《AIAgent入门》第 04 篇

《AI Agent 入门》第 04 篇 · 共 21 篇

LLM：Agent 的大脑，与“模型即 Agent”新范式

第 1 章 · 决策核心与 Harness 之辩

手脚讲完，轮到大脑。大语言模型（Large Language Model，LLM，就是那个读得懂也写得出人话的超大神经网络）是 Agent 的决策核心：收到请求，它先解析真实意图——用户嘴上说的，往往不是他真正想要的——再把模糊又复杂的任务拆成能执行的步骤。

干活途中它还得不停做判断：下一步做什么、要不要调用工具、调哪个、传什么参数。这种"理解—规划—执行"的本事来自预训练，工作流和自主 Agent 都得靠它。

一、大脑的两层本事：预训练攒知识，后训练定策略

LLM Agent 有一个独门能力：内部思考——真正动手之前，先在脑子里规划推演一遍。这一步不改变外部环境，却能显著提升后续行动的质量。它推得动，靠的是预训练（Pre-training，在海量互联网文本上做初始训练，让模型学会语言规律和世界知识）沉淀下来的逻辑规则：数学定律、因果关系、问题分解策略。

所以它跟传统的强化学习 Agent 不一样：今天基于 LLM 的 Agent 不是瞎蒙乱试，而是站在结构化的知识体系上干活。再打个比方：预训练像一个人读了万卷书，后训练（Post-training）像上岗培训，把"碰到什么事该怎么反应"固化成习惯。

【大白话】

预训练攒下"知道什么"，后训练攒下"习惯怎么干"。前者决定它懂不懂，后者决定它稳不稳。两层叠起来，才是 Agent 的大脑。

二、"模型即 Agent"：工具调用被吃进了肚子里

"模型即 Agent"（Model as Agent）是目前最新的范式：先进模型通过后训练（尤其是强化学习）把工具调用内化为原生能力——什么时候调、调哪个、传什么参数，模型自己说了算，不再靠人工在外面编排。

但这不代表框架层不重要，恰恰相反：模型越强大，围绕它构建的 Harness 就越关键。Harness 这词原指马具，是套在马身上的缰绳与挽具——它不是为了限制马跑，而是把这股力量引到正确的方向上。放到 Agent 里，模型是那匹强大但不可预测的马，Harness 是把它的本事引导成可靠任务执行的工程外壳。

图 4：上为大脑两层能力，下为"模型是马、Harness 是缰绳"的比喻

三、Harness 早晚被模型"吃掉"吗？

模型自主决策的空间越大，出错时的影响面也越大，越需要更精细的约束、验证和纠正。往深了想还有一问：如果模型一直变强，今天这些 Harness 是不是迟早被它"吃掉"？Rich Sutton 在《苦涩的教训》里回顾了 AI 研究七十年反复上演的一幕——研究者一次次把对领域的理解写死进系统，短期见效，长期却总输给能随算力和数据规模持续扩展的通用方法：搜索与学习。

照这个标准，Harness 里的约束、验证与纠正，有多少属于注定会被模型内化掉的"人类先验"？本书的立场一句话：方向认同，节奏务实。方向上，不怀疑模型会持续吃掉 Harness——工具调用、长程规划都曾靠外部编排，如今已是模型的原生能力；节奏上，这个"吃"比想象中慢得多：训练以月计，模型也没法一次性吃下真实业务里所有的约束与偏好。

记住这句

模型此刻的能力边界，就是 Harness 此刻的价值所在。模型还做不稳的，Harness 先补上；模型每内化一层，Harness 就卸下一层，转而去兜底新的能力前沿。

大脑有了，可它每一步只能看见"上下文"里那点东西。下一篇：Agent 怎么越用越强？先搞懂它的"眼睛"：上下文。

你猜这层"缰绳"多久会被模型拆掉？评论区聊聊。

本文为《AI Agent 入门》第 1 章通俗解读，共 21 篇，配图为原创示意。