AI发展进入能动性阶段：上下文工程与模型能力并重 | 奇绩大模型笔记 #7

《奇绩大模型笔记》是奇绩基于内部搭建的通用智能分析和研究体系，为创业者整理的有关前沿技术创新和应用实践洞察的笔记。

在人工智能的发展历程中，模型能力的不断增强一直是最受关注的焦点。然而，随着 2025 年 2 月 Anthropic 发布 Claude Code，一个新的拐点正在显现：AI 的能动性正以前所未有的速度走向前台。能动性的背后，是模型能力与上下文工程的协同进化。这不仅让我们对通用智能的理解更加深刻，也为创业者打开了新的想象空间。

本文提纲：

• 能动性是什么：AI 的行动力拐点

• 训练能动性：模型能力与上下文工程双轮驱动

• 上下文工程：能动性背后的关键支撑

• 实践路径：如何打造更强的能动性与上下文工程

由于技术和产业发展非常快，基于新的洞察，笔记内容也会不断更新迭代。为帮助用户更直观地理解，我们准备了与本次分享内容相关的完整 PPT 近 50 页，可以扫描下方二维码获取。

如已提交创业营申请表，可点击阅读原文查看

正文

上一篇大模型笔记中，我们提到，AI 时代，能动性和垂直场景上下文的构建是创业者在竞争中取胜的关键。在 2025 年 2 月 Anthropic Claude Code 的发布之后，这一认知有了新的变化—— 我们正进入一个以能动性为核心的人工智能发展新阶段。

突破首先在于模型能动性的提前到来——AI 行动力的拐点，比预期中由机器人和具身智能率先带来的时刻更早出现；其次在于上下文工程。过去我们往往将目光集中在模型能力的持续提升，但 Claude Code 的案例清晰地展示出，对于能动性的提升，上下文工程与模型能力的提升同等重要。

基于该认知，我们对通用智能的内涵也有了进一步理解。从构成看，硅基智能本质上可以被视作三层能力结构：推理（reasoning）能力，能动（agency）能力，认知（cognition）能力。

能动性是什么：

AI 的行动力拐点

如何理解能动性的概念呢？

能动性（Agency）是一个源于哲学并被广泛运用于心理学、社会学、教育学等领域的概念，既不等同于主动性，也不等同于认知。

认知可以理解为获取知识的过程，而能动性是搞定复杂任务的能力。可以通过人类自己的行为来形象地理解能动性的差异。面对同一个复杂任务，高能动性个体通常会主动推进任务进程，完成后明确汇报，并迅速寻求下一步挑战，例如说：“我完成了，下一个任务是什么？”而低能动性个体则可能在执行过程中频繁受阻，甚至在短时间内返回表示：“我这里卡住了。”

类似的，智能体的能动性就体现在，给定⼀个任务：

第一，智能体可以独立做很复杂的或者长线规划；

第二，智能体能用工具根据规划与环境交互；

第三，智能体能判断这样做能否完成任务，也就是智能体对完成任务有很强的评估手段。

Andrej Karpathy 举过一个形象的例子。如果把智能体想象成一条狗，这条狗能动性不强，那么牵绳（leash）就要很短，它的活动范围会被限制得很小；而如果这条狗能自由外出、完成任务后自己回来，那么牵绳就可以放得很长。

以产品为例，Cursor 早期展现出的能动性相对较低。其典型交互模式是短指令、短响应，例如：“帮我补一行代码”“完善这个函数”等。相比之下，Claude Code 的表现则体现出更强的能动性。当用户发起请求时，它往往不会直接动手，而是先进行任务澄清，例如：“我先帮你梳理一下需求，我们确定一下你要做什么。” 接着它会提出整体方案，协助用户进行规划、再逐步生成代码、优化实现，并最终参与测试与验证。

可以形象地说，Claude Code 就像是一条被赋予“长牵绳”的狗，具备更高的能动性。它不需要主人时刻引导，可以在较大的自由度下独立完成任务，并最终“带回成果”，且结果通常较为符合用户预期。

能动性的强弱也一定程度上解释了为何一些开发者越来越青睐 CLI（命令行接口）风格的产品形态。相比 GUI（图形用户界面）的“点对点操作”，CLI 更适合承载复杂、多步任务，使能动性得以充分体现。

训练能动性：

模型能力与上下文工程双轮驱动

如何训练能动性？

我们曾提到，硅基智能的结构和碳基类似。模型就像人的大脑，具备记忆和泛化能力，存在一个界面可以与环境交互，具备行动能力，同时可以进化。环境即数据，进化的过程即算力与能耗的投入。本质上，模型的每次训练实则是在用一周时间压缩几百万年的进化过程。

正如人类变得聪明不仅依赖复杂环境，也因为我们有灵巧的双手，能与环境交互。对模型来说，能动性的提升同样离不开与复杂环境的交互。过去几年，我们主要聚焦 OpenAI 提出的 Scaling Law 路线。这条路径依然重要，但要进一步提升模型的能动性，仅靠 Scaling 已经不够。

事实上，人类在进化后期更多依赖语言、书籍和学校。人类和工具在共同进化，而非通过反复实验或构建无数物理环境。类比来看，能动性一方面来源于学习他人的上下文（如书籍），这正是上下文工程试图模拟的过程；另一方面来自模型本身能力的提升，类似人类在自然界中训练形成的“第二天性”（second nature）——无需思考即可执行的本能。

具体而言，能动性的两个方面体现为意图理解和目标遵循，以及任务规划和工具操作。这不仅涉及模型本身能力的提升，还涉及上下文工程的构建。

早期模型能动性有限，主要原因在于环境差——互联网虽然信息丰富，但缺乏能动性数据，没有思考轨迹，因为人类不习惯将自己的思维链条写出来。相比之下，代码中天然蕴含更多的推理与结构性信息，成为当下构建能动性的重要载体。环境的搭建，让模型与环境有更多交互也是接下来要突破的地方。

另外，需要强调的是，要提升能动性，必须用 Scaling Law 的思路找数据配方，核心在于构建完善的合成数据管线与评估数据集。需要将模型能动性训练或智能体开发当作一种“教育”，写教材、教它、考核它，不能直接做工程。

那么，需要什么样的能动性数据呢？在数据蒸馏（distillation）阶段，一个关键的概念是 "think with"，核心是模型需要具备思考能力。

例如，在 DeepSeek-R1 论文中提到的 thinking token（可以理解为 think with 语言的思维链），就是人类在思考过程中自然出现的停顿词，如 “等一下”、“嗯” 等，它们标志着思维正在进行。当模型学习这些 thinking token 后，也能表现出类似人类的逐步思考能力。要做到这一点，可以用数学方法延长模型的思考过程，通过中间训练，如 SFT（Supervised Fine-Tuning，监督微调）将 CoT 数据“塞”进模型，内化进模型权重。

除此之外，还有一系列典型的 “think with” 模式值得关注，如 think with react（在交互过程中反应并调整思路）、think with tool（通过调用工具延展能力）、think with code（借助已有代码和范例延展能力）等。值得一提的是， Anthropic 提出的 think with think，其强调 “打草稿” 的能力，类似人类边想边写、边写边改，逐步收敛至最优解的过程。另外，Think with code ⾮常重要，因为在这个过程中，模型需要⾸先找到⼤量的示例或代码，然后根据这些示例进⾏推理和⽣成，这是⽬前⼤多数⽣成任务中常⻅的⽅式。   

需注意的是，关于模型能动性的提升，OpenAI 做对了一部分，Anthropic 实则做对了另一部分。OpenAI 的思路是尝试构建一个极其强大的通用模型，希望通过吸纳尽可能多的人类知识，来统一应对各种任务。Anthropic 的早期策略也类似。例如 Claude 3.7 在 one-shot 任务中表现出色，但由于过于“主动”，在某些场景下会未经确认地修改整个代码库。虽然这体现了很强的能动性，但也暴露了风险。因此在 Claude 4.0 中，Anthropic 对这类过度自主的行为做了回收，强调能动性的逐步提升。

而今年 2 月发布的 Claude Code 则是一个关键转折点。过去大家的关注点都在模型本身，但 Claude Code 可以被视作一个能理解上下文中的需求，进行逻辑推理，并以结构化方式生成高质量代码，依据用户描述自动响应的条件引擎。

上下文工程：

能动性背后的关键支撑

当前，整个产业正在从“模型 + 应用”的模式过渡到智能体爆发的阶段。正如前文所言，模型和上下文工程都在同步发展和推进，二者同等重要。

参照 Claude Code 的案例，上下文工程就是将写代码的上下⽂系统性地组合在其中。具体而言，上下文工程类似于结构性说明书，包含 system prompt、structure prompt、task prompt。

首先是 system prompt，代表一个组织或者个人的目标、信念等目的性、方向性的信息。比如一个国家的宪章就是其 system prompt，用语言框定了这个国家允许和不允许做的事情。

System prompt 的关键作用是告诉模型，用户的角色、理念和价值观，以及用户是如何编写代码的。Claude Code 的核⼼就是通过 system prompt 来引导整个工作过程。有了 system prompt，Claude Code 并不直接开始写代码，⽽是会先分析需求，提出规划方案，并和用户确认规划好的方案是否合理。如果规划没问题，才会逐步⽣成代码，逐个模块地实现功能。

其次是 structure prompt，是静态的、物理的、环境性背景信息。例如，可以⽤⽂字把上下⽂⼀层⼀层写下来，描述一个组织是如何开展业务的。最后是 task prompt，即具体的、临时性指令或任务请求。

从人类认知方式来看上下文工程的必要性——人的上下文窗口很短，要整理上下文，可以参考书籍撰写的方式。书的结构就是人的上下文结构，人类只能通过分成一节、一章、一卷这样的方式构建大的知识体系。

实践路径：

如何打造更强的能动性与上下文工程

关于如何做好上下文工程，Claude Code 是非常成功的例子。其应用领域不仅仅局限于代码生成，也已开始涵盖市场营销、产品设计等更多领域。

Claude Code 之所以能力很强，一方面是因为它的对齐（alignment）做得好，另一方面是数据来源的独特性。 比如 Claude Sonnet 或 Opus 的意图理解能力和任务拆解能力都非常强，除了有 constitution（宪章）级别的对齐机制外，更重要的是它背后积累的代码数据。同时，有很多人会用 Claude 做网页和网页应用，而人类大量的需求、重要的意图（intent）都会在这样的前端代码数据中呈现。所以 Claude 能看到很多人类意图，同时能看到代码能动性的轨迹——看到代码如何被一层一层写出来，如何满足人类意图。

这也是 Claude 在文化理念层面与 OpenAI 的差别所在：OpenAI 的做法是⼀切都以 Scaling 为中心，而 Claude 更强调语言与宪章级的对齐。

Claude Code 的理念背后其实是软件 3.0 的理论基础：人类社会的一切任务都可以表述为在一个分布上施加适当的条件。从技术机理角度看，设置条件然后询问分布情况，比让模型学习所有条件分布情况要容易得多。

Claude Code 采取的做法是在模型外部把条件搭好，只要分布足够，就可以直接生成结果。这里的条件就是一组 prompt，prompt 搭好后，依托已有的推理链，就能得到结果。而 OpenAI 的核心方法就是让模型学会所有条件，这需要很长时间。同时，针对医院类似的场景，几乎很难通过数据训练提升能动性。例如，护士照顾一个断腿的患者，需要的能动性非常复杂，这样的数据很难获得。

对创业者而言，要抓住新阶段的机会，可以选择做特定行业专属的 Claude Code，或者用 Claude Code 赋能垂直行业，比如制造业、教育、金融。当然，只做 Claude Code 还不够。针对一些复杂任务场景，模型的能动性还不足，仍然需要补充模型能力，比如 SFT（监督微调）或强化学习（RL）来增强。

Karpathy 也提到，2024 年是 “everyone is releasing their own chat”，而 2025 年将会是 “everyone is releasing their own code”。也就是，未来每个人都会写自己的上下文工程，针对某个领域打造一个专属的 Claude Code。

另外，要把上下文工程做好，文科能力或许比纯技术能力更重要。语文、历史、社会学的功底，以及语言表达和创造新词汇的能力都极为关键。