另外，我觉得今天的 AGI 事实上做不了超长任务。而我现在的任务很多时候都超过半小时。
我每天消耗的 Token 就是 50 美元。只要我那天想工作，从早到晚它都在消耗 Token。我真的觉得，我完全可以跟它说：「我有一些 Idea，这是我的 Idea 方向，请你帮我完成一个 10 天的任务，帮我赚 500 万美元。」
我认为这并非神话，只是我好像对此没有那么大的吸引力，就没有去做，或者说，因为这可能要消耗自己很多情绪和精力，赚不到钱的时候会很痛苦。
但我就想，它能否连续工作 10 天，你不用干预它，或者偶尔提醒一下方向，它能否工作一个月，甚至一年？
我觉得在不久的将来，达到诺贝尔奖或菲尔兹奖级别的成果是完全没有问题的。
因为我与它交流时，有时会讨论我们以前学过的超级复杂的算法，全世界可能都没几个人研究，它都比很多人聊得好多了。所以，如果你给它足够的上下文和代码，它其实可以进行非常深入的沟通。
回归本质：什么是通用Agent 和智能接下来，我想跟大家分享一下我对智能和 Agent 的思考。
简单来说，一个 AI Agent 包含两个核心部分：规划器（Planner）和执行器（Executor）。
AI Agent 的结构｜图片来源：出门问问，下同
规划器通常依托大型语言模型，承载了 Agent 的主要职能。它根据任务制定详细的计划。执行器则负责将这些计划付诸实践，无论是编写代码，还是自动化浏览器操作以制作视频。
Agent 的运作是一个持续的反馈循环：
-
规划: Agent 根据任务制定具体行动方案。
-
执行: 执行器按计划操作。
-
获取反馈: 执行过程中，Agent 从环境中获得即时反馈。例如，当 Agent 尝试运行「python」命令而本地实际是「python 3」时，系统会报错，Agent 便能识别并修正为正确的命令。
-
调整与迭代: Agent 根据反馈重新规划，更新对当前情境的理解（上下文），然后再次执行。
-
目标达成: 当预设的成功标准（如程序编译通过或测试全部完成）达到时，循环结束。
如果我们思考智能的本质，我认为，智能的第一个本质是进化。
就像人类作为智能体，在特定环境中（无论是社交还是任务执行），通过获取反馈来不断调整自身行为并进行反思一样，AI 也应如此。这种进化是自动的，无需人工干预。Agent 自主建立循环，通过规划、在环境中执行、获得反馈、调整规划并更新上下文，实现持续的自我完善。
在此进化过程中，关键在于：从自身经验中学习，以及 Learn from others，就是所谓的群体智慧，从别人那里学习经验。