知道创宇黑哥:2025年是AI Agent发展分水岭,从“拼接工具式”迈向“AI用Python干活”新范式
作者：微信文章近日，《中国经济周刊》刊发题为《套壳争议下的AI“智能体”》的新闻报道，报道中就AI Agent 的概念内涵、技术发展路径、应用场景、“套壳”争议等话题采访了知道创宇首席安全官周景平（黑哥）。
在采访中，当被问及是否认同“2025 年是 Agent 元年”这一观点时，黑哥表示认同并进一步指出，2025 年不仅是 Agent 发展的一个重要时间节点，更将成为其发展的重要分水岭。
他认为，2025年，Agent 模式将开始从1.0版本向2.0版本进化，即从过去“拼接工具”式的 Agent，过渡到“让 AI 用 Python 干活”的全新范式。这种进化意味着 Agent 将真正实现“AI Think Do”的闭环，即理解任务→ 规划执行 → 给出结果。
https://mmbiz.qpic.cn/mmbiz_jpg/Oan15mBs7fNqUw2qQNUDxDa97u7Suq8SSpic2Rax6QN0MXPLP6iczkA4ibh4SyeB8ykuP4aUq9ecgbwQHCTu9pRfg/640?wx_fmt=jpeg&from=appmsg&tp=webp&wxfrom=5&wx_lazy=1
Q1
什么是AI Agent？与传统AI有何不同？
黑哥
所谓AI Agent，就是一种不仅会“动脑思考”，还能“动手干活”的AI助手。
过去的大模型像是一个超强大脑，只能告诉你答案。而Agent不光会想，还能干活——比如收到一个“生成报告”的任务，它会自己规划步骤、写代码、调用工具、最后给你输出文档。
打个比方，传统AI是“聪明的老师”，Agent是“能干的助理”。判断它是否是Agent，看它是否具备以下能力：
· 理解并拆解任务
· 执行调用工具
· 根据反馈调整行为
比如一个旅行助手Agent，能够根据你说的预算和偏好，自动搜索机票、预订酒店、规划行程并发你一封确认邮件，而不是只给你几个链接。
Q2
Agent背后的技术路径有哪几种？
黑哥
AI Agent的发展，就像是在给AI从“只能说话的大脑”一步步装上“能动手的手脚”，变成一个能帮你干活的智能助手。
最开始，AI只会聊天回答问题，就像一个聪明但不会动手的大脑。人们希望它能做更多事，比如整理资料、生成文件、处理数据，于是开始给它配“工具”——这就是早期智能体的思路。
在当前的Agent的技术路线，我习惯性把他们区分为两个阶段或者说技术路径：Agent 1.0 和Agent 2.0。
Agent 1.0：拼工具让AI动起来
Agent 1.0的核心思路是：AI只会想，不会做，我们得帮它装上“工具包”，像拼积木一样让它干活。这个过程经历了四种技术路径：
1、功能调用（Tool/Function Calling）
一开始，人们给AI连接一些简单的功能，比如查天气、搜资料，就像帮它安上第一个“机械手”。虽然能干点活，但只能做固定的事情。
2、流程拼接（Workflow）
当任务需要多个步骤时，比如先抓数据、再分析、再出结果，人们就开发了“流程图系统”，让AI按顺序用不同工具，就像在操作一个自动生产线。
3、统一标准（MCP协议）
工具太多太乱怎么办？于是大家制定了“MCP协议”，像为所有工具换成统一插头，让AI用起来更方便。
4、集中调度（Manus）
前面大火的Manus更进一步，像工厂里的调度员一样，它会把一个任务拆分给不同工具，再统一收集结果。这种方式能做复杂事，但系统庞大、效率低，还很耗资源。
Agent 1.0的这些方法确实有用，但也有很多问题：
· 拼工具像搭积木，太复杂、容易出错
· 许多工具限制在云端“沙盒”中运行，不能处理你电脑上的数据
· 每次都得靠外部帮忙，AI自己还是不会“动手”
· 耗时耗费大，有时候还“烧钱”
Agent 2.0：Python-use，让AI自己动手干活
我们提出的 Python-use 是另一种完全不同的思路：与其一件件拼工具，不如让AI直接长出“手脚”，自己动手。
什么意思？就是让AI像程序员一样写代码，并在你电脑上直接执行任务，比如你说“帮我分析这张表格”，它就会写出Python代码，读数据、算结果、整理成图表，全过程自己完成，不用你操心。
这种方式的好处非常多：
· 代码就是行动（Agent），AI直接“做事”而不是“找人帮它做”
· 能力超强，Python能处理数据、画图、发邮件、联网搜索，AI用它几乎能做任何任务
· 数据留在本地，不上传，安全性更高
· 成本更低，不需要调用那么多工具，不容易“烧Token”
· 结构简单，只要AI模型+Python运行环境，不需要搭建一大堆系统
· 代码就是标准，更大程度的自由扩展，你想加什么功能都可以告诉它，它能写代码自己实现
所以我们想强调：
真正强大的AI Agent，不是靠堆工具拼出来的，而是靠自己长出来的。
Python-use 不仅仅是一种方法，更是一种全新的思路：
· 不再靠外挂工具和复杂流程
· 而是让AI自己理解任务、写出代码、动手完成
· 成为一个能真正干活的“数字生命体”
这，才是我们理解的 Agent 的未来。如果说Agent 1.0是“拼工具做事”，那么Agent 2.0就是“自己干活”，也更贴近我们理想中的通用智能。
我们已经开源了这个系统，叫 AiPy（爱派）：https://www.aipyaipy.com/（点击文末阅读原文可访问）
https://mmbiz.qpic.cn/mmbiz_png/Oan15mBs7fNqUw2qQNUDxDa97u7Suq8SlBgWUiakJ3xgibFia0oSCURKiboPKpkzgN4NOJ9ibdXHgSBjgNHBJJI4SnQ/640?wx_fmt=png&from=appmsg&tp=webp&wxfrom=5&wx_lazy=1
Q3
现在的AI Agent擅长什么？以后还能做更多吗？
黑哥
现在的AI Agent，其实已经能帮我们做很多事情，尤其是那种步骤明确、操作固定、规则清晰的任务。
比如：
· 总结一篇文章、写一份报告
· 整理表格数据、生成代码
· 自动完成一些重复操作，比如填写表单、发邮件、导出资料等
这些事情就像“按步骤做题”，只要一步步来，不需要太多判断，AI就能做得不错。
但如果换成这种任务：
· 问题不清楚，需要边做边想
· 涉及多个环节、要灵活应对变化
· 还需要处理你电脑上的资料或和你的软件互动
那现在的大多数AI Agent就容易“卡住”，无法完成。
为什么会这样？
因为很多AI系统只是“动脑不动手”——它能理解你说什么，但不能真正操作你的电脑、打开你的文件、或者和你的软件互动。它就像一个被关在玻璃房里的聪明人，看得懂，也说得清楚，但就是没法真正“伸手去做”。
Python-use：让AI能动手，打通思考和行动之间的"墙"
我们提出的“Python-use”方法，目标就是让AI自己动手干活，不再只是“说一说”，而是“做一做”。
怎么实现？
我们给AI配了三种“能力”：
1、连网能力（API调用）：让AI可以上网查资料、访问各种服务比如查天气、找地图、搜索信息，只要你平时能用浏览器查到的，AI也可以通过接口获取。
2、编程能力（调用Python工具包）：让AI能写代码干活Python有很多功能强大的工具，比如处理数据、画图表、识别图像、访问网页……AI可以用这些工具写出代码，把你交给它的任务自动完成。
3、执行能力（用Python解释器运行代码）：让AI能在你电脑上动手做事比如它能打开文件、读表格、跑程序，干完后还能把结果发回来，并根据结果继续调整。也就是说，它不仅自己想怎么做，还能做完之后自己看效果再改进。
这样一来，AI就不仅是“帮你查”，还能“帮你做”，还会“做完检查再改”。整个过程就是：理解 → 执行 → 得到结果 → 自我调整。
Q4
你用过哪些Agent产品？体验如何？
黑哥
我们体验过不少，包括AutoGPT、OpenAgents、国内的一些Agent框架，还有火爆的Manus。初体验挺“惊艳”，但深入使用后发现：
它们往往像“流程拼图游戏”——只能解决预设的问题，无法灵活应对变化，大部分被限制在一个云端“电脑”中，缺少更多的用户环境的沟通及扩展，所以我们才意识到，这些“Agent”还是“外部工具操控式”。
而我们真正需要的是“自我决策+自我执行”的AI体。这正是Python-use的优势所在。
Q5
你认同“2025是Agent元年”的观点吗？
黑哥
我觉得模型的能力足够强了，而且随着DeepSeek的爆发引发了企业级应用的成本大幅度降低，也就是大模型应用的性价比已经基本符合企业级的应用需求，所以我是基本上认同“2025是Agent元年”这个观点的。
同时我也觉得“2025是一个Agent分水岭”，因为开始从Agent 1.0到Agent 2.0模式进化，也就是从“拼接工具”式Agent，过渡到“让AI用Python干活”的新范式，真正实现AI Think Do：理解任务 → 规划执行 → 给出结果。
https://mmbiz.qpic.cn/mmbiz_png/Oan15mBs7fNqUw2qQNUDxDa97u7Suq8SXdnBFeWahrGWER4RBtGEceh4sWRBrzxEZL5KoGg1j0Y8cvAhPgaInQ/640?wx_fmt=png&from=appmsg&tp=webp&wxfrom=5&wx_lazy=1
Q6
怎么看“套壳争议”？
黑哥
这其实是一个“伪命题”，Agent本身就是大模型的一种应用，这个本身就是两个概念，核心问题就是目前的大模型都只有大脑，没有手脚，或者手脚被束缚了，要发挥大模型能力就需要解放大模型，真正实现“干活”，纠结“套壳”问题没有任何意义。
Q7
关于套壳，有人认为套壳到极致就是胜利，有人认为还是要关注底层技术的发展创新。事关相关争议，对此你如何评价？
黑哥
这个其实不矛盾，也不是对立的，因为模型本身的进化肯定是需要关注的，模型能力越强成本低才能加快大模型的广泛应用，当大模型能力及成本也就是上面提到的性价比达到一定程度上后，大家就应该去关注应用，真正关心大模型的能力落地到人类的生活工作生成过程中去。
Q8
还有什么想补充的？
黑哥
如果还有一句话要说清楚，那就是：
真正的AI Agent，是没有Agents的Agent。
我们不是靠拼接工具、堆叠流程图、制定各种调用协议来让AI显得“像会干活”，而是直接让AI通过写代码、跑程序、获取反馈，在现实世界里真正“做事情”。
未来的AI，就像一只章鱼：不仅有大脑，还能主动伸出触手，完成任务、感知变化、甚至不断进化。而我们提出的“Python-use”，就是打开这扇门的方法。我们不再让AI站在门外喊话，而是给它一把钥匙，让它真正走进来、帮你做事。
这，不只是一个技术路线，更是一种全新的AI思维方式——让AI Think，也让它 Do。
想要交流、分享更多AiPy使用体验
欢迎扫码进群
https://mmbiz.qpic.cn/mmbiz_png/Oan15mBs7fMtzhFaFcEykQ9bMGicILcNI0V4GAoJ0QQYffKxDJgFoXYKHB235eoM16GAFSbPDtE7jbGDUcggbRw/640?wx_fmt=png&from=appmsg&wxfrom=5&wx_lazy=1&tp=webp
点击“阅读原文”，下载立即免费使用
页:
[1]