AI 的逐步进化：从被动的“思考者”到主动的“行动者”

如今大模型已经火热了两三年，发展得也越来越快，已经不仅仅停留在聊天机器人和文本生成工具上。虽然你输入问题，它给出答案。这种交互模式已经很有用了，但也仅此而已，现在的AI的使用方式跟GPT3.5刚出来的时候已经完全不一样了，无论是dify、coze这些平台，还是Codex、Claude Code等开发者工具，都在以不一样的方式来改变我们的生活。

最近，来自UIUC、Meta、亚马逊、谷歌DeepMind、UCSD和耶鲁大学的研究人员对目前的智能体推理系统进行了系统化的总结、形式化定义和框架构建，这篇论文就是 Agentic Reasoning for Large Language Models。核心想法很简单：

“Rather than passively generating sequences, LLMs are reframed as autonomous reasoning agents that plan, act, and learn through continual interaction with their environment. This refraining unifies reasoning with acting, positioning reasoning as the organizing principle for perception, planning, decision, and verification.”

AI不再只是处理输入然后输出结果，而是可以主动规划、执行任务、从反馈中学习。下面简单总结下这篇论文的主要内容：

一：从静态计算到动态交互

传统LLM的工作方式是扩展测试时计算（scaling test-time computation）：输入问题，模型内部计算，输出答案。整个过程是一次性的。

智能体推理不同。它强调扩展测试时互动（scaling test-time interaction）。AI被放在一个环境中，通过多轮交互来完成任务。它可以尝试、观察结果、调整策略，然后再尝试。

两者的区别：

这个变化意味着AI的能力不再取决于它记住了多少知识，而是取决于它能否在实际环境中找到信息、使用工具、根据反馈调整方法。

二：AI可以从错误中学习

更有意思的是自主演进智能体推理（Self-Evolving Agentic Reasoning）。AI可以通过经验改进自己的表现。

这依赖两个机制：

反馈：AI完成任务后会评估自己的推理过程。比如Reflexion框架让AI检查自己的行动序列是否有效。发现问题后，它会在下次任务中避免同样的错误。

记忆：AI会记录每次交互的结果。成功和失败的经验都会被保存下来，用于改进未来的决策。

这让AI可以在使用过程中持续改进，而不需要每次都重新训练模型。

三：多个AI协同工作

集体多智能体推理（Collective Multi-Agent Reasoning）让多个AI分工合作。一个AI团队可能包括：

• 管理者：分解任务
• 工作者：执行具体操作，比如调用工具或编写代码
• 验证者：检查结果是否正确

这种分工的好处是每个AI专注于自己擅长的部分。管理者规划路线，工作者执行任务，验证者把关质量。它们之间会互相反馈，逐步优化最终结果。

四：AI可以创造工具

以前AI只能使用人类提供的工具和API。现在AI可以自己编写代码来创建新工具。

当遇到现有工具无法解决的问题时，AI会写代码、测试、调试，直到创建出能用的工具。比如ToolMaker框架甚至可以把整个GitHub仓库转换成AI可调用的工具集。

这意味着AI不再受限于预设的功能。它可以根据需要扩展自己的能力。

结论

智能体推理代表了AI发展的一个新方向。AI从被动响应转向主动解决问题，从静态知识库转向动态学习系统。

这项研究提出的四个方向——动态交互、从错误中学习、多智能体协作、创造工具——都指向同一个趋势：AI正在变得更加自主。

这些能力还在早期阶段，但已经显示出实用价值。接下来值得关注的就是这些技术如何在实际应用中落地。