一场发生在虚拟世界的“文明”对局，意外地给现实中的AI发展泼了一盆冷水。英国前首相府的数据科学家Liam Wilkinson没去预测大选，而是把Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro等四个顶尖大模型，放进了策略游戏《文明VI》里相互厮杀。23场对局下来，结果出人意料：扮演葡萄牙的AI，因为眼看法国就要文化胜利，竟然花50回合憋出核弹，把法国城市图卢兹给平了。更讽刺的是，最终赢家是那个走外交胜利路线的法国AI。这个黑色幽默般的结局背后，藏着一个比模型参数更重要的真相——AI智能体的瓶颈，根本不在智商，而在“眼睛”和“手脚”。
电子游戏里的“盲棋”大师
当AI只盯着自己眼前一亩三分地
Wilkinson搭建了76个MCP（Model Context Protocol）工具，试图让AI像人类玩家一样操作游戏。但他观察到的现象令人沮丧：在游戏的每一个决策回合，这些顶级大模型主动检查全局状态的频率，低得可怜，仅占所有决策点的1-2%。它们绝大多数时间在“盲棋”——只基于眼前局部、甚至可能是过时的信息做判断。这就像一位棋手只盯着棋盘的一角，对另外三盘棋局的进展一无所知，却要做出终局决策。这不是智商问题，是感知盲区。AI缺乏一种主动、持续、系统地扫描环境、更新世界模型的本能。
从游戏地图到真实世界的“信息迷雾”
这种感知缺陷并非游戏独有。想象一个客服AI，它只读取当前对话片段，却不去主动调取用户的历史订单、投诉记录或浏览轨迹；或者一个工厂巡检机器人，它按预设路线移动，但对同一条路线上昨天新出现的裂缝“视而不见”。它们都陷入了同样的感知盲区。原始素材中那高达98-99%的“未主动检查”时刻，揭示了当前AI系统的通病：它们是卓越的“应答机器”，却是糟糕的“环境感知者”。智能的第一步不是思考，而是看见，而AI常常闭着眼就开始推理。
工具不是眼睛：MCP们解决不了的问题
Wilkinson使用的76个MCP工具，理论上赋予了AI查询资源、移动单位等能力。但工具≠感知。拥有铲子不代表知道哪里埋着宝藏。问题的关键在于“调用策略”和“感知驱动”。人类玩家会因为“好奇”、“警惕”或“战略需求”去探索未知区域，而AI的“好奇心”需要被显式编程。这暴露了当前Agent工程的一个核心挑战：如何设计一种机制，让AI在执行具体任务（研发科技、生产单位）的间隙，能被一种内在的、类似“好奇心”或“风险意识”的驱动力所驱动，去主动索取更全面的环境信息。
计划完美，落地“骨折”
知行差距：一半以上的计划都成了“空头支票”
比“看不见”更尴尬的是“做不到”。实验数据指出，AI在制定计划后，能在未来10个回合内稳定执行的概率，只有48%到66%。这意味着，将近一半到三分之一的既定计划，会因为各种干扰（新的信息、资源的变动、内部的优先级冲突）而中断或偏移。这就是知行差距。AI可以写出逻辑自洽的长期战略，但维持这个战略、抵抗执行过程中的噪声、并在必要时坚持或灵活调整的能力，极其薄弱。核平图卢兹的决策，很可能就是在一个短期压力（文化胜利逼近）下，对原定外交或科技路线的彻底背叛。
上下文是“金钟罩”，也是“紧箍咒”
大模型的能力基于其上下文窗口。当它制定一个计划时，相关信息（目标、资源、约束）被加载进上下文，支撑它的推理。但随着游戏回合进行，新的事件、新的数据不断涌入，旧的上下文可能被稀释或覆盖。AI很可能在几个回合后，“忘记”了自己最初的长期目标，或者无法有效地将新信息与旧计划整合。维持一个跨多步、多回合的复杂计划，需要强大的上下文管理和目标坚持机制，这恰恰是当前生成式AI架构的软肋。它们擅长“一次性”的精彩输出，却拙于“持续性”的目标导航。
从“生成答案”到“管理状态”
这个发现彻底改变了我们对“智能”的期待。以前，我们推崇能生成优美文章、正确代码的AI；但在智能体时代，真正的硬核能力是状态管理。智能体需要是一个优秀的“项目经理”：它必须清楚项目的总目标、当前阶段、已用资源、待办事项，并且能抵御各种突发需求的干扰，确保项目朝正确方向推进。《文明VI》的实验表明，当前的顶尖模型更像是一个才华横溢但随性的“创意顾问”，而不是一个可靠的“项目总监”。
智商通货膨胀之后，什么才值钱？
军备竞赛的错觉：更强的LLM=更好的Agent？
行业正陷入一场疯狂的“智商通货膨胀”竞赛，比拼模型参数、跑分排名。Claude、GPT、Gemini的新版本层出不穷，版本号越迭代越长。但这场对局实验像一面照妖镜：让GPT-5.4去玩策略游戏，它的表现并不必然比GPT-4更“聪明”到足以改变战局。因为制约它的不是生成下一句话的能力，而是感知全局和执行计划的“笨功夫”。将感知盲区和知行差距归因于模型不够大、不够聪明，是一种战略性误判。
被低估的“脚手架”：Agent框架的真正战场
这意味着，下一阶段AI竞争的主战场，将从“造更大的大脑”部分转向“造更好的身体和感官”。Agent框架——那些负责规划、记忆、工具调用、状态监控的软件层——的重要性将急剧提升。如何设计一个能自动、定期触发“环境扫描”的循环？如何构建一个能忠实执行长期计划、不被短期诱惑带偏的决策系统？如何设计一个高效、能突出重点的上下文记忆体？这些工程问题的解决，将直接决定AI智能体的实用价值，远比单纯的模型升级更为关键。
新能力栈：系统工程思维压倒算法崇拜
Wilkinson的实验，本质上是一次将复杂现实问题（策略游戏）抽象为AI可操作环境，并系统性观察其行为的研究。这揭示了一个趋势：未来顶级的AI开发者，可能不仅是算法大师，更必须是系统工程师。他们需要具备分布式系统、状态机、工作流管理、传感器数据融合等传统工程领域的深厚知识。AI的发展路径，正在从“炼丹”的艺术，走向“造车”的工程学。一辆车跑不好，问题可能不在发动机的马力上限，而在底盘调校、刹车系统和驾驶员的操控逻辑。
一场游戏，照出了AI跃向现实世界的两道关键门槛。核弹可以研发，但胜利属于那个能看见全局、稳扎稳打走完外交路线的智者。对于志在将AI从聊天框里解放出来、让它真正行动的从业者而言，这份实验报告的价值，远大于任何一份新的模型评测分数。智能体的未来，不在于拥有更快的“思维”，而在于睁开“眼睛”，并管住“双手”。
