为什么智能体需要运行时：从 Class 到 Execution Domain 的转变

智能体的本质是行为系统，而非代码片段。只有将其从 class 提升为 workload，才能实现企业级的调度、治理与协作。

智能体（Agent）并不是一个“更聪明的函数”，也不是一个“带状态的类”。它本质上是一种持续运行的行为系统。如果仅用 class、函数调用或框架编排来承载这种系统，往往会在工程实践中遇到瓶颈。

运行时（Agentic Runtime）的出现，并非架构设计的超前选择，而是复杂智能体系统在现实工程条件下的自然演进。

Agent 不等于 class

当前主流的 Agent 开发方式，通常将智能体实现为一个 class：

• 封装 prompt、memory、tools
• 由框架在 Python 进程中直接调用

这种方式在 Demo 阶段是可行的，但它隐含了一个前提：Agent 是一次性的、同步的、无状态的执行体。

而真实的智能体具备以下特征：

• 明确的生命周期（启动、规划、执行、反思、终止）
• 持续推进的内部状态
• 多轮推理与多工具协作
• 多智能体并行与协作
• 随时可能被中断、回滚或接管

class 是静态结构；Agent 是动态行为系统。

当系统的本质是“行为”而非“代码结构”时，仅靠 class 或函数调用难以完整表达和治理。

Agent 需要的不是调用，而是调度

传统函数调用模型假设：

• 输入确定
• 执行路径有限
• 输出一次性返回

而智能体的执行模式则是：

• 推理 → 行动 → 反馈 → 再推理
• 任务动态拆分
• 多角色并行协作
• 上下文持续累积

在这种模式下，“执行”本身需要被调度。

调度的对象不仅仅是 CPU 或线程，还包括：

• 推理步骤
• 工具调用
• 状态推进
• 并行任务之间的依赖关系

没有调度器，就难以实现可扩展的智能体系统。

Agent 执行是任务图，而不是一次调用

以“生成一份市场分析报告”为例，真实的执行过程通常包括多个智能体协作。下面的列表展示了典型的任务分解流程：

• Planner 拆解任务
• Research Agent 搜集资料
• Analyst Agent 生成分析
• Evaluator 校验质量
• Router 决定是否重试或切换模型

这实际上构成了一个动态生成、可回放、可中断的任务图（Execution Graph）。

这种执行语义：

• 难以用同步函数表达
• 难以靠框架内部变量维护
• 难以通过 try/except 恢复

因此，必须由运行时来持有和推进。

工程现实：环境碎片化的挑战

在实际工程中，环境碎片化是智能体系统面临的重要挑战。下方列表总结了碎片化环境带来的典型问题：

• 状态需要在多个沙箱之间搬运
• 中间产物通过对象存储或临时文件传递
• 延迟不可控
• 失败点增多
• 调试和回放难度提升

这并非简单的实现问题，而是执行语义被拆散后带来的必然结果。

因此，智能体系统需要的不是“更多工具”，而是一个统一的执行域（Execution Domain）。

Agent 需要状态，而状态必须属于运行时

智能体的核心并非 Prompt，而是状态推进。

一个可运行的智能体，至少需要以下状态语义：

• Session State：长期上下文
• Task State：当前任务进度
• Intermediate State：推理中间态
• Tool Trace：工具调用轨迹

这些状态应具备：

• 可持久化
• 可回放
• 可审计
• 可恢复

如果仅将这些状态存放在内存变量、数据库或日志系统中，容易导致一致性和治理难题。

状态不仅是存储问题，更是运行时语义问题。

Agent 需要治理，而治理不能仅靠代码实现

当智能体进入企业级场景时，治理问题变得尤为重要。下方列表总结了常见的治理需求：

• 工具调用权限
• 数据访问范围
• 资源上限控制
• 决策过程审计
• 成本约束

这些问题的共同特征是：

它们属于“执行时问题”，而非“编写代码时问题”。

因此，治理能力需要由运行时统一承载。

框架与运行时的分工边界

框架（Framework）关注如何组织逻辑，而运行时（Runtime）关注如何让逻辑可靠地发生。

下表对比了二者的分工：

二者并非替代关系，而是职责分离、协同配合。

行业趋势：从代码结构到治理实体

从多个方向可以观察到行业的收敛趋势：

• 智能体被当作 Workload
• 执行图成为一等语义
• Sandbox（受控执行域）成为运行时核心
• 人工接管能力被视为必需

这意味着：

智能体正从“代码结构”演进为“可治理的执行实体”。

总结

智能体之所以需要运行时，并不是因为它“更复杂”，而是因为：

• 它是持续运行的行为系统
• 它依赖统一的执行域
• 它必须被调度、治理和接管

从 class 到 workload，从代码到运行时，这是智能体系统走向工程化、规模化和可治理的关键路径。