Agent 精读

Agent 精读（三）：模型即 Agent？循环只是搬到了服务端

这是《深入理解 AI Agent》精读专题的第三篇。读的是李博杰的开源书第一章的 ReAct 循环与「模型即 Agent」，写下我自己的理解——不是摘抄，是用我的话重新讲一遍。
本章思维导图见 专题页 · 章节思维导图

先补个尾巴：ReAct 循环

第一篇留了个钩子：ReAct 循环没展开，这次补上。

Agent 干活的核心模式叫 ReAct（Reasoning + Acting）。名字里只有思考和行动两个词，循环其实有三个环节：模型先思考该做什么，然后调用工具行动，再观察工具返回的结果，接着想下一步。想 → 做 → 看，不断循环，直到任务完成。

上一轮工具返回的观察，就是下一轮思考的输入。这个循环要做的事，是让模型的每一步决策都踩在真实结果上，而不是踩在参数记忆里。

新范式：模型即 Agent

书里抛出的新范式叫「模型即 Agent」（Model as Agent）：先进模型通过后训练（特别是强化学习），把工具调用能力内化为原生能力——何时调用工具、调哪个、传什么参数，模型自己决定，不需要人工编排。

听起来像框架要完。书里马上补了一句：恰恰相反，模型越强大，围绕模型构建的 Harness 越关键。空口无凭，上两个实验。

Kimi K3：决策进了参数，执行没有

实验 1-2 用的是 Kimi K3：约 2.8 万亿参数的混合专家（MoE）模型——像一个专家团队，面对不同的问题自动派合适的专家上阵，能力和效率兼得。

但要分清因果：让 K3 对工具调用熟练的不是参数多，是强化学习把决策策略写进了参数——何时调用、调用哪个、传什么参数，都由模型自主决定。书里给了一个直观的数字：它能连续执行 200～300 次工具调用而保持思考的一致性，多数模型在几十次后就开始退化。

然后是我读这部分抓到的最重要的一句话：

编排循环并没有消失，而是从客户端移到了服务端，决策权则交给了模型。

K3 依然不能真正执行工具——web_search、code_runner 的真实实现在模型之外的基础设施里，由一个叫 Formula 的服务端脚本引擎运行。决策权交了出去，执行没有。

GPT-5.6：两个变化，都还在接口层

实验 1-3 用的是 GPT-5.6，两个变化：

  1. 自由格式工具调用（Freeform Tool Calling）：不再把参数打包成严格的 JSON，模型可以直接给工具发原始文本——一段 Python、一条 SQL。但书里特意补了一句：这是 API 参数格式的演进，而非模型架构的革新，客户端的工具调用循环逻辑一个字没变。
  2. Deep Research 能力：Responses API 内置了联网搜索和代码解释器，在服务端形成「搜索 → 阅读 → 分析 → 再搜索」的闭环；而且模型在动手之前会先和用户交互，问几个澄清问题得到用户的真实意图——问的是「你偏好哪个数据源、要看哪些技术指标」，不是闷头去搜。

两个变化都指向同一个方向：把编排从客户端往服务端收。但注意第一条的定性——连「不再拘泥 JSON」都只是接口层的演进，谈不上模型学会了什么新东西。

我的判断：搬了个家，没长出手

两个实验看完，我的判断是：「模型即 Agent」更多只是转移到了服务端，并没有真正让模型具备真实运行工具的能力。

graph TB subgraph S1["传统形态：循环跑在客户端"] A["模型
决定下一步"] --> B["客户端 Harness
执行工具"] B --> C["观察
结果回传"] C --> A end subgraph S2["模型即 Agent：循环跑在服务端"] D["模型
决定下一步"] --> E["服务端 Harness
执行工具
(Kimi Formula / OpenAI 内置工具)"] E --> F["观察
结果回传"] F --> D end

循环的结构一模一样，搬了位置而已。理由可以拆成两层：

第一层，执行的本质是对真实环境产生状态变化，而模型只会生成 token——生成不等于执行。写 SQL 是 token，把一条 UPDATE 真的跑进生产数据库是另一回事。书里的论证很硬：强化学习写进参数的是决策，工具及其执行在模型之外的基础设施里完成。

第二层是我自己的延伸：工具是实时的，而模型是现有数据集之下的产物。搜索结果、股价、天气每天都在变，训练数据永远是历史快照——工具的返回值没法提前内化进参数，只能在推理时现场取。这也顺手解释了书里实验 1-1 的现象：上下文里缺了工具执行结果时，模型会就地编造，因为它只剩参数记忆可用了。

当然要留余地。书里对「模型吃掉 Harness」的立场是「方向认同、节奏务实」：决策这一层确实已经被内化了——这正是「模型即 Agent」的实质；执行这一层短期内看不到被吃掉的可能，因为它从来就不在参数里。

下一步

  • 第 1 章还剩最后一块：编排模式（工作流 vs 自主），下篇补上
  • 第一篇欠的 context 实验还挂着，和下篇一起跑

参考来源