AI悟道：智能体Skill引发的知行合一思考

最近系统地翻阅了智能体技能方面的几本书，除了技术层面的收获之外，在思想层面也颇有感触，今天简单聊聊。

一、人工智能的演进历程

人工智能发展至今，大致走过了四个关键阶段。

第一阶段是基于规则的专家系统，起始于1980年，核心特征是"记规则"，也就是把人类经验录入计算机，记住"感冒了多喝白水，咳嗽了就服药"，可世间经验浩如烟海，计算机永远学不完。

第二阶段是基于深度学习的专用模型，起始于2010年，核心特征是"找规律"，猫的特征是有胡须、长尾巴、叫声喵喵，可识别猫很拿手，见到狗就懵圈。

第三阶段是基于自然语言的大语言模型，起始于2022年，核心特征是"只会说"，ChatGPT聊得再热闹，也只是嘴上功夫花里胡哨，真正落地就傻眼。

第四阶段是基于大模型的智能体，起始于2024年，核心特征是"能执行"，OpenClaw等智能体诞生后，似乎打通了AI的任督二脉，使AI从搜索引擎蜕变为各行各业的实习生。

二、"厨师"与"菜谱"赋予智能体行动能力

其中最大的变量就是基于技能（Skill）的组合策略，即"大模型+上下文+工具+技能+提示词+MCP"，而技能正是让AI从"只会说"升级为"能执行"的关键所在。

Skill并不玄乎，本质上就是封装好的提示词，相当于一本操作手册、一本武功秘籍。如果大模型是厨师，那么技能就是菜谱，上下文就是摆放食材的操作台，工具就是锅碗瓢盆等炊具，MCP就是各类电器插座，提示词就是顾客对厨师提出的要求。

这套组合策略形成后，当顾客说"给我来一份番茄炒蛋，再给我做一杯多冰的美式咖啡"后，大模型这位行政主厨便开始查阅菜谱，操起厨具叮叮当当一顿操作，端出一份番茄炒蛋；再按下咖啡机的"美式+多冰"按钮，就调制出一杯多冰的美式咖啡。

当然，在掌握如何编写菜谱的同时，还得让主厨记住顾客的口味偏好和饮食禁忌，避免给糖尿病顾客做出一盘加了二斤糖的番茄炒蛋。

三、认知AI不如实践AI

于我而言，读书过程中思考更多的是，怎样让AI真正落地生根。

AI时代最核心的就是如何与现实世界建立连接，如果一个模型无法与现实世界交互，即便它规模再庞大、演示再惊艳、技术再尖端也不过是昙花一现。所谓"不以模型论英雄，唯以落地见真章"。

那么问题来了，AI怎样才能落地呢？这就需要业务与技术双向奔赴，这正是FDE（前沿部署工程师，扎根业务一线的AI工程师）大火的原因，即用AI解决用户的痛点、难点，让用户产生依赖，那这个AI项目就是优质项目。

对于我们普通人来说，平时要多琢磨的是如何借助AI为自己赋能，这样被淘汰的就是和我们做着同样工作、却不会用AI的人。就像从马车到汽车时代，马车夫消失了，但又出现了汽车驾驶员，会用AI的人就是新时代的"汽车驾驶员"。

AI时代跨界变得容易，也变得关键。做业务的人就自己学学AI，为自己注入科技动能，做技术的人就学学业务思路，把自己的AI能力融入业务场景。这就是最朴素的AI落地路径。

"行胜于言"在AI时代愈发珍贵，能落地的AI才是好AI，能让你付诸行动的书才是好书，做AI和读书的底层逻辑是相通的：与真实世界建立连接。

这让我联想到阳明先生的"知行合一"。世人常理解为"先知后行"，阳明却说：知行本为一体，知而不行，等于未知。

AI亦如此，大模型脑中储存着海量"知识"，却迟迟不会"行动"，Skill就是那根引线，将"知"转化为"行"——这便是AI的知行合一。

-End-

学习智能体带给我的，不仅仅是多了一份"认知"，更印证了一件事：AI落地的终点不在技术，而在将AI与真实世界连接的那一刻，当你用它做成一件小事的瞬间，知与行，已然融为一体。