AI只会聊天?来看看AI是如何长出“手脚”的

多客科技

作者：微信文章
从“大模型”到“智能体”，探讨LLM的边界与Agent概念
在前几篇文章中，我们探讨了AI的基础概念、如何编写Prompt，还探讨了AI作为“模拟器”的本质。知道了这些固然不错，但这些难道只是为了跟AI聊天吗？AI对于我们来说就只是个聪明点的聊天助手吗？

当然不是！但大部分人，对于AI的态度和使用方式，依然只是为了做两件事：

搜东西（比如：豆包，我感冒了，该吃点什么药？）

唠闲磕（比如：豆包，你是男的还是女的，你的头是尖尖的吗？）

这就好像买了台性能很强的电脑却天天只用来玩扫雷和蜘蛛纸牌。

大语言模型（LLM）真正的威力，不只在于它能陪你聊得多开心，还在于当你不再满足于让AI“陪聊”，开始尝试让AI帮你“做事”时——Agent（智能体）就出现了。

---

01. AI的技能：Vibe Coding（氛围编程）“我又不是程序员，AI会写代码关我什么事？”
在2025年的科技圈，有一个非常火的词叫“Vibe Coding”。什么意思？ 以前写代码，你需要懂复杂的语法、标点符号，错一个字程序就崩。 现在，你只需要懂“逻辑”和“感觉”（Vibe）。

在AI眼中，代码和中文、英文没有区别，都是一种语言。因此对于不会代码的用户意味着其拥有了一个24小时待命的“技术外包团队”。你只需要打字/语音描述你的需求，AI会理解并自动将你的想法编写成代码运行，主打一个“营造正在编程的氛围”，实际上一行代码都不用看也不用懂 :)



它打破了技术壁垒，让结果即刻呈现：

交互原型瞬间落地：脑子里有个网页创意的雏形？不用找前端开发。你只需描述需求，AI 就能在后台编写代码并实时渲染。从“一个想法”到“可点击、可交互的产品 Demo”，只需几分钟。

全自动深度调研：老板要一份行业分析？不再需要你去搜索引挚里大海捞针。AI 能像分析师一样，自动编写脚本访问数十个网站，读取研报、交叉验证数据真伪，最终交给你一份逻辑清晰的深度报告。

复杂数据可视化：面对成千上万条枯燥的物流或销售数据，不用学复杂的 BI 软件。直接丢给 AI，它能调用专业图表库，瞬间为你构建出一个可缩放、可钻取的动态热力地图，让数据规律一目了然。

AI打破的不再仅仅是“想法”与“实现”的壁垒，而是赋予了普通人驾驭复杂系统的能力。
02. AI的四肢：Computer Use（计算机操控）




以前的 AI 像是被关在小黑屋里的博士：他博学多才，知道怎么订机票，但他没有手，只能给你写个攻略，最后还得你自己去 App 里一步步操作。

但现在的 AI（Agent 智能体），长出了“手”。

这被称为 Computer Use 或 手机自动驾驶 能力。它不再只是陪你聊天，而是能像人一样：

看着 你的屏幕（视觉识别）。

控制 你的鼠标或手指。

点击 那些复杂的按钮。

未来的工作流是这样的：你对 AI 说：“下周五去重庆出差，预算 5000，订好机票酒店，并加到日历里。”

    AI 的行动：

自己打开 浏览器或携程 App，像真人一样去比价。

自己打开 地图，确认酒店离客户近不近。

最终 生成一个“待支付”的订单页面，你只需要点一下“付款”。

这不仅发生在电脑上，也发生在你的新手机里。比如最近大火的“豆包手机”，你只需要说一句“帮我点两杯瑞幸咖啡”，它就能自己打开 App、选口味、下单。我认为这是一个对于移动设备非常超前且具有革命性的变化，但由于目前各大app的针对，短期内还是难以实现。

但总之，AI不再只是“告诉你怎么做”，而是开始真正“替你做”。（当然，AI难免会出错，所以编程也好，写文章也好，最后还是需要人来把关。）
03. AI的感官：多模态（Multimodality）




现在的大部分大模型（如豆包，GPT-5, Gemini 3.0），已经不再是只能在对话框里打字的“键盘侠”了。

它不仅能读万卷书，现在还能“看”万里路。

文字、语音、图片、视频……在 AI 眼中，这些本质上都是一种“数据”。多模态打破了媒介之间的隔离，成为了处理所有信息的万能转换器：

生活中的“万能识图”：不知道今晚吃什么？直接打开摄像头对着冰箱扫一扫，问它：“基于这些食材，教我做一道不超过 20 分钟的快手菜。”它不仅能认出角落里那半个洋葱，还能询问你的口味生成食谱。

工作中的“视觉推理”：不再需要把数据敲进电脑。对着会议室白板上潦草的手绘流程图拍张照，发给 AI，它能立刻看懂逻辑，并把它转化成一张清晰的电子图表，甚至直接生成对应的代码。

专业领域的“洞察者”：扔给它一张复杂的公司财报走势图，问：“那个突然下跌的曲线是因为什么？”它能结合图片中的数据拐点和当时的新闻背景，给你分析出背后的原因。

这意味着： AI 终于走出了纯文字的抽象世界，开始真正拥有了感知物理世界的能力。

---

03. AI能力的边界在哪里？

看到这里，你可能觉得，那这不是一堆人都得失业，AI这早晚统治世界。也许吧，但至少现在不会。

目前的AI依然有明显的“能力边界”，盲目信任它可能会给你带来很大的麻烦be like：


1. 并没有所谓的“真相”，只有“概率”

（幻觉 Hallucination）AI 的本质不是一个搜索数据库，而是一个“概率预测机”。它不理解也不知道什么是真理，它只是在预测下一个字出现概率最高的是什么。

现象：当它不知道答案时，为了保证语言的流畅性，它会极其自信地一本正经胡说八道。

警示：验证是你的责任。 在涉及法律条文、医疗建议、名人名言或精确数据时，永远不要盲信 AI 的直接输出，必须进行二次核实（或者要求它提供信源）。

2. “注意力”会漂移，缺乏全局观

（上下文限制 Context Limitation）虽然现在的 Agent 能操控电脑，但它更像是一个优秀的战术执行者，而非战略家。

现象：在处理长流程、步骤极其复杂的任务时（比如“写一个从零开始运营到变现的商业计划”），它很容易在中间环节“迷路”，忘记了最初的目标，或者陷入死循环。

警示：不要把过于宏大模糊的任务直接丢给它。你需要像产品经理拆解需求一样，把大任务拆解成一个个具体的、短流程的子任务喂给它。

3. 读过万卷书，没走半步路

（缺乏物理世界常识 Grounding）它可能阅读了人类所有的文本，但它从未真正“活”在物理世界里。它是由数据堆砌的“缸中之脑”。

现象：它可能背下了所有物理公式，但在生成视频或图片时，如果不加控制，依然会犯“人有六根手指”、“花生长在树上”这种常识性错误。

警示：它懂逻辑，但不懂“常理”。在涉及物理常识判断时，人类的直觉依然是最后的防线。

看得出图片里的诡异之处吗

结语：

或许我们会迎来一个人人都能成为“超级个体”（Super individual）的时代。

未来的工作方式，不是你在电脑前苦哈哈地干活，而是你作为指挥官，指挥手下的几个AI数字员工（一个负责写代码，一个负责做图，一个负责查资料，一个负责商业营销）协同作战。试着从现在开始，不要只把AI当成聊天对象。给它一个任务，而不是一个问题。