通用 AI 智能体机器人
通用 AI 智能体机器人用单个推理 AI 智能体处理多种任务，而不是为每个任务写一段专用程序。这种通用性正是吸引力所在：同一个 AI 智能体可以读懂新目标与新场景。局限在于通用 AI 智能体默认是无状态的，它在一个任务上学到的东西不会带到下一个。
通用性换来了什么
通用 AI 智能体不必为新任务重建。它读取场景与目标，决定子目标与工具，然后行动。这消除了按任务逐个工程化的负担——在经典自动化中，每换一个物体往往就意味着换一段程序。
它换不来什么
推理的通用性不等于被保留的能力。让同一个 AI 智能体重复昨天的任务，它会从零重新推导同样的解法，成本相同，同样的失败概率也相同。做过一次，并不会让第二次更容易。
这是一个具体且可修复的局限，且与模型能力无关。AI 智能体并不是在这个任务上更差；它只是没有地方存放答案。
什么能改变它
一个存放经验证行为的地方，并且结构足够清晰，使它能够被检索和检查，而不只是被重放；以及一个记录一次尝试为何如此的地方。两者都需要可检查，因为长期运行的通用 AI 智能体会积累没有任何单次演示覆盖过的条件。
TGL 的关系
TGL 提供的正是这两个地方。经验证的行为带着明确适用范围与结果检验进入 Skill Library；条件、结果、诊断与修复进入 Experience Memory。AI 智能体保持其通用性，而第二次尝试从第一次已经确立的东西开始。