跳转至

三年从 GPT-3 到 Gemini 3：Mollick 对 Agent 时代 AI 演进的实测

Ch04.222 三年从 GPT-3 到 Gemini 3：Mollick 对 Agent 时代 AI 演进的实测

📊 Level ⭐⭐ | 10.4KB | entities/three-years-gpt3-gemini3-mollick.md

三年从 GPT-3 到 Gemini 3：Mollick 对 Agent 时代 AI 演进的实测

2026-06-07 引用自 Ethan Mollick《Three Years from GPT-3 to Gemini 3》，One Useful Thing，2025-11-18。

三年的指数曲线

2022 年 11 月：AI 只能写一个关于 candy-powered FTL 飞船逃离水獭的连贯段落。

2025 年 11 月：AI 可以在 2022 年同样的提示下，自己编写出完整可玩的游戏。

Gemini 3 发起挑战：用同一篇文章演示 AI 进步。收到"show how far AI has come since this post by doing stuff"的单一提示后，Gemini 3 主动构建了完整的 Candy-Powered FTL Starship Simulator——不是描述游戏，是写代码、做界面、让你亲自玩。

编码工具不只是程序员的工具

Gemini 3 发布时同步推出 Antigravity（类似 Claude Code/OpenAI Codex 的编程 Agent）。Mollick 强调：编程能力本质上是能够在电脑上做任何事情的能力——构建仪表板、操作网站、创建 PowerPoint、读取文件。Agent 能编码 = Agent 能做任何人类用电脑能做的事。

Antigravity 的 Inbox 概念：发送 AI 任务，Agent 在需要批准时 ping 你。Mollick 用 Antigravity 分析了自己所有 newsletter 文章、进行网络研究、创建网站、部署结果，全程像在管理队友而非操作 chatbot。

PhD 级智能测试

Mollick 给 Gemini 3 分配了一个典型的二年级 PhD 学生任务： - 访问混乱的旧研究文件（各种命名不规范、过期数据格式） - "弄清楚数据结构，做数据清理，找新发现" - 然后"写一篇原创论文，关于众筹但涉及创业或商业策略的重要理论主题，做深度研究，做复杂分析，写成期刊格式"

AI 自动完成： - 恢复损坏数据，理解复杂环境 - 提出原创假设，统计检验 - 生成原创研究论文（14页）

最有趣的部分：AI 在没有提示的情况下自己想出了衡量众筹想法独特性的方法（用 NLP 比较数学描述）。当然也有 PhD 学生水平的弱点：部分统计方法需要更多工作，部分方法不是最优的，部分理论推演超出证据范围。

"PhD 智能"不再那么遥远——定义为做合格研究生的实际工作。

结论

Chatbot 时代正在转变为数字同事时代。"Human in the loop"从"人类修复 AI 错误"演变为"人类指挥 AI 工作"。这可能是 ChatGPT 发布以来最大的变化。

深度分析

从"能说"到"能做"的范式跃迁

GPT-3 时代的核心限制在于其输出本质上是文本生成——无论多么流畅，都停留在"能说"的层面。Mollick 的 candy-powered FTL 飞船测试揭示了一个关键拐点：2022 年 AI 被要求写一首关于这个概念的诗，它只能产出文字描述；2025 年同样模糊的指令却触发了自主构建完整可运行游戏的行为。 这不是性能的线性提升，而是任务执行模式的根本性转变——从响应 prompt 到自主规划并交付完整成果。这种跃迁意味着 AI 正在从"高级搜索引擎"进化为"可委托任务的数字员工"。

Agentic AI 的权力不对称

Mollick 强调编程能力本质上是"在电脑上做任何事情的能力"，这一洞察揭示了 Agent 工具的真正颠覆性。传统视角下，编程是程序员的专属技能；但当 AI Agent 能够编程时，这个等式两端同时发生了变化——编程不再是人类的专业技能，而成为 AI 与操作系统之间的通用接口。 Antigravity 的 Inbox 模式（发送任务→AI ping 你审批）将这种不对称进一步显性化：人类扮演的是管理者而非执行者，权力位置从"做"转向"决定做什么"。

"PhD 级智能"的定义陷阱

Mollick 对"PhD 级智能"的测试暴露了这一概念的双重含义。技术厂商宣称"PhD 级"通常指的是知识储备的广度与深度——模型在各项基准测试上逼近或超越人类专家水平。但 Mollick 的实测却揭示了更复杂的图景：Gemini 3 确实能完成二年级 PhD 学生级别的原创研究任务，包括恢复损坏数据、提出可检验假设、生成完整论文。 然而它的弱点恰恰也是 PhD 学生常见的弱点——部分统计方法需要更多工作，部分方法选择并非最优，部分理论推演超出证据支撑范围。这提示我们"PhD 级智能"可能需要重新定义为完成合格研究生的实际工作，而非单纯的学术知识储备。

"Human in the Loop"的语义迁移

从 ChatGPT 到 Gemini 3，"Human in the loop"的概念发生了根本性语义迁移。早期 AI 时代，这个短语意味着人类负责纠正 AI 的错误输出——是一种质量控制机制。Mollick 观察到的变化是它正在演化为"人类指挥 AI 工作"——从错误修复者转变为工作导演。 这种迁移带来的管理挑战是全新的：不再需要"AI 做对了什么"的监督能力，而需要"应该让 AI 做什么"的决策能力。管理 Agentic AI 的核心技能从技术判断力转向战略判断力与任务分解能力。

从聊天界面到数字同事的体验鸿沟

Mollick 明确指出管理 Agent 与使用 chatbot 是两种截然不同的体验："感觉更像是在管理队友，而不是在 chat 界面中 prompt AI"。 这个体验鸿沟揭示了 Agentic AI 的真正革命性所在：它不仅仅是能力的增强，更是人机协作模式的范式转换。传统 chatbot 使用者需要把自己调整为"AI 能理解的表达方式"；而 Agent 使用者则可以维持自然的人类工作流，让 AI 适应人类的沟通习惯。这意味着非技术用户采用 AI 的门槛大幅降低——不再需要学习"如何 prompt"，而是可以用自己的专业语言布置任务。

实践启示

1. 用"任务"替代"问题"重构工作流

传统 AI 使用模式是向 chatbot 提问（"帮我写一封邮件"）；Agent 时代应该转向委托任务（"帮我分析这份报告，找出三个战略机会，输出结构化建议"）。关键转变在于从开放式问题到明确交付物的思维转换。 这要求工作者在发起任务前先完成任务分解与预期定义——这恰恰是人类判断力应该投入的地方。

2. 建立"AI 团队成员"的管理心智

Mollick 用 Antigravity 的体验是"管理队友"而非"操作工具"。对于知识工作者，这意味着需要建立新的工作心智模型：把 AI Agent 视为有能力的同事，但需要明确授权与边界设定。实践建议是，为每个 Agent 任务明确范围（我能做什么）、决策权限（何时需要我审批）、以及交付标准（什么算完成）。 这种心智模型还意味着需要容忍 Agent 的"人类式错误"——Mollick 指出他的 Agent 犯的更多是判断偏差而非 AI 幻觉。

3. 投资"任务分解"而非"Prompt 工程"

随着 Agentic AI 普及，真正有价值的人类技能从"学会如何向 AI 表达需求"转向"学会如何将复杂目标拆解为可执行的任务序列"。Mollick 的案例中，他将"分析所有 newsletter 文章并生成预测准确率网站"这样的高层目标委托给 Agent，Agent 自己完成了文件读取、代码执行、网页研究、结果部署的完整链条。 这提示知识工作者应该更多练习目标拆解而非 prompt 技巧——把精力放在"想清楚要什么"，而非"怎么说清楚"。

4. 主动为 Agent 设置检查点

Mollick 强调 Agent"在需要批准时会 ping 你"——这意味着有效的 Agent 使用需要工作者主动设计检查点而非被动等待错误。实践建议是，在任务流程的关键节点（数据处理完成、分析框架确定、初稿生成）预设审核点，而非等 Agent 完成全部工作后再检查。 这与软件工程中"早发现早修复"的原则类似，但检查的是判断质量而非代码正确性。

5. 用"指导学生"的方式引导 Agent 迭代

Mollick 发现，当他对 Gemini 3 提出模糊但有空间的改进建议（"build it out more, make it better"），Agent 的表现提升显著——"就像指导学生一样"。 这提示 Agentic AI 的最佳交互模式不是"一次性给出完整指令"，而是迭代式引导：给方向而非给细节，让 AI 自己补全执行路径。这要求工作者具备"模糊指令精确化"的能力——既能给出战略方向，又能为 AI 的创造性执行留出空间。

相关实体

→ 原文存档