在人工智能領(lǐng)域，一場關(guān)于發(fā)展方向的深刻討論正愈演愈烈。近期，前阿里千問技術(shù)負(fù)責(zé)人林俊旸在離職后首次公開發(fā)聲，憑借一篇題為《從“推理”思維到“智能體思維”》的長文，為這場討論注入了新的思考，引發(fā)了行業(yè)內(nèi)的廣泛關(guān)注。他明確指出，大模型的未來并非單純比拼推理鏈的長度，而是要學(xué)會“為行動而思考”，通過與世界的互動來解決實(shí)際問題。

這篇長文不僅是對千問研發(fā)歷程的深度復(fù)盤，更是對整個AI行業(yè)未來走向的一次重新審視。當(dāng)OpenAI的o1、DeepSeek-R1等模型將“推理模型時代”推向高潮時，林俊旸卻提出了一個更為根本的問題：大模型究竟應(yīng)該以何種方式思考？答案，或許就隱藏在從“推理思維”到“智能體思維”的范式轉(zhuǎn)變之中。

回顧千問團(tuán)隊的探索歷程，2025年初的一次大膽嘗試令人印象深刻。團(tuán)隊試圖將“思考模式”與“指令模式”融合于同一模型之中，打造出后來的Qwen3。林俊旸的初衷十分美好：一個先進(jìn)的模型應(yīng)當(dāng)具備自動調(diào)節(jié)算力投入的能力，根據(jù)問題的難易程度靈活應(yīng)對——簡單問題直接作答，復(fù)雜問題深入思考，難題則全力推演。然而，現(xiàn)實(shí)卻給了他們沉重的一擊。合并后的模型在思考時變得啰嗦猶豫，指令模式也失去了原有的干脆、穩(wěn)定與低成本優(yōu)勢。問題并非出在模型架構(gòu)上，而是源于兩種模式在數(shù)據(jù)分布和行為目標(biāo)上的巨大差異，強(qiáng)行融合只會導(dǎo)致“兩頭受損”，而非相互補(bǔ)充。

這次失敗讓林俊旸深刻認(rèn)識到，單純延長推理鏈、堆砌算力并非AI發(fā)展的終極答案。當(dāng)整個行業(yè)都在熱衷于探討“如何讓模型思考得更久”時，他卻開始思考：AI的思考究竟應(yīng)該服務(wù)于什么目的？

要解答這個問題，就需要深入理解推理思維與智能體思維這兩種截然不同的“大腦”模式。推理思維，以O(shè)penAIo1、DeepSeek-R1為代表，其核心在于靜態(tài)、內(nèi)部、獨(dú)白式的長推理鏈。它的目標(biāo)在于追求思考的質(zhì)量和正確性，例如解數(shù)學(xué)題、編寫代碼或通過基準(zhǔn)測試。在實(shí)現(xiàn)方式上，模型在封閉環(huán)境中獨(dú)自思考，通過延長推理鏈、增加計算量來輸出越來越長的“思考過程”文本。然而，這種思維模式的局限性也十分明顯：它只能回答問題，卻無法解決問題——即便知道答案，也缺乏將其付諸實(shí)踐的能力；能夠生成方案，卻無法確保方案的落地執(zhí)行。

相比之下，智能體思維則是一種全新的方向。它強(qiáng)調(diào)為行動而思考，在環(huán)境中思考，并通過反饋閉環(huán)不斷修正自身。其目標(biāo)并非“思考得足夠久”，而是“利用思考來支撐有效行動”，在與世界的互動中持續(xù)推進(jìn)任務(wù)。在實(shí)現(xiàn)方式上，模型不再孤立地進(jìn)行推演，而是邊思考邊行動——調(diào)用各種工具、獲取反饋信息、在失敗后調(diào)整計劃，并在多輪交互中保持思路的一致性。這種思維模式賦予了模型處理純推理模型無法解決的問題的能力，例如何時停止思考并采取行動、選擇何種工具、整合嘈雜的環(huán)境信息、修訂計劃以及維持多輪交互的一致性等。

Anthropic的Claude系列為林俊旸提供了關(guān)鍵啟發(fā)。Claude3.7作為“可控預(yù)算的混合推理模型”，以及Claude4在推理與工具調(diào)用之間的交錯進(jìn)行，都表明思考不再僅僅是為了展示，而是為了服務(wù)于編碼、工具調(diào)用、長時任務(wù)和智能體工作流等實(shí)際需求。

智能體思維的落地實(shí)施，離不開一個核心概念——HarnessEngineering（駕馭工程）。林俊旸將其比喻為AI的“腳手架”和模型的“操作系統(tǒng)”。如果把大模型比作“引擎”，那么Harness就是圍繞引擎打造的“車”——沒有它，再強(qiáng)大的引擎也無法發(fā)揮作用。從本質(zhì)上講，Harness是為AI搭建一個包含環(huán)境、工具、約束、反饋循環(huán)和多智能體協(xié)同機(jī)制的完整系統(tǒng)。它的作用在于將“裸模型”轉(zhuǎn)化為能夠在現(xiàn)實(shí)任務(wù)中持續(xù)行動、修正并完成工作的Agent（智能體）。用公式表示就是：Agent=Model+Harness——模型是大腦，而Harness則是手腳、眼睛和控制系統(tǒng)。

Harness的核心價值在于解決“執(zhí)行難題”。很多時候，模型執(zhí)行任務(wù)失敗并非因為不夠聰明，而是由于外部系統(tǒng)過于復(fù)雜混亂，導(dǎo)致模型迷失方向、重復(fù)失敗或忘記目標(biāo)。Harness正是為了解決這些問題而設(shè)計的：它能夠協(xié)調(diào)模型調(diào)用API、數(shù)據(jù)庫、代碼執(zhí)行器等工具，使“思考”能夠落地為“行動”；通過將行動結(jié)果反饋給模型，讓它了解“做對了沒有”，并據(jù)此修正策略；設(shè)定規(guī)則和沙箱環(huán)境，防止模型“作弊”（如直接搜索答案、濫用工具）；協(xié)調(diào)規(guī)劃器、領(lǐng)域?qū)＜液妥又悄荏w之間的分工，使復(fù)雜任務(wù)能夠高效推進(jìn)。

然而，在智能體時代，核心競爭力將轉(zhuǎn)向系統(tǒng)工程能力。環(huán)境設(shè)計將成為“一等研究對象”，環(huán)境的穩(wěn)定性、真實(shí)性、覆蓋面和反饋豐富度將變得至關(guān)重要——就像在SFT時代人們癡迷于數(shù)據(jù)多樣性一樣，現(xiàn)在需要癡迷于環(huán)境質(zhì)量。訓(xùn)推協(xié)同也將成為關(guān)鍵，訓(xùn)練和推理需要緊密結(jié)合，使模型能夠在接近生產(chǎn)的環(huán)境中學(xué)習(xí)，解決“推理側(cè)等待反饋、訓(xùn)練側(cè)斷糧”的低效問題。反作弊與魯棒性也不容忽視，需要防范“獎勵作弊”行為，提升評估器和環(huán)境的抗利用能力。同時，多智能體接口的設(shè)計也至關(guān)重要，需要建立高效的協(xié)同機(jī)制，讓不同智能體能夠各司其職，控制上下文，避免污染。

智能體思維的終極意義在于推動AI從“被動回答問題的百科全書”轉(zhuǎn)變?yōu)椤爸鲃咏鉀Q問題的數(shù)字行動者”。以安排商務(wù)晚宴為例，傳統(tǒng)大模型可能會為你生成菜單、推薦餐廳并撰寫邀請函，但聯(lián)系餐廳、預(yù)訂、發(fā)送邀請和確認(rèn)等后續(xù)工作仍需你自己完成。而AI智能體則只需你提供“下周三8人晚宴，人均500元，CEO海鮮過敏”等基本信息，它就能自動查詢?nèi)諝v、篩選餐廳、預(yù)訂場地、發(fā)送邀請并提醒你進(jìn)行最終確認(rèn)。

這場從推理思維到智能體思維、從訓(xùn)練模型到訓(xùn)練系統(tǒng)、從比拼算法到比拼Harness工程能力的變革，并非技術(shù)細(xì)節(jié)的簡單優(yōu)化，而是AI從“能思考”到“能做事”的本質(zhì)跨越。隨著這一變革的深入推進(jìn)，真正的AI強(qiáng)者將不再是“會解題的學(xué)霸”，而是“能辦事的實(shí)干家”。我們也將迎來一個AI真正融入日常生活、切實(shí)解決實(shí)際問題的新時代。