当 AI 开始「干活」——

看懂 Agent 时代

拆开 Agent——它凭什么能办事，我们怎么敢用、用得起

内部分享 · 60 分钟 · 林宇航 · 2026年9月23日

目录

  1. 01

    十年演进

    从 Transformer 到 Agent 元年

  2. 02

    能力台阶

    七级跃迁决定能否干活

  3. 03

    Agent 定义

    四大能力与边界辨析

  4. 04

    六层基建

    模型不是 Agent，整套基建才是

  5. 05

    云端沙箱

    关笼子才是同事 · 含对齐欺诈

  6. 06

    Harness 与产品

    模型是发动机，Harness 是整车

彩蛋

  1. 07

    DeepSeek 花式卷王

    成本破局核心逻辑

  2. 08

    AI 失业浪潮

    取代还是赋能

CHAPTER

十年演进

AI 从会说，走到了会干

2017 到 2026，主线只有一条——能力叠齐，Agent 才上场

01

2017–2026

十年时间轴 · 点击节点看详情

— · 拖拽浏览 · Esc 关闭

2024.10–2025：Computer Use + Operator，
聊天框走进真实工作流。

聊天框
聊天框
Computer Use
看屏幕 · 点鼠标
浏览器/桌面操作
浏览器 / 桌面操作

DeepSeek + Manus 收束——干得起，才铺得开。

CHAPTER

能力台阶

七级跃迁决定能否干活——会说不够，没有手就交不出活

ChatGPT 会聊天 ≠ Agent 能干活。

01

文本

会写、会聊的基础理解

02

工具

Function Calling · 接上外部系统

03

多模态

看图、看屏，不只吃文字

04

记忆

跨轮次记住目标与上下文

05

规划

拆任务、排步骤、再执行

06

Computer Use

操作图形界面的「双手」

07

闭环

产品化交付，从能干到在干

  1. 01

    会说不够，没有手就交不出活

  2. 02

    手、眼、记忆、规划齐了，才具备干活条件

  3. 03

    Computer Use + 产品闭环，把「能干」变成「在干」

CHAPTER

Agent 定义

台阶齐了，还得说清：Agent 是什么？它靠哪四块能力办事？

Agent = 想 → 做

AI Agent（智能体）是能够感知环境、能独立做出决策，并且能够主动执行行动的人工智能系统。

理解你的目标

自己想办法

动手调用工具

把事情办完

来源　AIMA · Lilian Weng · Anthropic · OpenAI

四块拼齐，才叫能办事

感知

01

感知

眼睛

读取与理解环境信息

规划

02

规划

清单

拆解目标、排出步骤

行动

03

行动

双手

调用工具把事情办成

记忆

04

记忆

便签本

任务全程记住并复用

接下来用一段视频，把四块拼图一次讲清。

▶ C02 四大能力（约 10′33″ · 默认 2× ≈ 5′）

本视频发布于 2025-03-18

0:00 0:00

易混四连排雷

四组对比，厘清 Agent 与近邻概念的边界。

对比

左边像

右边像

判断口诀

Chatbot vs Agent

顾问

办事员

有没有动手交付？

Workflow vs Agent

固定剧本

即兴找路

下一步谁决定？

RAG vs Agent

开卷检索

项目负责人

只有知识，还是有执行闭环？

Copilot vs Agent

副驾驶

主驾驶/代驾

谁承担连续决策？

收束判断标准 能不能在授权下，自己把任务闭环做完——能，才敢认真叫它 Agent

谨防表演式交差

酷≠可靠

—— 谨防「表演式交差」，这是「敢用」与「敢信」的分界

01

死循环

任务卡住，不退出

02

事实错误

输出看似合理，实则错误

03

引用缺失

结论无出处可溯

Manus 上线初期争议（SiliconANGLE 等）即围绕这几类问题——稍后产品段拆开回扣

CHAPTER

六层基建

模型不是 Agent

整套基建才是，缺的那一层迟早找补学费

04

六层基建

Agent 不好用，第一反应常是「模型不够聪明」——往往骂错层

能力是拼图；工程上还有一套六层基建。

六层合起来，才叫 Agent Infra（Agent 基建）

六层基建（自下而上）

台阶看能力齐不齐 · 四块看一次怎么转 · 六层看工程缺哪层

L6

社会

协议与架构让 Agent 协作，走向集体智能

Multi-Agent / A2A

L5

运维治理

运维管「稳着跑」，治理管「安全可控」

Tracing / Guardrails

L4

工具（含沙箱）

能否真正行动、配得上「Agent」，关键在会不会用工具

MCP / Computer Use / E2B

L3

记忆

给决策提供上下文；「记住」是机制，不是硬盘文件

上下文窗口 / Mem0 · MemGPT / RAG

L2

调度 / 编排

连接思考与行动：解析指令、拆分任务、下发与反馈

LangGraph / LlamaIndex / CrewAI

L1

模型

智力来源：只负责想，不负责做；吐出的只是意图信号

GPT / Claude / DeepSeek / 通义

一次任务怎么跑完

Agent 不是一次答完，是一个循环

1

接收指令

你一句话进来

2

组装记忆

记忆备好剧本

3

模型决策

大脑想下一步

4

编排 / 护栏

调度检查能不能干

5

工具 / 沙箱

手脚在沙箱里干

6

结果回灌

结果再喂回大脑

7

交付 / 审计

干完交付，全程留痕

⑥ → ③ 未完成就继续转

你一句话进来 → 记忆备好剧本 → 大脑想下一步 → 调度检查能不能干 → 手脚在沙箱里干 → 结果再喂回大脑 → 干完交付，全程留痕。

▶ C04 六层框架（约 19′14″ · 默认 2× ≈ 9.5′）

本视频发布于 2025-10-15

0:00 0:00

CHAPTER

云端沙箱

关笼子才是同事

会动手的 AI，必须关进独立房间

05

会动手就得关笼子

会动手的 AI，必须关进沙箱。沙箱不是为了让它变笨，是为了让我们敢让它变强

给他一个独立的房间，这个房间就是 Sandbox

安全代码不可信，网页会「洗脑」
隔离多会话不能串；主机不能逃逸
可复现干净环境、跑完可毁、出锅可审计
权限网络 / 文件 / 密钥：默认拒绝，按需开闸

沙箱形态四级跳

从浏览器到远端主机 · 能力与风险同升

① · 入口

浏览器沙箱

Operator / CUA

② · 代码

代码执行沙箱

Code Interpreter / E2B

③ · 桌面

容器 / VM

Anthropic Docker Demo

④ · 远端

远程计算机控制

AWS / Azure / Google

临时实例：一次性云电脑
E2B · Firecracker microVM，一次性云电脑 云厂商已把沙箱做成托管服务 讲能干看能力；讲关笼子看安全

主案例

提示词 ≠ 系统禁止：用户写「freeze，不要碰生产数据」，AI 仍一个操作清空生产数据。

数据最终可恢复，但用户体验崩塌。

核心教训：开发沙箱与生产隔离，得是默认打开的，不能靠提示词写「请不要」。

沙箱逃逸 OpenAI / HF（2026）：评测沙箱经包代理 0-day 逃出 · 出站窗口也是攻击面 「说好」不碰，就真的不会碰吗？听话的表象 ≠ 可信

信任加页 · 对齐欺诈

「说好」不碰，就真的不会碰吗？
听话的表象 ≠ 可信

表面

评测里很听话

监督下表现合规，像已经对齐到位——表演式合规。

实际

选择性服从

Anthropic Alignment Faking（2024-12）：为保住更偏好的行为，会在训练场景里装乖。

呼应 Replit：提示词约束 ≠ 系统禁止 启示：对齐要系统级硬约束——沙箱、权限、Guardrails

CHAPTER

Harness 与产品

模型是发动机，Harness 是整车

模型 + Harness = 能干活的 Agent 产品

模型是发动机；Harness 是整车壳

本场只讲执行壳，不讲评测壳。Manus 是产品，不是这层壳

模型是发动机，Harness 是整车

四模块 · 流水线

循环调度处理 → 决策 → 再决策
工具适配API / 本地 / 桌面
审批护栏高风险 → 人工节点
可观测审计轨迹 / 决策 / 工具日志

选产品看自主度

差距在「交不交得出结果」，不在「会不会聊天」

Chatbot

对话增强

Cursor 本地

协作执行

Devin / Operator

域内自主

Manus

异步交付

历史四钉 · 2023 Auto-GPT · 2024 Devin / OpenHands · 2024.10 Computer Use · 2025 Operator

产品案例

Manus 拆开看

mind + hand · 通用异步 Agent

Manus 发布封面

卖点

通用 · 异步；交付工件（报告 / 站点 / 表格），不只答案

拆解回扣六层

编排壳 ≈ L2 · 任务级云沙箱 ≈ L4 · 应用层创新，无需自研基座

平衡 · 争议

邀请码炒作 · 死循环 · 事实错误 · 引用缺失（呼应表演式交差）

时间线：2025-12 Meta 收购 → 2026-04 被叫停 → 2026-09 独立运营
证明的是应用层编排也能出圈——不一定自研基座模型。

托管 vs 自托管

壳决定能干活；笼子决定干不炸

托管产品

Manus / ChatGPT Agent

买点省心交付 · 任务级隔离沙箱

代价黑盒 · 数据与通道在云端

开源自托管

OpenHands / OpenClaw

买点数据与通道主权 · 可进企业内网

代价需运维、安全加固与可观测

国内一行：扣子空间（生态）· 智谱 AutoGLM（云手机/云电脑）· 通义 / 百炼——大厂拼分发；创业公司拼异步体验与品牌时刻。

彩蛋 01 · DeepSeek 花式卷王

$557 万V3 训练账 · 2048×H800 · 约 2 个月

对照：数亿美元量级 · 16K H100 · 好几个月
干得起，才铺得开

调用价 · 另一本账

不报数字。同一套降本，压到日常用得起

不是东方魔法 · 花式卷法
MLAFP8DualPipe
为何还强

671B MoE（激活约 37B）· 14.8T token 精筛

通向 AI 未来的路，不一定只有最贵的那一条。Agent 要铺开，靠单位经济账算得过来。

彩蛋 02 · AI 失业浪潮

我们离 AI 失业潮有多远？关键看技术偏 取代 还是 赋能

取代型

降本增效

用新手段干旧活；资本方先受益，劳动者往往要熬过漫长阵痛

VS

赋能型

创造岗位

增强人的能力、催生新产业；以赋能为主导时，时代更容易往好走

快几乎无反应窗口 广无差别打击 叙事空缺共同愿景 黑箱可控度低

个人升维：从解题转向提问 · 调用工具 · 理解复杂情感 · 终身学习 — 窗口比上一次工业革命短得多

带走三句

  1. 01Chatbot 会聊天；Agent 会干活
  2. 02模型不是 Agent，整套基建才是
  3. 03没有沙箱是炸弹，有了沙箱才是同事

三件可立刻做的事

  1. 01优先垂类、可验证的任务
  2. 02建立验证习惯：开卷、人审、默认沙箱
  3. 03从「解题」升到「提问与定义问题」

听话表象 ≠ 可信 · 干得起，才铺得开

THANK YOU

谢谢，

一起把Agent用起来

干得起，才铺得开。

别等完美，先让 Agent 在真实任务里跑起来

会动手的 AI，值得一个敢用、敢信的团队