人们早就想让机器替自己干活。可那时候的「自动」都靠人把步骤一条条写死：点哪个按钮、往哪一格填字，全得提前规定好。它也只会重复同一套动作——界面一变、按钮一挪，它就傻在那儿。会「照剧本演」，但不会自己想办法。

2011 年，手机上的语音助手出现了：你说话，它听得懂，还能帮你定闹钟、查天气；后来家里又多了能放在桌上的智能音箱，喊一声就能放歌、开灯。可它们只会做那几件提前定好的事。你说「帮我订张票」「把作业发给老师」，它多半只能回答一句：「抱歉，我还不会。」——会说话，不等于会干活。

2022 年 11 月 30 日，ChatGPT 上线。它和以前的助手很不一样：你想问什么都能问，它像读过很多书的人一样答得上来，还能写作文、写代码、翻译、解释概念——人们第一次觉得：AI 好像有了一个会思考的「大脑」。可它还是只能待在聊天框里：会说，但不会动手。（第 13 课里我们看过：它是到 2024—2025 年才学会「边想边说」的。）

2023 年 3 月，一个开源项目 AutoGPT 突然火遍全网。你只要给它一个目标，它就会自己把大目标拆成一小步一小步：自己上网查资料、自己写文件、自己回头看「这一步成没成」，做错了再换个办法。AI 第一次从「你问一句、它答一句」，变成「你定目标、它自己跑完」——大家给这样的 AI 起了个名字：智能体（Agent）。

智能体要干活，就得会「用工具」：查天气、算数、读文件、发消息……可每接一个新工具都要重做一遍，太麻烦了。2024 年 11 月，Anthropic 公司公开了一个叫 MCP（模型上下文协议）的开放标准：它把各种各样的工具都做成同一种规格。从此智能体接工具，就像给手机插上充电线一样方便——工具越多，它能替你办的事就越多。

到了 2025 年，智能体开始变成普通人也能用上的产品（比如手机上的智能体 App）。你写一句「帮我做一份春游计划的幻灯片」，它会自己找资料、自己排版、自己生成文件，你只要最后检查一下；做表格、画图、写报告，也都可以直接「派」给它。请 AI 干活，从此不再是程序员的专利。

2025 年，开源项目 OpenClaw 又往前走了一大步（在它之前，2024 年 10 月起已经有「会用电脑」的智能体——AI 第一次学会看着屏幕自己动手）：它能让 AI 直接看着手机和电脑的屏幕，自己找到按钮、点下去、打字、拖文件；更厉害的是「跨 App 协同」——你说「把相册里的小狗照片发给妈妈，再在日历里记下周六野餐」，它会自己依次打开相册、微信、日历，一件件办完。因为开源，全世界的开发者都能给它添砖加瓦，它很快成了智能体圈里的「现象级明星」。

智能体把三样本事凑到了一起：会思考的「大脑」、会看会听的「眼睛和耳朵」、会操作屏幕的「手」。所以它不再只是回答问题，而是能真的替你把一件事办成。这股力量还在走出屏幕——今天的人形机器人背后，也常常住着一个会看、会想、会动手的智能体。AI 的下一个时代，属于「会办事」的 AI。