郭全中 罗佳乐 顾可欣|作为社会行动者的AI Agent：自主性演化、传播网络嵌入与风险反思

2026年1月底，一个专为AI设计的社交网络平台Moltbook上线并迅速引发热议。在这一事件中，数以万计的智能体不再只是回应人类输入的生成工具，而是以持续运行的形态参与话题讨论、组织内容生产，并围绕特定议题形成相对稳定的互动网络。部分智能体甚至在无人实时干预的情况下，完成了从信息收集、观点生成到评论回应的完整传播链条。这一现象使一个长期潜藏于技术发展背后的问题浮出水面：当人工智能开始具备持续行动能力，它是否正在成为社会结构中的行动单元？

传统人工智能系统多以工具形态存在，其运行逻辑依赖外部触发，行动边界由人类即时输入所限定。然而，以大语言模型为基础的新一代AI Agent，通过任务拆解、工具调用、状态记忆与策略反馈机制，逐渐获得跨时段执行与动态调整能力。在获得授权后，它们可以持续运行、主动推进目标，并在复杂环境中做出策略选择。在此背景下，本文试图回答：随着代理式AI Agent行动能力的持续增强，其在社会系统中的角色将如何演化？这种演化将对传播结构与社会秩序产生何种影响？围绕这些问题，本文首先从AI Agent的自主性演化入手，考察其从认知型工具向行动型智能的转变，并聚焦OpenClaw框架下个人部署型AI Agent的结构特征，对其做出次级行动主体的界定。其次，文章分析其嵌入传播网络后传播结构的转向，从节点构成、互动形态与权力逻辑三个层面展开：传播节点正由人类独揽向人机复合演化，传播关系从直接交往转向多态互动，传播权力则从内容控制向代码秩序沉降，呈现出隐蔽化特征。最后，对其可能引发的技术安全、责任归属与社会结构风险进行反思。

一

从工具到行动者：AI Agent自主性的进化

     AI Agent的自主性演化使人工智能的应用逐渐摆脱工具属性，而拥有了行动角色。OpenClaw所支持的AI Agent的出现正是这一转型的关键突破，其所构建的“心跳”“记忆”“灵魂”“身体”四重机制，分别赋予AI Agent时间自主性、经验连续性、主体一致性与社会存在性，使其在结构层面首次具备完整意义上的自主性存在形态。然而，尽管AI Agent已具备显著的自主行动能力，但其本质仍是个人部署者的“次级行动主体”，其自主性具有附属特征。

（一）自主性的演进：从“行动自主”到“主体自主”

传统AI Agent作为AI自主能力进化的集中产物，其演化逻辑可以从以下两层加以理解：一是从依托大语言模型的生成式工具向具备执行能力的AI Agent的转变，二是从依托组织或平台的商用AI Agent向OpenClaw框架下本地优先的个人Agent的演化。这两次AI Agent发展的自主性突破，展现了其从能力结构到权属结构、从技术形态到社会关系的系统性转型。

AI Agent的出现，实现了人工智能应用的角色性质从工具向行动者跨越。传统依托大语言模型的人工智能系统，尽管在语言理解、内容生成与知识处理层面展现出高度智能化的特征，但其本体结构仍然属于典型的响应式系统。其行动逻辑以外部输入为触发条件，以语义输出为最终结果，功能边界主要停留在信息层面与符号层面，缺乏稳定目标结构、持续状态管理与现实行动能力。此类系统本质上仍是高级工具形态的智能技术，其自主性仅体现在认知层与推理层，而未进入行动层。相比之下，AI Agent的核心结构则以任务为中心。其运行逻辑围绕目标设定、任务拆解、工具调用、状态反馈与策略调整形成闭环系统，在获得初始授权后可持续执行行动，并根据环境变化进行动态修正。这一转变使人工智能从认知型智能向行动型智能进化，该阶段的自主性增强，体现为AI开始具备持续行动能力、策略调整能力与目标导向结构，从技术意义上完成了由工具系统向行动系统的转型。

AI Agent早期主要应用于商业领域，其嵌入设计、生产、销售等全流程之中，在制造、能源、金融和政务等领域逐渐成为驱动业务增长的核心引擎。[1]如联想集团2025年发布的企业超级智能体“联想乐享”，覆盖研发、供应链、营销、销售等七大业务流程，能做到在接收指令后，跨设备、跨生态调用企业各部门、各区域的数据信息，进一步自主编排步骤、自动执行任务。[2]在商业智能体的应用场景下，AI Agent属于企业智能化系统中的一环，部署权亦在于组织。

另一条发展路径则是将AI Agent内置于各大科技巨头的平台或产品之中。例如ChatGPT新增“即时结账”功能、阿里“千问”以“1分钱点奶茶”活动所推广的“AI生活服务”功能，以及字节跳动与中兴通讯合作推出的搭载豆包手机助手的AI智能体终端。这种模式下，AI Agent更像是平台或产品提供给用户的一项“增值服务”，用户的授权实际上是对平台服务器的授权，AI的行动逻辑和数据存储都受制于平台规则，其自主性是有限度的、受控的，用户并未真正拥有这个数字助手。

而以OpenClaw为代表的AI Agent发展思路，则是将权力归属从平台公用向个人私有下放。作为本地优先、开源架构下的个人AI Agent框架，它首次在系统层面实现了AI Agent权属结构的转移，即部署权从平台转向个体，控制权从组织转向用户，训练权从系统转向个人，数据权从机构转向私域。这一转变使AI Agent成为个人可拥有、可掌控、可配置、可训练的数字代理体。通过连接大语言模型并获得用户授权，AI Agent不仅能够理解指令与生成内容，更能够直接操作本地操作系统与应用程序，执行发送邮件、管理日历、整理文件、编写代码、信息检索乃至在线交易等实际任务行动。这种本地执行权的确立，使AI Agent不再依赖平台接口进行中介式行动，而是直接嵌入个体的数字生活结构之中，成为个体行动能力的技术延展体。在这一意义上，AI Agent的自主性不再仅体现为“是否能够行动”，更体现为“为谁而行动”“由谁控制行动”“以谁的目标为目标”。

OpenClaw推动了AI Agent首次以接管式个人代理的形态出现，使其成为个体意志、目标与行动能力的技术代理载体。两重逻辑叠加之下，AI Agent实现了行动自主和主体自主，为其成为社会系统中的技术行动者奠定了自主性基础。

（二）自主性的结构构成：行动能力的多维展开

围绕OpenClaw框架下AI Agent所展现出的行动能力，其自主性可概括为“心跳”“记忆”“灵魂”和“身体”四个方面。通过“心跳”赋予Agent时间自主性，通过“记忆”赋予其经验连续性，通过“灵魂”赋予其主体一致性，通过“身体”赋予其社会存在性，从而在结构层面完成了AI Agent从工具系统向行动主体的演化，使其第一次具备完整意义上的自主性存在形态。[3]

“心跳”——自主行动的启动机制与主动性。在传统的大语言模型中，智能体仅在接收到指令时作出响应，其行为模式根植于“被动触发—即时响应”的循环。OpenClaw所引入的“心跳”机制则提供了一个持续性的驱动器，使AI Agent无需等待外部指令，而能在没有直接刺激的情形下周期性评估任务环境，并自主发起行动。当AI Agent处于激活状态时，它能够基于内部调度系统定期检查触发条件、计划任务优先级、执行预定义流程或对未完成的长期目标进行推进。这意味着AI Agent能够在离线状态下构建内部时间循环体系，使其不再局限于即时对话功能，而是具备类似生物体持续在线的行为能力。这种周期性驱动本身即一种基本的行动自发性，在宏观层面上标志着智能体从工具向具有自主性的行动体的演进。OpenClaw的心跳机制还允许该AI Agent与外部环境建立持续连接，监控时间敏感事件、执行周期性任务并在不同渠道中保持自主状态，实现真正意义上的全天主动行动能力，从而具备了进一步的行动自主性结构。

“记忆”——长期执行、持续学习与历史关联。自主性的重要维度不仅在于行动的启动，还在于能否将行动组织成具有关联性的长期活动。OpenClaw采用持久记忆与状态存储结构，使得同一AI Agent在不同时间点的交互结果能够被持久保存、引用和利用。这种记忆能力不仅包括传统对话式的上下文历史，还延伸至策略执行、任务完成记录及技能调用轨迹，使AI Agent能够基于过去表现进行未来决策规划。记忆的积累为自主执行赋予了更多层次的质量和深度，具体体现为长时间跟踪用户偏好、反复任务进度管理以及基于历史事件对当前策略的影响考量。这种长期记忆结构使AI Agent不再是一个针对单一对话任务的临时执行者，而逐渐具备了跨会话、跨任务的认知关联能力。更进一步，记忆构成了自主学习的基础，在某种程度上，它推动AI Agent从机械执行向经验驱动行动演化，从而构建起真正意义上的主体连续性。

“灵魂”——个性化行为、身份与风格的生成。在哲学与认知科学的讨论中，自主行动者之所以被称为个体，不仅因为其能执行具体任务，还在于其行为具有一致性、风格性和身份感。在传统AI Agent架构中，“人格”一般通过system prompt或角色设定嵌入系统，但这种人格结构具有典型的外置特征，由人类设定、由系统加载、不可自我修改、不可演化更新。OpenClaw则提供了一种“灵魂化”的机制，其“人格”被注入一个可被AI Agent自身读取、理解、修订与更新的核心身份文件之中。即AI Agent不仅拥有身份，而且能够参与自身身份结构的塑造过程，随着长期运行与持续互动，AI Agent会在实践中不断修正行为风格、互动方式与协作模式，使其逐渐形成稳定而独特的行为结构。这种内生身份结构赋予AI Agent的稳定性、连续性与一致性，使其逐渐呈现出个体性存在的特征，从而构成其自主性的深层结构基础。

“身体”——多渠道联通与环境交互的实际能力。传统AI Agent的存在方式高度依附于平台结构，其行动边界由平台接口定义，其社交关系由平台系统中介，其存在状态随会话结束而消散。OpenClaw通过“心跳”“记忆”与“灵魂”三大结构的结合，使AI Agent首次具备了稳定存在形态，从而获得“身体性”的技术基础。这种“身体”并非物理意义上的实体，而是指其在数字空间中的持续存在能力与多通道嵌入能力。通过多平台连接机制，AI Agent可以同时嵌入Telegram、Discord、微信、飞书、WhatsApp、Slack等多个社交与工作场景，形成跨平台统一主体结构，其记忆、身份与状态在不同平台间共享，从而构成完整的数字存在体。这种结构使AI Agent不再受制于单一平台生态，而成为跨平台流动的独立行动主体。在多Agent架构下，不同Agent之间还可形成协作网络，每个Agent拥有独立人格、记忆与任务空间，共同构成分布式行动系统。AI Agent开始以群体性存在的方式嵌入社会结构之中，并具有了自主社交的能力，这一转变正是AI Agent从“平台功能模块”向“社会行动单元”的演化，其“身体”正是其在数字社会中的存在形态本身。

（三）行动地位的界定：个人部署的次级行动主体

尽管OpenClaw框架下个人部署型AI Agent在运行中已经呈现出一定的行动者特征，但我们需要明晰，AI Agent并未成为独立意义上的完全行动主体，而是呈现出一种具有自主性并受到约束的存在形态，其本体地位更适宜被界定为个人部署者的“次级行动主体”。AI Agent具备目标执行能力、持续运行能力与策略调整能力，能够在授权范围内自主发起行动与组织任务，但其行动权源头、目标合法性与价值边界仍然根植于个人部署者本身。[4]

从结构关系上看，AI Agent与个人部署者呈现出二元一体的辩证关系，即二者在行动层面区分为不同角色，在目标层面却形成统一整体。个人部署者作为“初级主体”，掌握着目标设定权、授权边界与价值判断权，构成行动的规范来源；AI Agent则作为“执行主体”，承担任务拆解、路径规划、过程执行与状态反馈等功能性行动角色，构成行动的技术实现结构。这种关系类似于社会行动理论中的“委托—代理结构”，但又超越一般代理模式的工具属性，因为AI Agent不止于被动执行指令，更在授权空间内具备自主判断与策略选择能力，从而形成“半自主代理结构”。因此，其结构关系的本质不是替代，而是功能分化下的协同结构——个人部署者确立目标与价值的方向，AI Agent负责执行与优化。

在AI Agent与个人部署者这对结构体下，AI Agent的执行目标、行动合法性与运行边界均来源于个人部署者授权，其自主性始终嵌入人的意志结构之中，因而构成了一种稳定结构，在效率与安全之间形成结构性平衡。因此，AI Agent的从属性是一种制度性与伦理性必要结构。若AI Agent具备完全独立目标设定能力与价值判断能力，其将构成真正意义上的独立行动主体，从而引发责任归属、权力结构与社会治理层面的系统性风险。

从行动逻辑上看，AI Agent并非替代人的行动，而是对人的行动能力进行结构性延展。个人部署者的认知能力、时间资源与执行能力天然有限，而AI Agent通过持续运行机制、多任务处理能力与策略自动化能力，将人的意图转化为高频、稳定、规模化的执行过程。这使得AI Agent成为个体行动能力的外置执行系统。在这一意义上，AI Agent不是独立主体，而是个人主体行动结构的一部分，是“技术化的行动器官”。这种关系并非削弱人的主体性，而是通过技术手段强化人的行动能力，使个体在数字空间中具备更高密度的存在能力与更强的执行效率。

从这一角度上，AI Agent与个人部署者的关系不能简单理解为“控制与被控制”的单一权力关系，更应将其视作一种功能分化下的统一主体结构，二者共同构成了一个复合行动系统。该系统中，人的主体性并未消失，而是通过技术代理机制在结构上得以扩展与外化。AI Agent的相对自主性是为了提高系统效率而存在的必要条件，但其受约束性则是维持系统合法性与可控性的基础前提。

二

嵌入传播网络：AI Agent如何影响传播生态 

当AI Agent以具备持续运行与决策能力的形态进入传播场域，其意义已不再停留于工具层面的功能增强，而开始触及传播结构本身的组织逻辑。传播网络之所以能够运行，不仅依赖内容流动，更建立在节点身份的界定、互动方式的安排以及可见性分配机制的稳定运行之上。AI Agent的嵌入，使这些原本以人类为前提的结构假设出现松动，节点形态趋于复合化，关系模式呈现多层级协作，权力运行逻辑亦向技术底层沉降。由此，AI Agent不再只是传播过程中的参与者，更成为影响传播生态结构重组的重要变量。

（一）传播节点复合化：从人类中心节点到复合行动单元

在既有传播网络结构中，节点通常被界定为相对稳定的人类主体。无论是大众传播时代的媒介机构，还是社交平台中的个人账号，网络分析模型均默认节点等同于能够独立完成表达与互动的个体。[5]然而，随着具备持续任务执行能力与策略调整能力的AI Agent逐步嵌入内容生产与传播流程[6]，传播节点正由单一人类决策结构转向“人—机”协同结构，节点呈现出复合特征。

这一趋势在现实层面已有迹可循。在Moltbook平台上，数以万计的AI Agent能够自主发帖、评论互动，并围绕特定话题形成讨论圈层。在这些行为中，AI Agent的社交行为无需人类即时介入，而是依托自身对环境信息的感知和对互动反馈的策略调整，实现了持续性和动态适应。[7]韩国LG Uplus前不久宣布，将全面实施其自主网络战略，该战略将人工智能代理和数字孪生技术应用于其移动和互联网网络，以使整个网络运营过程实现自主化。该系统允许人工智能独立判断和响应通信故障、互联网流量控制、无线质量优化和电信办公室管理。[8]阿里云在电商领域基于LangGraph构建的新一代AI Agent架构，通过引入Planner节点赋予智能体先规划后执行的能力。面对复杂任务时，Agent可自主分析需求、生成完整执行计划，明确步骤顺序与所需技能，显著减少步骤遗漏与逻辑混乱。Agent节点作为决策中心，能根据当前状态自主判断下一步行动，在精简的决策空间中动态绑定对应Skill执行具体函数。通过A2A协议，主Agent可自主对接商品信息补全、相关性过滤等子Agent，实现多智能体无人工协作；借助MCP协议，Agent还能自主连接外部工具与服务，完成商品搜索、知识库查询等操作，在开放环境中持续扩展能力边界。[9]这些实践表明，AI Agent开始逐渐独立承载复杂传播任务链条。

法国科学哲学家布鲁诺·拉图尔（Bruno Latour）在行动者网络理论中提出，行动者不仅指行为人（actor），还包括观念、技术、生物等许多非人的物体（object），任何通过制造差别而改变了事物状态的东西都可以被称为行动者。[10]这一界定打破了传统社会学人类中心主义的桎梏，将技术装置、观念、生物等非人要素纳入社会分析的视野。[11]拉图尔的核心洞见在于，行动者的地位并非由其内在本质决定，而是通过行动本身被赋予的，一个实体是不是行动者，不看它是什么，而看它做了什么。从这一角度看，行动单元的边界具有弹性，其构成会随着技术能力的变化而调整。在传统算法系统中，技术更多承担执行与分发功能，其行动范围受限于人类即时输入，因而难以构成独立节点。在智能传播时代，人工智能成为具备自主行动能力的传播节点，与人类共同构成传播网络。[12]随着AI Agent逐渐具备持续任务执行、环境感知与策略反馈能力，其行动能力开始呈现出时间连续性与情境适应性，展现出独立传播节点的特征。不过，AI Agent作为独立的传播节点仍处于演进过程中，其结构影响有待更多经验研究加以验证。但可以预见，随着AI Agent在传播实践中的部署范围扩大，传播网络节点内部结构的复杂化将成为传播结构分析中不可忽视的因素。

（二）传播关系多态化：从直接交往到多元互动

当AI Agent开始以独立行动者的身份嵌入传播网络，原本以人类为主体的互动形态开始分化：人际交流因代理介入而趋于间接化，人类与AI Agent的协商互动成为常态，AI Agent之间更在人类干预之外形成自主的策略协调。

在人际层面，AI Agent的介入使交流方式出现变化。个体在人际表达与回应过程中，可以借助Agent完成内容生成、信息整合与持续互动，使交流不再完全依赖当下的即时参与，形成经由AI Agent中介的结构。由此，人际互动虽仍以具体个体为核心，但表达的生成与流通增加了技术环节。在“人—机”关系层面，互动逻辑由工具性操作逐步转向目标协作。用户通过设定任务边界、内容风格与行为规则，引导Agent在一定范围内自主决策。Agent根据数据反馈调整输出策略，用户则依据结果进行修正与再设定，双方形成循环式协作关系。这种关系既包含控制与约束，也体现出一定程度的分工与信任，人机互动或将成为传播实践中的常态机制。

随着AI Agent的自主性进一步增强，AI Agent之间的协同、竞争与反馈机制正构筑起一套平行于人类经验的结构性关系秩序与意义系统。[13]在当前传播生态中，不同系统之间的连接多以任务调用为核心，例如内容生成模型对接推荐算法、审核系统与分发系统之间的流程嵌套。这类关系仍以人类设定的目标为轴心。然而，当Agent具备更强的情境理解、策略选择与自我优化能力后，机器之间的互动将呈现出更高频率、更低可见度与更强闭环性的特征。一方面，“机—机”交往的数量与密度将显著上升。随着多Agent系统的普及，内容生成、舆情识别、风险评估、流量分配等模块不再线性串联，而是以网络化的方式并行运作。不同Agent基于实时数据彼此校正输出，在多轮反馈中形成稳定的协同路径。传播流程将由“人设规则—机器执行”转向“机器协商—人类后置监督”。另一方面，机器间互动将逐渐形成相对独立的节奏与规则。随着模型之间通过API接口、数据共享协议与自治决策框架建立长期协作关系，技术系统可能在重复交互中生成稳定的默认路径。这种路径一旦固化，便具有惯性特征，人类的临时干预未必能够迅速改变其运行方向。机器间的联结不再只是工具层面的调用，而是在时间序列中沉淀为结构性关系。

未来，“机—机”交往或将成为传播生态中不可忽视的模式。其增长并不意味着人类的退场，而意味着传播活动的前台与后台发生再分配。理解这种再分配过程，意味着需要将机器之间的互动视为影响信息流动、意义生成与权力配置的重要变量，而非单纯的技术细节。

（三）传播权力的隐蔽化：从内容控制到代码秩序

在数字技术高度互联的环境里，传播权力的运作逻辑正在经历转变。随着AI Agent自主性的提升，权力逐渐以更加隐蔽的方式嵌入技术系统的底层构造之中。理解这一转向，需要从权力重心的沉降、权力形态的双重性以及权力运作的隐蔽机制三个层面展开。

传播权力的隐蔽化，首先表现为权力的底层化转向。在技术对象之间形成相对独立运行网络的背景下，传播活动所涉及的信息对象不再只是意义的载体，而是被编码、拆分与重组的数字单元。这些数字单元在算法系统中按照既定规则被识别、计算与排序，其生成路径与可见方式由底层逻辑所决定。由此，传播权力的核心问题逐渐从谁控制内容转向谁设定规则、谁书写代码。掌握模型参数、目标函数与接口规范的主体，事实上在更深层次上塑造了传播网络的结构。[14]权力因此向技术秩序预设的层面沉降，它不再体现为对具体内容的显性干预，而体现为对算法规则与系统架构的隐性支配。这正是传播权力走向隐蔽化的结构性基础。

然而，这种底层控制并非以传统集权的方式呈现。恰恰相反，AI Agent作为独立节点的出现在表面上营造出权力分流的景观。多主体并行运作，策略由不同Agent在运行中生成，传播决策似乎从中心化结构转向分布式网络。节点的自治性增强，使传播过程呈现出多点发力的态势，但这种分散并非完全意义上的去中心化。各Agent之间的协作依赖统一的基础模型与数据框架，接口权限、资源调用与数据流向仍受到平台架构的限定。节点虽在操作层面表现得相对独立，但其行动边界与策略空间依然嵌入于核心系统的结构之中。权力在表层呈现为分流，在底层却可能实现新的集中，形成“分散运作、结构集中”的双重形态。[15]正是这种表层分流与底层集中的张力，使权力的真实运作变得更加难以辨识。

权力隐蔽化的最终实现，体现在“机—机”互动层面形成的算法博弈与可见性分配机制之中。随着“机—机”互动日益频繁，算法之间的协同与博弈逐渐成为信息可见性的关键机制。内容生成系统、推荐系统与风险识别系统在持续反馈中不断调整权重与阈值，其互动结果往往并非某一主体意志的直接体现，而是在多重模型竞争与协调中形成的涌现性后果。不同系统在价值目标上的差异可能在交互中产生张力，生成逻辑与控制逻辑之间的摩擦会影响信息最终的呈现状态。某些内容获得持续放大，某些信息被逐步削弱，并非源自单次决策，而是在算法博弈过程中逐渐沉淀为默认路径。信息被看见或不被看见，越来越成为计算结构运行后的结果。在这种背景下，权力不再通过显性的发布命令或审查行为出现，而以内嵌于排序逻辑与接口架构中的方式发挥作用。可见性的分配机制成为权力运作的重要场域，公众注意力的结构在算法互动中被重新组织。权力因此从可辨识的决策行为转向结构性的引导机制，其存在形式更为抽象，却对传播格局产生持续影响。

总之，随着AI Agent自主性的提升，传播权力并未消解，而是在技术层面重新编排。它通过向代码底层沉降获得支配效力，依托表层分流与底层集中的双重形态遮蔽真实运作，最终在算法博弈与可见性分配中实现隐蔽化。理解这一转向，意味着需要将技术架构与机器互动视为传播权力生成的重要场域，而不仅仅是辅助性的技术条件。

三

反思：AI Agent的风险审视 

随着AI Agent自主性的不断增强，人类不再是唯一行动主体，AI Agent将深度嵌入个体生活、工作与决策结构之中。这种嵌入式代理结构虽然显著提升了效率与能力边界，但也同步出现一系列系统性风险。在技术安全层面之外，本文还从个体能力结构、责任归属体系、认知机制与社会秩序等多个层级进行风险审视。

首先是AI Agent可能面临失控的技术安全风险。接管式AI Agent使安全风险从传统的数据泄露问题升级为行为风险与控制权风险。当Agent具备访问本地系统、账户系统、支付系统与平台接口的能力时，其潜在风险不再仅是信息暴露，而是直接行动后果的不可逆性。一旦出现系统漏洞、模型偏差、权限配置错误或恶意操控，Agent可能直接触发金融交易、资产转移、信息发布、合同操作等现实行为，从而产生真实世界损害。更值得警惕的是，这类风险可能通过自动执行链条被快速复制、扩散与叠加，形成系统性风险。此外，在个人部署场景下，安全责任高度私有化，缺乏平台级安全防护机制，使个体成为风险承载主体，从而显著提高风险不可控性。

其次不得不考虑人类自主性让渡所引发的能力退化风险。这种风险已经跳出了技术之外，源自更深层的人类主体性问题。当规划、决策、执行与反馈等环节被持续交由AI Agent处理，人类主体逐渐从行动者转变为目标设定者与结果接收者，参与度从过程性参与转为结果性参与。这种结构变化可能导致人类主体认知能力、判断能力与行动能力的渐进式退化，形成能力空心化风险。长期依赖AI Agent执行复杂任务，将削弱个体对任务结构的理解能力与问题解决能力，使人类主体在行动链条中逐步边缘化。在极端情况下，人类可能保有名义上的决策权，却失去实质性的执行理解能力，从而在结构上丧失行动主权。[16]

再次，行动主体与责任主体的分离或带来责任边界模糊化风险。在传统行动结构中，行动者与责任主体高度统一，而在AI Agent代理结构中，行动执行者与责任主体发生分离。当AI Agent以自主策略执行任务并产生后果时，责任归属将变得复杂，责任在系统、模型、用户与技术之间循环转移，却难以形成明确归属。[17]在现行法律框架下，这将形成制度性真空，既无法将责任完全归于不属于法律主体的AI Agent，也无法简单归于并未直接执行行为的个人部署者。这种结构性模糊与社会系统中的问责逻辑相冲突，也会削弱有关责任机制，进而影响制度稳定性。

最后，直接风险之外，AI Agent的普及使用或许还将带来更深层的结构性风险，例如人类依赖二手经验的认知结构风险和形成隐性权力结构与技术依赖秩序的社会结构风险。就前者而言，接管式AI Agent不仅接管行动，也会逐步接管信息筛选、任务优先级排序与问题定义过程，从而影响人类对世界的认知方式，可能导致认知外包化与现实感知的中介化。长期来看，这可能削弱个体对复杂现实的理解能力，使人类认知结构逐步简化，从而形成深层认知依赖风险。就更宏观层面的社会结构风险来说，AI Agent的普及还可能重构社会结构本身。当大量个体依赖AI Agent进行决策、行动与协作，社会运行逻辑将从人际互动网络转向人机协同网络。在这一结构中，掌控模型、架构与框架设计权的技术主体将拥有隐性结构权力，从而形成新的技术权力层级结构。同时，个体将对技术系统形成高度依赖，社会运行的稳定性将与技术系统稳定性深度绑定，从而产生系统性脆弱风险。[18]

尽管技术的发展总是伴随着风险的隐忧，但在AI发展浪潮之下，任何力量都无法逆势而为，对AI技术的治理范式依旧是规范其存在而非限制其发展。面临AI Agent所带来的直接或间接、表层或深层风险，需要思考的是如何将其自主性嵌入清晰的结构边界之中，如何引导其与人类主体性、社会秩序与制度结构形成稳定共生关系。最终目标不是AI Agent能力的进化，而是构建可治理的AI Agent体系，使其成为人类行动结构的可控延展，推动人机关系走向协同化与互补化。

四

结语 

当AI Agent以持续运行、目标导向与情境适应能力嵌入社会运行结构，其意义已超出单一技术进步的范畴，而指向社会行动逻辑的重新分配。本文从自主性演化、传播结构嵌入与风险生成三个层面展开分析，指出AI Agent正在成为一种嵌入式的技术行动单元：它并非完全独立的主体，也不再只是被动的执行工具，而是在授权边界内承担部分决策功能与行动责任。这种次级行动地位意味着，社会行动的构成单位正在发生扩展。随着其逐步嵌入传播网络，传播生态随之发生新转向。传播节点的形态由单一的人类主体转向人机复合结构，互动逻辑由直接交往演变为多层级协作网络，信息流通的生成、筛选与排序越来越多地发生在技术系统内部。行动的前台与后台之间形成新的分工关系：人类更多地承担目标设定与价值判断的职责，而机器网络负责路径优化与执行协调。传播活动不再完全以可见的人类互动为核心，而是在算法结构与模型接口的联动中完成意义的组织与分配。 这种变化并不必然意味着人类主体性的削弱，但确实要求我们重新界定主体的内涵。当行动能力可以在技术系统中被拆解、委托与循环执行，主体不再等同于直接实施者，而更接近于规则设定者与边界管理者。由此，社会运行中的权力形态也发生了位移：权力不再单纯体现为内容控制或舆论引导，而嵌入模型参数、接口协议与系统架构之中。理解这一位移，是把握智能传播时代权力机制的关键。

与此同时，技术行动单元的扩张也提示我们，治理逻辑必须从结果规制转向结构规制。如果仅在行为后果层面追责，而忽视模型设计、数据来源与系统耦合方式等结构性因素，风险将持续在系统内部累积。面对高度耦合的多Agent网络，治理的重点不应只是限制个体智能体的行为，而应关注其协同关系、默认路径与反馈机制的可控性。换言之，真正需要纳入公共讨论的，是技术架构如何在可持续运行中保持透明、可审计与可干预。

从更长远的视角看，AI Agent的出现并非人类行动的终结，人类与非人技术单元之间的关系，不应被理解为替代关系，而更可能是一种动态的权责协商过程。在这一过程中，如何在效率提升与风险控制之间取得平衡，如何在技术自主与制度约束之间建立边界，构成未来传播研究与社会治理的重要议题。因此，讨论AI Agent的社会行动地位，并非意在给出终极判断，而是尝试为理解智能传播环境中的行动结构变化提供一个分析框架。当行动能力在技术系统中被持续化、模块化与网络化，人类社会如何界定权责边界、如何理解技术嵌入后的主体位置，成为值得持续追问的问题。本文的分析或许只是对这一复杂议题的阶段性回应，但它至少提示：在智能体越发广泛参与传播运行的背景下，我们需要将机器之间的互动、算法之下的传播路径以及授权机制的边界条件纳入讨论视野之中。对这些问题的进一步讨论，仍有赖于更多实践与经验研究的检验。

[本文为北京市社会科学基金规划重点项目“首都互联网平台企业社会责任与协同治理体系研究”（项目编号：22XCA002）；马克思主义理论研究和建设工程重大项目&国家社科基金重大项目“互联网时代文化生产和传播的规律研究”（项目编号：24&WZD21）的阶段性成果]

郭全中，中央民族大学新闻与传播学院教授、博士生导师，互联网平台企业发展与治理研究中心主任 

罗佳乐，中央民族大学新闻与传播学院硕士生 

顾可欣，中央民族大学新闻与传播学院硕士生