内容介绍：
大语言模型智能体的发展，正越来越少依赖于直接修改模型权重，而更多依赖于对模型运行时环境的重新组织。过去人们往往期待模型在内部自行恢复或掌握的能力，如今正在被外化为记忆存储、可复用技能、交互协议，以及使这些模块在实践中可靠运行的外围 harness 工程体系。本文从“外化”这一视角出发，对这一转变进行系统综述。
借鉴认知工具的思想，我们认为，智能体基础设施的重要性并不只是因为它为模型添加了辅助组件；更关键的是，它能够将原本困难的认知负担转化为模型更容易稳定处理的外部形式。在这一框架下，记忆外化了跨时间的状态，技能外化了程序性专长，协议外化了交互结构，而 harness 工程则作为统一层，将这些外化模块协调起来，形成可治理、可执行的智能体系统。
本文梳理了从“权重”到“上下文”再到“harness”的历史演进，分析了记忆、技能与协议这三种既相互区分又彼此耦合的外化形式，并进一步考察它们在更大的智能体系统中的交互方式。我们还讨论了参数化能力与外化能力之间的权衡，指出了自演化 harness、共享智能体基础设施等新兴方向，并分析了评估、治理，以及模型与外部基础设施长期共同演化中的开放挑战。
总体而言，本文提出了一个系统层面的分析框架，用以解释为什么实用智能体的进展正越来越不仅依赖于更强的模型，也依赖于更好的外部认知基础设施。
嘉宾：
周宸宇，上海交通大学智能计算研究院的二年级博士生，导师为叶荫宇教授和葛冬冬教授，研究方向聚焦于大语言模型与运筹优化、复杂推理任务及其训练方法。他的研究兴趣还涵盖强化学习与区块链等方向，曾获得 ACM-ICPC 亚洲区域赛金牌，并在 ICML、ICLR、WWW、CSCW 等国际会议上发表多篇学术论文。除学术研究外，周宸宇具有较为丰富的产业与工程实践背景，曾在杉数科技、腾讯、美团等公司从事与人工智能和优化相关的研究或技术工作，并在量化投资与金融科技领域积累了实践经验。个人主页：https://0xzhouchenyu.github.io/。
主持人：
周恩宇，复旦大学博士生，研究方向为 Agentic AI， Responsible AI，LLM Alignment。
