Andrej Karpathy 这期视频不讲大词，开场就打了个比方：今天的 AI Agent 就像一个人，工具和记忆是它的两条腿，缺了哪条都走不稳。这个画面感很强的类比，直接戳破了过去半年里 Agent 被吹上天的泡沫——不是套个壳就叫 Agent，你得让模型真正能“伸手办事”、能“记住事”。Karpathy 是谁？前特斯拉 AI 负责人、OpenAI 创始成员，现在自己创业做 AI 教育，他最擅长把复杂的技术概念还原成直觉。
整期视频的核心主张很清晰：大语言模型（LLM）本身只是个“大脑”，推理能力再强，没有手脚和记事本也白搭。所以 Agent 的本质，就是在 LLM 外面绑上一套“工具使用”和一套“记忆系统”。工具使用让模型能调用搜索引擎、Python 解释器、API 或者别的软件，不再只是吐文字；记忆系统分短期和长期，短期让它在一次任务里不丢上下文，长期让它跨会话积累知识，像一个真正的个人助理。Karpathy 又把这两个东西拉回到“数字自动化”这条老线上：从最早的人写死规则，到 RPA（机器人流程自动化）按固定流程搬数据，再到今天 Agent 自己规划步骤、自己选工具——这是自动化从“肌肉”到“大脑”的进化。
为了让人听懂，他拆了几个具体案例。比如让 Agent 订机票：先得用搜索引擎查航班，把结果存进短期记忆，再调用比价 API 筛选，最后用日历 API 写日程——这一串动作如果没有“工具+记忆”，模型只能瞎编一个航班号。再比如写报告：Agent 先搜索资料、阅读网页、做摘要存进长期记忆，几天后用户追加要求，它还能翻出之前存的笔记继续工作，而不是每次都从头来。这种能力不是靠堆模型参数堆出来的，是在模型外面装的“手脚架子”。Karpathy 还顺便聊了模型选择：并不是越大的模型越好，很多时候微调后的中等尺寸模型配合精心设计的工具链，反而比 1750 亿参数的裸模型更靠谱、更便宜，也更容易解释。
当然，他也没回避反面：这双“新腿”还不太听使唤。工具调用会出错，比如 API 格式写错、搜索词选偏，而记忆也可能记下错误信息，而且越积越多，最后把模型带沟里。更棘手的是安全——当你给了 Agent 操作真实系统的权限，一个错误的终端命令就可能导致数据丢失。Karpathy 的观点是，这些麻烦不能靠“等模型更聪明”来解决，而是要在工具和记忆的架构设计里就加入校验、沙箱、回滚机制。这和业界另一个热门讨论——Alignment（对齐）不是 AGI 之后的事，而是过程本身——遥相呼应。他给未来 5 年画的路线图也很有趣：工具会越来越标准化，像现在的插件生态，但记忆才是真正的护城河。谁先把个人记忆、企业记忆的累积技术做踏实，谁就能在 Agent 商用上占得先机。
收束时，Karpathy 把话题拉回一个朴素结论：别整天喊 AGI 了，Agent 根本不是一个新的神迹，它只是模型能力的工程化延伸。两条腿——工具和记忆——能跑多远，取决于我们怎么为它们修路修桥，而不是空等一个“全能大脑”降临。整期视频没有 PPT，没有论文复读，全是大白话，看完你就明白，为什么他把这期标题取成“工具+记忆：Agent 的两条腿”。
