不懂内容，也能让人觉得它懂
ELIZA：第一个让人觉得「它懂我」的程序
起点。一个不理解任何内容的程序，就能让人觉得「它懂我」。这个问题之后一直在。
ARCHIVE / STORY 01
- 跨度
- 1966—2026
- 节点
- 06
- 阅读
- 约 8 分钟
CURATOR'S READING
先带着这条线索往下看
从「会说」到「会做」，本站的读法是：起决定作用的更多是模型外面那个循环程序。
成立条件
- 这是按这六个点做的策展解释，没有一条来源下过这个因果结论
- 六个事件各自挂着来源，这条线本身没有单独的来源
06 TURNING POINTS
六十年，不是模型独自完成的。
每一步都回答三件事：当时想解决什么、卡在哪里、下一块拼图是什么。-
-
想一步、做一步、看结果
ReAct：把「想一步、做一步、看结果」写成循环
第一次把「想一步、做一步、看结果」写成循环。但模型的行动指令靠程序猜，很脆弱。
-
大众第一次直接用上大模型
ChatGPT 发布：大众第一次直接用上大模型
大众第一次用上「真的会说」的模型。但它只会说，不能查、不能做。
-
模型提要求有了固定格式
工具调用有了正式接口
模型「提要求」有了固定格式。程序不用猜了，智能体产品从这时起有了稳定的接法。
-
工具接一次，到处能用
MCP 发布：工具接一次，到处能用
工具接一次就能到处用。AI 能做什么，不再由模型厂商一家决定。
-
智能体搬进你的设备
OpenClaw 刷屏：智能体搬进你的设备和聊天软件
把这些零件组装起来，装到你自己的设备上。新的不是零件，是组装方式。结论还没写完。
HOW THIS STORY WAS BUILT
这是一条策展路径，不是唯一的历史。
六个事件各自有来源；把它们连成这条因果线，是本站的解释。完整条件、边界与核验范围保留在下面。此刻在看：静态解释，这一页的 3 个部分都是这一种。
主张依据 1 类：编辑解释。
部分核对 核实状态：部分核对 · 核于 2026-09-07。
三个维度分别看：演示方式、主张依据、核实状态
演示方式
表示此刻展示方式，不是准确性等级。
- 一句话结论卡与展开后的完整结论 静态解释
- 六张事件卡上「为什么放这一步」的那句话 静态解释
- 展开后的正文与关系说明 静态解释
主张依据
可多选，每种都有实际引用；「本站实验」需有记录。
- 编辑解释 本站自己写的，没有外部引用。这条结论是按这六个点做的策展解释，六个事件各自挂着来源，这条线本身没有单独的来源。六张卡上那六句读法是本站为这条线写的，事件本身的日期与主张由它们各自那一页挂着来源。引言那段（只挑了六个点、跳过了几十年）与 features 关系说明是本站写的。
核实状态
附范围、时间及必要原因，不等于全页绝对正确。
- 部分核对 本站核对这条结论： 核的范围：六个事件的日期与含义各自对着自己的来源核过；把它们串成一条因果线是本站的编排，没有来源背书所以下次看到一个智能体软件火了，先问一句：它换了模型，还是换了 harness
展开完整策展说明与逐步档案
这条线的完整结论
从「接话」到「会说」是模型这一侧的跳跃。从「会说」到「会做」，本站的读法是：起决定作用的更多是模型外面那个循环程序和它接工具的方式——这是按这六个点做的策展解释：六个事件各自挂着来源，但没有一条来源下过这个因果结论，这条线本身也没有单独的来源。所以下次看到一个智能体软件火了，先问一句：它换了模型，还是换了 harness？
成立条件：少一条，上面那句话就不成立
- 这是按这六个点做的策展解释，没有一条来源下过这个因果结论
- 六个事件各自挂着来源，这条线本身没有单独的来源
这条结论的边界
- 这条线只取了六个点，换一组事件可以讲出别的读法
- 「起决定作用」是排序判断，本站没有做过任何定量归因
这条线不是完整的历史，中间跳过了几十年。它只挑了六个点，每个点回答同一个问题：这一步让 AI 离「替你做事」近了多少，又卡在哪里。
-
ELIZA：第一个让人觉得「它懂我」的程序
当时想解决什么。 研究人和机器之间用日常语言交流是怎么一回事。Weizenbaum 想做一个能「接话」的程序，看人会怎么反应。
为什么当时卡住。 程序只靠关键词匹配和固定句式改写。你说「我妈妈不喜欢我」，它抓住「妈妈」，回一句「跟我多说说你的家人」。换个话题、问它一个事实，它立刻露馅。
后来什么变了。 让人产生「它理解我」的感觉，原来这么廉价。Weizenbaum 本人被这个结果吓到，后来长期公开提醒人们别把这种错觉当真（本站只取到 1966 年那篇论文，他后续的言论未逐字核对）。「说得像」和「真的懂」不是一回事，这个问题此后反复出现。
-
ReAct：把「想一步、做一步、看结果」写成循环
当时想解决什么。 让模型不只在「脑子里」推理，而是能查东西、做动作，再根据结果继续想。
为什么当时卡住。 当时的模型只会输出文字。要让它「行动」，得靠程序去解析它写的文字里哪一段是动作，再执行。格式稍微不对，整个流程就断。
后来什么变了。 论文给出了「想、做、看、再想」这个结构的可行做法。后来的智能体软件普遍沿用这种循环，不过本站没有统计过它们各自的出处，「沿用」是策展解释，不是引用。
-
ChatGPT 发布：大众第一次直接用上大模型
当时想解决什么。 把已经存在的大语言模型变成普通人能直接对话的产品。
为什么当时卡住。 它只能一问一答。不能上网、不能读你的文件、不能替你做任何事，知道的东西截止到训练结束那天。
后来什么变了。 大众第一次亲身感受到「模型会说了」。接下来的问题随之而来：怎么让它不只会说，还会做。
-
工具调用有了正式接口
当时想解决什么。 让模型「提要求」的方式变得可靠。此前靠让模型写特定格式的文字再解析，稍有偏差就失败。
为什么当时卡住。 每家厂商的格式不一样。同一个工具要为每个模型重写一遍接法。
后来什么变了。 工具调用从「技巧」变成「接口」。智能体产品从这时开始可以稳定地做出来，也为后来统一连接规范铺了路。
-
MCP 发布：工具接一次，到处能用
当时想解决什么。 同一个工具不用再为每家模型、每个智能体软件重做一遍接法。
为什么当时卡住。 规范只解决「怎么接」。什么时候该用哪个工具、工具返回的结果对不对、要不要给它权限，这些仍然是 harness 和模型的事。
后来什么变了。 智能体软件可以复用别人做好的工具接口，能力的积累速度快了很多。哪个软件能接上更多工具，开始成为竞争点。
-
OpenClaw 刷屏：智能体搬进你的设备和聊天软件
当时想解决什么。 让智能体不再只活在某家厂商的网页里，而是装在你自己的机器上，接入你已经在用的聊天软件和账号，直接替你做事。
为什么当时卡住。 它能替你做的事，取决于你授权给它的账号和文件。授权给多少、出了错谁负责、被人冒用怎么办，这些问题在它走红的同时就被提了出来。
后来什么变了。 尚待观察。它是否会成为一种持久的产品形态，还是一次热度，要看后续一两年。目前能确认的是，它让大量普通人第一次意识到「智能体」和「聊天框」不是一回事。
这条故事线的关键概念
- 这条故事线的关键条目Agent harness（智能体运行框架）这条故事线的主角其实是它