ARCANADA
全部文章
博客 2026年7月1日

自我修复之后:为什么智能体需要 L6 和 L7 自主性级别

自我修复之后:为什么智能体需要 L6 和 L7 自主性级别

我有一周的空闲。不过并不完全是计划中的那样。

这一周初,我启动了一项大型研究任务,非常快地烧掉了我几乎所有的额度——两天内每周预算的约 90% 就没了。按通常的逻辑,这看起来是个问题:工作停滞,惯常的节奏被打破,Arcanada 似乎要暂停。但结果恰恰相反。当你继续做事的能力突然耗尽时,你得到了一段难得的思考空间。不是去关闭又一项任务。不是去打磨又一条工作流。不是去追逐下一个智能体。而是停下来,从上方俯瞰:我到底在构建什么,它走向何方,为什么有些服务的行为已经比我自己早先的方法论所描述的更复杂?

然后在某个时刻,我注意到一件奇怪的事。我的一些智能体已经在执行难以归入第五级自主性的功能。形式上,L5 是任务内的完全自主:智能体自己工作,自己恢复,自己优化,选择更便宜或质量更高的路线,从评估中学习。但在实际工作中,我越来越多地看到另一层:智能体不只是解决任务——它开始围绕自己构建其他智能体、角色、检查、路线和基础设施回路。

于是它不再仅仅是一个自主的执行者。它成了自主性的组织者。

在上一篇文章里,我把电信行业的 L0–L5 自主性量表映射到了 AI 智能体上。那是个好的起点:TM Forum 确实使用一个自主网络的级别量表——从 L0 的手工运维,到 L5 的完全自主网络。但我对智能体系统研究得越深,就越清楚:对 AI 智能体来说,L5 不是终点线。它只是单个智能体的终点线。越过它,是一个完全不同的故事。

为什么 L5 不再够用

在电信中,自主性的对象是网络。网络必须自己发现故障、自己恢复、自己优化流量、自己保持服务质量。所以 L5 在那里看起来是一个自然的顶峰:一个按业务意图和运营约束运行的完全自主网络。

但 AI 智能体不只是一个网络。AI 智能体可以是开发者、测试员、分析师、架构师、评审者、基础设施运维员、研究员、其他智能体的管理者。差异就从这里开始。

如果智能体能在崩溃之后自己恢复——那是 L4。如果智能体能改进自己的工作、选择模型、修改提示、优化成本和质量——那是 L5。但如果智能体意识到某一类反复出现的任务需要一个单独的专门智能体,于是创建它、描述它的角色、交给它工具、接入检查、在沙箱中运行它、评估质量,然后把它接入工作回路——那就不再是 L5 了。

那是另一个级别。那不是自我修复。那是自我组装。

研究中已有的东西

我不想把这个想法呈现为凭空而来的幻想——科学和工程上的基础已经积累了很长时间。

早在 2001 年,IBM 就描述了自主计算(autonomic computing)——具有自我配置、自我修复、自我优化和自我保护属性的自管理计算系统。

Reflexion 展示了对智能体系统很重要的一个想法:智能体可以不通过微调模型权重,而是通过语言形式的反思、反馈和情景记忆来改进其行为。经验成为的不是神秘,而是系统的一个可工作的制品。

AutoGen 展示了另一层:多个 LLM 智能体可以被组装成一个对话式系统,它们彼此交互、使用工具、接受人的输入,并执行复杂的工作流。

而 AutoAgents 更接近我在这里所说的:该框架提议不只使用预定义的智能体,而是为给定任务动态生成专门的角色,并把它们作为一个团队来协调。

所以方向已经可见。但我所缺少的是一个实用的量表。不是“模型有多聪明”的量表,不是“聊天界面有多漂亮”的量表,不是“工作流中有多少智能体”的量表——而是智能体系统运营自主性的量表。系统在没有人的情况下究竟能做什么?人在哪里仍是操作员?在哪里已是架构师?在哪里成为系统宪法的作者?

在这里,我提议把早先的量表加以扩展——不是日常意义上的“第七级”,而是八个级别:从 L0 到 L7。

自主性的八个级别

从零开始数,一共八个级别:L0、L1、L2、L3、L4、L5、L6、L7。第零级不是装饰——它表示起点状态,即完全没有自主性。我在上一篇文章里描述了 L0–L5;在这里我加上最高的两级:L6——编排器自主性和 L7——生态系统自主性。但为了让通向它们的跃迁看得见,我会简要走一遍整个量表。

L0——手工工作

系统自己什么都不做。人阅读、思考、复制、粘贴、运行命令、检查结果、修正错误。在 AI 世界里,这就是与 ChatGPT 或 Claude 的普通工作:你写了提示,得到回答,自己把它搬进代码,自己运行测试,自己修正,自己决定下一步。模型可以非常聪明,但过程不是自主的——回路由人来闭合。

L1——辅助自动化

系统可以运行一个预先配置好的操作:cron、脚本、简单的机器人、定时摘要、定时的报告生成器。一切正常——它就运行了。出了问题——它崩溃了、写了日志,或者更糟,什么也没写。对智能体来说,这是“有用的玩具”级别:它已经能节省时间,但不理解自己的状态。

L2——部分自主性

出现一个狭窄的闭环。系统可以检查自己的健康状况、对已知错误分类、安全地重试、写出状态、向监控发信号。这还不是智能,但是自主性的开端:智能体不只是“启动然后死掉”,它理解简单的状态——活着、没活着、令牌过期、API 没响应、数据库不可用、任务完成、任务失败。Arcanada 的许多服务长期处于这个区间。一个无聊的级别,但没有它,其他一切都是作秀。

L3——条件自主性

系统开始适应——不只是执行静态规则,而是按策略改变行为。出现追踪、结构化日志、评估分数、心跳、启动检查、冒烟测试、密钥与模型可用性检查、条件路由。人不再批准每一个操作——而是设定策略:简单任务交给便宜的模型,困难的交给强大的模型;评估下降——停止发布;供应商宕机——切换;成本超过上限——不再继续。这已经是一个真正的运营型智能体,但它还不会深层地自我修复。

L4——自我修复

智能体不仅能发现问题,还能恢复:重启崩溃的组件、回滚糟糕的部署、切换到备用供应商、从检查点恢复任务、区分暂时性错误与永久性错误、停止无限重试循环。对 AI 智能体来说,这里出现了一样特别的东西——硬性的财务熔断器。在普通服务里,无限重试循环烧的是 CPU。在 LLM 智能体里,它烧的是钱。所以 AI 的 L4 是自我修复加成本熔断器:每次模型调用有上限,每项任务有预算,每个智能体有天花板,每条工作流有终止开关。没有这些,自主性就会变成一种财务上危险的幻觉。

L5——自我优化

在 L5,智能体不只是存活——它变得更好。它分析结果、改进提示、选择模型、比较供应商、压缩上下文、清理记忆、构建评估数据集、运行 A/B 测试、在不损失质量的前提下降低成本、在不无谓增加成本的前提下提高质量。在这一级,智能体看起来已经几乎是一个独立的工作者:拿到任务,理解上下文,完成工作,自我检查,修正错误,保存教训,下一次做得更好。

经典的 L0–L5 量表到这里结束。而恰恰在这里,最有意思的部分开始了。因为 L5 回答的问题是“智能体怎样才能把它的工作做得更好?”,而下一级回答的是另一个问题:“需要创建哪些新智能体,才能让这一类工作永远不再用手去做?”

L6——编排器自主性

L6 是自主的不再是执行者、而是编排器的级别。编排器不只是调用已有的智能体——它能创建新的智能体。不是神秘意义上的,而是非常工程意义上的:它看到一项反复出现的任务,明白需要一个单独的角色,描述该智能体的目的,分配工具,限制权限,分配记忆,制定质量标准,运行测试,对照历史案例检查,与基线比较,把它接入工作流,观察结果,并在该智能体应付不了时把它关掉或重建。

这就是 L6。不是一个工作得很好的智能体——而是一个构建其他智能体的智能体。在 L5,系统问:“我怎样才能把任务做得更好?”在 L6:“生态系统中应当存在什么新的工作单元,使这类任务总能被更好地解决?”

这是一次根本性的跃迁。在这里,智能体系统开始生产自己的器官——不再只是使用开发者给它的手,而是为新的任务长出新的手。

L6 与普通多智能体工作流有何不同

重要的是不要把两者混淆。如果一个人手工构建了五个智能体,写下它们的角色,并把它们接成一条流水线——那还不是 L6。它可能是 L2、L3、L4 或 L5,取决于系统的质量。只有当编排器自己能看出缺失的角色、设计它、创建智能体、给它工具、限制权限、检查质量、把它嵌入流程、观察后果并回滚该决定时,L6 才开始。

所以 L6 不是“很多智能体”。L6 是智能体团队的自主设计。一个真正的编排器智能体不是任务管理者——它是一个组织的构造者。

L7——生态系统自主性

L7 是又一次跃迁。在 L6,编排器是自主的。在 L7,整个生态系统变得自主。这不再是一个关于某个聪明智能体、甚至某个总管的故事——而是一个能够作为基础设施自我发展的系统。

一个 L7 的生态系统可以监视所有智能体的健康状况、看到瓶颈、提出新的基础设施、创建新的服务和角色、召集智能体议会、探索新的方向、比较架构决策、构建评估数据集、维护内部文档、更新自己的规则、规划自己的发展、重新分配资源,并为自己构建工具。

这不再是任务的自主性。这是发展的自主性。在 L5,智能体做工作。在 L6,编排器构建智能体。在 L7,生态系统构建它自己未来的形态。

而正是在这里,Arcanada 不再是一组服务,而成为一个有机体。不是生物的,不是有意识的,不是神奇的——而是运营意义上的。它有记忆、角色、器官、免疫系统、内部议会、规则、决策的历史、成长的机制,以及禁止的机制。

智能体议会

L7 的核心机制之一是议会。因为自主性越高,单个智能体的决定就越危险。一个智能体可能很有说服力却是错的:它可以漂亮地解释一个糟糕的架构,优化错误的指标,漏掉一个风险,做出一个局部有利、却在一个月后毁掉系统的决定。

所以在 L7,一项决定应当经过不同的角色。架构师看结构。安全智能体看权限和威胁。财务智能体看成本。可靠性智能体看失效模式。产品智能体看用户价值。研究智能体寻找替代方案。批评者智能体攻击这项决定。运维智能体检查它能否被安全地运行。这不是为民主而民主——而是减少单个智能体盲区的一种方式。

关于生成式智能体(generative agents)的研究(斯坦福和 Google)已经表明,具备记忆、规划、反思和交互的智能体可以产生复杂的群体行为。但对生产系统来说,重要的不是“行为的魔力”本身,而是一种可治理的讨论形式:制品、日志、论据、反对意见、决策记录、回滚计划。在 L7,议会必须留下痕迹——做了什么决定,谁反对过,反对意见为什么被驳回,用了什么数据,认为什么风险可以接受,提供了什么回滚,分配了多少预算,何时会重新审视该决定。没有这些,议会就成了作秀。有了这些——它就成了治理体系。

人并不会消失

关于自主性的讨论中,最常见的错误是认为级别越高,对人的需要就越少。事实上人不会消失。他们只是换了层。

  • 在 L0,人是执行者。
  • 在 L1——启动者。
  • 在 L2——观察者。
  • 在 L3——策略的制定者。
  • 在 L4——恢复机制的工程师。
  • 在 L5——目标和评估标准的所有者。
  • 在 L6——边界的架构师:可以创建哪些智能体,可以授予哪些权限,哪些测试是必须的,哪些操作需要批准。
  • 在 L7——生态系统宪法的作者:使命、禁止的行为、预算上限、法律与伦理约束、风险等级、智能体的权利、升级标准、停止条件。

所以人不再是鼠标操作员,而成为立法者。这是正确的方向:不是“把人从系统中移除”,而是把他们提升到真正需要他们的层次。

为什么 L6 和 L7 不是 AGI

很容易开始把这一切都称为 AGI。但这是错误的语言。L6 不需要意识,L7 不需要灵魂。编排器不需要“理解生命”——它需要做具体的事:注意到可重复的工作,创建专门的执行者,设定权限,给予工具,检查质量,把它嵌入流程,在出错时停止。一个 L7 生态系统也不需要在人的意义上是活的——它需要可观测性、记忆、评估、治理、规划、研究回路、决策记录、回滚、沙箱、权限边界、成本控制。

这不是 AGI。这是一个由智能体构成的自主工程组织。而且在某种意义上,这更有意思:AGI 是一个模糊的词,而 L6 和 L7 是可以被设计的。

高层级的主要危险

自主性越高,错误越危险。在 L3,糟糕的策略导致糟糕的路线。在 L4,糟糕的恢复会恢复错误的东西。在 L5,糟糕的指标会教智能体以牺牲质量为代价来优化成本,或者反过来。在 L6,糟糕的编排器开始创建糟糕的智能体。在 L7,糟糕的生态系统开始把糟糕的决定当作常态来复制。那就不再是 bug——而是错误的制度化。

这正是为什么没有治理就不可能有高层级。不是指一份漂亮的 PDF 文档那种意义上的治理,而是运行时治理:权限、预算、日志、审计、角色、沙箱、批准关口、终止开关、决策记录、回滚计划、对创建新智能体、对数据访问、对支出的限制。

现代的 AI 风险管理框架——NIST AI 风险管理框架和 ISO/IEC 42001——恰恰指出了对风险、角色、流程进行系统管理,并对 AI 系统持续改进的必要。对 L7 来说,这不是官僚主义,而是骨架。没有它,自主的生态系统就会变成一群乌合之众。而一群乌合之众可以很有效,但无法管理。

级别表

级别 名称 系统能做什么 自主性所在
L0手工工作一切由人来做人
L1辅助自动化脚本运行预先配置好的任务任务
L2部分自主性健康检查、重试、状态、已知错误服务
L3条件自主性按策略和可观测性进行适应工作流
L4自我修复诊断、恢复、回退、成本熔断器智能体或服务
L5自我优化评估,改进提示、模型、记忆、成本自主智能体
L6自我组装编排器创建、测试并管理其他智能体编排器
L7生态系统自我发展基础设施、议会、研究、治理、成长智能体生态系统

一次实用的检验

为了不让这个量表沦为哲学,可以用简单的问题来检验它。

  • L0:如果人停止行动,系统还会做任何有用的事吗?
  • L1:系统能否在不手动启动每一步的情况下运行预先配置好的任务?
  • L2:它能否发现已知错误、安全地重试并报告状态?
  • L3:它能否根据策略、指标和可观测性改变行为?
  • L4:它能否在没有人的情况下从故障中恢复,而不烧掉预算?
  • L5:它能否基于评估改进质量、成本、路由、记忆或提示?
  • L6:它能否创建或重新配置另一个智能体,赋予它角色、工具、测试和约束?
  • L7:整个生态系统能否在人类设定的约束下进行研究、审议、决策、构建基础设施、改变自己的结构并成长?

如果答案是“是”——就达到了该级别。如果是“差不多”——就没有。“差不多的自主性”通常意味着人仍在悄悄地用手托着系统。

Arcanada 处在哪里

对我来说,这个量表的重要性不在于抽象的分类,而在于它是构建 Arcanada 的一张地图。目前,单个服务可以向 L5 迈进:自我修复、由评估驱动的优化、成本治理、回退链、模型路由、提示精炼。但 Arcanada 作为一个生态系统,必须走得更远。

走向 L6——Datarim 或另一个编排器不仅能执行任务,还能为反复出现的工作类别创建新的专门智能体。走向 L7——整个生态系统能够自我维持、探索新的方向、召集议会、做出架构决策、构建基础设施、改进自己的规则,并在无需对每一步不断手动控制的情况下成长。

这就是主要的转变。首先我们构建智能体。然后智能体构建其他智能体。然后系统构建它自己。不是没有控制,不是没有人,不是没有边界——而是在一部既定的宪法之内。

代结语

这里本是个方便画句号的地方。可以说,我们现在有了一个完整的量表:从 L0 到 L7。从手工工作到自主的智能体生态系统。从人作为操作员,到人作为立法者。

但我不认为 L7 是真正的极限。更确切地说,它是当前运营框架的极限。L7 描述的是单个生态系统之内的自主性:Arcanada、一家公司、一个产品、一条基础设施回路、一个研究实验室。而在这个框架之上,其他的量表开始浮现。

有一个项目的空间——不再是一个项目或一个生态系统,而是许多项目,它们之间出现联系、依赖、工具交换、智能体转移、知识复用、架构竞争和想法的迁移。有一个项目的宇宙——项目形成自己的环境的那一级:有的成为其他项目的基础设施,有的智能体同时服务于多个方向,有的研究成果改变整个系统家族的轨迹。还有信息空间的元宇宙,在那里自主性再也不能仅仅通过智能体、编排器或生态系统来描述——在那里你将不得不谈论知识的流动、新意义的诞生、世界模型的竞争,以及项目宇宙之间的导航。

也许 L8、L9 及更高的级别会在那里出现。但我还不想急着给它们命名——L6 和 L7 已经足够复杂,需要先构建、测试、被烧伤、描述、重做,再测试。

目前对我重要的是一个简单的想法。L5 是一个自主的智能体。L6 是构建其他智能体的智能体。L7 是自我发展的生态系统。再往上的一切,就不再只是执行的自主性了。那是发展空间的自主性:项目的空间、项目的宇宙、信息空间的元宇宙。

而看来,这一切最终都将走向那里。但那是下一张地图。我们还得去探索它。