智能体系统

这是一篇持续更新的笔记，记录我对智能体系统的当前理解。它不是完成的理论，也不代表相关项目已经成熟。

起点

我从 2022 年开始使用 ChatGPT。最初，它更像导师和更聪明的搜索引擎；到 2024 年，我开始真正把智能体放进项目，研究 MCP、LangChain、RAG，以及 AI 如何直接参与修改和交付代码。

我的基本判断没有变：

AI 不会简单地替代一个职业，而是在重新定义职业中的人。

AI 是乘数，但乘数不能替代工程能力。智能体能执行更多动作，也意味着权限、安全边界、可观测性和失败恢复必须被认真设计。

当前主线

Loong / loongclaw 是我目前公开的智能体方向之一。它尝试用 Rust 构建面向垂直场景的智能体基座，关注：

• 安全、受控的执行基础；
• 可组合的长期工作流；
• 复合任务执行；
• 人与 AI 在真实场景中的协作；
• 从执行结果回到系统改进的闭环。

仓库仍在演进，当前更适合作为研究与构建主线，而不是被描述为已经稳定的通用框架。

持续问题

• 怎样让工具能力足够强，同时让权限边界保持可解释？
• 记忆应该保存什么，又应该主动遗忘什么？
• 长期任务中的状态、重试与人工确认如何成为一等能力？
• 垂直智能体应该拥有多少领域逻辑，多少能力应留给通用运行时？
• 如何评估一个智能体是真正完成任务，而不只是产生了看似合理的输出？

这篇笔记会随着 Loong、MCP 实践和真实产品反馈继续更新。