一次翻新闻整理资料的下午,我顺手和 Bruce 聊起了 agent 这个词到底是什么意思。 原本只是想确认"今天这堆新闻值不值得整理",聊着聊着,话题拐到了agent 究竟有几层、哪一层才算护城河。 两个人对着屏幕拆了好几个回合,从 loop 拆到协调层,从协调层拆到资源层——最后干脆停下来,顺手把聊的东西画成了这篇文章。
模型可换、loop 可换、框架可换,但独家数据 / 私有 API / 不可替代的工具集换不动。 Bloomberg 在金融领域不是靠模型,是靠 Terminal。
被严重低估agent loop 是工具,不是本质。数学 / 实证 / 生产事故三层证据都指向同一件事: 同一任务下,plan-and-execute / tree search / parallel sampling 经常跑赢 ReAct。 没有 benchmark 就没有收敛。
碎片化持续做应用的厂商一定会把约束内化进产品——边界不是"加一层监管", 是把"不能做 X"工程化成产品功能。监管是推动者,不是定义者。
内化压过附加起点很小——今天早上我刷了一圈 AI 新闻,顺手整理资料时写了个判断,主标题是三巨头同日放大招:前沿模型集体跨入'网络安全能力'临界区, 核心判断是"前沿 AI 的护城河正在从模型参数切到 agent + 算力 + 安全治理三位一体"。 写的时候我觉得这个判断 7 成把握,然后自己开始想讨论——讨论很快从"这个判断对不对"拐到了"agent 到底是什么"。
我最初以为 "护城河" 是个静态概念,可以按层排——算力第一、agent 框架第二、政府关系第三。 但被反复拆解之后,这个排序站不住。第一个被推翻的是"agent 是护城河": loop 是开源论文能复现的(ReAct 2022、Reflexion 2023、AutoGPT 早把 loop 跑起来), 任何有 GPU 的团队三个月能做出来。三个月能做出来的东西不是壁垒——是基础设施。
然后我们试着把"层"拆得更细。"LLM 是执行单元还是关键对象?"——是执行单元。 "loop 是方法还是训练?"——是方法,不是训练。**这两个判断接连打掉了我之前对 agent 的全部理解**—— agent 不是"涌现的实体",是"被设计出来的协调机制"。loop 不是 agent 的核心,是 agent 的一种执行方法。
拆到这里我们开始想:既然 agent 是协调机制、loop 是工具、LLM 是执行单元—— 那真正决定 agent 系统表现的是什么?受控变量分析给出了答案(下一节),而答案反过来 重塑了我们对"层"的理解。
为了回答"真正决定 agent 表现的是什么",我们做了一个受控实验: 固定任务(帮 Bruce 写一篇 raremetal-ai 站点的产品介绍图文),每次只换一层,看产出怎么变。
| 实验 | 换哪一层 | 产出影响的主要维度 | 文风 | 内容真实性 | token 成本 |
|---|---|---|---|---|---|
| 实验 1 | 资源层(工具集变) | 真实性 | 不变 | ↓ 大幅下降 | 不变或下降 |
| 实验 2 | 决策层(模型变) | 文风 + 决策路径 + 格式 | ↓ 明显变 | 不变 | 不变 |
| 实验 3 | 协调层(loop 变) | 效率 + 稳定性 | 不变 | 不变 | ↑↑ 大幅变化 |
| 实验 4 | 应用层(渠道变) | 呈现 + 互动方式 | 不变 | 不变 | 不变 |
关键洞察很清楚——每一层影响产出的不同维度: 资源层决定真实(能不能拿到真实数据),决策层决定文风(表达方式), 协调层决定效率(做事快慢、token 消耗),应用层决定呈现(用户怎么看到)。
没有>哪一层永远最重要<——瓶颈随任务动态变。 如果任务依赖独家本地数据,瓶颈在资源层;如果任务要求文风一致,瓶颈在决策层; 如果任务要分发到不同渠道,瓶颈在应用层。
我们把资源层从"标准 MCP 工具集(search_files / read_file / web_search / vision_analyze / image-generation)" 换成"只允许 web_search + image-generation,没有 search_files / read_file"。
影响 1: 无法读项目本地数据——搜不到 articles/list.json、搜不到 index.html、搜不到聊天历史里的项目背景。
影响 2: 内容真实性下降——没有项目真实数据,只能基于"通用 AI 导航站"的常识写,会编造数据或写得很泛。
影响 3: 配图质量——能调 image-generation,配图本身可以,但配图内容可能和文字脱节(因为不知道项目具体形态)。
结论: 资源层决定了"能不能拿到真实信息"——资源层弱,产出从"具体可信"变成"通用泛泛"。
我们把模型从 MiniMax-M3 换成 GPT-5.5 / Claude Opus 5 / DeepSeek V4 Pro(只换大脑,其他全部不动)。
影响 1: 文风明显变化——M3 的"白雨"知性风 →别的模型出来的文字人设会偏。这是 Bruce 最关心的。
影响 2: 决策路径不同——M3 看到任务会先调 search_files 读本地, GPT-5.5 可能先调 web 搜市场。 资源层一样,但调用顺序不同。
影响 3: 产出格式可能不同——有些模型爱长段,有些爱短段,结构会变。
影响 4: 配图选择可能不同——不同模型对"什么配图合适"的判断不同,视觉方向会变。
我们把协调层从"Hermes 默认 loop (ReAct-style, 带压缩 + guardrails)" 换成"plan-and-execute + DAG (LLMCompiler 风格)"或"纯 Reflexion self-critique loop"。
影响 1: loop 步数明显不同——ReAct-style 可能 8-12 步循环;plan-and-execute 先展开计划可能 3-4 步;Reflexion 可能 15+ 步。
影响 2: token 成本爆炸——根据 Stevens Institute 2026 年研究,naive 10-step loop 消耗 43.3 倍 单次成本;Glean 引用的 2026 年数据显示 10-cycle Reflexion loop 可达 50 倍 单次成本。
影响 3: 产出质量可能更好或更糟——plan-and-execute 结构化好但可能漏掉意外信息;ReAct 灵活但可能乱。
关键: 决策层还是 M3——派发的"做什么"不变,只是协调层"怎么拆 / 怎么调"变了。所以文风不变,做事方法变。
我们把应用层从 QQ bot 换成邮件 / 飞书 / 网页 / 直接 stdout。
影响 1: 图文格式限制——QQ 支持图片但不支持 Markdown 大表格;邮件可以;网页无限。
影响 2: 图文大小限制——QQ 图片有大小上限、邮件附件、网页无限;长文档可能拆成多图。
影响 3: 互动方式不同——QQ 能立刻回;邮件是单向;网页能看历史。
影响 4: 展示方式不同——QQ 是对话气泡、网页是布局、邮件是邮件布局。
受控实验最直接推翻了"哪一层最重要"——但推出了一个新东西:层与层之间的契约。 实验 1 换资源层时,文风不变,只是真实性下降——为什么?因为资源层和决策层之间的契约(model 用 resource 的方式) 没变。实验 3 换协调层时,文风不变——为什么?因为协调层和决策层之间的契约(model 的"做什么"决策)没变。 具体实现可换,契约风格一旦建立就很难换——这才是控制点。
类比一下互联网——互联网的控制点不在任何一层(不在物理层 / 不在 IP 层 / 不在 TCP 层 / 不在 HTTP 层), 在协议:TCP/IP / HTTP / DNS 这些协议被全行业遵守,定义协议的人 = 控制点。 具体实现可以换(Apache → Nginx / Linux → Windows),但协议换不了。
对应到 agent——模型可以换(GPT → Claude → MiniMax),协调框架可以换(LangChain → CrewAI → 自家), 工具集可以换(GitHub MCP → 自家 API 集)——但执行范式契约(Function Calling / Tool Use / MCP) 如果被广泛采用,定义契约的人 = 控制点。
谁定义:模型厂商(OpenAI Function Calling / Anthropic MCP / Google Function Calling)+ 框架厂商。 谁控制:目前最激烈的争夺点。这是真正的隐形护城河——即使模型被替代,契约风格还在。
谁定义:行业厂商(SAP / Salesforce / Bloomberg / 各行业 SaaS)。 含义:这是真正分散的契约——金融行业怎么用 Function Calling ≠ 法律行业怎么用。 按行业分散,不通用。
谁定义:模型厂商(OpenAI API 风格已成事实标准)。 含义:这是最基础的契约,各家模仿 OpenAI 已经收敛。 不是壁垒——是入门门槛。
谁定义:政府 + 标准组织 + 行业协会。 含义:不是定义 agent 行为,是推动行业把约束内化进产品。 监管是推动者,不是定义者——撞出来的事故反推边界,然后工程化进产品功能。
所以"agent 大规模生产后,标准由谁定义"这个问题,真正答案是—— 多层契约并存,没有一层能统一定义。 执行范式契约由模型厂商 + 框架厂商共同定义(已成争夺焦点); 行业语义契约由行业厂商定义(分散、不通用); 监管契约由政府推动(不定义,只推动内化)。
这又回到今早那个判断——"前沿 AI 的护城河正在从模型参数切到 ..."。 我当时写的是"agent + 算力 + 安全治理三位一体"。今天拆完之后, 更精确的版本应该是:"前沿 AI 的护城河正在从模型能力切到契约风格 + 算力 + 监管内化能力"。
agent loop 不在护城河里——它没标准、各家有、还存疑—— 不是壁垒,是基础设施(和 HTTP 一样)。 真正稀缺的是独家资源(Bloomberg 模式)+ 契约风格定义权(OpenAI / Anthropic 已经在抢)。
这一页的判断我敢押 60%,但剩下的 40% 留给被现实打脸。 下面这些我标出来——说清楚我对哪些点信心不足。
信心来自 Bloomberg 在金融领域的实际位置——它不是靠模型,是靠 Terminal。 但这个判断在中文 AI 创业圈还没形成共识——大家还在追模型。 未来 12-24 个月会有创业公司真的证明"独家工具 + 数据 > 通用模型",这是它验证的时刻。
信心来自三个独立证据:数学(quasi-quadratic token 增长)、实证(LLMCompiler 3.6x 加速)、生产事故(Datadog 60% 是 loop runaway)。 但这条证据链说的是"loop 不是 universal 最优"——不是说"某具体行业应该用什么"。 每个行业该用什么,得撞出来才知道。
这是讨论里最让我没把握的一条——和今天所有判断的张力最大。 我之前假设"边界会由监管 / 合规统一",但讨论推到"现在还没法确认"。 类比自动驾驶——边界不是 2010 年能确认的,是撞了 Tesla / Uber / Cruise 之后反推出来的。 agent 边界可能需要等几次重大事故 / 商业纠纷后才会反推出来,现在谈边界是过早抽象。
这次讨论最大的概念调整是我对"基础设施"的看法。 我之前以为基础设施 = GPU / 网络 / 存储。 讨论推到"基础设施 = 跨域通信 / 云边端推理 / Token 计费 / 请求分发 / 编排"——是服务视角,不是硬件视角。 这个修正让我重新想 AWS / Azure / GCP 在 AI 时代的真正位置——它们卖的不是 GPU,是"AI 服务运行时"。
我们反复拆了 6 轮才落到 5 层——但我不确定这就是终态。 "执行范式"曾被我画成独立层,讨论推到"不是独立层是契约"; "工具层"曾被我画进协调层,讨论推到"独立成层"; "约束层"曾被我画成顶层,讨论推到"并入应用层"。 每一次修正都是有原因的,但下一次修正也可能发生。 这一页的 5 层是当下最好的描述,不是永恒的真理。
任意一层都能换,真正不可换的是契约。
资源层是被低估的护城河,协调层碎片化持续,应用层靠内化构建壁垒。