A3--邓亚峰--下一代 Agent OS：构建开放、主动、自进化的 AI 贾维斯.pdf

《A3--邓亚峰--下一代 Agent OS：构建开放、主动、自进化的 AI 贾维斯.pdf》由会员分享，可在线阅读，更多相关《A3--邓亚峰--下一代 Agent OS：构建开放、主动、自进化的 AI 贾维斯.pdf（42页珍藏版）》请在三个皮匠报告上搜索。

1、下一代 Agent OS：构建开放、主动、自进化的 AI 贾维斯邓亚峰EverMindhttps:/evermind.ai/From language modeling to autonomous agent 六次能力跃迁20182020GPT-1/2/3Language学会了学会了语言海量预训练+Few-shot参数量从 1亿 到 1750亿2022InstructGPTInstruction听懂了指令听懂了指令基于人类反馈对齐SFT+RLHF2022.11ChatGPTConversation能能对话了多轮对话能力第一次破圈20232024GPT-4/4oMultimodal看看见了世界图

2、像、音频、视频统一多模态输入2024.12GPT-o1/o3Reasoning学会了思考学会了思考思维链+强化学习深度推理能力2025.5Claude 4 AgentAgent能自主行能自主行动多步工具调用交付完整结果每一次每一次跃迁都是一次能力解锁，我们正站在从会思考到能行动的拐点上LLM演进过程OpenClawGithub 增长曲线1，第一个能交付结果的7X24小时主动型Agent（“看起来”）2，通过msg就能够轻松控制，像和人说话一样（可以养龙虾）3，拥有长期记忆、主动性等智能功能4，开源&开放生态：繁荣的技能生态 万物皆可连接5，支持本地运行：本地运行可使用CLI工具，且记忆与技能全

3、部在用户电脑上，保护用户隐私安全人们需要一个AI贾维斯3OpenClaw是Agent的初代产品形态1，OpenClaw的架构，构成了初代主动型agent的雏形，后续技术将在此基础上演化；2，功能上，通过msg指挥Agent交付结果，会成为未来agent的核心能力（无非是持续提高体验的过程）；3，长期记忆、主动性、自我演化等特征，将成为下一代AI Agent的必需功能；4，逐步有了操作系统的样子：基础架构+开源生态；5，Agent的行为更加像人，要把Agent当人使用，多agent更加像一群人协作，数字员工、agent社交这些概念逐步成为现实；Channels+Gateway+Runtime+M

4、emory+SkillsChannels+Gateway+Runtime+Memory+Skills4WH AT PE OP LE RE A LLY W AN T人们需要什么样的主动型 AI 助理？基础门槛 BASELINE敢不敢用、值不值得用01 交互顺畅结果符合预期语言+视觉交互，成功率可容忍02 安全可控敢放心托付隐私不外泄、权限可约束、行为可审计03 ROI价值 vs 成本创造的价值显著高于使用成本进阶智能 INTELLIGENCE像不像一个“真”助手04 自主性不做“木头人”主动推进、主动提醒，而非被动接令05 个性化千人千面记住你的偏好与习惯，回应越来越懂你06 自进化数据飞轮随时

5、间推移自我进步，越用越强长期记忆LONG-TERM MEMORY自主性 个性化 自进化 三大进阶能力共同的底座今天的 Agent，够好用了吗？下一代Agent应该长什么样子5趋势 生产力革命正在到来我们正在经历一次从chat到agent的革命，agent体验突破阈值之时，即人类生产力革命到来之际Chat信息获取Agent交付结果6问题：Agent面临的挑战是什么无法记住和充分使用全部历史信息Agent执行过程中产生的上下文远超llm的上下文窗口限制，RAG能部分解决问题，但无法处理复杂推理和隐式语义问题。Agent策略主要是做信息压缩，往往会丢失重要信息。缺少个性化只能通过设定Prompt来控

6、制生成效果，不能显式提取用户偏好，并基于用户交互历史做偏好对齐静态智能只能依赖离线的训练任务来提升LLM模型的智能水平，无法像人类一样，通过基于用户行为反馈的实时进化和持续学习来提升智能水平缺少护城河今天的Agent应用缺少护城河，从而价值大打折扣。曾经成功的AI应用 搜索和推荐系统主要依赖用户反馈构建数据飞轮来建立壁垒7人类智能结构启发1，人类智能的两大支柱是 Reasoning能力+长期记忆能力；2，长期记忆在人类进化过程中非常重要，与人类的学习机制、对未来的预测、自主性都非常相关；3，今天，llm模型的reasoning能力得到迅速发展，持续突破，但长期记忆相关能力亟待提高；4，今天的a