在 AI 行业围绕 Harness Engineering（脚手架工程） 激烈讨论之际，阿里千问（Qwen）前技术负责人林俊旸发布长文，系统性提出一个关键判断：
大模型的未来，不是更长的推理链，而是“Agentic AI（智能体思维）”。
这不仅是一次技术路线反思，更是对下一代 AI 能力范式的重新定义。
一、AI推理模型的崛起：o1 与 R1 改变了什么？
2025 年上半年，AI 进入“推理模型时代”。
- OpenAI o1：证明“思考能力”可以通过强化学习训练
- DeepSeek R1：证明推理模型可以被复现并规模化
这一阶段的核心突破在于：
1. 强化学习（RL）成为核心能力放大器
AI 模型开始依赖：
- 可验证任务（数学 / 编程 / 逻辑）
- 强反馈信号（正确性 > 表面合理性）
2. 推理计算成为新变量
行业关注点转向：
- 推理 token 投入
- 思维链（Chain-of-Thought）长度
- 推理成本控制
👉 但问题也逐渐显现：
“想得更久”，真的等于“更聪明”吗？
二、Qwen 的关键实验：混合 Thinking 与 Instruct 模式
林俊旸披露了一个重要尝试：
将 Thinking（推理模式） 与 Instruct（指令模式） 合并到同一模型。
理想目标
一个先进模型应具备：
- 自适应推理能力
- 动态计算分配
- 推理强度连续谱（low / medium / high）
实际结果：不理想
出现典型问题：
- Thinking 变得冗长、犹豫
- Instruct 失去简洁与稳定
- 成本上升但收益不明显
根本原因：数据分布冲突
两类模式本质不同：
| 模式 | 优化目标 | 行为特征 |
|---|---|---|
| Instruct | 高吞吐、低延迟 | 简洁、稳定 |
| Thinking | 高正确率 | 深度推理、探索路径 |
👉 结论：
不是模型结构问题，而是数据与目标函数不一致。
三、为什么“强行融合”往往失败？
很多团队误判了问题所在：
- ❌ 以为是模型开关问题
- ❌ 以为是架构统一问题
- ✅ 实际是 行为分布冲突问题
如果融合粗糙，会导致：
“两头都受损，而不是取长补短”
这也是为什么：
- Qwen 后续选择拆分模型（Instruct / Thinking）
- 企业用户仍偏好 Instruct 模型（稳定、低成本）
四、Anthropic 的启发：让“思考服务于任务”
林俊旸特别提到 Anthropic 的方向：
核心理念：
思考应该由目标工作负载塑造（Thinking shaped by workload）
在 Claude 系列中体现为：
- 可控推理预算
- 推理与工具调用交错
- 面向真实任务（coding / agent workflows）
本质变化
从：
“如何让模型多想”
转向：
“什么时候该想，什么时候该行动”
五、从“推理思维”到“智能体思维（Agentic AI）”
这是全文最核心的概念跃迁。
推理思维（Reasoning AI）
特点：
- 静态
- 封闭
- 长思维链
- 一次性输出
智能体思维（Agentic AI）
特点：
- 面向行动（Action-oriented）
- 与环境交互（Environment-in-the-loop）
- 持续反馈（Feedback loop）
- 动态修正（Adaptive planning）
👉 核心差异：
| 维度 | 推理模型 | AI智能体 |
| 思考方式 | 内部推理 | 行动驱动 |
| 时间尺度 | 单轮 | 多轮长期 |
| 输入 | 静态 prompt | 动态环境 |
| 输出 | 答案 | 行动序列 |
六、AI智能体必须解决的关键问题
相比推理模型，Agent 需要处理更复杂的决策：
- 何时停止思考并执行？
- 调用哪个工具？顺序如何？
- 如何处理不完整或噪声信息？
- 失败后如何修正策略？
- 多轮任务如何保持一致性？
👉 这些问题，本质上是：
决策系统问题，而非语言生成问题
七、Harness Engineering：智能体时代的核心能力
随着 Agentic AI 崛起，一个新关键词成为焦点：
Harness Engineering（脚手架工程）
它包括：
- 工具系统（Tools）
- 执行环境（Environment）
- 反馈机制（Feedback loops）
- 多智能体协作（Multi-agent systems）
为什么重要？
模型本身不再是全部，系统才是核心。
未来能力取决于：
- 环境设计质量
- 工具调用能力
- 训练与推理协同
- 真实世界闭环
八、强化学习进入“智能体阶段”的挑战
从推理 RL 到 Agent RL，复杂度大幅提升：
新难点
- 环境成为训练的一部分
- 工具调用引入延迟与不确定性
- 状态是动态且部分可观测
- rollout 成本极高
更严重的问题：Reward Hacking
例如：
- 模型直接搜索答案
- 利用数据泄漏
- 规避任务本身
👉 结论：
环境设计，正在成为 AI 的新护城河。
九、未来趋势：从模型 → 智能体 → 系统
林俊旸给出了清晰路径：
- 训练模型（Model）
- 训练智能体（Agent）
- 训练系统（System）
未来竞争优势将来自：
- 更强的环境模拟能力
- 更好的评估体系
- 更稳定的多智能体协作
- 更高质量的现实反馈闭环
十、结论：什么才是“好的AI思考”？
过去的答案是：
更长的推理链
未来的答案是：
更有用的思考（Useful Thinking）
即：
- 支撑行动
- 提升效率
- 能在环境中持续工作
- 能通过反馈不断进化
相关文章
