110. 逐段讲解Kimi K2报告并对照ChatGPT Agent、Qwen3-Coder等：“系统工程的力量”

我们又来读论文啦！！！今天我们要读的论文是最近几个星期内最值得品读的几篇技术报告，分别是：Kimi K2、ChatGPT Agent、Qwen3-Coder的技术报告，以及Manus的一篇技术博文。他们的相关性是，这几篇内容都和Agent有关系。今天的嘉宾是俄亥俄州立大学（The Ohio State University）的在读博士郑博元，他的研究方向是Language Agent，他会带我们一起读上述技术报告和博文。这是《商业访谈录》的“技术之美”系列，期待和你一起读论文，领略科技平权，感受技术之美——做你的赛博组会：）00:02:00 给Agent下定义和分类00:14:50 Kimi K2、ChatGPT Agent、Qwen3-Coder、Manus的技术路线对比00:28:29 Agent Training 的关键环节：合成数据、强化学习、安全00:30:57 第一篇技术报告：Kimi K2: Open Agentic Intelligencegithub.com00:43:50 第二篇技术报告和访谈：Introducing ChatGPT agent: bridging research and actionopenai.com红杉访谈OpenAI：OpenAI Just Released ChatGPT Agent, Its Most Powerful Agent Yetwww.sequoiacap.com01:53:38 第三篇技术报告：Qwen3-Coder: Agentic Coding in the Worldqwenlm.github.io01:59:04 第四篇技术博文：AI代理的上下文工程：构建Manus的经验教训（作者：Yichao 'Peak' Ji）manus.im02:06:06 展望：也许会有一个新的范式02:15:20 我感觉Agent是“我拓展的大脑”，我背后有一个“军团”（Family of Agents）02:16:41 不同Bot的语言风格：DeepSeek嘴臭，元宝舔狗智能体定义Agent是一种能够与环境进行交互（interaction）的智能系统。它具备两个基本能力：感知能力（Perception）能够观察环境的状态，包括获取外部信息、读取反馈信号、解析上下文等。行动能力（Action）能够在环境中执行动作，例如调用工具、生成输出、控制界面、修改变量等。简言之，Agent = 感知 + 行动在一个循环中不断执行“观察 → 决策 → 行动”的流程，以达成任务目标。Agent 的定义与分类1. Coding Agent（代码智能体）代表产品：Cursor、Windsurf特点：代码生成与编辑能力强，用户体验优秀应用场景：代码补全、代码重构、多人协作编程2. Search Agent（搜索型智能体）特点：结合搜索引擎，自动完成信息检索和汇总应用场景：市场调研、报告生成、竞争对手分析等潜力：在企业级场景中有很强的应用价值3. Tool-Use Agent（工具使用型智能体）特点：能够调用多种外部工具完成复杂任务应用重点：是目前 Agent 研究和落地的主要方向举例：ReAct（推理 + 行动）类 Agent，通过 tool calling 执行任务4. Computer Use Agent（电脑操作型智能体）代表产品：OpenAI Operator、Claude 的 Computer Use特点：模拟人类使用电脑，完成跨应用的复杂操作应用场景：执行流程自动化、远程助理、办公代理Agent 的技术路线对比1. In-Context Learning（上下文学习）特点：依赖强大的预训练模型，通过提示构造实现任务规划与执行优势：无需微调，灵活性高局限：泛化能力弱，rollout 长度有限，容易失控2. End-to-End Training（端到端训练）特点：将 Agent 的全部行为编码进模型权重优势：推理稳定，可控性强局限：训练成本高，环境构建复杂Agent Training 的关键环节1. Data Synthesis（数据合成）方法：生成大量高质量的 trajectory（行动轨迹）用途：训练 Agent 在任务中如何决策、调用工具、管理 memory（记忆）2. Reinforcement Learning（强化学习）条件：需要定义清晰的 task（任务）与 verifiable reward（可验证奖励）挑战：任务难度与环境反馈设计直接影响 Agent 的行为质量3. Safety（安全性）问题风险：Agent 具备自主决策能力，容易误用工具、走偏轨迹对策：加入 sandbox（沙盒）限制、行为约束机制、Human-in-the-loop（人类监控）展望：也许会有一个新的范式生成数据的核心会从 input-output 式的数据标注，转向构建 environment（环境）以及对应的 task-reward（任务-奖励）。比如 Scale AI 提出的 rubrics as reward（用评分标准作为奖励机制）Agent 能不能实现自我提升（self-improve）？一方面，Agent 在和环境交互的过程中会不断获得新数据；那它能不能自己找到或构造 verifiable reward（可验证的奖励）？交互中积累的 experience（经验），能不能被更有效地利用起来？