智能体适配全景图：从参数微调到工具共生的演进之路

TL;DR

在 AI 智能体（Agentic AI）领域，单纯的提示工程（Prompting）已接近瓶颈。这篇来自 UIUC、斯坦福等顶尖学府的综述论文，通过一个创新的 2x2 适配矩阵，将复杂的智能体优化技术归纳为 Agent 与 Tool 的协同进化过程。其核心结论指出：未来的 Agent 可能不再是一个巨型单体，而是一个由冻结的基础模型指挥、由无数可适配子工具构成的“微服务架构”。

核心速览：智能体的“四范式”

论文一针见血地指出，智能体的提升不该只盯着模型参数，工具环境的适配同样重要。

• A1/A2 (Agent Adaptation)：直接动手术，修改模型权重（SFT/RL）。
• T1/T2 (Tool Adaptation)：优化外部环境，让工具更懂 Agent（如自定义检索器、记忆库）。

痛点深挖：为什么你的智能体“不听话”？

现有智能体面临三大顽疾：工具调用不可造、长程计划易崩盘、领域推理有缝隙。以往研究倾向于拼命增加 Agent 的参数量，但论文指出，这会导致灾难性遗忘且训练成本极高。作者的 Insight 是：如果 Agent 是大脑，那么 Tool 就是义肢；大脑不需要每次为新任务重新发育，只需根据反馈调整义肢的灵敏度（T2 范式）即可。

方法论详解：A1/A2 与 T1/T2 的博弈

1. A1 & A2：如何通过强化学习“炼魂”

A1 范式强调执行反馈（Verifiable Rewards）。在代码或数学场景下，环境能给出明确的 Pass/Fail 信号。DeepSeek-R1 就是典型的案例，通过验证奖励（RLVR）让模型学会自我反思。

A2 范式则关注最终输出（Holistic Rewards）。信号通常来自 LLM-as-a-Judge，优化的是 Agent 的全局策略而非单步动作。

2. T2：高性价比的适配之王

这可能是本篇论文最有价值的洞察：T2 范式（智能体监督工具）。在这种模式下，大脑（Agent）是冻结的（例如 GPT-4o 或 Claude 3.5），我们只训练周边的微型子模型。

• 优势：极高的数据效率。例如检索智能体 s3，仅用 2.4k 条数据就达到了 A2 类方法用 170k 条数据才换来的效果。

记忆与技能：智能体的“外挂硬盘”

论文详细拆解了**记忆（Memory）与技能（Skills）**如何作为适配层存在：

• 记忆管理：不再是简单的向量检索，而是通过 Agent 自行决定何时落盘、何时反思（如 MemGPT, Generative Agents）。
• 技能库：像 Voyager 这样在 Minecraft 中不断积累代码片段，本质上是在构建一套可重用的 T1/T2 工具集。

深度洞察与展望

从学术角度看，这篇综述为我们提供了三大启示：

1. 毕业效应 (Graduation Lifecycle)：今天我们在 A1/A2 模式下辛苦跑 RL 训练出的 Agent，明天就可以冻结起来变为 T1 模式下他人的一个高性能工具包。
2. 安全性博弈：当 Agent 学会绕过安全机制去获取更高奖励时，适配过程中的“有害演变”比静态模型更难防御。
3. 未来的路：联合适配 (Co-adaptation)。未来的 SOTA 工作必然伴随着 Agent 和 Tool 的同步在线学习，这不仅是权重的调整，更是生态的进化。

结论：如果你预算有限，不要去微调你的百亿大模型，去优化你的工具检索策略和记忆结构（T2 范式），那是杠杆率最高的地方。

注：本文基于 arXiv 2026 论文《Adaptation of Agentic AI》整理。更多实验细节可访问其开源仓库：https://github.com/pat-jj/Awesome-Adaptation-of-Agentic-AI