冬天里的壳

劳伦斯·利弗莫尔国家实验室的合同终止通知送达帕洛阿尔托的那天，是1987年11月的一个星期三。斯坦福大学计算机科学系的走廊里，复印机吐出一份十八页的备忘录，标题是《战略计算计划：中期评估》。这份文件由DARPA的信息处理技术办公室起草，措辞干燥得像沙漠，但它的结论足以让整层楼的研究员停下脚步：未来三年，人工智能基础研究的联邦拨款将削减百分之四十五。

不是削减“应用研究”，不是削减“演示系统”，是基础研究。那些支撑着推理、规划、自然语言理解、知识表示的理论探索，被判定为“在可预见的作战需求中缺乏明确的应用路径”。

走廊里没人说话。有人在复印机前站了很久，读完最后一页，转身走回自己的办公室，关上了门。

这不是第一份坏消息。十八个月前，LISP机器市场已经塌了。Symbolics公司——那个曾经代表人工智能产业化最高成就的公司——在1986年把年收入做到了一亿零三百万美元，1987年跌到了不到两千万。它的竞争对手LMI更惨，直接破产清算。

两家公司加起来裁掉了超过八百名工程师，其中相当一部分人回到学术界，发现学术界的门也关了一半。1987年，麻省理工学院的AI实验室被迫与计算机科学实验室合并，改名为“计算机科学与人工智能实验室”。负责人帕特里克·温斯顿在合并备忘录里写了一句后来被反复引用的话：“我们高估了推理的力量，低估了感知的难度。”

合并意味着裁员，裁员意味着项目终止，项目终止意味着那些花了十年时间研究规划、推理、知识表示的博士们，突然发现自己的研究领域在市场上没有任何需求。一些人转向了数据库系统，一些人转向了操作系统，少数人彻底离开了计算机科学。

但冬天不是毁灭，是筛选。被筛选出去的，是把AI当作融资概念的人。留下的，是那些在没有任何商业回报的预期下，仍然继续建造“壳”的人。

迈克尔·乔治夫是留下的人之一。1987年，他在斯坦福大学担任计算机科学系的研究员，同时兼任澳大利亚电信研究实验室的顾问。他的研究方向是规划系统——具体来说，是如何让一个智能体在执行计划的过程中，根据环境的变化不断调整自己的行动。

这个方向在当时的主流人工智能界属于边缘中的边缘。主流研究把大部分精力放在知识表示和推理引擎上，认为只要把知识库建得足够大、推理规则写得足够完备，智能就会自然涌现。

乔治夫不这么看。他认为，关键不在于知道多少，而在于能否在知道不完全的情况下，持续地、可修正地行动。

这个直觉来自他对STRIPS规划器的反思。STRIPS是1971年斯坦福研究所开发的自动规划系统，它用一个叫“规划域定义语言”的形式化语言来描述世界状态——哪些物体存在，它们之间有什么关系，操作如何改变这些关系。给定一个初始状态和目标状态，STRIPS可以生成一个动作序列，从初始状态抵达目标。这个系统在积木世界的演示中表现完美：机械臂拿起红积木，放在蓝积木上，再拿起绿积木，堆在红积木上面。每一步都精确，每一步都符合预期。

但STRIPS有一个根本性的假设：世界在执行过程中不会改变。它假设执行每一步之后，世界状态就是规划器预测的那个状态。

在真实的工厂车间里，这个假设在第一秒就碎了。机械臂可能会打滑，积木可能被旁边的人碰倒，传感器可能给出噪声读数。如果规划器假设世界不变，而世界一直在变，那么规划就变成了一个一次性的承诺，一旦执行出错，整个计划崩溃，必须从头开始。

乔治夫在1987年发表的论文《过程推理系统：一个基于信念-目标-计划的智能体架构》中，提出了一个完全不同的模型。

他不再把规划看作一个“先规划、后执行”的线性过程，而是把它放进一个循环里。智能体在每一个时刻都有一个信念库——它认为当前世界是什么状态。它有一个目标库——它想要达到什么状态。它有一个计划库——它知道哪些动作序列可以实现哪些目标。在执行过程中，智能体选择一个与当前目标匹配的计划，执行第一步，然后观察环境。如果观察结果与信念一致，继续执行下一步。如果不一致，更新信念，重新选择计划。如果当前目标被更高优先级的事件打断——比如系统告警——当前计划被挂起，信念被保存，注意力转向新目标。

这是一个循环。信念-目标-计划-执行-观察-更新信念。这个循环在1987年没有任何产品化的可能，因为它的每一步都依赖一个在当时不可能实现的前提：智能体能够准确地感知环境。PRS的信念更新机制假设系统能够从传感器获得可信的、结构化的世界状态描述。

但在1987年，计算机视觉连一个咖啡杯都识别不了，自然语言理解只能处理两百个单词的封闭词汇表。PRS只在一个领域里有效运行过：澳大利亚电信的交换机故障诊断。那个领域足够封闭，足够结构化，足够有限，所以信念更新是可能的。

乔治夫在1991年把PRS带回了澳大利亚，创立了一家叫澳大利亚人工智能研究所的公司，后来改名为Agentis。这家公司的商业逻辑很简单：把PRS卖给电信运营商，用于自动化的故障管理。系统会监控交换机的告警信号，根据预定义的诊断计划生成修复步骤，在人工监督下执行。如果告警模式不匹配任何已知计划，系统会转人工。Agentis拿下了澳洲电信的合同，后来又拿下了几家中小型运营商的订单。

但它的规模始终没有突破一个微妙的临界点。原因不是技术，而是信任。电信运营商愿意让系统自动诊断故障，但不愿意让它自动执行修复。因为一条误发指令可能导致成千上万的用户断网，修复成本可能高达六位数。

所以在每一份合同里，Agentis都被迫加入了强制的人工干预节点。系统可以建议，但不能执行。可以分析，但不能决策。结果是，PRS的规划循环在实际部署中被截断了：它生成计划，人审核计划，人执行计划，系统观察到的执行结果是人做出来的，不是系统自己做出来的。循环没有闭合。

这是一个信任工程学的早期标本。自主性不是按智能出售的，是按信任出售的。而信任在开放世界里，每一步都需要用可回滚的边界来换取。

Agentis没有倒闭。它活到了2000年代，最终转型为一家业务流程管理软件公司。但它的故事已经说明了一个法则：缰绳的效用，与底层模型的泛化能力，是乘积关系。PRS的规划循环在设计上优雅而完整，但它的底层模型——符号化的信念更新规则——只能处理极端有限的状态空间。被乘数太小，乘积被锁死在接近零的位置。

在乔治夫离开斯坦福的同一年，距离斯坦福不到三英里的山景城卡斯楚街，另一群人正在试图建造一个比PRS宏大得多的壳。这家公司叫通用魔法。

它的创始人名单读起来像是硅谷的先贤祠：比尔·阿特金森，Macintosh原始团队的核心成员，HyperCard的创造者；安迪·赫兹菲尔德，Macintosh操作系统的主要作者之一；马克·波拉特，苹果公司前高级技术执行官。

1990年，他们从苹果公司剥离出来，带着一个在当时听起来像科幻小说的愿景：让软件代理在网络中独立移动，代表用户完成交易、安排会议、筛选信息。通用魔法的核心技术叫Telescript，一种专门为移动代理设计的面向对象编程语言。在Telescript的世界里，一个代理是一个携带指令和数据的对象，它可以在网络中的服务器之间跳跃，在目的地执行任务，然后带着结果返回用户。代理不是被动的消息传递者，而是主动的执行者。它有自己的“护照”——一个包含用户身份和授权的凭证。它有自己的“行李”——携带的数据和中间结果。它有自己的“行程”——一个预定义的任务序列。

Telescript的架构师鲍勃·弗兰克斯顿在设计文档里描述了一个典型的应用场景：用户告诉代理“帮我找三件东西——下周三从旧金山飞纽约的机票，预算不超过五百美元，偏好靠过道的座位；一家在曼哈顿中城、评分四星以上的酒店，入住日期与机票匹配；一个周三下午在纽约大学附近的咖啡店，可以安静坐两个小时”。代理会离开用户的个人设备，跳转到航空公司的预订服务器，执行搜索和筛选，然后跳转到酒店预订系统，再跳转到地图服务的数据库。如果任何一个环节遇到冲突——比如机票预算内只有靠窗座——代理会暂停执行，返回用户侧请求新的指令，然后从暂停点恢复。

这个暂停-请求-继续的循环，与PRS的信念-目标-计划循环在结构上如出一辙。代理感知环境（在航空公司的数据库里搜索），执行动作（预订机票），观察结果（预算不匹配），更新状态（暂停并返回用户），重新规划（根据用户新指令继续）。这就是在封闭世界里的规划循环，只不过通用魔法试图把它搬到开放互联网上。

但开放互联网意味着一个PRS不需要面对的问题：权限。代理要在别人的服务器上执行代码，要访问别人的数据，要代表用户做出具有法律效力的购买决策。每一个动作都需要权限，而权限意味着风险。

通用魔法的工程师们在这一刻做出了一个重要的工程决策。他们发明了Telescript的安全沙箱：一个禁止代理访问宿主机文件系统、禁止修改系统配置、禁止发起超出用户授权范围交易的受限执行环境。在1994年申请的一项专利中，通用魔法详细描述了沙箱的实现机制——每个代理在装载时被分配一个“能力清单”，清单上列出了代理被允许执行的操作类型。能力清单由用户签名，在网络中不可篡改。远程服务器在接收代理时，首先验证签名，然后根据能力清单创建沙箱。代理在沙箱内的任何操作，如果超出了能力清单的范围，都会触发异常，强制代理进入暂停状态，并向上报用户。这是有据可查的最早的代理权限系统。

它的核心思想——最小权限原则、沙箱隔离、用户签名的授权清单——在二十三年后的OpenAI插件系统和Anthropic的计算机使用权限窗中，几乎原封不动地重现了。

但通用魔法失败了。1995年2月，公司以每股三十二美元的价格上市，市值一度突破二十亿美元。投资人被Telescript的愿景迷住了：一个由软件代理构成的服务网络，用户不再需要自己操作软件，而是把任务委托给代理，代理在后台完成一切。1995年夏天，美国在线、AT&T和索尼都宣布了与通用魔法的合作计划。

然后互联网发生了。不是通用魔法设想的那个由专有代理网络构成的互联网，而是开放的、基于HTTP和HTML的万维网。网景浏览器让普通人可以直接访问网页，亚马逊和eBay让普通人在浏览器里直接完成交易，不需要代理跳转，不需要服务器协商，不需要能力清单。用户只需要一个浏览器和一个鼠标。通用魔法花了五年时间建造的代理网络，被一个更简单的协议栈在十八个月内边缘化了。

到1996年底，通用魔法的股价跌到了每股三美元以下。合作伙伴退出了，开发者社区没有形成，Telescript的代理在真实网络中的任务完成率远低于预期。

原因与PRS完全相同：底层没有可用的通用智能。代理的每一条行为规则都需要人工编写，每一个可能遇到的数据格式都需要预先适配，每一个目标网站的交互逻辑都需要单独编码。在十家航空公司的主页上执行同一个“搜索机票”任务，需要十套不同的适配脚本，而每一套脚本在网站改版时都会失效。维护成本的增长速度超过了编写速度，代理的智能全在人写的规则里，而规则永远写不完。

1997年9月，通用魔法宣布停止Telescript的开发，公司转向手持设备的操作系统。在转向之前的一个内部会议上，比尔·阿特金森说了一句话，后来被参会者记下来传到了硅谷的工程圈子里。

那句话的原文是：“We built a perfect shell, but there was no helmsman inside who could navigate the storm.”——我们建造了一艘完美的壳，但壳里没有能够驾驭风浪的舵手。这个比喻精确得近乎残忍。壳是完美的：沙箱是安全的，权限系统是完备的，代理迁移协议是精巧的，暂停-恢复机制是健壮的。但壳里的智能——那个能理解开放世界、适应未知情况、在规则之外做出正确判断的舵手——不存在。于是壳变成了一个空壳，一个工程上的完美标本，一个没有用武之地的架构。通用魔法的失败是一个信号，但它不是唯一的信号。在整个1990年代，同样的模式在至少三个不同的领域里重复出现。第一个领域是规划系统。1994年，卡内基梅隆大学的一个研究组发表了一篇关于概率规划的论文，标题叫《在部分可观测域中执行规划》。

这篇论文把PRS的信念更新循环推到了概率域：如果行动A失败了，系统不是报错，而是根据预先计算的概率分布，尝试替代行动B。如果替代行动也失败了，系统会把失败信息反馈给规划器，生成新的子目标。这个循环框架——执行、观测、更新信念、重新规划——在理论上已经完整了。但论文的实验部分暴露了它的局限：所有测试域都是人工构建的封闭世界，包括一个八格迷宫、一个有四块积木的桌面、一个只有二十种状态的税务表格。论文的结论坦率地承认：“在开放域中，概率分布的编码成本以指数级增长，使得该方法在当前的感知技术条件下不可行。”

第二个领域是Web代理。1996年，华盛顿大学的研究组发布了ShopBot，一个能自动在十几个在线商店中搜索商品价格的比价代理。ShopBot的技术原理极其简单：它向每个目标网站发送HTTP请求，抓取返回的HTML，用正则表达式提取价格数字，然后排序展示。

但ShopBot的创建者之一罗伯特·多尔蒂在项目总结中写了一个关键的观察：工程中最难的部分不是让代理抓取数据，而是让代理知道什么时候它抓取的数据是错的。ShopBot之所以能运行，是因为价格是用户一眼就能验证的——如果返回的价格明显不对，用户会立刻发现。地面真值由用户提供，循环的闭合点不在机器这边，在人那边。这是一个手动闭环系统。手动闭环意味着系统无法规模化——每增加一个用户，人工验证的成本就线性增加。

第三个领域是邮件代理。1998年，一个叫Max的电子邮件管理系统在几家硅谷公司内部试用。Max的设计目标是自动分类邮件、提取关键信息、生成摘要。

它的核心算法是朴素贝叶斯分类器，精度在今天看来很粗糙，但在当时已经是可用的水平。Max的工程师们给它加了一个严格的行为约束：它不能自动删除邮件，不能自动回复，不能自动转发。所有的动作都停留在“建议”层面，用户必须手动确认。

这不是工程师们不想做自动化，而是他们在内部测试中发现了一个清晰的模式：每次代理的自主权增加一级，用户对系统的信任度就下降一次。用户愿意接受代理帮他们做决定，但不愿意接受代理替他们做决定。帮和替之间，隔着一道信任的鸿沟。

而Max的工程师们没有找到桥接这道鸿沟的方法，于是他们选择了退让——把自主性砍掉，只保留建议功能。

Max项目的内部评估报告里记录了一个具体的数据点：在测试期间，当代理被允许自动归类邮件（但不执行任何操作）时，用户采用率是百分之六十七。当代理被允许自动标记紧急邮件并推送到用户首页时，采用率掉到了百分之四十一。当代理被允许在用户度假期间自动回复部分邮件时，采用率跌到了百分之十二。

用户给出的主要反馈是，他们不信任代理能准确判断哪些邮件该回复，哪些不该回复，以及回复的内容是否得体。在没有地面真值的情况下，一次错误回复的代价——可能是冒犯一个客户，或者泄露一个不该泄露的信息——远高于手动处理所有邮件的成本。

这三条线索——规划系统的循环、代理的沙箱、Web爬虫的反馈机制——在1990年代几乎没有任何交集。做规划的人在国际人工智能联合会议上发表论文，做代理的人在硅谷的车库里创业，做爬虫的人在信息检索会议上讨论正则表达式。他们属于不同的学术圈，不同的技术栈，不同的资助体系。但他们的工作汇聚在同一个问题上：如何在智能不可靠的情况下，建造一个可靠的壳？而答案，在每一种情况下，都是同一个：缩小任务域，降低自主性，增加人工干预。

PRS从通用的规划系统退化为电信故障诊断的建议工具。Telescript从通用代理网络退化为一个没有商业应用的原型。ShopBot从自主比价引擎退化为一个需要用户手动验证的价格抓取器。

Max从邮件管理代理退化为一个邮件分类建议器。壳还在，但壳里的空间被压缩得越来越小，越来越薄，直到它变成了一层紧贴着任务表面的膜。

1999年，互联网泡沫的顶峰，一家叫Siri的初创公司还没有成立。但在那一年，一个叫Aaron Swartz的十三岁少年开始参与RSS标准的制定。RSS是“真正简易聚合”的缩写，它的技术方案很简单——一个标准的XML格式，网站用它在更新内容时推送给订阅者。但RSS的哲学意义比它的技术意义大得多：它是第一个被大规模采用的、机器可读的Web内容格式。爬虫不再需要解析混乱的HTML，它们可以直接读取结构化的数据。这是协议作为壳的一层，第一次在Web上找到大规模采纳的路径。

RSS的成功不是因为它技术上的优越——在它之前，已经有至少三种更复杂的Web聚合协议。RSS的成功是因为它足够轻。它只定义了几个字段：标题、链接、描述、发布日期。不需要描述服务的接口，不需要定义交互流程，不需要签名和权限。

它只是一个数据格式，任何人都可以在一个下午实现解析器。这种极简的策略，在十五年后MCP协议的设计中，会被反复讨论。

2000年3月，纳斯达克指数开始下跌。互联网泡沫破裂。风险投资枯竭。曾经在1990年代投资过通用魔法的那批投资人，现在听到“智能代理”四个字就摇头。2001年“九一一”之后，美国政府的科研经费大量转向反恐和安全领域，人工智能基础研究再遭重创。

这是第二波AI冬天。它比第一波更冷，因为它紧跟着市场上真金白银的蒸发。学术界的经费被砍了，工业界的岗位消失了，连那些在寒冬中坚持下来的老研究员，也开始建议自己的学生转向更安全的领域。

但在第二波冬天里，有一些东西没有死。它们变成了地下河，在主流视野之外静默地流淌。

2002年，一个叫“Web服务”的概念在企业软件领域兴起。SOAP协议、WSDL描述语言、UDDI注册中心——这套技术栈的目标是让不同的软件系统在互联网上自动发现彼此，协商交互方式，然后执行任务。

SOAP背后的思想与Telescript如出一辙：一个标准化的代理通信协议，让机器可以代表用户在网络上执行操作。但SOAP犯了和Telescript同样的错误：它太重了。它要求每一个服务提供详尽的WSDL描述文件，要求每一次交互都经过严格的XML Schema验证，要求每一个代理都理解复杂的SOAP信封格式。结果，它在企业防火墙后面还有生存空间——那些有钱有人的大公司可以雇佣专门的集成团队来维护SOAP服务——但在开放互联网上，几乎没有自愿采纳者。

2005年，罗伊·菲尔丁在一篇博士论文里正式命名了REST。REST不是一种新协议，它只是把HTTP本身已经提供的方法——GET、POST、PUT、DELETE——提升为一种架构风格。REST不定义任何新的格式，不要求任何描述文件，不强制任何验证流程。一个RESTful的API就是一个HTTP端点，它返回JSON而不是XML，它的文档可以用一页纸写完。

REST的采纳成本几乎为零，所以它赢了。到2010年，REST已经成为Web服务的主流风格，SOAP被挤到了企业集成的角落。这是协议政治的一课，在二十年后的MCP标准战争中会被反复提起。标准不一定是技术最优的那个，而是采纳成本最低的那个。在缰绳层，协议的价值不在于它能表达多少语义，而在于它能不能让足够的参与者快速接入。

2006年，杰弗里·辛顿在加拿大多伦多大学发表了一篇关于深度信念网络的论文，这篇论文通常被认为是深度学习复兴的起点。但那个时刻，智能体壳层的研究者们没有注意到这件事。他们还在各自的地下河里游着——规划系统在概率推理的框架里继续迭代，代理沙箱在移动操作系统的安全模型里找到了新的应用场景，Web协议在REST的旗帜下继续简化。三条线索各自延伸，但它们的乘积——壳的效用乘以模型的泛化能力——仍然被锁死在接近零的位置。2007年，Siri公司成立。

它的初始团队来自斯坦福研究所的CALO项目，这是“认知助手学习和组织”的缩写，一个由DARPA资助的大型人工智能项目。CALO的智能体架构与PRS一脉相承：信念、目标、计划、执行、反馈。

但当Siri在2010年被苹果收购并在2011年作为iPhone功能发布时，它的自主性被大幅削减。它不再是一个能规划多步任务的智能体，而是一个单轮交互的语音命令系统。用户说一句话，Siri返回一个结果。没有循环，没有多步执行，没有自主决策。

这不是苹果的工程师不想做更多，而是他们知道，在当时的模型能力下，任何超过一步的自主循环都会导致不可接受的错误率。Siri的单轮交互模式定义了此后十年公众对“智能助手”的认知：一个能听懂命令的语音界面，不是一个能自主完成任务的劳动力。

智能体——真正的智能体，那种能规划、能执行、能纠错、能回滚的智能体——仍然困在实验室里，困在积木世界里，困在电信交换机的封闭诊断系统里，困在比价引擎的正则表达式里，困在邮件代理的信任报告中。等待被乘数长大。

2012年，AlexNet在ImageNet竞赛上以压倒性优势击败了所有传统计算机视觉方法。2014年，序列到序列模型在机器翻译上取得突破。2015年，注意力机制被引入。2017年，Transformer架构在论文《Attention Is All You Need》中被提出。2018年，BERT和GPT相继问世。被乘数开始以指数级增长。

但壳层的研究者们——那些在冬天里坚守了二十年的人——大多已经退休、转行、或者把注意力转向了其他领域。他们的论文躺在会议论文集里，他们的专利躺在知识产权局的档案库里，他们的代码仓库在SourceForge和早期的GitHub上沉睡。

PRS的源代码在1990年代末被乔治夫开源，下载量从未超过三位数。通用魔法的Telescript专利在2003年过期，没有续费。ShopBot的爬虫框架在2001年被一个开源项目吸收，后来那个项目也停止了更新。Max的信任评估报告只在公司内部流转，从未公开发表。

它们像冬天里的壳，硬、冷、没有生命、但保留了结构——当2022年秋天ChatGPT把世界从神谕模式推进到对话模式时；当2023年6月函数调用API第一次把外部工具绑定到大语言模型上时；当2023年春天AutoGPT在GitHub上以每周五万颗星标的速度狂飙时——那些沉睡了三十年的工程常识突然苏醒；

不是因为新天才一夜顿悟；而是因为壳上的刻痕终于等到了能够填满它的智能；被乘数不再是零；乘积开始爆炸；而冬天里的壳成了春天里每一座建筑的模板