这是《智能体前沿观察》系列第一篇，讨论智能体从哪里来、为什么这一代不一样，以及下一项瓶颈是什么。
2026 年，“智能体”（Agent）成了企业数字化会议上的高频词。很多人默认它是这两年冒出来的新物种，于是把它当风口追、当泡沫躲。往回看七十年，两种态度都会看错方向：智能体是 AI 最老的命题，从这门学科诞生起就在。真正发生变化的是驱动它的引擎，而且已经历三次更替。
先备两把尺子：记忆和自主性
什么算智能体？三个条件：它是一个有边界的实体，不能是一团散开的功能；它活在某个环境里；它奔着目标行动，不做随机应答。按这个标准，下围棋的程序算，只会一问一答的聊天窗口不算。
但光有定义还比较不出三代智能体的高下，得有量尺。两把就够。
第一把是记忆：知识怎么表达、怎么获得、怎么更新。第二把是自主性：感知、推理、决策、行动这条链，它能自己走多远。两把尺子互为表里。记忆是自主性的底座，自主性反过来决定记忆能否发挥作用。
下文用这两把尺子逐一衡量三代引擎。分析结果表明，“这次不一样"有明确的结构依据，并非营销话术。
第一代逻辑引擎：专家系统死在"知识搬运"上
从 1950 年代到 1990 年代，主流做法是基于逻辑的智能体，代表是专家系统：请工程师逐个采访领域专家，把经验改写成逻辑规则，再配一个推理引擎，来了问题就照规则推演出答案。
拿尺子一量，两头都短。记忆，只是一堆人工编写的逻辑条文，世界上绝大多数知识根本写不成这种形式；自主性，只剩"收到问题、推演、作答"一步，谈不上感知和行动。
这套方法一度被寄予厚望，医疗诊断、地质勘探、设备排障都建过专家系统，个别场景也确实能用。但真正击垮它的是知识搬运这一环：专家会做但说不全，说得全也未必写得成规则，写成规则库后又因规模过大而难以维护。业务一旦变化，成千上万条规则都要依靠人工修改。承诺无法兑现，投入随之退潮，最终出现了著名的"AI 寒冬”。
这段历史留下一条今天仍然适用的教训：智能体的上限，首先卡在知识进得来、进不来。
第二代神经网络引擎：会赢棋的"偏科生"
2000 年之后，尤其是 2010 年之后，深度强化学习把智能体带进第二代。AlphaGo 赢下围棋，街机游戏、即时战略游戏被逐个攻破，一时风头无两。
再拿尺子量。记忆：一张不大的神经网络，装的只是某一个封闭环境的规则，换个游戏几乎从头再学。自主性：看一帧画面、运行一次网络、输出一个动作。不论局面多复杂，所用的"脑力"都是固定的一次计算，难局和简单局没有区别。而且它的学习成本很高：一个游戏往往要靠海量的自我对弈才能练成，现实业务无法提供这种试错量。
同一时期还有一条不那么显眼的线在铺路：语义解析，把人说的话翻译成机器能执行的指令。它练的是"听懂人话"这半边能力。两条线各修半座桥，谁也没想到很快会在同一个地方合龙。
第三代语言引擎：感知、推理、行动第一次共用一套底层
2022 年 ChatGPT 之后，第三次换引擎完成：大语言模型成了智能体的核。它不是"更大的聊天程序"，变化发生在两把尺子上，而且是同时发生。
记忆这一侧，训练过程把海量文本压缩成了对世界的先验认识，不再需要工程师逐条搬运知识，恰好补上了第一代的短板。自主性这一侧变化更多：思维链技术让模型回答难题时多想几步、回答简单题时少想几步，推理消耗的"脑力"第一次可以随难度伸缩，这是第二代做不到的；ReAct 一类框架把推理接上真实环境，每走一步先看现状、再定下一步；工具调用让它能够操作现成的软件；多模态让它可以看着屏幕、像人一样点击输入。
语言在这里承担的职责远不止"对话"。它既是知识压缩的载体，也是推理展开的介质和行动下达的指令。前两代智能体的感知、推理、行动各用一套机制，彼此并不相通；这一代第一次让三件事共用同一套底层能力，因此可以相互衔接。会读文档的能力可以延伸到写代码，会写代码的能力又能用于操作整个数字世界。
一句话概括三次换代：第一代记忆和自主性双短，第二代在小环境里单科冒尖，第三代两把尺子同时被拉长。这就是"为什么这次不一样"的全部含义：变化来自整体结构，而非某个单项指标的提升。
每一代都有自身瓶颈，本代引擎也不例外
逻辑引擎受限于知识难以输入，神经网络引擎困在小环境中无法扩展。语言引擎的瓶颈则在于持续学习：它还不能像人一样，把执行过的任务内化为越来越可靠的经验。实际使用中常见的"演示惊艳、上岗不稳"，根源正在于此。这是下一篇要展开的主题。
对正在评估智能体方案的读者，两把尺子现在就能用。提三个问题：它的领域知识从哪来、怎么更新？感知到行动这条链，在你的系统里能自己走几步？出错之后，它下次还会不会犯同一个错？三问过后，多数演示的成色立见分晓。
可信金科长期开展垂类业务系统与智能体的一体化落地，FDE 工程师驻场交付，重点解决"知识如何进入、动作如何受控"这两个问题（智能体在业务里的具体结构，可读站内《垂类智能体的结构》 ）。欢迎与我们联系 ，可针对企业现有系统做一次方案评估。
下一篇预告：《通用智能正在变便宜，值钱的是"专家级智能体"》，讨论价值为什么正在流向垂直领域。
