一个Agent的全部逻辑，能不能只用SQL写出来？这个问题的答案，比想象中更接近"能"。

打开网易新闻 查看精彩图片

围绕Agent的讨论最近密集得有点反常。训练侧在追问为什么总是崩，《The Hidden Reason Agent Training Keeps Collapsing》把矛头指向了训练过程本身；强化学习侧则抛出一个更安静的说法——《Interaction Collapse Is RL's Quiet Failure Mode》，把"交互崩塌"定义成一种失败模式。

这两条放在一起看，指向的是同一件事：Agent不是搭起来就完事，训练和交互环节各有各的坑。

落地层面的尝试同样零散而具体：

  • GUI-Owl-1.5 把跨设备AI Agent又往现实推了一步；
  • Baichuan-M3 训练医疗AI去"问对问题"，而不只是给答案；
  • 有团队用零人工代码的方式搭出一套SaaS；
  • 还有人只给一句提示，就在Android上做出了俄罗斯方块。

这些案例的共同点是：能力在往"少写代码、多给约束"的方向走。SQL恰好是约束感最强的一种表达方式——它天然描述数据与关系，而不是流程与状态。

所以"几乎可以"这个限定词才是关键。能覆盖的是Agent里那些和数据打交道的部分，剩下的部分仍然需要别的东西来补。

另一条容易被忽略的线索是工程侧的选择。有团队花两天时间离开Confluence，转向一套AI友好的、基于Git的Wiki——工具链本身也在为Agent让路。

至于训练为什么会崩、交互为什么会塌，这两篇给出的解释都还没到定论阶段。但方向已经清楚：Agent的瓶颈，正在从"能不能做"转向"能不能稳住"。