阿里林俊旸离职后首发长文：AI从“推理思维“迈向“智能体思维“的五大挑战

阿里林俊旸离职后首发长文：AI从"推理思维"迈向"智能体思维"的五大挑战

32岁，阿里最年轻的P10，一手将千问做到全球下载量超10亿次。林俊旸在离职后首篇万字长文中坦承"我们没有全做对"，并指出AI正从"会说话"转向"会做事"的关键临界点。

引言：一个时代的转折点

2026年3月，前阿里千问技术负责人林俊旸在离职后发表了题为《From “Reasoning” Thinking to “Agentic” Thinking》的长文。这不是一篇普通的离职感言，而是对AI发展路线的深刻反思。

他的核心判断是：推理思维阶段（2024-2025）的使命已经完成，AI正在进入智能体思维的新阶段。

这两个阶段的本质区别是什么？

推理思维：先想后答 → 评判答案对错
智能体思维：边行动边思考 → 关注任务能否完成

这个转变看似微妙，实则深刻。它意味着AI不再只是一个"答题机器"，而是要成为一个能在真实世界中完成复杂任务的"行动者"。

第一阶段：推理思维完成了什么使命？

在深入讨论智能体思维之前，我们需要理解推理思维阶段究竟解决了什么问题。

o1 和 R1 的核心贡献

OpenAI 的 o1 和 DeepSeek-R1 做了一件关键的事：证明了"思考"可以成为模型的一等公民能力——一种可以专门训练、并向用户开放的能力。

这个阶段教会了整个行业一个关键认知：

要在语言模型上规模化强化学习，需要确定性强、可规模化的反馈信号。

为什么数学、代码、逻辑成为强化学习的主战场？因为这些领域的奖励信号远比"让人类标注员觉得这个回答还不错"强得多。

通用偏好监督：看起来合理 ≈ 对了？🤔
可验证领域：答案对错 = 明确信号 ✓

基础设施的重要性被低估了

一旦模型开始进行更长的推理链条，强化学习就不再是监督微调（SFT）的轻量附加模块，它变成了一个重工业级的系统工程：

• 大规模的轨迹采样（rollout）
• 高吞吐量的答案验证
• 稳定的策略迭代
• 高效的采样流程

推理模型的崛起，表面看是算法突破，底下看是基础设施的胜利。

但问题来了：2025年上半年，行业把大部分精力都花在了"怎么让模型想得更多"上。这个方向对吗？

林俊旸的回答是：方向对了，但不完整。

核心转变：智能体思维的五大挑战

推理模型输出完答案就结束了。但智能体要在思考和行动之间不断切换，根据真实世界的反馈持续修正计划。

林俊旸列出了智能体思维与推理思维的关键区别，我们可以将其归纳为五大核心挑战：

挑战一：动态切换思考与行动

推理模型：想完再答，一次性输出。

智能体：需要判断何时停止思考、开始行动。

这是第一个本质差异。想太多会错过行动窗口，想太少会犯错。

传统模型：思考 → 思考 → 思考 → 输出答案 ✓
智能体：  思考 → 行动 → 观察反馈 → 思考 → 行动 → ...

这不仅仅是行为模式的改变，而是需要模型学会一种全新的"节奏感"。它需要知道：

• 什么时候信息足够了，可以行动
• 什么时候信息不足，需要继续收集
• 什么时候行动失败了，需要回退重新规划

技术难点：这需要一个"行动决策器"，它本身就是一个复杂的规划问题。

挑战二：实时工具调用的动态规划

推理模型：可能调用工具，但调用是静态的。

智能体：选择调用哪个工具、以什么顺序——这是一个动态规划问题。

这不是简单的 function call。智能体需要：

1. 理解工具能力边界：每个工具能做什么、不能做什么
2. 预测调用后果：调用工具 A 之后会发生什么
3. 动态调整策略：如果工具 A 失败了，备选方案是什么
4. 管理依赖关系：工具 B 需要工具 A 的输出作为输入

静态工具调用：用户说"查天气" → 调用天气API → 返回结果
智能体工具调用：任务 → 分析需要哪些工具 → 规划调用顺序 → 
                 执行 → 观察结果 → 可能需要调整 → 继续执行...

技术难点：这需要一个"工具编排引擎"，它要处理的是图论问题，而非简单的函数映射。

挑战三：消化不完整信息

推理模型：假设输入是完整的、干净的。

智能体：真实世界不会给你完美反馈。

这是智能体思维最"接地气"的挑战。真实环境充满噪声：

• 传感器数据可能有误差
• API 返回可能不完整
• 用户描述可能模糊甚至矛盾
• 系统状态可能部分可观测

理想世界：完整信息 → 清晰推理 → 正确答案 ✓
真实世界：部分信息 → 噪声干扰 → 模糊反馈 → ??? 

智能体需要学会：

• 信息融合：从多个不完整来源拼凑完整图景
• 不确定性管理：在信息不足时做出合理决策
• 噪声过滤：识别并忽略无关或错误的信息

技术难点：这需要一个"不确定性处理器"，它要处理的是概率论问题，而非确定性的逻辑推理。

挑战四：失败后修正而非重来

推理模型：答错了就重答，成本很低。

智能体：行动有代价，失败后需要修正，不能推倒重来。

这是智能体思维最"现实"的挑战。在真实世界中：

• 执行操作可能消耗时间、金钱、资源
• 部分操作不可逆
• 系统状态已经改变
• 其他智能体可能已经响应

推理模型：答案错误 → 清空状态 → 重新推理 → 新答案
智能体：  执行失败 → 保留已执行部分 → 分析失败原因 → 
          调整计划 → 继续执行 → ...

智能体需要学会：

• 断点续传：在失败点恢复，而非从头开始
• 根因分析：理解失败的真实原因
• 计划修复：在原有计划基础上调整，而非重新规划

技术难点：这需要一个"状态修复器"，它要处理的是增量更新问题，而非全量重建。

挑战五：保持多轮交互连贯性

推理模型：单次交互，上下文相对简单。

智能体：跨越多轮对话和多次工具调用，保持逻辑一致性。

这是智能体思维最"长期"的挑战。一个复杂任务可能涉及：

• 数十次工具调用
• 多轮人机交互
• 跨越数小时甚至数天
• 多个智能体协作

单次交互：问题 → 答案（上下文 ≈ 问题本身）
多轮交互：任务 → 子任务1 → 反馈 → 子任务2 → 反馈 → ... 
          → 用户澄清 → 子任务1修订 → ... → 最终完成

智能体需要学会：

• 长期记忆管理：记住之前做了什么、为什么这么做
• 一致性检查：新的行动与之前的决策保持一致
• 上下文压缩：在有限上下文中保留关键信息

技术难点：这需要一个"长期记忆管理器"，它要处理的是记忆检索和压缩问题。

五大挑战的共性：从静态到动态

观察这五大挑战，我们会发现一个共同的主题：

核心转变：从静态推理到动态交互。

这不是简单的功能增强，而是思维范式的根本改变。

技术突破点：智能体时代需要什么？

林俊旸指出，未来的竞争力不只来自更好的模型，还来自：

1. 更好的环境设计

智能体需要一个稳定、可控、可观测的执行环境。这包括：

• 环境模拟器：在真实执行前预演行动后果
• 沙箱机制：限制智能体的影响范围
• 状态追踪：实时记录环境变化

2. 更强的 Harness 工程

“Harness” 这个词来自软件测试，指运行测试所需的基础设施。智能体时代，harness 工程变得至关重要：

• 轨迹采样（rollout）基础设施：大规模模拟智能体行为
• 高吞吐量验证：快速判断行动结果是否正确
• 稳定采样：确保训练数据的质量和多样性

3. 多智能体编排

复杂任务可能需要多个智能体协作：

• 分工机制：智能体各司其职
• 通信协议：智能体之间如何交换信息
• 冲突解决：当智能体目标冲突时如何协调

4. 稳健的评估器

评估器是智能体训练的核心。它需要：

• 延迟反馈处理：很多任务的成功/失败不会立即显现
• 部分信用分配：在复杂任务中确定每个行动的贡献
• 泛化能力：评估器本身不能过拟合

千问的反思：合并思考与指令模式的教训

林俊旸在文中罕见地坦白了千问团队的探索与教训。

最初的雄心

2025年初，千问团队有一个雄心勃勃的构想：

理想的系统应当统一思考模式和指令模式。它应支持可调节的推理力度，类似低/中/高推理档位的设定。

Qwen3 是这个方向上"最清晰的公开尝试之一"，引入了"混合思维模式"。

难题在数据，不在模型

人们谈到合并思考和指令模式时，往往首先想到的是模型侧的兼容性。但更深层的问题是：

两种模式的数据分布和行为目标有本质差异。

强指令模型追求：简洁直接、格式规范、低延迟
强思考模型追求：深度推理、探索替代路径、保留思考余量

这两种性格天然打架。如果合并数据未经精心策划：

• "思考"行为变得嘈杂、臃肿或不够果断
• "指令"行为变得不够干脆、不够可靠，还更贵

最终的选择

2025年下半年，千问团队发布了独立的 Instruct 和 Thinking 版本。

林俊旸的总结是：

真正成功的合并，需要的是一个流畅的推理力度连续光谱。模型应该能表达多个层级的推理力度，理想情况下还能自适应地做出选择。

这指向了一个方向：算力分配的连续策略，而非"想/不想"的二元开关。

Anthropic 的启示：思考应该服务于行动

林俊旸特别提到了 Anthropic 的做法：

Anthropic 的发展轨迹暗示了一种更有纪律的视角：思考应当由目标工作负载来驱动。

Claude 3.7 和 Claude 4 的关键设计：

• 集成推理，而非独立模型
• 用户可控的思维预算
• 在思考过程中就能动手用工具（关键突破）
• 把编程、长时间运行的任务和智能体工作流摆到最优先位置

这暗示了一个重要观点：

推理链更长，不等于模型更聪明。很多时候，过多的可见推理恰恰是算力分配低效的信号。

如果一个模型试图用同样啰嗦的方式对所有事情进行推理，它可能正在失败于三件事：

1. 该优先处理什么（优先级判断）
2. 该压缩掉什么（信息浓缩）
3. 该在什么时候停止想而开始做（行动决策）

结语：从训练模型到训练系统

林俊旸用一句话总结了这个转变：

从"想更久"到"为了行动而想"。

这不仅仅是技术路线的调整，而是对 AI 本质的重新理解。

推理思维时代，我们在教 AI"如何思考"。智能体思维时代，我们在教 AI"如何做事"。

前者关注答案的正确性，后者关注任务的完成度。前者可以在沙盒中验证，后者必须在真实世界中检验。

未来的竞争力将不只来自更好的模型，还来自：

• 更好的环境设计
• 更强的 harness 工程
• 多智能体之间的编排
• 评估器的稳健程度

从训练模型，到训练智能体，再到训练系统。

这是 AI 从"会说话"正式转向"会做事"的关键临界点。