回看2023-2025：智能体技术是如何“长”出来的？
国研平台近日举办“智能体技术范式跃迁：技术突破、资本变局与金融新基建”专题研讨会，阿里云新金融副总经理郑淼在会上作专题发言。郑淼认为，智能体技术的发展，本质上是基于大模型使用方式的持续演进
从2023年的对话形态，到2024年的工作流形态，再到2025年以来的智能体形态，每一次跃迁都意味着模型自主能力的增强。通用智能体的核心变革在于赋予模型反思、感知、规划与行动等自主能力，其发展依赖于模型能力的快速提升与工程框架的完善
在金融领域，通用智能体的构建需聚焦工具智能体、个性化记忆、自进化能力、安全合规及企业级能力等关键技术。未来，金融机构将更多采用混合云架构，以算力、模型、数据与生态能力的整合，实现“更好用”的目标，让智能体真正融入日常工作。一、从对话到自主：智能体开发范式的三次跃迁
智能体技术的发展历程，本质上是对大模型使用方式不断深化的过程。这一演进大致可分为三个阶段。第一阶段（2023年）：对话形态。以ChatBot为代表的对话系统成为主流应用，用户通过自然语言与大模型交互，完成问答、生成等基础任务。第二阶段（2024年）：工作流形态
金融机构开始广泛采用工作流（Workflow）模式。业务部门与科技团队协同梳理业务流程，通过低代码平台实现可视化编排，将AI能力嵌入具体业务环节，推动了AI在金融场景中的规模化落地。第三阶段（2025年至今）：智能体形态。随着模型能力的进一步提升，行业开始尝试将传统工作流中的部分决策权交由模型自主完成
例如，在与某头部金融机构的交流中，曾有观点提出：一位拥有十五年经验的客户经理，其工作方式是否就是最优解。为何不让大模型尝试创造一种可能更优的工作模式。这一思考正是智能体（Agent）概念的雏形——在保留业务团队梳理的工作流之外，赋予模型一定的自主智能
近期OpenClaw的火热，进一步拓展了大模型应用的边界。过去三年，大模型的使用主要局限于Web界面、手机APP或API调用，极少有应用能够整合本地桌面端资源
OpenClaw的亮点在于，它通过AI接管了本地文件与桌面环境，尽管其对模型能力的依赖并不高，更多是在模型尚未足够强大的背景下，尝试覆盖桌面本地化场景。而模型本身也在快速演进，例如ChatGPT 5.4版本已开始支持本地PC能力调用，意味着OpenClaw的许多能力正逐步被大模型自身所集成
由此可见，Agent与大模型始终处于相互促进的迭代关系中：当模型智能不足时，Agent作为补充；当模型能力提升后，又会替代部分Agent的功能。对业外人士而言，OpenClaw是一个热门话题；而对业内人士来说，更值得关注的是应用架构正逐步演进至通用智能体体系
通用智能体与传统的智能体之间，核心区别在于赋予了模型更多自主能力，包括反思、感知、规划与行动
这些能力原本属于人类：当人面对任何一个陌生问题时，会自然形成一个完整的闭环，感知当前有哪些工具可以使用，规划如何合理使用这些工具，确定规划后付诸行动，行动过程中发现问题后再进行反思，并在下一次调用时选择更优的工具
例如在投研场景中，规划完成后，需要判断到底是调用恒生聚源的数据，还是大智慧的数据，抑或是万得的数据。这一系列过程，正是通用智能体试图基于模型能力去实现的。通用智能体的发展依赖于基础要素的支撑。首先，模型能力是根本前提
虽然可以用Agent来弥补模型能力的不足，但当模型本身能力不足时，无论Agent如何补足都难以达到理想效果。自去年下半年以来，通用智能体的快速发展与基础模型能力的持续迭代密不可分。国外已有公司将其长程能力提升至可处理4至5小时复杂任务的水平，这一时长已接近传统人类处理同类工作的时间
模型能力的实质性提高，是通用智能体演进的最基础一步。在此基础上，通用智能体还需要构建一系列关键框架。智能体要想表现出色，需要一个强大的“大脑”来处理长程任务。若目标是打造真正像人一样的通用智能体，记忆管理便成为至关重要的一环，这其中既包括上下文管理，也涉及更为复杂的记忆管理
所谓记忆管理，是指智能体能够记住用户的历史信息，而不需要用户每次重新说明过往交互内容。然而，这一能力在工程实现上并不容易。用户与智能体的对话往往非常频繁，日积月累的信息量十分庞大。当用户时隔数月重新使用时，智能体能否在短时间内有效召回此前积累的大量知识，是一个极具挑战的问题
表面上看，记忆是一个简单的概念，但在工程实现中却非常复杂，既要保证检索的高效性，又要让智能体的行为足够拟人化。这种在短时间内召回相关信息的能力，正是通用智能体在记忆管理方面需要攻克的核心难题
当前通用智能体的产品形态主要包括三类：编程工具（如Claude Code）、语言驱动的桌面助手（如Cowork），以及更为技术化的OpenClaw。不同工具适配不同场景：Cowork更适合处理Exce