智能体正从单一任务执行走向复杂工作流的自动化。最新研究显示，从交通行为预测到计算机操作学习，再到AI自我改进算法，智能体能力边界不断扩展。三个方向看似无关，实则指向同一趋势。
交通行为研究领域，一项研究提出三智能体工作流，把数据收集、行为建模和天气敏感需求预测整合到一起。过去这些环节各自为战，评估也割裂。现在智能体让端到端协作成为可能，预测精度和效率都有提升空间。
另一项研究从日常计算机操作痕迹中提取任务模型。被动记录的截图和键鼠操作，被转化为符号化、可审计、可复用的工作流程模型。智能体通过观察人类操作来学习如何完成任务，不需要显式编程教它每一步。
更激进的方向是递归自我改进。AI4AI-Bench评估大模型智能体在算法设计中的能力——让AI改进产生AI的训练算法，下一代系统继承上一代的改进。这本质上是AI在优化AI，触及自我进化的门槛。
从辅助人类建模，到观察学习人类行为，再到改进自身算法，智能体正在从工具变为自主工作者。下一步要回答的问题很直接：当AI能改进产生AI的过程，边界在哪里？