大语言模型依然是整个 AI 系统的核心。因为它提供了语言理解能力推理能力生成能力规划能力。没有 LLM后面的 Tool、Workflow、Memory、Agent 都失去了智能基础。但是LLM 更像是AI 系统中的“大脑”。然而一个真正能够工作的智能体还需要感知外部世界调用工具执行动作保存长期记忆管理任务状态协调多个能力模块。因此,我认为 未来的 AI 应用不是“只有模型”而是“模型 系统”的组合。16.2 从 ChatBot 到 AgentAI 应用形态的演进我们可以把 AI 应用的发展过程理解为一个逐步升级的过程。ChatBot↓Tool Calling↓MCP↓Workflow↓Memory↓Skill↓Agent Runtime↓Autonomous Agent这个演进过程反映了 AI 从“回答问题”到“完成任务”的变化。阶段主要能力ChatBot回答问题Tool Calling调用工具MCP连接统一工具生态Workflow组织固定流程Memory保存长期信息Skill封装专业能力Agent Runtime持续执行任务Autonomous Agent自主规划和完成复杂目标可以看到Agent 并不是突然出现的新概念而是 AI 能力逐步工程化后的结果。16.3 为什么未来比拼的是系统能力假设有两家公司。A 公司拥有一个很强的大模型但它只能聊天。B 公司使用同样的大模型但它还拥有企业知识库数据库连接能力ERP 接口Workflow 流程Memory 系统Skill 能力库。当用户提出一个复杂业务需求时A 公司只能给出建议。B 公司不仅能给出建议还能查询数据执行流程生成结果推动任务完成。显然B 公司的 AI 系统更有实际价值。这说明,未来的竞争不只是“谁的模型更聪明”更是“谁能把模型更好地嵌入真实业务系统”。这也是为什么各大AI公司相继推出了自己的AI Agent 模型代理.16.4 AI 软件正在发生什么变化传统软件通常是用户输入↓固定程序逻辑↓输出结果它的特点是逻辑由开发者提前编写流程是确定性的功能边界比较固定。而 AI Agent 系统更像用户目标↓Agent Runtime↓LLM 推理↓Tool / Workflow / Memory / Skill↓执行结果它的特点是用户提供的是目标而不是精确操作步骤系统需要动态规划结果可能来自多次推理和工具调用。因此我们可以发现 软件行业正在从“功能驱动” 逐步转向“目标驱动”。16.5 未来企业 AI 系统的典型架构结合前面几章的内容一个企业级 AI 系统通常会形成这样的结构用户 │ ▼ AI 应用入口 │ ▼ Agent Runtime ┌───────────┼───────────┐ ▼ ▼ ▼ Memory Workflow Skill │ │ │ └───────┬───┴───────────┘ ▼ LLM │ ┌─────────┴─────────┐ ▼ ▼ MCP Native Tool │ ▼数据库 / ERP / 浏览器 / API / 文件系统在这个架构中LLM 提供智能推理Memory 提供长期知识Workflow 保证业务流程稳定Skill 提供专业能力MCP 统一连接工具Runtime 负责整体调度。真正有价值的企业 AI通常不是某一个单独组件而是这些组件协同工作的结果。16.6 开发者应该如何理解这场变化作为我们软件开发者来说这场变化不仅仅意味着“学习一个新模型”。其实更重要的是,软件系统开始具备越来越强的自主决策能力。因为这会带来几个明显变化第一Prompt 不再是唯一重点早期 AI 应用非常依赖 Prompt Engineering。但在 Agent 系统中Prompt 只是 Skill 和 Runtime 设计的一部分。第二系统设计变得更重要一个成功的 AI Agent往往取决于Tool 设计Workflow 编排Memory 管理Context 控制Runtime 调度。这些都属于软件工程范畴。第三业务知识会成为关键资产通用模型越来越容易获得。但企业自己的业务流程数据结构历史知识规则体系其实这才是结合 AI 真正发挥价值的地方。16.7 一个重要趋势AI 不再只是“功能”而是“系统能力”未来的软件可能会越来越像这样提出目标↓Agent 规划步骤↓调用工具↓执行流程↓持续反馈↓完成目标也就是说AI 不再只是软件中的一个功能模块而会逐渐成为软件系统的核心交互方式。16.8 回顾全系列从 Token 到 Agent现在我们可以回顾我们整个系列的逻辑。其实我们这个系列,可以算是分成了2个部分.第一部分模型如何思考什么是文字接龙Token、Tokenizer、VocabularyEmbeddingAttentionTransformerFFN、SwiGLU、MoE训练方式Next Token Prediction幻觉机制。这些解释了LLM 为什么能够表现出智能。第二部分AI 如何做事为什么需要 AgentTool CallingMCPWorkflowMemorySkillAgent Runtime。这一部分解释了LLM 如何从“会思考”变成“能完成任务”。最终本系列形成了一个完整闭环Token↓LLM↓Reasoning↓Tool Calling↓MCP↓Workflow↓Memory↓Skill↓Agent Runtime↓Autonomous Agent系列结语从最开始的 Token到最终的 Agent Runtime我们总结了一下AI从开始到现在的技术演进路线大模型让机器具备了理解和生成语言的能力Tool 和 MCP 让 AI 能够连接现实世界Workflow、Memory 和 Skill 让 AI 能够适应企业业务Agent Runtime 则让这些能力形成一个持续运行的智能系统。