AI范式转移：从“为说话而思考”到“为行动而思考”

过去半年AI圈子里最热的关键词已经从“参数量”悄悄换成了“推理”。各路带思维链的模型轮番亮相朋友圈里到处是“让模型多想一会儿能力就涨一截”的论调。可就在这个节骨眼上我关注到林俊旸在DeepThink上放出的最新预测真正的范式转移不是让模型想得更久而是让新一代模型“为行动而思考”。乍一听有点绕说白了就是考核标准要从“你答得漂不漂亮”转向“事情到底办没办成”。如果你正在做Agent开发、纠结模型选型或者只是好奇AI下一步会往哪走这篇内容值得看完。我会把预测背后的逻辑链条、落地的技术路径以及我们现在就能动手做的准备一次讲清楚不绕弯子。1. 为什么林俊旸的判断值得认真听从DeepThink说起1.1 一线研发者给出的预测含金量不一样林俊旸这个名字国内大模型圈子里的人应该不陌生。他长期泡在大模型研发一线做过预训练、对齐、推理效率优化这些最底层的东西。这个位置的人说“范式转移”和投资人发布会上的概念包装完全是两码事。他们的判断通常是从训练数据分布、模型能力边界、工程瓶颈里倒推出来的而不是先有结论再找论据。DeepThink这个栏目本身也很有意思。它不追热点更像是在沉淀技术思考。林俊旸在里面讲预测的时候没有堆一堆炫酷的Demo而是直接指出当前模型的根本问题绝大多数模型都在“为了说话而思考”。你问它一个问题它调动内部知识、生成一串推理最后组织成一段漂亮的回答。整个过程无论多复杂终点都是“输出文本”。可现实世界的任务不是靠一段文本就能完成的你得查资料、调接口、改文件、验证结果这些动作现在的模型几乎都不会。1.2 “为行动而思考”到底在说什么我用一个容易理解的类比来解释。现在的问答模型像一个学识渊博但从不亲自动手的顾问。你问它中国经济怎么样、某个代码为什么报错它都能给你讲得头头是道。但如果你让它“帮我把这个季度所有报表整理成一份PPT还要把数据核对一遍”它就傻眼了——不是因为它不懂PPT而是因为它没有被训练成“干完一件事”的系统。“为行动而思考”的模型更像一个带工具箱的工程师。它思考的不是下一句话该怎么接而是下一步动作该怎么做先读哪个文件、调用哪个函数、拿到的结果对不对、错了该回退还是换条路。也就是说思考的对象从“语言组织”变成了“行动规划”。林俊旸预测的范式转移本质上是让智能走出聊天框进入真实世界的任务闭环。1.3 为什么这够得上“范式转移”而不是功能升级范式转移不是一个新功能上线而是目标函数和评价体系一起变。过去十年语言模型的核心目标是“下一个词预测得准”对齐阶段再教它“说得安全、说得有用”。这套体系下模型再强也只是一个更好的文本生成器。一旦转到“为行动而思考”模型需要的不再只是语言能力还包括任务拆解、工具调用、错误恢复、长程记忆这些东西。考试的科目都换了过去刷分刷得再高也没用。所以林俊旸这个预测的真正分量在于它提醒整个行业别再用“问答排行榜”来衡量AI进步了那个衡量尺子本身就要被淘汰。2. 当前模型“光想不做”的真正瓶颈在哪2.1 思考被锁死在会话上下文里我见过不少团队拿着带思维链的模型做Agent一开始都觉得“这下规划能力肯定够了”。跑几次就发现模型的所有推理都被锁在会话上下文里。它只能基于你给它的这段对话进行思考不能自己跑到外部环境里看一眼现状。思维链再长也只是在已知信息里打转初始资料里有个错误数字它推理一万步也发现不了因为它根本不会去核实。这就好比闭着眼睛做一道复杂的算术题。你每一步心算都正确但一旦最初的条件就错了最后结果一定错。现有模型的问题不是“想得不够多”而是“想的环境太封闭”。它没有眼睛没有手唯一的信息来源就是上下文窗口里那点文字。这也是为什么很多看起来聪明的模型一放到真实任务里就露馅。2.2 长程任务里的误差会滚雪球也许你会说那给模型配上工具调用不就行了吗让它自己查数据库、跑代码、读文件。逻辑上没错但实际跑过长任务的团队都在同一个坑里栽过任务链条一旦超过十步成功率就开始断崖式下跌。原因可以拆成三条。第一规划不持久。模型在第一步拆解任务时还井井有条执行到第五步的时候已经忘了最初的目标是什么开始在一些细枝末节上反复横跳。第二上下文被中间结果塞满。每一步工具调用返回的日志、报错、中间文件堆在一起模型真正需要的关键信息反而被淹没。第三没有失败恢复机制。中间一步报错之后模型通常会硬着头皮继续往下执行而不是停下来重新评估。这种表现跟一个蒙着眼睛走迷宫的人一模一样走错了一堵墙不是退回去重走而是在原地转圈。我自己的实操经验是这类问题的根源不在模型智力而在系统设计。你让一个智商160的人不戴手表、不看路标、没有地图去陌生城市完成一件事他也很难不迷路。行动式AI要成立光靠模型本身不够必须配合工程上的规划框架。2.3 现有评测指标在奖励“答得好”不是“办得成”还有一个更隐蔽的问题评测指挥棒没有转过来。现在业界的公开榜单、跑分测试、对话评测基本都在衡量“回答正确率”和“文本有用性”。没有哪个机构会发一个真实任务给模型然后统计它在十步之内的完成率、路径效率、失败恢复能力。指标不变研发资源就不会真正往行动能力倾斜。打个比方如果高考只考背诵再聪明的学生也不会花时间去学动手实验。林俊旸在DeepThink里的预测之所以关键就是因为他把这个问题摆到了台面上模型评估的方式必须先变能力才会跟着变。这不是一个遥远的理论问题它直接影响你手里的Agent项目能不能落地。3. “为行动而思考”落地的三条技术路径3.1 推理预算从“想答案”转向“做计划”思维链不会消失但它会改变形态。现在的推理过程是“在生成最终文本之前先让模型内部想一遍”本质上还是为了把答案写对。到了行动范式下推理要变成结构化的行动计划先把大目标拆成可执行的子任务再给每个子任务标出可验证的中间结果然后按顺序执行。举个例子同样是“帮我调研一下本地跑大模型的几种方案”。旧模型会直接生成一篇几百字的介绍文章内容可能对但你没法用它做决策。行动式模型则会给出一个计划第一步列出候选方案第二步逐个查显存占用和量化支持第三步用表格对比优先级第四步根据我的显卡型号给出推荐。中间任何一步结果不满意它都会停下来说“这里数据不太对我换个来源再查”。这种思考方式和软件开发里“先设计再编码”是一个道理。预算还是那么多但花的地方完全不同。3.2 工具调用成为模型的手和脚光有行动计划还不够模型得真的能碰外部世界。过去两年这个方向其实已经悄悄铺路了。OpenAI 提出 Function Calling 以后各家开始跟进工具调用能力再后来 MCP 这类协议出现等于给AI生态定了一套“USB接口”——文件系统、数据库、浏览器、设计软件都可以通过标准接口被模型调用。我自己在项目里的体会是工具层最容易被低估。很多人以为模型会调API就完事了实际上一套好用的工具接入层要解决的事情特别多接口返回格式怎么统一、超时和报错怎么转成模型能理解的信号、调用权限怎么控制、敏感操作怎么加二次确认。这些活儿不起眼但它们是“想法到动作”的翻译官。没有这层基础设施模型就算知道该做什么也伸不出手。3.3 反馈闭环行动型AI的灵魂如果说工具调用是手那反馈闭环就是神经系统。一个行动式模型必须能回答三个问题我刚才做的动作生效了吗如果没生效是哪里出了问题接下来该继续、回退还是换方案这里牵涉两个关键技术方向。一个是世界模型它让模型在行动之前先模拟一下“如果我这么做了环境会变成什么样”相当于在脑子里跑一遍模拟器。另一个是在线学习从每一次失败的动作中即时更新策略而不是等到下次训练才改进。最近扩散模型、视频生成模型的热度暴涨背后的深层动机之一就是它们在增强AI对真实世界的建模能力——你连下一步世界长什么样都预测不准凭什么指导行动我把这三条路径总结成一句话计划是大脑工具是手脚反馈是神经。三者缺一不可而且需要协同设计。单独给模型接上工具它只会乱点乱试单独训练规划能力它依然纸上谈兵没有反馈闭环它就是一个会计划但永远不纠错的复读机。4. 前哨已经出现过去一年那些接近“行动式思考”的信号4.1 Agent产品从展示型Demo走向真任务如果只看新闻会觉得Agent这东西去年就火了。但认真看下来去年大部分Agent Demo还停留在“表演型智能”截图给你看它一步步操作真到自己部署的时候跑两个任务就歇菜。最近几个月开始有变化出现了像Manus这类试图端到端完成真实任务的智能体产品也陆续有团队公开智能体训练的新方法比如DeepSeek放出的相关研究。这说明“为行动而思考”已经不是学术猜想而是有人在训练层面动真格了。我在测试这类产品时的感受是它们离完美还很远但有一个本质变化它们会给自己建任务清单做完一项划掉一项遇到缺失信息会主动问你要中间步骤报错会在界面上显示重试逻辑。这些在传统聊天模型里是看不到的。就像火车刚发明的时候跑不过马但方向一旦对了后面就是加速度问题。4.2 本地模型和低显存优化让行动式AI有了平民化土壤另一个容易被忽略的信号是本地部署的成熟。行动型AI对延迟和隐私极其敏感智能体要实时感知环境、频繁调用工具不能每次都把数据传到一个遥远的云端。这也是为什么“ollama下载模型”“低显存运行模型”“embedding模型排行”这些词的搜索热度持续走高——越来越多的人想在自己电脑上把模型栈搭起来。别小看这个趋势。当推理能力可以跑在本地设备智能体才能真正做到“随时在线、即时行动”。而且本地部署带来的工程优化比如量化、滑动窗口、显存复用这些技术本身也会反哺大模型生态。范式转移从来不是某个天才模型横空出世而是整个基础设施把门槛一步步降下来让更多人能在上面做实验。4.3 多模态和世界模型在补“感知”这一课行动的前提是感知。模型要行动就不能只读文本它得能看界面截图、听语音指令、理解视频里的动态变化。最近照片修复模型、视频生成模型、扩散模型轮番刷屏表面看是内容创作工具往深了看都是在给AI补“眼睛”和“空间感”。世界模型的价值在这里就非常明显了。它让模型在采取动作前能在内部推演一遍未来状态我点击这个按钮之后界面应该变成什么样如果不对说明操作出了问题。这种能力一旦成熟Agent的错误率会大幅下降因为它不再是一个只会“做完再看”的瞎子和一个只会“想了再说”的空想家而是一个在动手前先建模、动手后能比对的执行者。5. 普通开发者和用户现在能做的五件事5.1 选模型时别再只盯对话分数如果你最近在选型我建议你把目光从跑分榜上挪开去看三个更实际的能力第一是否原生支持函数调用或工具调用这是行动的基础第二上下文管理策略好不好长任务执行到一半会不会被中间结果淹没第三有没有公开的Agent评测数据比如多步任务完成率、工具调用准确率。我见过太多团队选了一个对话能力很惊艳的模型结果接入Agent框架之后发现它根本不会结构化地调用工具只能靠提示词硬掰。倒不如选一个单轮对话稍弱但工具调用稳定、支持并行函数调用的模型长跑下来效率高得多。记住一个简单的判断标准你是要一个厉害的聊天对象还是要一个能干活的下属。5.2 别把工具丢给模型就完事先搭闭环很多人在第一步就掉坑里给模型配上几个API Key就期待它能自己完成复杂任务。结果当然是翻车。我的建议是先搭一个最小的“规划-行动-检查-反馈”闭环哪怕只跑一个非常简单的任务。以“让AI整理本地区近三天招聘信息并输出一份汇总表”为例。工程上至少要加四个环节任务队列让模型先拆出“爬取来源-抓取数据-去重清洗-生成表格”几个子任务而不是一口气做完检查点每个子任务完成后暂停一下让模型确认结果是否符合预期错误处理遇到某个数据源抓取失败时明确告诉模型跳过还是重试人工确认在最终输出前加一道人工审批。这几个环节看着笨重但它们是行动式AI稳定性的基石。我踩过最惨的坑就是省掉了检查点模型在一半数据失败的情况下还自信地生成了一份看起来非常完整的报告。5.3 给行动式AI画好安全边界模型一旦具备行动能力风险等级就完全不一样了。以前答错一道题只是“说错话”现在它可能真的去删文件、发邮件、提交订单。所以安全边界不是加分项是必选项。结合这几年的项目经验我建议至少做到四条权限最小化给模型用的API Token只赋予它完成当前任务所需的最小权限关键操作二次确认涉及支付、删除、对外发送的行为必须停下来问人全程日志审计模型的每一次工具调用、参数、返回结果都要留痕否则出问题根本没法追溯最后是回滚机制重要操作前先做快照或备份。听起来像做运维但在行动式AI时代这就是基操。5.4 学习重心从写提示词转向设计任务对个人开发者来说最值得趁早转变的是思路。以前的提示词工程是“如何问出一个好问题”以后的提示词工程变成“如何描述一个可执行的任务”包括目标、约束、可用工具、验收标准。你把任务描述得越像一份工单行动式模型就越能发挥出实力。我最近写提示词的固定套路是先让模型给出执行计划等我确认后再动手每个阶段让它返回结果摘要而不是原始数据任务结束后让它自己复盘列出哪里可以优化。这套流程不需要任何复杂框架直接在提示词里写清楚就行。你别小看这一步它能逼着模型从“生成文本模式”切到“执行任务模式”。5.5 用“办成率”重新审视手上的项目最后一件可以立即做的事是重新定义你手里项目的成功指标。如果你在做AI产品别再只统计“用户提问多少轮”“回答点赞率”试着统计“用户的目标达成率”。哪怕只是让模型多完成一个简单操作都是在向新范式靠拢。我自己的体会是一旦把指标从“答得好”换成“办得成”很多设计决策会立刻变得清晰。你会开始关心工具调用的异常处理关心模型怎么从错误里恢复关心整个系统的可观测性。这些东西在过去对话式产品里几乎没人管但在行动式AI里它们就是最核心的用户体验。这个内容后续可以怎么扩展往深了说可以去做一套完整的Agent任务闭环模板或者写一份模型工具调用能力的评测方案。但就今天这篇而言我从DeepThink里最核心的收获就是一句话与其焦虑模型是不是还不够聪明不如先把它放进真实任务里看它能不能把手上的事一件一件办完。范式转移不会等所有人准备好才发生它已经在路上了。