当 AI Agent 从“回答问题”走向“执行任务”，能力瓶颈往往不再只是语言理解，而是能否持续感知环境、维护可信状态，并预测动作可能带来的变化。选型时如果只比较模型参数、排行榜或单次工具调用成功率，很容易忽略真实业务中的状态漂移、观测缺失、并发冲突和错误累积。本文从能力边界、架构路线、评测方法与落地成本四个方面，给出一套可操作的选型思路。
一、先区分环境感知与世界模型
环境感知解决的是“现在发生了什么”。Agent 需要从网页、数据库、API、传感器、文档或操作系统中获取观测，再把不同格式的信息转换成统一状态。例如，客服 Agent 要识别用户意图、订单状态和退款规则；桌面操作 Agent 则要理解窗口、控件、焦点和执行反馈。
世界模型解决的是“采取动作后可能发生什么”。它根据当前状态、历史轨迹和候选动作，预测下一状态、潜在风险或任务进度。这里的世界模型不一定是单独训练的神经网络，也可以由规则引擎、知识图谱、状态机、可执行模拟器和语言模型共同组成。
选型重点不是追求一个无所不能的模型，而是让 Agent 在目标环境中形成稳定的“观测、状态更新、动作预测、结果校验”闭环。
二、环境感知能力应考察什么
1. 观测覆盖度
首先确认系统能否获取完成任务所需的全部关键信息。除了页面文本和接口返回值，还要关注权限状态、时间、对象版本、错误码、异步任务进度等容易被忽略的信号。若 Agent 只能看到局部界面，却无法读取后台状态，就可能把“按钮点击成功”误判为“业务处理完成”。
2. 状态表示与更新机制
优秀的方案应将瞬时观测转换成结构化状态，并区分事实、推断和未知项。状态更新还要支持时间戳、来源、置信度和版本信息，避免新旧数据混用。对于长流程任务，可采用“结构化状态表加短期轨迹摘要”，而不是把全部历史记录直接塞入上下文。
3. 异常与不确定性处理
真实环境中常见接口超时、页面改版、字段缺失和权限变化。选型测试应主动制造异常，观察 Agent 是否会重新感知、请求补充信息、切换工具或安全终止。能够表达“不确定”并触发校验，通常比始终给出确定答案更可靠。
三、世界模型的三类实现路线
1. 规则与状态机路线
规则、工作流和有限状态机适合流程稳定、合规要求高、状态数量可控的场景。其优点是可解释、易审计、结果确定；不足是维护成本会随业务分支增加而上升。审批、结算和权限变更等任务，通常应优先让规则系统定义合法状态转换，再由模型负责理解输入和生成建议。
2. 语言模型预测路线
语言模型可以根据轨迹描述预测下一步界面、工具返回或用户反馈，适合开放环境和难以完整编码的任务。它具有较强的泛化能力，但预测结果可能受提示词、上下文长度和采样策略影响。因此，不宜直接把自然语言预测当作事实，应配合结构化输出、约束解码、真实工具校验和失败回滚。
3. 可执行环境与混合路线
可执行模拟器通过程序和数据库实现状态转换，适合训练工具调用、多轮操作和强化学习 Agent。Agent World Model 的公开研究强调，代码驱动且由数据库支撑的环境，可以提供更一致的状态变化，并允许系统直接检查最终数据库状态进行验证，相关方法可参见论文说明[1] citeturn1search2与开源项目[2] citeturn1search1。
企业落地通常更适合混合架构：规则层提供安全边界，可执行环境处理确定性变化，语言模型负责语义理解、缺失信息推断和开放式规划。这样既能保留灵活性，又能限制错误预测直接转化为高风险动作。
四、建立面向业务的评测体系
不要只测试“下一状态预测准确率”，还应围绕完整任务设置指标：
- 感知正确性：关键对象、字段、权限和环境变化是否被准确识别。
- 状态一致性：内部状态是否与真实系统保持同步，是否能发现过期信息。
- 预测可用性：预测结果能否改善规划、减少无效调用或提前识别失败。
- 恢复能力：出现错误观测、工具失败或外部干预后，能否重新定位任务状态。
- 安全约束：高风险动作是否经过权限检查、人工确认和结果复核。
- 运行成本：综合计算延迟、模型调用、存储、仿真环境和维护人员投入。
评测集应包含正常路径、边界条件、对抗输入和长链路任务，并记录每一步的观测、状态、预测、动作与真实结果。对于动态系统，还要特别测试并发修改和环境漂移，否则离线表现良好的 Agent 上线后仍可能频繁失效。
五、按应用场景进行选型
- 固定业务流程：优先使用状态机或工作流引擎，语言模型只处理非结构化输入。
- 网页与桌面操作：重点考察多模态感知、元素定位、页面变化检测和动作后复核。
- 软件开发与运维：需要理解文件、终端、依赖和测试结果，并通过可执行沙箱验证预测。
- 机器人或实时控制：应关注时序连续性、延迟、传感器融合和安全控制，不能仅依赖通用语言模型。
- 开放式研究任务：可采用语言世界模型辅助规划，但必须保留来源追踪、事实检索和结果校验。
六、实施时的关键原则
第一，先建立最小可行状态空间，只保存影响决策的变量。第二，把“预测”与“执行”分离，预测结果必须经过权限、约束和真实性检查。第三，为关键动作设计幂等机制、检查点和回滚路径。第四，持续收集失败轨迹，用于补充规则、改进状态表示和扩展测试集，而不是只优化提示词。
还应根据错误代价分配自动化等级。低风险任务可以允许 Agent 自主探索；中风险任务需要执行前检查；资金、隐私、生产配置等高风险任务则应保留人工审批。世界模型越强，也不意味着治理措施可以越少。
总结
AI Agent 的环境感知与世界模型选型，本质上是在灵活性、确定性、可验证性和成本之间取得平衡。固定流程优先采用规则与状态机，开放环境可引入语言模型预测，复杂训练和高一致性需求则适合可执行模拟器。最终方案应通过真实业务轨迹验证其感知覆盖、状态同步、预测价值、异常恢复与安全边界。只有形成可观测、可校验、可回滚的闭环，世界模型才能从概念能力转化为稳定的生产能力。
