让智能体管物理世界的长时程任务，是件比写代码、答问答难得多的事。灌溉要按时、施肥要看天，动作一旦执行不可逆，环境还会自己变。传统做法是拿强化学习训一个控制器，但要喂大量交互数据，环境一换往往就失灵。9 月披露的一篇论文换了个思路：用大语言模型智能体以零样本方式去管这类长时程物理任务，看它能不能在环境漂移时比 RL 更扛造。
为什么 RL 在物理任务上容易卡壳
RL 的麻烦在于数据和泛化。以暖通空调控制为例，训出一个好控制器可能要相当于一栋楼运行几十年的数据；更棘手的是，训练环境和部署环境很少完全一致，天气一变、传感器一老化，训好的策略就可能失效。物理世界的动态性，是 RL 部署很难绕开的墙。论文用农业场景做对照：让 LLM 智能体和 RL 智能体在不同天气模式下比管理灌溉与施肥。
增量认知：RL 的强项是「在同一环境里反复打磨到极致」，弱项是「换个环境就从头来」。LLM 智能体的强项恰好是零样本泛化——它不一定在某一个环境里刷到最高分，但环境一漂移，它的适应速度往往压过需要重新训练的 RL。
规划、工具、观测、核验的闭环
论文设计的多智能体框架，把物理任务拆成四个环节：规划出管理目标，调用工具执行动作，观测环境与植物状态，再核验动作是否达到预期，然后回到规划修正。这个闭环看起来朴素，却是长时程任务不跑偏的关键——每一步都有观测和核验兜底，而不是「下个指令就走人」。
在同样的天气模式下，零样本 LLM 智能体能拿到和 RL 相近的管理结果；当评估环境相对训练环境发生偏移时，LLM 智能体的表现下滑更小、恢复更快。换句话说，它不一定在稳态里赢，但在变化里更稳。
边界与适用场景
落地提醒：这套思路的代价是它吃模型本身的推理与规划功底。任务越需要精确的数值控制、越容不得一步差错（比如实时紧急停机），LLM 智能体反而未必合适；它更擅长「需要解释、需要权衡、环境会漂移」的管理类长程任务。论文本身也指出，目前仍属可行性验证，离直接接管关键基础设施还有距离。
对做机器人、农业自动化、设备运维的团队，这提供了一个值得试的替代视角：与其为每一种环境都训一个 RL 控制器，不如先让一个会规划、会观测、会核验的 LLM 智能体去顶上，把精确控制留给更底层。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
把物理世界的动作管理做成「规划—工具—观测—核验」的智能体闭环，而不是单一策略网络，或许正是长时程自主系统该有的样子。