不要盯着LLM找AGI：AGI的终点是Agent，Harness的宿命是被内化

很多人对AGI将信将疑，觉得"全知全能的神"才配叫AGI。

但从第一性原理看，一只会觅食的狐狸、一个会修电脑的人，就是实实在在的AGI。

区别仅在于：大脑皮层的抽象维度的量级。

这是整篇文章的原点公理。

01 划界：LLM是"计算器"，Agent是"行动者"

这是当前行业最大的认知错位。

你可能用过ChatGPT，觉得它很聪明。但你有没有想过一个问题——

为什么每次会话结束后，它就"忘记"了你们聊过什么？

因为LLM本质是一个无状态的纯函数：输出Y等于输入X的映射。

给它相同的输入，它永远吐出相似的Token。它没有时间流逝的概念，没有"我刚才做了什么"的记忆。

而智能的底色是"随时间演化的状态更新"：

感知环境 -> 形成记忆 -> 制定计划 -> 执行动作 -> 观察反馈 -> 更新记忆

这个闭环，LLM根本做不到。

AGI的本质定义就是一个高度自主的Agent，LLM只是它的"语言脑"。

就像人的大脑分为：负责基础计算的神经元（=LLM）和负责循环、记忆、内分泌的系统（=Agent架构）。

把无状态的LLM当成有状态的AGI，就像把一块被切下来的海马体当成一个完整的人。

02 外骨骼陷阱：我们正在给"无头骑士"穿越来越重的盔甲

因为底层的LLM没有状态，我们被迫在它外面套一层又一层代码：

• RAG管记忆——外部向量数据库检索
• LangChain管规划——外部编排框架
• MCP管工具——外部工具调用
• CrewAI管多角色——外部多Agent通信

这些Harness越庞大，越证明底层的LLM是个残次品。

AutoHarness的研究表明：Agent往往被定义为LLM与Harness的组合。但这种"外骨骼"不是进化的终点。

生物进化不是把鳃直接塞进肺里，而是演化出全新的肺泡结构。

未来的模型训练，会把"如何规划"、"何时调用工具"的策略精华，通过强化学习蒸馏进权重，而不是在推理时跑一堆Python脚本。

03 内化：四场"外挂变器官"的进化之战

具体是怎么内化的？我们可以把现在外挂的Harness拆解为四大模块，看看它们是如何从"体外器械"进化成"体内器官"的。

记忆内化：从"外部塞资料"到"内建树状索引"

现在的RAG：外部向量数据库检索，接到Prompt里。

MemGPT的研究提出了"虚拟上下文管理"（Virtual Context Management）：让LLM能够使用超出有限上下文窗口的内存。

人脑不是把一生经历全塞进工作记忆，而是建立索引按需提取。

未来的Agent：内建的"持久记忆区+树状/图谱索引结构"。

目前像MemGPT/Letta这类开源项目，已经让模型自己管理内存的读写，这其实就是海马体长出的第一根神经突触。

历史对话不再是负担，而是可检索的燃料。Agent自己知道"我需要什么"，而不是你告诉它"检索什么"。

技能内化：从"API菜单点单"到"长在身上的肌肉反射"

现在的Tool Calling太蠢了：像一个人每次想喝水都要查字典找"喝水API"的文档。

真正的内化是：把Skills变成模型的"子程序动作空间"。

工具调用从显性推理降维成隐性直觉。

不再是"请帮我调用谷歌"，而是"我决定去看看谷歌"。像你不需要思考"用手去抓水"一样自然。

规划内化：从"提示词里的ReAct"到"权重里的前额叶"

靠System Prompt写"请你一步一步想"，这是对模型智商的侮辱。

OpenAI的o系列模型已经在做这件事了——它不再需要你写"请一步一步想"，而是通过强化学习自发地在后台进行思维链展开。

Meta-Harness的研究指出：可以端到端优化模型的Harness代码。

未来的规划、反思、纠错，必须是训练出来的内生能力，而不是推理时的模板。

模型天然会在行动前评估后果、在受挫后调整策略。这是固化在权重里的能力。

协作内化：从"多开几个聊天室"到"单体内部的认知分裂"

现在的Multi-Agent本质上是在外部模拟一种"机械性的精神分裂"——开多个聊天室互相发消息，通过网络延迟来协调。

真正的多角色协作，未来会压缩成单个Agent内的"多线程处理"与"自我辩论机制"。

一个Agent可以同时启动多个"子思维"进行辩论、反思、规划，然后合并结论。

无需外部网络通信，靠内部注意力机制完成分工。

04 终局：什么会被留下，什么会被淘汰

当Agent长出"内脏"，所有的"外骨骼"都将沦为废铁。

当下一代基础模型把记忆、工具、规划内化为原生能力后：

• 90%的Agent编排框架将被淘汰
• Prompt工程技巧将被扫进历史垃圾堆
• Workflow流式节点将像早期的汇编语言一样过时

我们正处在一个尴尬的过渡期：一边是越来越聪明的无状态大脑，一边是越来越笨重的有状态外骨骼。

当新一代的基础模型长出自己的内脏，今天市面上90%的Agent编排框架、Prompt工程技巧、Workflow流式节点，都将像早期的鳃一样，在肺进化出来后沦为废铁。

别再盯着LLM找AGI了。AGI的起点，从我们拆掉外骨骼的那一刻才算真正开始。

如果你觉得这个视角有意思，点个"在看"，让更多人看到AGI的真正起点。

数据来源：

• MemGPT: Towards LLMs as Operating Systems (arXiv 2310.08560)
• Stateful vs Stateless LLMs (Vasundhara)
• AutoHarness: improving LLM agents (arXiv 2603.03329)
• Meta-Harness: End-to-End Optimization of Model Harnesses

【人机协作说明】本文由AI工作流自动调研与生成初稿，经技术专家视角的深度逻辑重构。观点与案例选取均为原创逻辑，欢迎分享，严禁抄袭。