【智能体框架的“苦涩教训”：你写的一万行抽象代码，可能正在拖累AI】

一个智能体本质上就是一个消息循环。它唯一需要的状态是：持续运行，直到模型停止调用工具。你不需要什么智能体框架，不需要别的花里胡哨的东西，就是一个工具调用的循环而已。

我们最初的Browser Use智能体有数千行抽象代码，确实能跑，但每次想改点东西都是噩梦。每次实验都在跟框架较劲。智能体失败不是因为模型蠢，而是因为我们自己在添乱。

抽象的本质问题在于：它固化了你对智能应该如何运作的假设，而强化学习恰恰会打破这些假设。每当你在模型行为外面套一层“聪明的”包装——规划模块、验证层、输出解析器——你就是在编码你认为模型“应该”怎么做。但模型是在数百万样本上训练的，它见过的模式远超你的想象。你的抽象反而成了枷锁，阻止模型发挥它学到的东西。

机器学习研究中的“苦涩教训（bitter lesson）”说得很清楚：利用算力的通用方法，每次都能击败精心设计的人类知识。智能体框架不过是这个老错误的最新版本。

真相是：99%的工作都在模型内部完成了，我们根本不需要在外面套一层高度抽象的框架。现在的Claude Code可以直接写AppleScript。它需要从某个冷门的Spotify播放器获取信息？不需要什么Spotify专用工具，它直接在macOS上写AppleScript就行了，有完美的上下文，在这方面训练得很好。你预判不了所有用例，但模型已经知道了。

这让我们得出一个关键洞察：智能体框架失败，不是因为模型弱，而是因为它们的动作空间不完整。

与其预先定义每一个可能的动作，不如从相反的假设出发：模型几乎什么都能做，然后再做限制。给大语言模型尽可能多的自由，然后根据评估结果凭感觉收紧。

所以我们退后一步，问了一个更根本的问题：大语言模型实际上被训练成擅长什么？随着模型变强，什么会保持不变？

我们扔掉了整个智能体，从零开始。为了理解“极简”到底能意味着什么，我们逆向工程了Claude Code和Gemini CLI。它们的底层理念很简单：不要过度规定智能，让模型自己推理。

我们把这个理念融入了BU Agent。它不是暴露一小组脆弱的“点击/输入/滚动”原语，而是让模型直接访问浏览器的原始控制面——发出纯CDP指令，调用浏览器扩展API。这两者各有盲区，但组合起来形成了近乎完整的动作空间。

当模型拥有这种自由时，有趣的事情发生了：如果一种方法失败，它会绕过去；如果一个工具坏了，它会找到另一条路。只要原则上一切皆可能，大语言模型就极其擅长临场自我修复。

简单的循环要做得健壮并不容易：指数退避重试、速率限制处理、连接恢复、上下文压缩、token追踪。这是运维层面的事，是已解决的问题，但别把它跟智能体本身混为一谈。

每一层抽象都是负债，每一个“帮手”都是潜在的故障点。模型已经变强了，真的很强。它们经过了计算机使用、编程、浏览的强化学习训练，不需要你的护栏。

苦涩的真相是：你构建得越少，它反而工作得越好。

x.com/gregpr07/status/1932445608842649746