e1科普⏱ 约 6 分钟

选修 · 智能体简史

从写死规则到 LLM 驱动——智能体是怎么一步步走到今天的

🔎 最后验证 2026-06📚 来源:

为什么学这个

"智能体"听着很新,其实它的梦想很老——让机器自己感知、决策、行动,人类追了几十年。

这一篇轻松科普:用一条时间线,看清智能体是怎么从"写死规则的笨机器",一步步走到今天"会自己想办法的 LLM 智能体"。看懂这段历史,你就明白为什么不少人把 2025 叫作"Agent 元年"。

一条时间线看懂

📜规则 / 专家系统

上世纪：人把 if-else 规则写死，换个场景就抓瞎

📈机器学习

从数据里学规律，但仍是「单一任务」的窄 AI

🧠深度学习

2012 起，尤其 2017 年 Transformer——为大模型铺好了路

💬大语言模型

2022 前后爆发：会理解、会生成，但只是「会聊的大脑」

🤖LLM 驱动智能体

把 LLM 当大脑 + 工具 + 记忆，能自己想办法办事

智能体的演进：从写死规则，到自己学习，再到 LLM 驱动

几个关键转折:

规则 / 专家系统:最早的"智能",本质是人把规则写死(如果发烧就...)。聪明全靠人,换个场景就废。
机器学习:让机器从数据里自己学规律。厉害,但大多是"一个模型干一件事"的窄 AI(下棋的只会下棋)。
深度学习:2012 年起神经网络大放异彩,尤其 2017 年的 Transformer 架构,直接为后来的大语言模型铺平了路——这是承上启下、最关键的一环。
大语言模型(LLM):2022 年底 ChatGPT 引爆大众认知——一个模型就有了通用的理解和生成能力。但它只是个"会聊天的大脑",不会动手。
LLM 驱动的智能体:把 LLM 当大脑,配上工具、记忆、自主循环——它终于能"想→做→看"地自己办事。其中关键方法 ReAct 也在 2022 年底提出(与 ChatGPT 几乎同期、是独立的学术成果)。业界普遍把 2025 称为"Agent 元年":焦点从"训练更大的模型"转向"造更聪明的智能体应用"。

💡 打个比方

一句话串起来:先有了越来越聪明的"大脑"(LLM),人们才开始认真给它装上"手脚和记忆",让它从"会说"变成"会做"。 你这门课走的,正是后半段——造会做事的智能体。

❓ 测验

为什么说 LLM 的出现是「智能体」真正起飞的前提？

🤖 用历史视角理解一个新名词

我在学 AI 智能体。请你把『智能体』放到 AI 发展史里讲一遍:从规则系统→机器学习→大模型→LLM 智能体,每个阶段一句话、它们各自的局限,以及为什么一步步走到了今天。

✅ 小结

看完这条时间线,你对"智能体为什么是现在的样子"有了大局观——它不是凭空冒出来的,而是几十年"让机器自己办事"梦想的最新一站,而你正站在它起飞的节点上。

下一篇选修很实用:Agent 相关的求职面试题——把这门课的知识点,变成你能在面试里讲明白的答案。

下一节 → 选修：Agent 求职面试题

都看到这了，打个赏呗！