近两年Manus、Claude Code、OpenClaw等新的Agent层出不穷，25年是「Agent元年」，26年，大家的共识是”Agent只会越来越多“。 我们只有穿越历史周期，看到这些Agent背后的技术本质，才能更好的结合业务、场景，理解和创造出更有价值的技术和产品。

追溯原点

在AI的黎明期，Agent的本质是自治——感知环境、设定目标、自主行动。这一能力建立在三个哲学原点之上：

控制论（行为逻辑）：解决连接问题——系统如何与环境形成实时反馈闭环，这是自动驾驶、机器人的物理原点； 符号主义（认知逻辑）：解决表达问题——世界如何被表征为可操作的符号，这是规划与推理的哲学原点； 心智社会（组织逻辑）：解决规模问题——简单单元如何协作涌现复杂智能，这是多Agent架构的组织原点。

若将Agent比作探索未知世界的机器人，这三个维度分别回答了它如何生存、如何思考、如何扩展。

控制论：反馈闭环的物理本质

维纳提出的控制论定义了Agent的底层结构：闭环反馈。系统通过感知环境状态 S ，计算与目标 G 的偏差 E=G−S ，并执行修正动作。循环越快越精准，系统对不确定性的抵消能力就越强。

自动驾驶、温控器、导弹制导都是这种范式的体现——它们处理信号而非语义。大模型时代的不同在于，这种反馈发生在高维语义空间，而非仅仅是物理信号。

控制论的两个重要定律

1. 必要变异度定律（艾什比）：只有多样性才能吸收多样性。Agent的内部状态数必须≥环境复杂度。这解释了为何扩展模型参数能提升应对复杂场景的能力——本质上是在增加系统的"变异度储备"。
2. 黑盒理论：Agent的智能可通过输入输出关系定义，无需关注内部构造。这为LLM作为"黑盒控制器"提供了理论基础——只要输出能根据输入反馈修正，即构成合格Agent。

局限：纯控制论处理信号而不理解意义。温控器能调节温度，但不懂得"冷"的概念。当Agent需要基于"冷"这个语义进行规划时，就必须引入符号主义。

控制论的局限性

虽然控制论解决了“如何行动”和“如何纠错”，但它面临一个巨大的瓶颈：它不理解“意义”。

在控制论中，Agent 只是在处理信号，而不是在理解语义。一个温控器知道温度低了要加热，但它不知道什么是“冷”，也不知道“舒适”是什么感觉。

为了让 Agent 具备真正的“思考”和“计划”能力，我们需要跨越到第二个原点：符号主义。

我们继续思考——从控制论跨越到符号主义。

如果说控制论解决了 Agent "如何生存"的问题，那么符号主义解决的就是 Agent "如何思考"的问题。

符号主义：意义与推理最早期的实践

控制论处理信号，符号主义操纵意义。

当温控器感应到20°C以下时，它触发加热电路；但当人说"我觉得冷"，系统必须将物理感受抽象为符号"冷"，调用世界模型（"空调可制热"），通过逻辑规则（IF 冷 THEN 开加热）推导行动。

这就是纽厄尔与西蒙提出的物理符号系统假说：智能即对符号结构的操纵：

• 表征（将"室温"映射为T）
• 操作（逻辑规则）
• 搜索（在符号空间寻找目标路径）。

这种架构首次赋予Agent因果推理与反事实思考能力（"如果没开加热器会怎样？"），催生了1980年代的专家系统（知识库+推理机）。但符号主义面临结构性天花板：封闭世界假设。

Siri的困境："预注册的有限意图本体（如SET_ALARM、START_CALL等固定类别）"

其工作流程是经典的符号流水线：语音→文本→意图符号→槽位填充（time=08:00）→规则执行。这使其在封闭域内精准可控，但遭遇开放的逻辑之外的问题时很难work：

• 语义边界僵化：比如"我的心情很blue"，Siri将"blue"匹配为颜色或音乐流派，而非情绪状态
• 框架问题：面对"播放安静音乐"，它无法符号化"安静"的语境含义（深夜vs咖啡馆），只能返回预设的轻音乐列表
• 知识瓶颈：每个新功能需人工定义本体结构（如打车意图需标注上车地点、车型等属性）

相比之下，GPT-4通过分布式表征"弱接地"了隐喻（"blue"的向量邻近"悲伤"），虽然牺牲精确性，却突破了封闭世界的围墙。

符号主义的脆弱性由此显现：一旦超出了预设规则库，系统无法降级。

当复杂任务需要跨域组合、动态适应时，单纯堆砌符号规则难以承接复杂环境。

这迫使我们从"构建完美大脑"转向"组织简单社会"——心智社会的原点。

心智社会：智能的分布式革命

当符号主义遭遇封闭世界与组合爆炸的瓶颈，明斯基在《心智社会》（1986）中提出根本性的范式转移：智能并非源于单一复杂程序，而是大量简单 Agent 协作的涌现现象。

这颠覆了笛卡尔的"中央我"模型。

在心智社会中，Agent 被递归定义：

• 基础 Agent（如"识别红色"）
• 组成复合 Agent（如"避障"）
• 元 Agent（调度/反思）协调。

智能通过竞争（多方案博弈）、协商（资源交易）与抑制（高层修正低层错误）产生，而非中央规划。

从 Siri 到 Manus：架构的跃迁

这一理论在 Manus 等现代 Agent 中成为工程现实。不同于 Siri 的单体符号库，Manus 是一个多 Agent 操作系统：

• 规划 Agent（元认知）将任务分解为子目标
• 专业 Agent（浏览器、代码、验证）并行处理，通过标准化接口（Function Calling）组合能力
• 记忆 Agent 维护上下文，执行 Agent 调用物理 API

三大困境的消解：

1. 框架问题的局部化：无需更新整个世界状态。当编码 Agent 报错，它向调度 Agent 发送 distress 信号，触发反思 Agent 抑制当前行为并激活研究 Agent——因果链被封装在相关 Agent 内，而非全局符号库。
2. 知识瓶颈的分治：各 Agent 拥有局部知识（浏览器懂 DOM，代码懂 Python），通过接口组合而非中央维护。动态实例化（需要时 spawn 计算 Agent，完成后销毁）实现了计算资源的按需分配，绕开了人工编码的线性成本。
3. 符号实践的社会性：单个 Agent 的符号可能幻觉，但多 Agent 通过行动验证（物理 Agent 尝试抓取以验证视觉识别）和交叉确认达成共识，形成功能性接地——意义产生于协作实践，而非个体符号映射。

心智社会架构的问题

然而心智社会并非银弹。

Agent 数量的增长不仅带来规模的扩张，更引发交互的爆炸——每一个新增的 Agent 都可能与既有的所有 Agent 建立关联，导致系统的复杂性呈非线性蔓延，需通过层级封装（复合 Agent 对外表现为单一体）和注意力机制抑制噪声。

更深层的是涌现的不可控性：目标漂移（子 Agent 为完成局部目标违背整体意图）和级联失效（错误放大）要求规则层面的回归——用符号化硬性约束（如"禁止生成有害代码"）作为边界守卫。

当 Manus 犯错时，责任归属变得模糊，这要求架构保留可观测性，使涌现行为可追溯。

三大原点的统一：现代 Agent 的哲学合题

我们终于抵达了控制论、符号主义、心智社会的辩证统一：

控制论、符号主义、心智社会并非相互取代，而是在现代 Agent 架构中相互协调。

在 Manus 这类系统中，调度器协调子 Agent 时依赖符号主义的接口契约（JSON Schema、Function Calling）确保确定性；各 Agent 对环境的响应遵循控制论的反馈逻辑（感知-行动-修正）；而系统的扩展性则源于心智社会的组织原则——通过多 Agent 的协作涌现智能并非单一独裁的Agent统治。

当 Claude Code 在调试代码时循环执行（控制论），它同时也在用符号逻辑验证语法（符号主义），并通过规划-执行-验证的 Agent 分工（心智社会）来管理认知负荷。

以上正如明斯基在《心智社会》中写的