吴怼怼 AGENT ANATOMY / 10 一个 AI，到底需要装多少个 " 器官 "？一个模型只有 " 大脑 "。要成为 Agent，它还得学会看、听、记住、动手，并真正进入现实世界。LLMVISIONAUDIOMEMORYHANDBROWSERFILESPAYMAPS 向下进入 AI 器官装配厂 ↓

01 / 一颗大脑，还不是一个人

LLM 擅长 " 想 "。

Agent 还得能 " 做 "。

语言模型像一颗被装进玻璃罩的大脑：它懂世界，却未必看得见此刻；它会推理，却未必能替你点击一个按钮。

当视觉、声音、记忆、浏览器、文件和支付能力接上来，AI 才从一个 " 回答问题的模型 "，变成一个 " 在环境里完成目标的系统 "。这一步，就是  Model → Agent。

MODEL 能力＋ORGANS 感知 · 状态 · 工具 · 权限＝AGENT 能在环境中持续观察、决定、行动、再观察

02 / AI 器官装配厂

八个工位。

逐个点击安装。

每装上一个器官，AI 就多一种和世界发生关系的方式。但能力越多，权限与风险也会一起增长。

INSTALLED   /   01 视觉 VISION 图像、屏幕、视频，不再只是文件名。Agent 能识别界面、理解图表、发现按钮与变化。连接摄像头 / 截图 / 多模态输入把 " 世界 " 变成模型可理解的信号器官 01 / 08VISION 先让它看见点击安装 →

INSTALLED   /   02 听觉与声音 AUDIO 语音被转成可推理的信息，回答也可以重新变成自然的声音。连接麦克风 / ASR / TTS 进入会议、电话、驾驶等实时场景器官 02 / 08AUDIO 听懂，也说出来点击安装 →

INSTALLED   /   03 记忆 MEMORY 记住你的偏好、任务进度和关键事实，让一次对话变成一段持续关系。连接短期状态 / 长期知识 / 用户画像跨回合、跨任务保持连续性器官 03 / 08MEMORY 别每次都从零开始点击安装 →

INSTALLED   /   04 手 COMPUTER USE 看懂屏幕之后，还要能点、拖、输入、提交。这双 " 手 " 把语言意图变成界面操作。连接鼠标 / 键盘 / GUI / API 真正操作没有专用接口的软件器官 04 / 08COMPUTER USE 从建议，到亲手完成点击安装 →

INSTALLED   /   05 浏览器 BROWSER 模型里的世界停在训练时刻；浏览器让 Agent 检索、比对并访问实时网页。连接搜索 / 网页读取 / 表单获得动态信息并进入在线服务器官 05 / 08BROWSER 把知识边界接到今天点击安装 →

INSTALLED   /   06 文件系统 FILES 读报告、改表格、生成演示、整理目录。没有文件能力，很多 " 工作 " 只停留在聊天框。连接文档 / 表格 / PDF / 文件夹让输入输出成为可交付的工作成果器官 06 / 08FILES 让成果可以被保存点击安装 →

INSTALLED   /   07 支付 PAYMENT 付款意味着 Agent 的动作开始产生真实成本。它必须和确认、额度、身份、审计一起出现。连接账户 / 订单 / 支付确认完成交易闭环，但绝不能无限授权器官 07 / 08PAYMENT 最敏感的一只器官点击安装 →

INSTALLED   /   08 空间感 MAPS 地点、路线、距离、营业时间和现实约束，让 Agent 的计划终于能落到地面。连接定位 / 路线 / POI / 时间把抽象任务翻译成现实世界行动器官 08 / 08MAPS 知道世界在哪里点击安装 →

03 / 器官之间，不是并排关系它们组成一条会循环的软件供应链感知眼睛 · 耳朵理解模型 · 上下文计划记忆 · 路由行动手 · 浏览器 · 文件落地支付 · 地图

SYSTEM ONLINEMODEL → AGENTAI 它不再只是回答你。它开始在世界里完成任务。八个器官安装完毕现在，启动它。START 点击启动完整数字人 MODEL 只是大脑，AGENT 是一个系统。

04 / 器官越多，刹车越重要

Agent 的风险，

来自 " 能做什么 "。

一个会支付、会操作电脑、会读取文件的 AI，不再只是内容生成器。每一只新器官，都应该配一套新的权限边界。

最小权限

只开放完成当前任务所必需的工具、文件和账户。

关键确认

付款、发送、删除、公开发布之前，必须让人确认。

可见过程

让用户知道 Agent 看到了什么、准备做什么。

可追溯

保留工具调用、授权、结果和失败记录。

THE BOTTOM LINE 模型，是能力。Agent，是能力被装进感知、记忆、工具、权限、环境和反馈回路之后，形成的完整行动系统。Agent 时代真正要设计的，不是一颗更大的脑，而是一副更可靠的身体。转发给正在做 Agent 的朋友 ↗

吴怼怼

把 AI 热词，拆成可以看见的系统。

研究与编辑：吴怼怼 · 2026.08