标签： AI

我简直无法相信以后如果还有大学的话，大学里的学生学习 agent 课本里写的是智能体循环，词元，大语言模型，大语言模型消息，工具调用结果，上下文快照，智能体驾驭这些名词 感觉如果是我的话已经学到不知天地为何物只想晕过去了，我晕字 （对应 agent loop, token, llm, llm message, context snapshot, agent harness）

我简直无法相信以后如果还有大学的话，大学里的学生学习 agent 课本里写的是智能体循环，词元，大语言模型，大语言模型消息，工具调用结果，上下文快照，智能体驾驭这些名词 感觉如果是我的话已经学到不知天地为何物只想晕过去了，我晕字 （对应 agent loop, token, llm, llm message, context snapshot, agent harness）

一条关于“未来大学生学 AI 智能体要背哪些术语”的吐槽帖，引发开发者共鸣。它表面是调侃，实际折射出 AI Agent 开发正在从“零散技巧”走向“工程化学科”，一套稳定的术语体系正在形成。

最近，几乎所有能长时间运行的 Agent，都开始被包装成自进化。 Jeff Dean 等研究者和资本押注 RSI，背后的判断很直接：单纯扩大参数、数据和算力，回报正在放缓，大家都在寻找下一条 Scaling Law。 真正的自进化至少要完成三个闭环：提出改动、验证它确实更好，再把结果变成下一轮的起点。只会持续写代码和运行任务，还算不上进化。 LLM 时代，生成已经很便宜，验证反而成了最大的瓶颈。面对科研、架构和开放式 Agent，单靠…

最近，几乎所有能长时间运行的 Agent，都开始被包装成自进化。 Jeff Dean 等研究者和资本押注 RSI，背后的判断很直接：单纯扩大参数、数据和算力，回报正在放缓，大家都在寻找下一条 Scaling Law。 真正的自进化至少要完成三个闭环：提出改动、验证它确实更好，再把结果变成下一轮的起点。只会持续写代码和运行任务，还算不上进化。 LLM 时代，生成已经很便宜，验证反而成了最大的瓶颈。面对科研、架构和开放式 Agent，单靠…

AI 圈正在把“长时间运行的 Agent”重新包装为“自进化系统”，但真正的自进化不是一直跑任务，而是完成“提出改动—验证效果—沉淀经验”的闭环。业内开始押注：生成变便宜之后，验证能力才是下一阶段大模型竞争的真正瓶颈。