在2026中国AIGC产业峰会上，香港大学助理教授黄超系统梳理了其团队在AI Agent领域的核心思考与前沿实践。他提出，迈入AI原生时代，行业不应陷入“教Agent如何像人类一样去适应数字世界”的怪圈，而应当“重新为Agent设计数字世界”。
黄超团队的第一项实践是极简主义。针对目前市面上动辄数十万行代码的庞大Agent系统（如发布时拥有43万行代码的OpenClaw），他们反其道而行之，推出了极致轻量化的通用Agent开源框架——nanobot。由于其易用性与极低的上手门槛，nanobot在开源后连续100天保持日更迭代，全球下载量迅速突破20万次，被DeepSeek推荐为全球15个精品Agent之一，并在OpenRouter通用Agent榜单中位列第四。基于极简的基底，团队计划用nanobot挑战需要跨多软件生态、调度异构工具的长程任务（Long-horizon tasks），以验证其在真实动态生产环境中的协同与演进能力。
基于将Agent从“AI助手”升维至“数字劳动力”的愿景，黄超团队提出了全新的交互范式——CLI-Anything。黄超指出，相比于需要高额解析成本且准确率受限的图形用户界面（GUI），命令行接口（CLI）才是Agent最自然的“母语”。与其强迫Agent去学习人类的GUI，不如将3D建模、多媒体剪辑等专业软件重新封装为CLI。这实现了交互范式的重构：让数字世界直接用AI的语言与Agent对话。
此外，团队在Agent的自进化（Self-Evolution）机制上进行了深入探索。自进化主要分为内向型（Internal）和外向型（External）两条路径。Internal模式聚焦于优化推理链路与参数调整，但往往受限于特定场景；而External模式则通过“技能积累（Skill Accumulation）”来不断扩充工具箱。黄超更看好外向型进化，这契合了“重构数字世界”的理念。为了验证这一协同生态，团队设计了一项自动化科研实验，利用8个Agent协同调度8张H100显卡进行分布式模型训练。实验表明，合理的任务分发能大幅提升效率，但当Agent规模继续扩大时，由于协调开销指数级增长，边际收益开始递减。这表明Agent Swarm（Agent集群）的 Scaling Law 存在一个最优临界阈值。
最后，黄超总结了Agent设计的底层逻辑。他认为，Agent的本质是优雅的“ReAct（Reasoning-Action-Observation）”认知循环。成功的生产力Agent不应只追求避错，而应具备从真实任务中“感知错误并优雅降级”的学习能力。在Computer Use探索中，CLI相比GUI拥有更低的Token成本和更高的精确度，将是未来Agent演进的核心方向。
【AgentUpdate 深度解析】黄超教授提出的“CLI-Anything”范式，直击了当前Computer Use技术路线的痛点。现阶段以Anthropic Claude Computer Use为代表的GUI视觉解析方案，面临着高昂的Token开销、多步推理延迟以及由于界面更新导致的鲁棒性差等瓶颈。将GUI重构为CLI，本质上是将“非结构化的视觉感知”降维为“结构化的语义控制”，这不仅能显著降低LLM的推理负载，还为Agent的高频、高并发调用奠定了确定性基础。从长远来看，这预示着软件工程的一场深刻变革：未来的SaaS和企业软件将不再仅为人类视觉习惯设计，而是必须提供“Agent-First”的轻量化接口。这种软硬件及应用层向Agent生态的主动妥协与重构，将彻底加速AI Agent从辅助性工具向自主性“数字劳动力”的跨越。
