知道创宇黑哥:2025年是AI Agent发展分水岭,从“拼接工具式”迈向“AI用Python干活”新范式

多客科技

作者：微信文章



近日，《中国经济周刊》刊发题为《套壳争议下的AI“智能体”》的新闻报道，报道中就AI Agent 的概念内涵、技术发展路径、应用场景、“套壳”争议等话题采访了知道创宇首席安全官周景平（黑哥）。

在采访中，当被问及是否认同“2025 年是 Agent 元年”这一观点时，黑哥表示认同并进一步指出，2025 年不仅是 Agent 发展的一个重要时间节点，更将成为其发展的重要分水岭。

他认为，2025年，Agent 模式将开始从1.0版本向2.0版本进化，即从过去“拼接工具”式的 Agent，过渡到“让 AI 用 Python 干活”的全新范式。这种进化意味着 Agent 将真正实现“AI Think Do”的闭环，即理解任务→ 规划执行 → 给出结果。



Q1

什么是AI Agent？与传统AI有何不同？

黑哥

所谓AI Agent，就是一种不仅会“动脑思考”，还能“动手干活”的AI助手。

过去的大模型像是一个超强大脑，只能告诉你答案。而Agent不光会想，还能干活——比如收到一个“生成报告”的任务，它会自己规划步骤、写代码、调用工具、最后给你输出文档。

打个比方，传统AI是“聪明的老师”，Agent是“能干的助理”。判断它是否是Agent，看它是否具备以下能力：

  · 理解并拆解任务

  · 执行调用工具

  · 根据反馈调整行为

比如一个旅行助手Agent，能够根据你说的预算和偏好，自动搜索机票、预订酒店、规划行程并发你一封确认邮件，而不是只给你几个链接。

Q2

Agent背后的技术路径有哪几种？

黑哥

AI Agent的发展，就像是在给AI从“只能说话的大脑”一步步装上“能动手的手脚”，变成一个能帮你干活的智能助手。

最开始，AI只会聊天回答问题，就像一个聪明但不会动手的大脑。人们希望它能做更多事，比如整理资料、生成文件、处理数据，于是开始给它配“工具”——这就是早期智能体的思路。

在当前的Agent的技术路线，我习惯性把他们区分为两个阶段或者说技术路径：Agent 1.0 和Agent 2.0。

Agent 1.0：拼工具让AI动起来

Agent 1.0的核心思路是：AI只会想，不会做，我们得帮它装上“工具包”，像拼积木一样让它干活。这个过程经历了四种技术路径：

1、功能调用（Tool/Function Calling）

一开始，人们给AI连接一些简单的功能，比如查天气、搜资料，就像帮它安上第一个“机械手”。虽然能干点活，但只能做固定的事情。

2、流程拼接（Workflow）

当任务需要多个步骤时，比如先抓数据、再分析、再出结果，人们就开发了“流程图系统”，让AI按顺序用不同工具，就像在操作一个自动生产线。

3、统一标准（MCP协议）

工具太多太乱怎么办？于是大家制定了“MCP协议”，像为所有工具换成统一插头，让AI用起来更方便。

4、集中调度（Manus）

前面大火的Manus更进一步，像工厂里的调度员一样，它会把一个任务拆分给不同工具，再统一收集结果。这种方式能做复杂事，但系统庞大、效率低，还很耗资源。

Agent 1.0的这些方法确实有用，但也有很多问题：

  · 拼工具像搭积木，太复杂、容易出错

  · 许多工具限制在云端“沙盒”中运行，不能处理你电脑上的数据

  · 每次都得靠外部帮忙，AI自己还是不会“动手”

  · 耗时耗费大，有时候还“烧钱”

Agent 2.0：Python-use，让AI自己动手干活

我们提出的 Python-use 是另一种完全不同的思路：与其一件件拼工具，不如让AI直接长出“手脚”，自己动手。

什么意思？就是让AI像程序员一样写代码，并在你电脑上直接执行任务，比如你说“帮我分析这张表格”，它就会写出Python代码，读数据、算结果、整理成图表，全过程自己完成，不用你操心。

这种方式的好处非常多：

  · 代码就是行动（Agent），AI直接“做事”而不是“找人帮它做”

  · 能力超强，Python能处理数据、画图、发邮件、联网搜索，AI用它几乎能做任何任务

  · 数据留在本地，不上传，安全性更高

  · 成本更低，不需要调用那么多工具，不容易“烧Token”

  · 结构简单，只要AI模型+Python运行环境，不需要搭建一大堆系统

  · 代码就是标准，更大程度的自由扩展，你想加什么功能都可以告诉它，它能写代码自己实现

所以我们想强调：

真正强大的AI Agent，不是靠堆工具拼出来的，而是靠自己长出来的。

Python-use 不仅仅是一种方法，更是一种全新的思路：

  · 不再靠外挂工具和复杂流程

  · 而是让AI自己理解任务、写出代码、动手完成

  · 成为一个能真正干活的“数字生命体”

这，才是我们理解的 Agent 的未来。如果说Agent 1.0是“拼工具做事”，那么Agent 2.0就是“自己干活”，也更贴近我们理想中的通用智能。

我们已经开源了这个系统，叫 AiPy（爱派）：https://www.aipyaipy.com/（点击文末阅读原文可访问）



Q3

现在的AI Agent擅长什么？以后还能做更多吗？

黑哥

现在的AI Agent，其实已经能帮我们做很多事情，尤其是那种步骤明确、操作固定、规则清晰的任务。

比如：

  · 总结一篇文章、写一份报告

  · 整理表格数据、生成代码

  · 自动完成一些重复操作，比如填写表单、发邮件、导出资料等

这些事情就像“按步骤做题”，只要一步步来，不需要太多判断，AI就能做得不错。

但如果换成这种任务：

  · 问题不清楚，需要边做边想

  · 涉及多个环节、要灵活应对变化

  · 还需要处理你电脑上的资料或和你的软件互动

那现在的大多数AI Agent就容易“卡住”，无法完成。

为什么会这样？

因为很多AI系统只是“动脑不动手”——它能理解你说什么，但不能真正操作你的电脑、打开你的文件、或者和你的软件互动。它就像一个被关在玻璃房里的聪明人，看得懂，也说得清楚，但就是没法真正“伸手去做”。

Python-use：让AI能动手，打通思考和行动之间的"墙"

我们提出的“Python-use”方法，目标就是让AI自己动手干活，不再只是“说一说”，而是“做一做”。

怎么实现？

我们给AI配了三种“能力”：

1、连网能力（API调用）：让AI可以上网查资料、访问各种服务比如查天气、找地图、搜索信息，只要你平时能用浏览器查到的，AI也可以通过接口获取。

2、编程能力（调用Python工具包）：让AI能写代码干活Python有很多功能强大的工具，比如处理数据、画图表、识别图像、访问网页……AI可以用这些工具写出代码，把你交给它的任务自动完成。

3、执行能力（用Python解释器运行代码）：让AI能在你电脑上动手做事比如它能打开文件、读表格、跑程序，干完后还能把结果发回来，并根据结果继续调整。也就是说，它不仅自己想怎么做，还能做完之后自己看效果再改进。

这样一来，AI就不仅是“帮你查”，还能“帮你做”，还会“做完检查再改”。整个过程就是：理解 → 执行 → 得到结果 → 自我调整。

Q4

你用过哪些Agent产品？体验如何？

黑哥

我们体验过不少，包括AutoGPT、OpenAgents、国内的一些Agent框架，还有火爆的Manus。初体验挺“惊艳”，但深入使用后发现：

它们往往像“流程拼图游戏”——只能解决预设的问题，无法灵活应对变化，大部分被限制在一个云端“电脑”中，缺少更多的用户环境的沟通及扩展，所以我们才意识到，这些“Agent”还是“外部工具操控式”。

而我们真正需要的是“自我决策+自我执行”的AI体。这正是Python-use的优势所在。

Q5

你认同“2025是Agent元年”的观点吗？

黑哥

我觉得模型的能力足够强了，而且随着DeepSeek的爆发引发了企业级应用的成本大幅度降低，也就是大模型应用的性价比已经基本符合企业级的应用需求，所以我是基本上认同“2025是Agent元年”这个观点的。

同时我也觉得“2025是一个Agent分水岭”，因为开始从Agent 1.0到Agent 2.0模式进化，也就是从“拼接工具”式Agent，过渡到“让AI用Python干活”的新范式，真正实现AI Think Do：理解任务 → 规划执行 → 给出结果。



Q6

怎么看“套壳争议”？

黑哥

这其实是一个“伪命题”，Agent本身就是大模型的一种应用，这个本身就是两个概念，核心问题就是目前的大模型都只有大脑，没有手脚，或者手脚被束缚了，要发挥大模型能力就需要解放大模型，真正实现“干活”，纠结“套壳”问题没有任何意义。

Q7

关于套壳，有人认为套壳到极致就是胜利，有人认为还是要关注底层技术的发展创新。事关相关争议，对此你如何评价？

黑哥

这个其实不矛盾，也不是对立的，因为模型本身的进化肯定是需要关注的，模型能力越强成本低才能加快大模型的广泛应用，当大模型能力及成本也就是上面提到的性价比达到一定程度上后，大家就应该去关注应用，真正关心大模型的能力落地到人类的生活工作生成过程中去。

Q8

还有什么想补充的？

黑哥

如果还有一句话要说清楚，那就是：

真正的AI Agent，是没有Agents的Agent。

我们不是靠拼接工具、堆叠流程图、制定各种调用协议来让AI显得“像会干活”，而是直接让AI通过写代码、跑程序、获取反馈，在现实世界里真正“做事情”。

未来的AI，就像一只章鱼：不仅有大脑，还能主动伸出触手，完成任务、感知变化、甚至不断进化。而我们提出的“Python-use”，就是打开这扇门的方法。我们不再让AI站在门外喊话，而是给它一把钥匙，让它真正走进来、帮你做事。

这，不只是一个技术路线，更是一种全新的AI思维方式——让AI Think，也让它 Do。

想要交流、分享更多AiPy使用体验

欢迎扫码进群



点击“阅读原文”，下载立即免费使用