Agent Runtime

AI 应用架构的演化趋势：方法进入模型，边界留在现实

TL;DR：AI 应用架构将按职责重新分化：帮助模型理解、推理、规划、记忆和纠错的认知结构，会被更强的模型与运行时逐步内化；定义目标来源、现实连接、行动资格、行为约束和结果证明的结构，则无法由模型自我赋予，也不会消失。架构重心将从弥补模型缺陷，转向为强大行动者建立可信的现实边界。讨论 AI 应用架构的未来时，人们常在两个判断之间摇摆：一种判断认为，随着模…

Agent 演化系列（五）：从全局看 Agent 演化——为什么三条路线最终会汇合

TL;DR：三条路线最终会汇合，是因为真实任务同时需要理解当前处境、复用历史经验和执行现实动作。Agent 的终局不是更会聊天，而是成为一个受治理的目标完成系统：理解上下文、沉淀经验、调用工具、执行任务，并接受权限、审计、回滚和用户控制。这是 Agent 演化路线系列的最后一篇。前四篇里，我们已经分别拆开看了三条路线：执行力路线、自我进化路线、个人上下…

Agent 演化系列（四）：Agent 发展的最终形态——受治理的 Agent Runtime

TL;DR：Agent 的最终形态不是某一条路线单独胜出，而是执行力、自我进化和个人上下文融合成受治理的 Agent Runtime。这个系统由理解层、学习层、行动层和治理层组成，关键能力是上下文、记忆、skills、工具执行、权限、审计和回滚。这是 Agent 演化路线系列的第四篇。前三篇分别讨论了三条路线：执行力路线：Agent 从会回答到会做事…

Agent 演化系列（一）：执行力路线——Agent 从会回答到会做事

TL;DR：执行力路线的核心，是让 Agent 从"给建议"变成"完成任务"。它会从工具调用走向浏览器操作、本地自动化和受治理的行动层；真正的壁垒不是能调用多少工具，而是在权限、审计和回滚约束下稳定做成多少事。这是 Agent 演化路线系列的第一篇。这个系列分为五篇：前三篇分别拆解 Agent 的三条主要路线，第四篇讨论三条路线汇合后的最终形态，第五篇…