能力对比 应用层

智能体能力冰山图 水面以上是用户可感知的能力扩展,水面以下是不可直接感知的工程机制。 感知边界 能力扩展 信息边界 · 行动边界 工程机制 Agent Loop · 上下文管理 · 工具编排 · 状态管理 · 安全控制 等 用户可感知 不可直接感知

应用层是一座冰山。
模型是一个无状态函数,每次调用都是独立的运算——接收输入、然后输出,仅此而已。并且,模型存在两个固有边界:信息边界——只有参数化知识,没有长期记忆、用户私有信息和实时信息;行动边界——只能输出 token 序列,不具备真实的执行能力。
所以,为了克服模型的局限性,应用层在模型之上构建了完整的工程机制(Agent Loop、上下文管理、工具编排、状态管理、安全控制等)将模型变成一个能持续运转、自主决策的系统,并帮助模型突破上述两个边界。工程机制很重要,但用户能直接感知到的少,且很少直接反映到 app 功能上,外部也难以客观、系统地评价,因此沉在水下。
而露出水面的,是可以被直接感知、相对容易被客观评估、同时也非常重要的能力:最大的山峰代表对信息和行动边界的突破,也是本章节的分析主线;小山峰则代表其他能力,比如定时任务和多模态生成。
工程机制并未被忽略——它是水上冰山的底座,其好坏也在一定程度上,体现在上面功能的质量中。

信息边界

模型只有参数化知识,有知识截止日期。它天然缺三样东西——跨对话的记忆、用户的私有信息、训练截止后的实时信息。

应用层帮助模型突破信息边界。

点击下方卡片进入对应章节

行动边界

工具调用 内部沙箱 外部系统 产物

模型只能输出 token 序列,不具备真实执行能力。应用层帮助模型突破行动边界,模型借助工具调用,将影响扩展至内部沙箱或外部系统,从「生成文本」到「完成任务」。

点击下方卡片进入对应章节

补充维度

前两节分析了应用层如何帮助模型突破信息边界和行动边界。以下两个维度从不同角度补充观察各产品的差异化:定时任务改变了触发方式——从用户主动发起到自动执行;多模态生成拓宽了输出模态。

点击下方卡片进入对应章节