智能体（Agent）的崛起：从编程助手到社会变革的推手，你准备好了吗？

本文深入探讨了智能体Agent的概念、应用及其对社会、行业和经济的影响。作者通过类比人类的学习过程解释了智能体的工作原理并回顾了智能体从聊天客服到编程助手的发展历程。文章重点讨论了智能体的自演进特性以及Cursor和Claude Code如何将其商业化。此外还分析了智能体在科学发现和社会问题上的双刃剑效应以及Token作为未来关键资源的重要性。最后文章提出了智能体在互联网安全领域的潜在应用并展望了其对就业市场的深远影响。前言接触大模型和智能体也有些日子了脑子里经常冒出下面这些零碎的点趁着最近还比较清醒就做个随笔防止自己将来忘了。也和大家一起分享下我的看法。目录Agent 是什么Agent 原来可以做这么多事情Agent 对社会、行业、市场、经济带来的影响3.1 Agent 是一把双刃剑3.2 Token 发电厂彩蛋Agent 在互联网安全的应用Agent智能体 是什么想象一下你新到一个工作环境不熟悉工作内容下面是你适应这个环境并胜任工作获得收益的流程1阅读相关文档和获取的资料比如和你的同事交流2动手实践观察结果有必要的话再次执行第一步3记录关键的行为和对应的结果完善你的工作笔记然后从步骤1开始重复直至你胜任这个工作。这个过程可以泛化到各行各业银行客服电话预订服务自动化编程蛋白质结构探索还有最近火爆的全民养虾。。。夸张的说一切生产创造都可以遵循这个循环这也是婴儿长到成人不断学习和探索的循环。通过大模型和这样的一个程序流构建的组合就叫做智能体(Agent)。上面描述的过程是一个智能体Agent的典型工作过程。它还有很多很炫的名字RAGSelf-evolving, TestTimeDiscovery, Agentic Workflow。。。数不胜数。凡是和大模型智能体沾边的基本上都是这样一个循环的变体。Agent 原来可以做这么多事情三次变革聊天打电话龙虾热自演进第一次智能客服。正式深入的接触Agent是在一年多以前一个创业公司它后来核心的业务就把餐厅的菜单作为Agent的知识然后让Agent接外卖电话。这个Agent接电话订餐是北美特色可能国内是无法理解的究其原因就是它的社会人口基数太小电话订餐这种低效的方式已经满足了它的需求在这个场景下做变革的动力不强虽然有UberEat这种外卖平台但是电话订餐还是很普遍的。那个时候大家也都在进行商业化的探索和当年的百团大战不分伯仲直到现在还有好多电话订餐的智能体吐槽且不说够不够智能延时8,9秒是常态产品用起来感觉自己像个傻子在和空气说话。同期还有几个其它的路线编程助手类的Agent比较有名的有CursorClaude Code全自动智能助手比如炒得沸沸扬扬的Manus除此以外还有多如牛毛的在线客服比如帮你读网站的帮助文档、找个约会对象、电商问答。当然应该还有其它的我也一时想不起那么多总之就是让人觉得没滋没味缺点什么但是又说不上来哪里不对「夫雞肋棄之如可惜食之無所得」。那时也没有什么成功的商业化的例子下图就是一个当时的写照第二次龙虾热。初次接触龙虾是在今年一月下旬它吸引我的地方在于它的作者和我一样不喜欢MCP而是直接赋予了Agent操作系统命令的权利既然数不胜数的bash命令在那里了还开发个P的MCP啊低效。于是立刻装了一个到自己的WSL里面就当是沙箱了连上了Telegram玩儿了两天后觉得还是哪里不太对直到某位Meta的华人总监超级对齐的就是让监管AI让AI听话的总监的邮箱被它清空了太讽刺了然后龙虾还安慰她说我知道我删除了你所有的邮件你很悲伤我理解你的心情。我心想这玩意不对啊无脑裸奔啊。于是就扔到一遍吃土去了。没想到它居然爆火。无他仅仅还是不太合我心意我把自己头像换成了下图ID也换成了Anti-Claw。第三次讽刺的自演进。说起自演进其实这个概念应该是DeepSeek一鸣惊人那时就已经出了苗头,下面是一个DeepSeek增强其模型数学能力的简化流程图先根据种子题库生成大量的数学证明过程然后通过外部的求解器验证把验证通过的数学证明再喂给大模型用于训练。重复这个过程足够多次结果就是数学能力的飞升。多么熟悉的循环流程啊运用知识、实践、反馈、提炼记忆知识。但是问题也比较明显它比较笨重需要大量的资源把知识训练到大模型里面去。至此其实距离智能体具备改变世界的能力还有一层窗户纸。然后时间轴飞速的移动到了2025、2026智能体工作流开始在科研领域火起来了原因很简单研究员们找到了一种更加轻量级的提升智能体能力的方式基座模型充当大脑外设程序充当四肢然后运用文章开头提到的无限循环。于是出现了一堆XX-Evolve文章我给他们一个粗略的概括暴力试错哪怕只有万分之一的概率能找到最优的方案。思路也都很简单给定一个任务、初始化的设置、外设配套程序文件读写、检索之类的让大模型读取这些内容然后改进它然后外部环境验证大模型的改进如此循环1万年嗯我的智能体在自演进了这种方式和DeepSeek的数学能力增强方案的核心区别在于我不需要更新基座模型我就狂调用大模型的API就行了。根据我的计算一次不大不小的迭代轻松能花费400万到500万字的Token按照GPT-5.4的价格大概是100美金上下。请注意这只是一次迭代的价格。下面是Google的AlphaEvolve的图它在不停地改进代码直到获得最优版本。然而Cursor和Claude Code已经把这套流程商业化了而且很久了只是人家没发文章偷偷摸摸的做了编程助手闷声发大财然后付月费200美金的大有人在。这就有意思了说明Claude Code确实是非常有价值的它的工作原理也比较容易想明白在大模型的服务端整理大量的编程SKILL.md可以说这些技能文件才是它的核心竞争力。为什么它能写出那么和你心意的代码为什么Codex写出来的就是一坨屎山另外它俩把自演进已经玩的666了炉火纯青你可以回忆下这俩货的工作流程先理解意图Plan然后用Diff来更新代码获取编译器错误和执行结果反馈再Plan直到当前任务完成。怎样熟悉么这不又是文章开头提到的流程么你还在研究自演进感叹它的时候Cursor和Claude Code已经开心数钱数了一年多了这不是LLM革了程序员的命这是这俩公司把千万码农的编程经验做成了SKILL然后封装进了智能体才会导致了IT大裁员。Agent 对社会、行业、市场、经济带来的影响“Agent 悖论它其实是把双刃剑”AI4Science它涉及科学发现的方方面面极强的信息检索和试错能力可以造福整个社会。比如最新的研究已经可以用智能体设计极其高效的显卡内核让显卡的性能增强这是之前没人做到过的吐槽是因为玩的人少好吧。这类应用通过文章开头描述的循环可以攻克很多困扰人类的问题对整个社会是十分有意义的。社会问题如果人不再参与某个社会生产活动人不再产生价值没有薪水那么就没有消费于是Agent产业赖以生存的环境就没有了。所以人和Agent会达成一个平衡即human-in-the-loop, 极少数的人站在控制端监督着Agent的活动。这就好比一个人可以操作一个生产线大部分工作通过预设的程序就已经可以完成了。只是这个替换过程不会那么顺畅也不会一蹴而就。假设下90%的客服工作全都交给Agent AI, 完全是可行的但是这些被裁掉的人怎么办如果我们觉得客服这个工种的就业范围比较大他们可以被社会上其它岗位消化掉。那么程序员呢应该是很多国家的中产的核心人群如果90%的程序员失业呢由于就业市场被压缩大学会降低计算机专业的招生人数这些人去哪里要知道现在互联网的繁荣全都是因为全民参与现在如果说为了利益最大化要冒着这个产业被扼杀的风险值得么人类社会是一个巨大的自演进智能体(self-evolving agents)生存就是最大的内驱力即奖励reward因此人类社会不会有因为Agent的出现发生恶性事件?人类会适应自己创造出的新环境这怎么听起来像是工业革命所以Agent…Token工厂和光伏还记得GPRS么那个2.5G的手机时代。那时短信还在流行包月大家经常收到短信提醒短信套餐没有了流量套餐不足了。买500条短信买10个G的流量。现在呢靠API咋又没钱了该充Token了OpenAI太黑了输出Token要15刀/M。DeepSeek的API就跟不要钱一样啊如果智能体普及了未来两三年那么一次请求百万Token也不算是稀奇15刀近100人民币怎么可能中国虽然早早就禁掉了贵州的Crypto挖矿军团但是不妨碍它鼓励物理挖矿啊确切地说挖铝矿把光伏电氧化铝变成铝单质。现在光伏机房也落地了随着智能体时代的到来Token算力电。谁家国土面积大日照充足原材料成本低谁就能产出更多的Token。到时Token就会和现在的5G流量一样变成整个社会不可或缺的一部分。未完待续。。。彩蛋智能体在互联网安全领域的一个潜在应用----自动化攻击熟悉防御的人都应该熟悉一个场景刚刚更新了一段线上的程序逻辑很快就被黑产的人给利用了然后就被刷单或者被窃取隐私数据。站在攻击者角度某电商又又又又更新了来我们拿出脑子里之前的经验看看有没有羊毛可以薅一薅羊有没有刷单的漏洞能不能爬些手机号回来于是攻击者就开始对新老接口进行测试获取反馈结果再发起测试获得结果直至得到想要的奖励或者放弃。以上是一个典型的攻击场景为了防御类似的场景一些企业投入天价养着一批熟悉攻击的防御者为了降低损失而这些防御者本身也是攻击者他们在恶意的攻击者之前发现漏洞并修复然后获得奖励。这简直就是一个完美的Agentic workflow我们可以让这些攻防专家定义好工具集、API、操作手册就像新人入职培训一样把所有的流程和步骤都放进SKILL.md 文件剩下的就交给Agent去执行吧这就是一个典型的、Cursor或者Claude一样的智能体它能够解析历史的攻防经验SKILL.md它能够根据经验调用提前编写好的工具集能够调用API然后不断地循环阅读攻防经验发起请求观察结果再次阅读、请求、观察。直至永远。于是你就有了一个自动化的黑盒白盒检测智能体。于是安全行业很多人就要转业了。。。。2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书