跳到主要内容

大模型的下半场：从 Reasoning Thinking 到 Agentic Thinking

Summary​

青稞AI 林俊旸指出大模型发展正经历从"推理式思考"（Reasoning Thinking）到"智能体式思考"（Agentic Thinking）的范式转移。核心观点是模型不仅需要"想得好"，更需要在真实环境中"做得到"——通过行动、工具调用和闭环反馈来解决实际问题。这代表了 AI 行业从纯推理能力向实际执行能力的根本性转变。

Key Concepts​

  • Reasoning Thinking：模型的推理式思考能力，专注于逻辑推导和问题分析
  • Agentic Thinking：智能体式思考，强调在真实环境中通过行动解决问题
  • Paradigm Shift：从"想"到"做"的范式转移
  • Tool Use：Agent 通过工具调用与外部环境交互
  • Feedback Loop：行动-观察-调整的闭环反馈机制

Detailed Content​

范式转移​

大模型发展的"下半场"标志着一次根本性的Paradigm Shift：

  • 上半场（Reasoning Thinking）：聚焦模型的推理能力，强化逻辑推导、数学证明、代码生成等纯思考任务
  • 下半场（Agentic Thinking）：模型需具备在真实环境中行动的能力，包括Tool Use、环境感知和Feedback Loop

核心转变​

模型能力的评价标准从"想得深"转向"做得到"。Agentic Thinking 要求模型不仅能分析问题，还要能：

  • 制定行动计划
  • 调用外部工具和 API
  • 感知环境变化
  • 根据反馈动态调整策略
  • Agentic Thinking Newsletter
  • Harness Design for Long Running Application Development
  • Multi Agent Architecture
  • Reinforcement Learning
  • AI Agent Framework