为什么 AI Agent 只会线性输出？

不知道大家在使用AI Agent的时候有没有这种感觉：它只会线性输出。

为了一探究竟，跟Kimi K3深度探讨了这种现象，背后还真有一些原因。

1.先说我的发现

最近用Codex干活，让它做工作流、规划方案，给我的永远是"第一步、第二步、第三步"。它不会主动说"这三件事可以同时干"，或者这两节点需要交叉并行。

我需要进行多次纠正，才逐渐会有接近实际需要的结果。

2.为什么？挖到底层，有三条

第一条：AI的复杂思考，必须落在字面上。

人做规划，会先在脑子里成形，想好了才落到纸上。AI不一样，实验发现如果不许它写中间过程，它会弱到连"图上两点之间通不通"这种问题都判不出来。

这就是"思维链"有用的根本原因：它的推导不是在脑子里跑完再告诉你，而是必须写在字面上才算数。

第二条：AI每生成一个token，只花得起一步计算。想更深，只能写更多。

不管顺手写个"然后"，还是检查十件事之间的依赖关系，它每个token的计算量是一样的、恒定的——这是Transformer架构天生的。所以复杂分析只有一条出路：摊开来，写长。

第三条：AI能提前想一小步，但没法把全局铺开检查。

有篇论文叫"思维树"（Tree of Thoughts）里面讲：语言模型是从左到右一个字一个字做决策的，遇到需要前瞻、探索、走错了退回来的任务就力不从心。

3.了解以上三条，有些名词突然就全懂了

工作流编排（workflow）
全局结构它铺不开、查不了，那就人来规划：哪里并行、哪里汇合、哪里分叉，人提前画好，AI只负责跑节点。

loop工程
AI不会自觉"做完检查、不行重来"，复杂推导又得靠写长才能发生，那就把循环装在它身体外面：跑一遍 → 拿测试结果喂回去 → 不达标 → 再跑一遍。迭代不是它内生的，是外挂的。

这些工程手段本质是同一回事——把它缺的"先想好再动手"，用代码和流程补在外面。

4.注意事项

如果我们一开始就清楚流程，不如直接就给AI。它看不见全局，你替它看见，比如提示词里点破"这事有几块可以并行"。

把"想"和"写"拆成2次，让它先了解哪些会有非线性流程，我们确认完，再让AI排。

基于以上原因，AI输出很长就容易理解了，可以要求它提取关键信息。

无法完全规避，但至少我们知道AI能力边界后，有意注意后少走弯路，少些误解。