從聊天機器人到數位同事：持久自主 AI 的典範轉移

大型語言模型（LLMs）正經歷根本性的轉變，從單純的對話生成工具進化為具備推理、行動、記憶和自我改進能力的綜合 AI 系統。研究將此過渡概念化為從聊天機器人（Chatbot）到數位同事（Digital Colleague）的典範轉移，即從提供對話式答案轉向支援持久性工作（persistent work）。

在認知核心層面，LLMs 正從聊天機器人時代依賴下一個詞元預測（next-token prediction）的「快速思考」系統，進化為利用推理時計算（inference-time computation）、思維鏈（Chain-of-Thought）推理、反思（reflection）、流程監督（process supervision）以及強化學習（reinforcement learning）的「思考型 LLM」（Thinking LLM）。這種演進旨在支援更審慎且可靠的認知過程。

在工具增強的任務執行層面，LLMs 正從以臨時方式調用外部資源的「工具呼叫代理」（tool-calling Agents），進化為具備持久工作空間（Workspaces）、技能（skills）、驗證迴路（verification loops）與治理（governance）的 OpenClaw 式工作站系統。透過「工作空間加技能」（Workspace + Skill）的範式，LLMs 得以透過狀態持久化、可重用的程序、任務閉合與經驗重用來實現類似同事的 episodic 工具使用。

數據構建方式正從指令與回應對（instruction-response pairs）轉向狀態 - 行動 - 觀察軌跡（State-Action-Observation trajectories）。同時，評估標準也從靜態基準測試（static benchmarks）轉向沙盒化、可審計且自我演化的 AI 生態系統。