简介

文章指出AI Agent难以落地的原因在于能力层次的不完整。将能力分为知识、经验、动作和技艺四层，而AI Agent虽有强大的知识层和基础的动作层，但缺乏真正融入的经验层和专业的技艺层。当前AI Agent只能完成经验和技艺需求与知识动作能力相差不大的任务，无法沉淀为内在的动态学习能力。要让AI Agent真正实用，必须在模型层面具备动态学习能力，而非仅依赖静态知识库和函数调用。

---

当我们谈论基于大型语言模型（LLM）的AI Agent时，总会感到一丝兴奋，仿佛一个全能的数字助手即将降临。但很快，这股兴奋就会被现实的骨感所取代。为什么这些看似强大的Agent，在实际任务中却显得如此笨拙，难以真正派上用场呢？

我的看法是，我们可以把完成一项任务所需的能力，大致拆分成几个层面，就像剥洋葱一样：

能力的层次

• 知识层： 这是最基础的。比如你要做生物实验，得先懂生物学，对吧？这是宏观的背景知识，是“知道”的部分。
• 经验层： 光知道还不行，还得会“做”。这里指的不是书本上的理论，而是可意会不可言传的“技巧”，在实践中偶然发现的“窍门”，或对未知时的“大胆猜想”。这是“巧思”的部分。
• 动作层： 这是最通用的“身体”能力。比如“动动手脚”，或者“开口说话”。这是“通用执行”的部分。
• 技艺层： 比“动作”更进一步，它带有强烈的专业属性。比如一个外科医生，他的“手稳”就属于技艺层。这是“专业执行”的部分。

简单来说，知识和经验是“想”的层面，而动作和技艺则是“做”的层面。 想法和行动，两者虽紧密相连，却又泾渭分明。

AI Agent的“短板”

现在，我们把AI Agent套进去看看：

• 知识层，那不就是LLM大模型本身吗？ 它能知天下事，博古通今。
• 经验层呢？ AI Agent用的是知识库，加上它有限的“任务记忆”。但这些更像是“笔记”，而非真正融入血液的经验。
• 动作层，那便是通用的函数调用（Function Calling）能力。 告诉它一个函数名，它就能去调用。
• 技艺层呢？ 则是它如何精妙地使用这些函数，比如如何调整参数，如何步步为营。

问题就出在这里了：经验层和技艺层，能否仅仅通过约束或提炼知识层和动作层来获得？ 换句话说，AI Agent的“后者”（经验和技艺）真的是“前者”（知识和动作）的子集吗？

人类的厉害之处在于，我们的经验会慢慢沉淀为知识，而那些炉火纯青的技艺，更是我们赖以生存的“独门绝活”。

但AI Agent呢？它似乎只能完成那些**“经验”和“技艺”需求与“知识”和“动作”本身能力相差不大的任务**。也就是说，它能做的，基本都是LLM本身就“会”的那些事儿。因为它学到的那些“经验”（存在知识库里），那些“技艺”（体现在函数调用上），似乎无法真正地“沉积”下来，形成一种内在的、动态的、可持续的学习机制。

我们现实世界中，绝大多数有用的任务，都包含了大量的领域专有知识和难以量化的实践经验。这就像让一个百科全书式的学者去当一个经验丰富的手术医生，光有知识是不够的。这也就解释了为什么现在的AI Agent，多半只能在一些相对“通用”的场景下小试牛刀。

破局

所以，如果我们要让AI Agent真正变得“实用”，它就不能只是一个静态的知识库加上函数调用器。它必须在模型层面，具备动态的学习能力。

干货推荐

• 【AIGC 实战入门笔记 —— AIGC 摩天大楼】 https://github.com/km1994/AwesomeMultiModel

• 简介：分享 大语言模型（LLMs），大模型高效微调（SFT）,检索增强生成（RAG），智能体（Agent），PPT自动生成, 角色扮演，文生图（Stable Diffusion） ，图像文字识别（OCR），语音识别（ASR），语音合成（TTS），人像分割（SA），多模态（VLM），Ai 换脸(Face Swapping), 文生视频(VD)，图生视频（SVD），Ai 动作迁移，Ai 虚拟试衣，数字人，全模态理解（Omni），Ai音乐生成 干货学习 等 实战与经验。

• 【LLMs 千面郎君】 https://github.com/km1994/LLMs_interview_notes

• 简介：本项目是作者们根据个人面试和经验总结出的 大模型(LLMs)面试准备的学习笔记与资料，该资料目前包含 大模型(LLMs)各领域的 面试题积累。

• 【NLP 面无不过】 https://github.com/km1994/NLP-Interview-Notes

• 简介：本项目是作者们根据个人面试和经验总结出的自然语言处理(NLP)面试准备的学习笔记与资料，该资料目前包含 自然语言处理各领域的 面试题积累。

• 【LLMs九层妖塔】 https://github.com/km1994/LLMsNineStoryDemonTower

• 简介：分享 LLMs在自然语言处理（ChatGLM、Chinese-LLaMA-Alpaca、小羊驼 Vicuna、LLaMA、GPT4ALL等）、信息检索（langchain）、语言合成、语言识别、多模态等领域（Stable Diffusion、MiniGPT-4、VisualGLM-6B、Ziya-Visual等）等 实战与经验。

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓