Agent进化史：从被动应答到主动规划
在 Agent（智能体）成为主流之前，AI 大模型领域其实已经积累了深厚的技术底座。简单来说，Agent 是把这些成熟技术“串联”起来，赋予了 AI 主动规划、使用工具和记忆的能力。
以下是 Agent 出现之前，大模型及相关领域的核心技术栈：
1. 基础架构与训练范式
这是大模型的“地基”，决定了模型能“懂”多少知识。
- Transformer 架构：2017 年提出的自注意力机制（Self-Attention），彻底取代了 RNN/LSTM，让模型能并行处理长序列，是当今所有大模型的基石。
- 预训练（Pre-training）：让模型在海量无标注数据上“自学”，掌握语言规律、世界常识和逻辑推理。这是大模型“聪明”的来源。
- 指令微调（Instruction Tuning）：让模型学会“听懂人话”并执行指令，而不仅仅是续写文本。这是 Chatbot 时代的开端。
- 人类对齐（RLHF/RLAIF）：通过强化学习，让模型输出符合人类价值观、安全且有用。这是让模型“懂事”的关键。
2. 核心交互技术
在 Agent 出现前，模型主要靠这些技术与人类“对话”。
- 提示工程（Prompt Engineering）：
- 零样本/少样本学习（Zero/Few-shot）：通过巧妙的提问方式，让模型在不训练的情况下完成特定任务。
- 思维链（Chain-of-Thought, CoT）：引导模型“一步步思考”，极大地提升了复杂推理（如数学题、逻辑题）的能力。
- 上下文窗口（Context Window）：从最初的几千 token 扩展到现在的十几万甚至百万 token，让模型能“阅读”整本书或长文档，但这依然属于被动记忆。
3. 应用层关键技术
在 Agent 能“自主行动”之前，人们主要靠这些技术让模型“干活”。
- RAG（检索增强生成）：
- 模型本身记不住私有数据或最新新闻，RAG 技术让模型先“去数据库查资料”，再根据查到的内容回答问题。这解决了幻觉问题，是当时最热门的技术之一。
- Function Calling（函数调用）：
- 注意：这是 Agent 的前身！在 Agent 流行前，开发者已经学会了让模型识别意图，并输出标准的 JSON 格式来调用 API（比如查天气、查股票）。
- 区别：当时是“人写代码控制流程，模型负责调用”，而 Agent 是“模型自己决定调用什么、何时调用、调用结果如何”。
- 代码解释与生成（Code Interpreter）：
- 让模型写 Python 代码，然后在沙箱里运行，以此解决数学计算、绘图或数据处理问题。这其实是 Agent 中“工具使用”能力的雏形。
4. 评估与优化
- 基准测试（Benchmarks）：如 MMLU、GSM8K 等，用于量化评估模型的智力水平。
- 模型蒸馏（Distillation）：用大模型教小模型，让模型在保持性能的同时体积更小，适合端侧部署。
总结：从“被动”到“主动”的跨越
在 Agent 出现之前，大模型更像是一个**“博学的顾问”**：
- 你问，它答；
- 你给指令，它执行；
- 你给工具，它调用。
Agent 带来的本质变化，是将上述技术（特别是 Function Calling + 规划 + 记忆）整合成了一个**“闭环系统”**：
- 感知：理解复杂任务。
- 规划：自己拆解步骤（以前需要人写代码拆解）。
- 行动：自主调用工具、检索信息。
- 反思：如果失败了，自己调整策略重试（以前需要人报错重启）。
所以，Agent 并不是凭空出现的新技术，而是大模型能力成熟后，自然进化出的自动化执行形态。