AI智能体的真相：不过是高级待办清单处理器？

最近有开发者深入研究了各大主流AI智能体的代码库和日志，发现了一个有趣的事实：几乎所有智能体的核心工作原理，都是把复杂任务拆解成待办清单，然后逐项处理。

这个发现引发了热烈讨论。

有人一针见血地补充：别忘了还有工具调用、终端命令执行，以及最关键的上下文管理。一位开发者坦言，上下文管理可能才是最重要的部分，自己居然差点忘了提。

但也有人提出不同视角：把大任务拆成小任务，让每个子任务都能装进我们的“心理上下文窗口”——这不正是人类处理复杂问题的方式吗？

回顾历史，这套方法论其实早已存在。GPT-3.5时代，想要生成一份完整文档，你需要先让模型列出章节大纲，反复调整直到满意，再逐章生成内容，同时小心控制上下文不超过4000个token。如今我们只是把这个流程自动化了，配上更强的模型、更大的上下文窗口，再加上各种工具。

有资深开发者甚至表示，GPT-2时代这套方法就已经奏效了。

当然，讨论中也不乏质疑的声音。有人认为大语言模型早已触及天花板，只能偶尔完成定义明确的小任务，靠反复重试来堆砌成功率，而协调器本身也是模型，误差会层层累积。也有人指出，智能体并非只有这一种形态——证明搜索智能体、强化学习智能体、图结构智能体等都采用了不同的架构思路。

最后一条评论颇具深意：等你发现大语言模型从来就没有真正存储过状态，那才叫震撼。

或许真正值得思考的问题是：当我们面对一个复杂任务时，我们自己又是怎么做的呢？拆解、排序、逐个击破——这不正是人类智慧运作的基本模式吗？智能体的“简陋”，恰恰映射出智能本身的某种本质。

reddit.com/r/LocalLLaMA/comments/1qgj2n9/are_most_major_agents_really_just_markdown_todo