VentureBeat这篇文章，点出了如今AI最核心的问题——AI怎么用才靠谱。 很多人以为只要LLM继续升级，智能体就能接近人类水平。但问题在于：你没法教它长期经验。 现在的LLM是什么样？ - 初始表现不错，但始终“原地踏步”； - 你给它反馈，它似乎“听懂”了，但过几轮就忘； - 想让它像人一样越用越好，基本不可能。 这不仅仅是交互体验的问题，而是底层机制不支持“持续学习”。 就像教一个学生弹钢琴，但每次都是一个新学生，每个学生都从头开始，只能靠前人留下的笔记自学……教得动才怪。 企业为什么没把LLM全面用起来？ 并不是管理层不懂技术，也不是Prompt写得不够好。真实原因是：没办法信任它随着业务推移变得更聪明。 一个实习生可以越做越顺，AI不能。 你不能指望每天靠写新Prompt来让它跟得上流程变化，更别提它理解你团队偏好、迭代节奏和历史坑点。 当然，也有一些模型（比如Claude的memory机制）尝试“记住点什么”，但目前还停留在小范围总结，还远达不到“主动进步”的程度。稍微涉及点多模态、跨天跨周的任务，一点上下文延伸就全崩了。 那为什么还有人觉得AGI快了？ 因为在某些方面，AI确实进步神速。比如推理能力，像Gemini 2.5、GPT-4o这些模型已经能做出结构化分析、拆解复杂问题，甚至实现简单的“自我纠错”。 但推理≠成长。看起来聪明，不代表能变聪明。 所以，现在我们处在哪个阶段？ - 想让AI独立处理某些完整任务，比如小企业税务管理，可能还要等到2028年左右； - 想让AI像人类一样持续吸收偏好、修正流程、快速形成个性化工作流，保守估计2032年。 时间表并非拍脑袋决定的，因为AI的进步不是线性的。 可能突然哪天某个系统突破了瓶颈，也可能我们就此经历漫长的等待期，停滞十多年。 总之，大模型会让你惊叹它的第一句话，但让你失望的，是第二次它还是没学会你之前说过的事。 参考链接：venturebeat.com/ai/forget-the-hype-real-ai-agents-solve-bounded-problems-not-open-world-fantasies/
