下一代 Agent 可能不只是聊天窗口，而是能长期运行、主动协作的系统。
原文标题：灵台：一种“不会下线”的 Agent，正在出现
原文作者：图灵编辑部
冷月清谈：
怜星夜思：
2、主动式 Agent 听起来很酷，但它和普通自动化脚本、工作流工具到底有什么本质区别？
3、长期记忆会不会成为 Agent 真正实用的关键？还是说它反而会带来隐私和失控问题？
4、多智能体协作是真需求，还是又一轮 AI 概念包装？
原文内容
这半年，AI 圈里出现了一个很明显的变化。
大家讨论的重点，开始慢慢从“哪个模型更强”，转向另一个问题：为什么模型已经这么聪明了，很多 AI 依然不像一个真正能长期工作的系统？
它会聊天，会写代码，会调用工具，也能完成不少任务，但大多数时候，它依然停留在一种很“被动”的状态里：你问一句，它答一句；你关掉窗口，它也就“消失”了。
可如果未来的 Agent，不再只是一个聊天窗口呢？
如果它能够长期存在、持续运行、主动处理任务、积累记忆，甚至和其他 Agent 协作，又会变成什么样？
5 月 31 日晚，我们想认真聊聊这个问题。
这次图灵社区视频号直播，我们邀请到了两位正在不同方向探索 Agent 的实践者。
一位是大家已经非常熟悉的李博杰老师。作为 Pine AI 首席科学家，他长期关注 Agent、AI 工程化以及下一代 AI 系统的演化方向，也是《图解大模型》《图解 DeepSeek 技术》的译者。
另一位，则是 Lingtai.ai（灵台 AI）创始人黄泽森（黄澍之）老师，UCLA 等离子体天体物理学博士后。最近，他一直在探索“主动式 Agent”方向，并围绕长期记忆、多智能体协作与 Agent Runtime 等问题进行实践。
这场直播更值得关注的，其实是两位 Agent 一线实践者，围绕“下一代 Agent 应该是什么”展开的一次对谈。
过去几个月里，澍之老师一直在做一个叫 Lingtai.ai（灵台）的项目，一个 Unix 风格的 Agent OS。
第一次看到灵台时，我印象很深。
因为它和很多 AI 产品不太一样。它并不急着强调“模型有多强”，也不是一个简单的聊天 UI。相反，它更像是在认真思考另一件事：如果 Agent 真要成为长期工作的数字系统，它应该如何拥有“持续存在”的能力？
http://lingtai.ai
比如，Agent 是否应该拥有自己的长期记忆，而不是每次都把上下文塞爆？
它能不能拥有类似“潜意识心流”的机制，在空闲时自主反思、自我监督？
当遇到复杂任务时，它能不能主动孵化出分身去协同作战，并在任务完成后，把经验沉淀为自己能力网络的一部分？
这些问题，其实已经越来越接近今天 Agent 工程化真正困难的部分。
而这次直播，我们想聊的，也正是这些问题：
-
大家为什么重新关注 Agent？
-
“主动式 Agent”到底意味着什么？
-
当越来越多开发者开始做长期运行、多智能体协作、AI 工作流的时候，我们究竟是在接近下一代 AI 系统，还是只是另一轮概念泡沫？
过去几年，博杰老师也一直在持续关注 Agent 工程化方向。从工作流、工具调用，到长期运行与多 Agent 协作，很多问题其实都在慢慢暴露：模型能力当然越来越强，但真正决定 Agent 上限的，往往开始变成系统本身。
这次，两位老师也会从不同视角，一起聊聊主动式 Agent、Agent Runtime、Agent OS，以及这些系统真正落地时会遇到的挑战。
澍之老师身上，其实有一种很典型的“Agent Builder”气质。
他并不是站在“旁观者”的角度讨论 Agent，而是真的在亲手构建底层架构、亲手踩坑、亲手把一个系统一点点做出来。而这种持续探索、反复验证的状态，也和他长期做科研形成的系统性思维有关。
今天真正稀缺的，可能已经不是“讨论 Agent 的人”，而是真正开始下场构建 Agent 系统的人。
这也是为什么，我们一直很希望，Agent 实战营里能出现更多真正去做长期运行、多智能体协作、Agent Runtime 这些事情的人。
因为很多关于 Agent 的理解，并不会只出现在概念讨论里。它往往要到你真正开始搭系统、调工作流、处理记忆、设计协作机制时，才会变得具体。
如果你最近也在关注 Agent、多 Agent 协作、长期记忆、主动式 Agent、AI 工程化这些方向，这场直播非常推荐你来听。
码上预约！
