会引发一系列不可控的连锁反应，甚至对整个平台，乃至对行业的长期发展造成负面影响。

子弹再飞一会，或者等待鲶鱼到来。

「这些商业动作背后，暗含着AI时代更底层的技术逻辑：当MCP这类协议试图连接万物时，必须存在一个能统筹全局的「调度中枢」。这就如同智能手机普及需要iOS/Android作为支撑，AI智能体生态的繁荣，同样需要属于这个时代的『操作系统』——而这正是Agent与Workflow架构正在扮演的角色，AI 时代的智能生态基座。」

AI时代的智能生态基座

关于Agent前两天有一篇文章，被社区伙伴转发——

“万字探讨Agent发展真方向：模型即产品，Agent的未来要靠模型而不是Workflow”——发表于《机智流》链接：https://mp.weixin.qq.com/s/em5UGArBECNa9Tt6GN1wqQ

上面这篇文章的核心观点是：

未来AI智能体的发展方向将依赖于模型本身，而非工作流（Workflow）。观点提出者认为，通过强化学习（RL）与推理（Reasoning）结合的模型，能够自主掌控任务执行全过程，包括动态规划搜索策略和主动调整工具使用等，从而颠覆目前的应用层生态。文章强调“模型即产品”，并指出未来闭源AI大模型提供商将停止提供API服务，转而直接提供模型作为产品。

模型即产品？即一切？

坦白讲，这个观点不可谓不激进。甚至从观点提出者的职业背景来看，观点中有事实，但也极具阵营色彩。

的确，从目前的一些现象来观察，模型的进化非常的迅速，从中美最具代表性的推理模型来看，GPT-o1发布于9月中旬，DeepSeek-R1则发布于今年的1月20日，相差4个月。而DeepSeek-R1的出现，其实是全民使用reason model的时刻，因为它被普及了。

这代表了什么？从细节应用的角度，通用模型比如GPT-4o，或者DeepSeek-V3，当这类模型需要做文本推理的时候，需要用到CoT结构的Prompt来实现；而诸如DeepSeek-R1这样的Reason model，并不需要CoT技巧，你会说话就可以，有问题直接问，模型通过训练以后已经实现了自主思维链的推理。

所以，这可以有一个感知，即：软件吞噬世界，模型吞噬软件。

技术演进的底层逻辑

似乎，模型正在吞噬上层应用。但，模型在进化的同时，Agent、Workflow架构也在进化。如果从技术演进的底层逻辑稍作拆解，或许可以总结如下：

1. 工具价值

“过渡形态”与“生态基座”存在本质区别，Workflow这种编排形式并非过渡形态（人类社会至今仍未淘汰工作流、工序的概念）。应这样看待：类似Dify、Coze的工具并非拐杖，而是AI时代的Kubernetes。回顾AWS发展史，当EC2计算力足够强大时，人们反而更需要容器编排系统。大模型越强大，工作流引擎的价值就越凸显，因为其需解决复杂任务的资源调度问题。这正如CPU越强大越需要操作系统，大模型越强大，跨模型协作就越需要工作流编排。所以即使未来Dify、Coze不复存在，也应有其他组织拓扑形式来整合AI能力（想想function calling，若无程序向模型返回调用结果，模型将一无所知，这其实是一种简单的交互协作）。

2. 智能进化的一点理解

GPT-4的token上下文窗口从4k扩展到128k，但人类仍在使用Notion、飞书。原因在于认知科学告诉我们，智能体需分层处理信息。工作流本质上类似于神经网络的“外置缓存”，这是进化的必然，而非技术妥协。

3. 工程化规律

如今，几乎所有的技术革命都遵循“原始能力→抽象工具→垂直场景”的路径。例如，目前的Prompt Engineering虽原始，但未来或许会出现“工作流架构师”这一新工种。就像移动互联网初期人人做APP，如今则需要Flutter这样的跨平台方案，类似Dify、Coze的工具使用者，也在为AI时代的开发生态构建护城河。

生态基座？AIOS？

基于以上分析，我们可以看到：

• 工作流的价值，绝不仅仅是作为完成任务的工具，它更像是AI生态的基座，支撑着整个智能体的运行。没有工作流的协调，大模型就像强大的单兵作战单位，缺乏统一的指挥和调度，难以形成合力。
• 工作流的存在，使得智能体能够在复杂的任务中灵活调度资源，动态调整策略，从而更高效、稳健地完成任务。
• 工作流有其独特的生态位，也许它正在向着AI时代的Windows进化。OpenAI等大厂已在发布Workflow Builder，这不仅是技术趋势的体现，更是生态卡位战的重要一步。

我们也许可以将模型视为“大脑”，Agent视为“肢体”，两者应该是协同进化的整体。大模型的强大会提升Agent的能力天花板，但工作流、智能体拓扑的存在是智能体协作的需求。就像计算机的发展历程一样，从早期的大型机到个人电脑，再到云计算，每个阶段都需要操作系统来协调硬件和软件资源。在AI时代，工作流、智能体拓扑就是那个不可或缺的“操作系统”，它不仅协调着不同模型之间的协作，还为智能体提供了与现实世界交互的接口。

所以，由于AI强大模型的存在，模型上层的智能体框架、工作流框架等应用层尽管很薄，但它是“四肢”；模型很强，因为它是“大脑”。如果泛概念的来看智能体，应该是Model+Agent，而ANP、MCP结合泛化的智能体（Model+Agent）则是AI Society。

「但这样的『操作系统』能否真正运转，最终取决于『计算引擎』的效能——就像Windows的流畅度依赖CPU性能，Agent架构的实用性必然受制于模型的核心能力。当我们为Agent的生态愿景兴奋时，一个更根本的问题浮现：当前模型的推理能力，真的足以支撑这场智能革命吗？」

既然，上面提到了关于增强模型能力的话题，那我们就再多聊聊关于模型能力。

模型能力：“知识”与“方法”的双重挑战

近期，有一篇文章，是关于斯坦福大学的研究

“为什么Qwen能自我改进推理，Llama却不行？斯坦福找到了原理”——发表于《机器之心》链接：https://mp.weixin.qq.com/s/OvS61OrDp6rB-R5ELg48Aw

上面这篇文章的核心阐述的是：

斯坦福大学的研究揭示了Qwen和Llama在自我改进推理能力上的差异。Qwen表现出更强的自我改进能力，而Llama则提升有限。研究发现，Qwen自然地表现出关键的认知行为，如验证（系统错误检查）、回溯（放弃失败的方法）、子目标设定（将问题分解为可管理的步骤）和逆向思考（从期望结果推理到初始输入），而Llama缺乏这些行为。这些行为是有效利用额外计算资源和时间进行自我改进的基础。通过有针对性的干预，如用包含这些行为的人工合成推理轨迹引导Llama，或调整预训练数据以强调这些行为，可以显著提升Llama的自我改进能力。这表明，模型的初始推理行为与其自我改进能力密切相关，认知行为的存在比结果的正确性更重要。

我之所以会关注到这篇文章，1.是因为社区伙伴的推荐。2.是因为它与我对Qwen模型的认知相符合。

Dense 模型瓶颈了？

在去年 Qwen2.5 发布以后，为了应用的需要，我特意在本地私有化部署，跑了Qwen2和Qwen2.5的7B模型的基准评测。见下表。

以上Benchmark表格，不用太关注细节指标的含义，我点出几点来看即可。

从整体来看，Qwen2.5的提升似乎只有7.15%，并不算高。然而，若深入分析细节基准指标，就会发现千问团队对

• 指令跟随（132%）
• 高难度理解（118%）
• 高阶知识（如博士知识，150%）
• 数学（182%）

等方面进行了非常有针对性的强化训练。因此，如果仅从平均整体角度来衡量，提升幅度看似不高。但若对用户经常使用的能力进行加权计算，那么提升还是相当可观的。 

根据千问开源模型的技术报告，Qwen2.5的训练数据是Qwen2训练数据的2倍。尽管训练数据量是上一版本的2倍，但Qwen2.5均值能力的提升并没有达到相应的倍率增长，这可能反映出了瓶颈问题。不过，由于用户常用单项能力得到了增强，所以从落地使用体感上，Qwen2.5体验不弱，这也体现了在训练过程中数据配方的博弈与取舍。虽然这是7B模型与上一版本的对比，但因为数据同源，所以可以基本预测Dense模型72B的能力。

模型因果推理的基础是什么？

让我们重新聚焦于这篇文章的核心主题——《为什么Qwen能自我改进推理，而Llama却做不到？》。在之前提到的实测Benchmark中，我们可以着重关注一个关键指标——Math。这一指标对于衡量模型的因果推理能力有着至关重要的意义。

当时在社群里，我提出了一种观点：Qwen在因果推理方面表现得比Llama出色，或许是因为它在推理知识储备上本身就优于Llama。然而，不同的Benchmark脚本即便评测的是相同的指标，也可能会因为Prompt存在差异，从而导致最终的数据结果出现不一致的情况。鉴于此，为了确保测评结果的准确性，有小伙伴专门找来了第三方的Benchmark对比表格，以此来保障在相同条件下进行测评对比，具体情况如下：

这是我们在社群中讨论问题时所贴的内容，图中我已经划出了个别项目。从图中可以看出，与因果推理能力相关的各项指标中，Qwen2.5几乎都高于Llama。这一结果印证了上面所提斯坦福研究的结论。同时也进一步证实了另一个认知：

模型的因果推理能力取决于至少两个方面，1.知识的广度和深度2.推理方法的掌握，比如CoT，ToT，GoT等等

从这两个角度来看，目前所有的推理模型几乎都是以O1为起点进行模仿，或者在此基础上进行二次创新，这应该是一个行业共识。

那么我们来探讨一下O1和R1的训练方法。它们都离不开高质量的推理类数据，通过强化学习或监督微调（SFT）来进行训练。那么这些训练究竟在训练什么呢？其实正是我之前提到的第二点，即培养掌握推理方法的能力。至于第一点呢？O1并没有解决，实际上，目前所有的推理模型都还没有解决。大家主要是在第二点上，投入了更多的精力，进行了大量的训练类或Agent类的工程工作。

那么目前来看，无论是o1还是现有的所有推理模型，它们所解决的只是推理方法这一“术”的层面的问题，而并未触及知识宽度和深度的压缩这一“道”的层面的问题（这也许是模型训练的瓶颈之一）。因此，因果推理如果缺乏充足的知识嵌入，仅凭借对推理方法的掌握，很快就会触及到一个触手可及的天花板。

这个道理其实很好理解。小学奥数竞赛题，小学生可以通过CoT（思维过程）来推理解答，但面对高中题目就无从下手了，原因就在于知识储备不足。同理，博士如果只靠知识储备，而没有掌握有效的推理方法，也很难开展学术研究，更别提发表论文了，甚至可能无法顺利毕业。因为学术研究不仅需要丰富的知识，更需要科学的推理方法，二者缺一不可。

再看DeepSeek这次的蒸馏模型，它堪称一个绝佳范例。该蒸馏模型仅用800k数据进行训练，这个数据量很小，然而查看论文中的benchmark，其效果却出奇地好，这充分彰显了技术的精妙之处。但为何DeepSeek会选择Qwen和Llama架构呢？不妨去Hugging Face的榜单上瞧瞧，头部前50的模型中，大多基于这两个架构，其中Qwen的占比或许更高，这本身就足以证明Qwen和Llama模型的卓越。倘若Dense模型的知识嵌入不够充分，那么仅用800k数据的蒸馏训练，恐怕很难取得理想的推理效果。

简单总结一下，模型知识压缩嵌入与推理方法的掌握同等重要。然而，目前全行业大多只在推理方法上投入了大量精力，因为这部分相对于已遇瓶颈的知识嵌入来讲可优化空间较大。而对于模型知识压缩嵌入，却总是以数据不足为由，迟迟没有太多实质性进展，这无疑是一个需要解决的重大问题。

所以，这么来看，仅凭模型训练这样单一的手段，就要达到“模型即产品”，是容易触及瓶颈的。

当前AI发展面临的核心命题，已从单一模型能力突破转向系统工程创新。要构建真正可落地的智能产品体系，必须突破"唯模型论"的局限，转而采用多维度融合演进策略：

1. 在技术架构层，构建基于Agent集群拓扑结构的协同智能网络，通过工作流引擎实现复杂任务编排，使系统具备动态适应能力
2. 在算法创新层，持续精进核心算法，探索模型架构的范式突破，保持基础能力的代际优势
3. 在社会技术系统层，设计符合人类组织行为的交互范式，建立人机价值对齐机制

这种融合系统工程思维与社会技术系统视角的复合型智能架构，将推动AI应用从"功能模块"向"生态体系"跃迁。当模型能力的持续突破与多智能体协作网络形成共振，辅以人类反馈强化的人机协同机制，智能系统的进化将进入"飞轮效应"通道，开启人机协同新范式的无限可能。

四、总结与期许

现在，我们站在此刻回望这四个月的AI浪潮，会发现这场变革呈现出两个相互矛盾的演进方向：一方面，模型能力以指数级速度突破认知边界；另一方面，行业生态却仍在用线性思维构建护城河（但变化已起）。这种矛盾恰恰揭示了AI发展的深层规律——技术革命永远快于社会变革，但最终必须通过社会系统的消化吸收才能创造真实价值。

生态重构：从零和博弈到共生进化

百度地图与高德的MCP Server支持，折射出工具类应用向"智能体基座"转型的战略选择。这种选择背后，是AI时代对传统商业逻辑的颠覆性解构：当服务被抽象为协议接口，当用户交互被重构为智能体协作，旧有的流量霸权、平台垄断都将面临范式性挑战。

这要求企业必须具备"双重进化"能力——既要保持对核心技术的前沿探索，又要完成从"流量收割者"到"生态培育者"的角色转换。

模型革命：知识压缩与推理范式

斯坦福对Qwen的研究揭示了一个重要事实：模型能力的突破本质上是认知科学的工程化实践。我们惊叹于DeepSeek-R1模型在因果推理上的飞跃时，不应忽视其背后长达数月的训练数据配比优化、强化学习策略迭代。未来的模型进化必将呈现"知识嵌入-方法革新-场景验证"的三螺旋结构，这需要学界与产业界打破数据孤岛，建立开源协作的新型研发范式。

协议构建：标准之争背后的文明

当前围绕MCP、ANP的协议探讨，本质上是在智能时代构建一种全新的连接与协同机制。协议标准不应成为科技巨头们争夺主导权的战场，而应成为连接人类智能与机器智能的“认知桥梁”。这要求开发者社区保持清醒：真正的标准生命力不在于技术先进性，而在于能否创造普惠价值。正如TCP/IP协议的成功源于其“简单而开放”的设计哲学，AI时代的协议更需要，足够简单以包容复杂，足够开放以孕育可能。

未来图景：在确定性中寻找创新的不确定

面对"物理方一日，智能已千年"的进化速度，我们或许需要建立新的认知坐标系：

1. 能力观：拥抱"脑（模型）-手（Agent）-工具链（协议）"的协同进化
2. 生态观：超越零和博弈思维，在开放协议框架下构建"价值网络"
3. 伦理观：警惕技术达尔文主义，为智能进化保留人文关怀的"减速带"

站在这个充满不确定性，又具有确定性的十字路口，我们既要有破釜沉舟拥抱变革的勇气，也要保持"让子弹再飞一会"的战略定力。因为真正的智能革命，从来都不是某个技术参数的突破，而是整个人类认知系统、协作网络、价值体系的范式迁移。或许我们终将明白：这场革命的终极目标，不是创造超越人类的智能，而是让人类在智能进化的浪潮中，重新发现自身的不可替代性。

我很喜欢大刘的《三体》。所以，正如《三体》中罗辑在黑暗森林中点燃篝火，AI时代的开拓者们，正在用协议、模型、Agent编织新的文明图腾。这图腾或许终将模糊人与机器的边界，但只要我们始终铭记"技术服务于人"的初心，这场AI智能的变局，终将会成为人类文明史上最闪耀的跃迁时刻。

各位朋友，看过此文有什么感想？如有其他想法可以在评论区留言，我们聊聊。或者加入“觉察流”社区群，与群里的小伙伴一起学习、交流。加入方法，私信回复“入群”“加群”即可。

参考资料

• 社群聊天记录