人工智能正从被动响应的预测模型，进化为能自主思考与执行的智能体。为厘清这一技术路径，Google 提出了一个从 L0 到 L4 的五级能力框架，揭示了 Agent 如何从工具演进为具备自我进化能力的伙伴，并为开发者构建下一代 AI 应用提供了清晰的蓝图。
智能速览
Google 将 Agent 能力划分为 L0 至 L4 五个层级。
Agent 核心架构包含模型、工具与编排三大组件。
AgentOps 是保障企业级 Agent 稳定运行的运维体系。
L4 级 Agent 具备元认知与自我进化的科学发现能力。
精华内容
要真正驾驭智能体，必须先拆解其内部构造。从基础的模型到复杂的工具编排，再到最终形成自主意识，每一步都定义了 Agent 的能力边界与未来潜力。
智能体解剖学
一个标准的 Agent 系统由模型、工具与编排三大核心组件构成。其解决问题的过程并非单次推理，而是一个包含“观察-思考-修正”的递归闭环。这个闭环通常分为五个步骤：明确使命、扫描场景、深度思考、采取行动、学习迭代，确保 Agent 能在动态环境中不断优化决策。
五级进化阶梯
Google 将 Agent 的能力划分为五个层级。L0 是无外接能力的“裸模型”。L1 级接驳了工具，能使用外部 API。L2 级实现主动规划，能将复杂任务分解为子任务。L3 级演化为“专家团队”，能多 Agent 协作。L4 是当前巅峰，具备元认知与自我构建能力，能够进行自我进化。
导演的运维手册
在 Agent 时代，开发者角色从“搬砖工”转变为“导演”，其核心职责是构建和维护 Agent 系统。为此，Google 提出了 AgentOps 理念，它是一套类似于 DevOps 的运维体系。核心包括使用 LM 评委和黄金数据集进行评估，利用 Trace 追踪思维链进行调试，以及将用户反馈转化为“疫苗”以防止同类错误再次发生。
自我进化实例
AlphaEvolve 是 L4 级能力的巅峰体现，它并非简单编写代码，而是进行自主科学发现。例如，在优化矩阵乘法算法时，它通过 15 次突变，提出包括优化器、损失函数在内的大规模变更方案，最终发现了比人类专家设计更快的算法，打破了长达 56 年的数学记录。
Google 的分级体系清晰地勾勒出 AI 从工具到伙伴的演进。未来的竞争，将不再是 Prompt 技巧的比拼，而是构建、评估和维护这一复杂 Agent 系统的综合能力。如何为这些不知疲倦的新成员制定好规则，将决定其价值上限。
