系列名称：[Agent 考古] 符号单体时代：第一组织形式的确立与反叛
篇号：第 6 篇 / 共 13 篇 主题分类：历史记述 前置阅读：Logic Theorist 1956 · McCarthy Advice Taker 1958 阅读时间：约 14 分钟
1966 年的 SRI（Stanford Research Institute，后改名 SRI International）实验室里，有一台约冰箱大小的移动小车。它顶着一台电视摄像机和一个光学测距仪，在多房间环境中缓缓移动，识别箱子、门道和房间角落，笨拙地执行导航、推箱子、开灯等任务。后来的人们给它起了个昵称——”Shakey”，因为它移动时晃晃悠悠的样子让人印象深刻。
但少有人注意的是：1971 年那篇奠定了经典规划范式的论文里，”Shakey” 这个名字一次也没有出现。论文只称它为 “the robot” 或 “the SRI robot”。”Shakey” 这一昵称是在后来的技术报告和回顾文章中才广泛流传开来的 strips-paper shakey。
这台晃晃悠悠的机器人催生了 STRIPS（STanford Research Institute Problem Solver）——一个为它量身打造的通用规划器。STRIPS 的设计目标极其明确：将”世界当前是什么样的”与”机器人应该做什么”连接起来。Fikes 和 Nilsson 在 1993 年的回顾文章中确认，Shakey 项目提供了 A* 搜索、STRIPS 和 ABSTRIPS 等规划系统发展的语境和动机 strips-retro。
这篇文章要讲的，就是 STRIPS 如何把 Logic Theorist 的状态空间搜索和 McCarthy 的”陈述句告知”推进为一套可操作的规划系统，又如何在框架问题上撞上了第一组织形式的本质边界。
从 GPS 手段-目的分析到 STRIPS 工程实现
STRIPS 的搜索策略直接继承了 GPS（General Problem Solver）的手段-目的分析（means-ends analysis）。论文原文明确写道：
“we have adopted the GPS strategy of extracting ‘differences’ between the present world model and the goal and of identifying operators that are ‘relevant’ to reducing these differences” strips-paper
这里有一个值得记录的引证细节：STRIPS 论文引用的 GPS 文献是 Ernst & Newell 1969 的专著《GPS: A Case Study in Generality and Problem Solving》ernst-newell，而非 Newell & Simon 1961 的更早论文。这说明 STRIPS 的作者参考的是 GPS 的成熟期表述，而非早期版本。
GPS 与 STRIPS 的关键差异在于世界模型的表示方式。GPS 使用简单的矩阵或列表结构表示状态，状态空间较小；而 STRIPS 使用一阶谓词逻辑的合式公式（wffs）集合表示世界模型，能够处理包含大量公式的大规模模型。STRIPS 的核心创新不是手段-目的分析本身，而是将定理证明与世界模型搜索完全分离——
“separating entirely the processes of theorem proving from those of searching through a space of world models” strips-paper
这种分离允许为两种活动分别采用不同的策略：定理证明仅用于在单个世界模型内部回答问题（哪些算子可应用、目标是否满足），搜索世界模型空间则使用 GPS 式启发式。
为什么 STRIPS 没有走 Green 的纯定理证明之路
STRIPS 论文在引言中明确讨论了 Green 1969 的工作，并解释了为什么选择了不同的技术路线：
“Green implemented a problem-solving system that depended exclusively on formal theorem-proving methods to search for the appropriate sequence of operators. While Green’s formulation represented a significant step in the development of problem-solvers, it suffered some serious disadvantages connected with the ‘frame problem’ that prevented it from solving nontrivial problems.” strips-paper
Green 的方法基于 situation calculus——在逻辑中引入 situation 参数，用框架公理（frame axioms）显式声明每个操作不影响哪些谓词。在积木世界中，如果把块 A 放到块 B 上，A 的位置改变了，但 A 的颜色、重量等属性不变。若用一阶逻辑显式表达所有非效果，需要大量额外公式 frame-problem。
论文给出了一个关键的实际对比结果：
“Incidentally, Green’s theorem-proving problem-solver has not been able to obtain a solution to this version of the 3-Boxes problem. It did solve a simpler version of the problem designed to require only two operator applications.” strips-paper
这说明 STRIPS 的 add/delete list 机制在实际求解能力上超越了 Green 的纯定理证明方法。STRIPS 的设计选择是：不维护完整的逻辑闭包，只显式声明变化的部分。
引证修正：计划中提到的 “McCarthy & Hayes 1969” 的框架问题定义，在 STRIPS 论文中的实际引用是 Raphael 1970 raphael。论文写道：”Space does not allow a full discussion of the frame problem; for a thorough treatment, see Raphael.” 框架问题的经典定义确实来自 McCarthy & Hayes 1969 mcchayes，但 STRIPS 论文本身引用的是 Raphael 1970 的综述。这是一个需要注意的引证层次差异。
感知-规划-执行的完整闭环
STRIPS 不只是一个规划器。论文提到了一个配套的执行监控系统 PLANEX（由 Fikes 在 IFIP 71 上报告 fikes-planex），负责将 STRIPS 生成的算子序列在实际机器人上执行，并处理执行过程中的不确定性。这形成了感知→规划→执行的完整闭环——Shakey 的电视摄像机感知环境，STRIPS 生成规划，PLANEX 监控执行，感知结果反馈到下一轮规划。
这个闭环结构在半个世纪后的今天依然是 Agent 系统的基本架构，只是感知器从电视摄像机换成了多模态模型，规划器从 STRIPS 换成了 LLM，执行监控从 PLANEX 换成了 tool harness。
算子三元组：前提条件、添加表、删除表
STRIPS 的核心抽象是算子（operator）。每个算子由三部分定义：前提条件（precondition）决定算子在什么状态下可以执行；添加表（add list）声明执行后哪些谓词变为真；删除表（delete list）声明执行后哪些谓词不再为真。
这个三元组结构看似简单，却蕴含着对框架问题的工程回应——不需要显式声明”什么没变”，未出现在列表中的谓词自动保持不变。这是封闭世界假设的巧妙运用：世界模型只包含已知为真的谓词，未被提及的谓词不需要框架公理来维护。
下面是 operators.py 中 Operator 类的核心定义，直观展示了三元组结构：
class Operator:
def __init__(self, name: str, preconditions: Set[str],
add_list: Set[str], delete_list: Set[str]):
self.name = name
self.preconditions = frozenset(preconditions)
self.add_list = frozenset(add_list)
self.delete_list = frozenset(delete_list)
def applicable(self, state: State) -> bool:
return state.satisfies(self.preconditions)
def apply(self, state: State) -> State:
if not self.applicable(state):
raise ValueError(f"Operator {self.name} not applicable")
return state.apply(self.add_list, self.delete_list)
这段代码清晰地展示了算子的工作方式：applicable 方法检查前提条件是否满足，apply 方法执行状态转换——先删除 delete list 中的谓词，再添加 add list 中的谓词。状态的更新由 state.apply() 完成，本质上就是集合运算：新状态 = (旧状态 - 删除集) ∪ 添加集。
以积木世界的 stack(x, y) 算子为例——把积木 x 放到积木 y 上：
前提条件是”手里拿着 x”且”y 顶部是空的”。执行后，添加表新增了”x 在 y 上””x 顶部是空的””手空了”三个谓词；删除表移除了”手里拿着 x”和”y 顶部是空的”这两个不再成立的谓词。
论文中的 push 算子也是同样的结构——机器人把物体 k 从位置 m 推到位置 n：
push(k, m, n)
precondition = atr(m) ∧ at(k, m)
delete list = {atr(m), at(k, m)}
add list = {atr(n), at(k, n)}
一个值得注意的设计细节：删除表中可使用通配符 $，例如 facing($) 表示删除所有形如 facing(...) 的原子。论文还定义了原始谓词（primitive predicates）与非原始子句的区分——删除列表只需指明包含原始谓词的原子，非原始子句依赖于原始子句，当其依赖的原始子句被删除时自动失效 strips-paper。
状态空间搜索：手段-目的分析的工程化
STRIPS 的搜索树节点形式为 (世界模型, 目标列表)，代表从该模型出发尝试按序实现目标列表上的子目标。搜索过程结合了正向搜索和逆向搜索：从当前世界模型出发，找出所有可应用的算子（前提条件可被证明）；同时从目标出发，找到能缩小”当前模型”与”目标”差异的算子。手段-目的启发式选择最能减少差异的算子，递归直到目标被满足。
planner.py 中的核心搜索循环直接体现了这一策略：
def _search(self, state: State, goal: set, path: List[Operator],
visited: set) -> Optional[List[Operator]]:
# 终止条件 1：目标已满足
if goal <= state.predicates:
return list(path)
# 终止条件 2：达到最大深度
if len(path) >= self.max_depth:
return None
# 找出所有可应用算子及对应的新状态
applicable = [(op, op.apply(state)) for op in self.operators
if op.applicable(state)]
# 手段-目的启发式：按目标差异排序（差异越小越优）
scored = []
for op, new_state in applicable:
diff = len(goal - new_state.predicates)
scored.append((diff, op, new_state))
scored.sort(key=lambda x: x[0])
# 按启发式顺序递归搜索
for diff, op, new_state in scored:
result = self._search(new_state, goal, path + [op], visited)
if result is not None:
return result
return None
这段代码是手段-目的分析的直接工程化。diff = len(goal - new_state.predicates) 计算的是”目标中还有多少谓词未被满足”——这就是 GPS 意义上的”差异”。算子按差异从小到大排序，优先尝试最能缩小差异的动作，这就是手段-目的启发式的核心。
以三箱问题为例，搜索轨迹清晰地展示了启发式的工作方式：
| 深度 | 操作符 | 目标差异 | 说明 |
|---|---|---|---|
| 0 | unstack(A, B) | 3 | 移除 on(A,B)，释放 A |
| 1 | putdown(A) | 2 | 放下 A，使 ontable(A) 成立 |
| 2 | pickup(B) | 2 | 拿起 B |
| 3 | stack(B, A) | 1 | on(B,A) 成立，差异 -1 |
| 4 | pickup(C) | 1 | 拿起 C |
| 5 | stack(C, B) | 0 | on(C,B) 成立，差异归零 |
每一步选择的算子都在尽可能减少当前状态与目标状态之间的谓词差异，这正是手段-目的分析在行动规划域的具体体现。
Logic Theorist 与 STRIPS 的方法对照
从 Logic Theorist 到 STRIPS，状态空间搜索的基本范式一脉相承，但搜索的对象和方向发生了本质变化。下面是两者在多个维度上的对照：
更细致地看，Logic Theorist 的四种推理方法在 STRIPS 中都有对应的”翻译”：
| Logic Theorist | STRIPS | 差异 |
|---|---|---|
| 代入法（将变量替换为常量） | 算子实例化（将参数替换为常量） | 从”逻辑替换”变为”行动绑定” |
| 分离法（从 A 和 A⊃B 推出 B） | 算子应用（前提满足 → 执行 add/del） | 从”逻辑推导”变为”状态转换” |
| 链式法（连接两个定理） | 规划序列（连接两个行动） | 从”证明链”变为”行动链” |
| 拆分法（分解目标） | 子目标递归（分解目标状态） | 结构同构 |
核心转向清晰可见：从”定理证明”到”行动规划”——同样是状态空间搜索，但搜索的对象从”逻辑公式”变成了”世界状态”。
框架公理爆炸：一个动作影响多少，就要声明多少不变
框架问题的经典定义来自 McCarthy & Hayes 1969 mcchayes：在逻辑中描述动作效果时，如何避免为每一个未受动作影响的属性都显式写出框架公理，即显式声明”其他事情不变”。Stanford 哲学百科给出了精炼的概括：框架问题是”如何在不显式表达大量明显非效果的情况下表示动作效果” frame-problem。
在 situation calculus 中，执行一个操作需要显式说明两件事：什么变了（效果），什么没变（框架公理）。积木世界中，执行 stack(A, B) 后，变化的只有 on(A, B)、clear(A)、handempty、holding(A) 等少数谓词；但没变的——ontable(C)、clear(C)、on(D, E)、color(A, red)、weight(B, 3)……以及所有其他谓词——都需要框架公理来维护。
下面这张图直观展示了框架公理的爆炸效应：
在积木世界中，谓词数量少，框架公理还可控。但扩展到开放世界——比如 Shakey 的多房间环境，包含房间、门、箱子、开关等数十种对象和上百个谓词——框架公理就会爆炸。
STRIPS 的工程回应与它的三重局限
STRIPS 的解决方案极其简洁：不需要显式声明”什么没变”。add/delete list 只声明变化的部分，未出现在列表中的谓词自动保持不变。这本质上是封闭世界假设的运用——世界模型只包含已知为真的谓词，未被提及的谓词不需要框架公理来维护。
Lifschitz 在 “On the Semantics of STRIPS” 中给出了形式化描述：STRIPS 算子由 precondition、add list、delete list 三部分构成，未出现在 add/delete list 中的谓词自动继承 lifschitz。
然而，STRIPS 的 add/delete list 在封闭世界（积木世界、SRI 机器人房间）中有效，在开放世界中却暴露了三个本质局限：
第一，封闭世界假设不成立。现实世界中存在未知状态，”未提及”不等于”不存在”。
第二，操作符的完备性假设。需要工程师预先定义所有可能的操作符及其效果——遗漏一个操作符就意味着系统无法处理该行动。
第三，线性规划假设。STRIPS 假设目标可以分解为独立子目标依次实现——Sussman Anomaly 证明这一假设不成立。
Sussman 异常：线性规划假设的证伪
1973 年，MIT 的 Gerald Sussman 在博士论文《A Computational Model of Skill Acquisition》中提出了著名的积木世界异常 sussman：
初始状态：C 在 A 上，A 在桌上，B 在桌上
目标状态：A 在 B 上，B 在 C 上（形成 A-B-C 塔）
问题在于，不存在”先完成目标 1 再完成目标 2″的线性规划。若先追求”A on B”，需要先把 C 从 A 上移开；但随后追求”B on C”时必须移动 B，破坏已有的”A on B”。反过来也一样 sussman-anomaly。
相关课程讲义明确指出：”STRIPS 这种线性规划器不能解决这个问题，因为线性规划器无法在多个子目标之间交错执行” planning-ch10。
Sussman 异常的意义不在于某个具体问题能否求解，而在于它证明了 STRIPS 的线性规划假设是一个真实的局限，而非工程上的便利。这直接推动了后续的非线性规划系统（NOAH、NONLIN、TWEAK）的发展。
从 STRIPS 到 LLM Agent 的 BDI 坐标对照
半个世纪过去了，STRIPS 的基本架构在当代 LLM Agent 中依然清晰可辨。下面用 BDI（信念-愿望-意图）坐标系统来对照两者的结构映射：
更详细的维度对比如下：
| 维度 | STRIPS 1971 | LLM Agent 2026 |
|---|---|---|
| 信念 | 显式谓词集（积木世界模型） | 参数统计分布 + system prompt + RAG |
| 愿望 | 目标状态（谓词集） | 用户指令 / task description |
| 意图 | 规划序列（算子列表） | ReAct 循环的 action 序列 |
| 意图编辑权 | 工程师定义操作符 | 用户写 prompt + harness 编排 |
| 世界模型 | 显式、完整、封闭 | 隐式、不完整、开放 |
| 状态更新 | add/delete list | scratchpad / context window |
| 可解释性 | 高（规划序列可追溯） | 低（LLM 推理过程不可读） |
| 封闭性 | 封闭世界假设 | 开放世界（无封闭假设） |
这些对照揭示了一个有趣的事实：当代 Agent 中的许多”新词”，本质上都是 STRIPS 范式的工程封装。
| 当代术语 | STRIPS 原型 | 工程封装差异 |
|---|---|---|
| “tool calling” | STRIPS 算子 | JSON schema vs 谓词集合 |
| “state management” | add/delete list | scratchpad vs 显式谓词 |
| “ReAct” | 感知-规划-执行闭环 | LLM 替代了搜索器 |
| “plan-then-execute” | STRIPS 规划 + PLANEX 执行 | LLM 推理替代了手段-目的分析 |
把逻辑谓词换成 JSON，把定理证明器换成 LLM，把封闭世界假设换成 context window——换的是载体，不变的是目标驱动的符号单体这一组织形式的核心逻辑。
框架问题在 LLM 时代的回响
LLM 的参数是训练时压缩的统计分布，不显式记录”世界当前是什么样的”。每次推理都是从头开始——没有 add/delete list，没有状态增量，只有 context window 中的文本。
现代 Agent harness 通过 scratchpad / context window 维护状态——这本质上是 STRIPS add/delete list 的退化形态。add list 对应 tool 的 return value 被追加到 context window；delete list 对应旧信息被 context window 满后截断，或被新信息覆盖；框架公理对应 context window 中未提及的信息——LLM 不会主动”维护”它，但可能通过参数中的统计分布隐式地”知道”它。
LLM 回避框架问题的方式是不维护精确世界模型。STRIPS 需要显式维护每个谓词的真值；LLM 只维护一个文本序列，其中的”状态”是隐式的、模糊的、不精确的。
这不是”解决了”框架问题，而是”绕过了”它——代价是幻觉（hallucination）。
当 STRIPS 的 add/delete list 出错时，结果是状态不一致——可检测、可修复。当 LLM 的 context window 丢失了关键状态信息时，结果是幻觉——LLM 用参数中的统计分布”补全”缺失的信息，产生看似合理但实际不存在的”事实”。这正是框架问题的当代回响：不显式维护世界模型的代价，就是世界模型的不精确。
这就是 STRIPS 留给我们的 Bar-Hillel 式批评：框架问题不是被解决了，而是被绕过了——绕过的代价是幻觉。
影响谱系与诚实边界
STRIPS 的影响可以按引证强度分为几个层次。
直接引用链（强引证）
| 影响路径 | 引证强度 | 证据 |
|---|---|---|
| STRIPS → GPS 继承 | 强 | 论文原文直接引用 Ernst & Newell 1969 ernst-newell |
| STRIPS → Green 1969 对比 | 强 | 论文原文直接引用并对比 Green 1969 strips-paper |
| STRIPS → PDDL | 强 | PDDL 1.2 官方文档说明”基于 STRIPS 概念” pddl |
| STRIPS → ABSTRIPS | 强 | Fikes & Nilsson 1993 回顾文章确认 strips-retro |
同一团队与直接演化（中强引证）
| 影响路径 | 引证强度 | 证据 |
|---|---|---|
| STRIPS → NOAH/NONLIN/TWEAK | 中强 | 规划系统演化谱系中明确列出 planning-history |
| STRIPS → PLANEX | 中强 | 同一作者 Fikes 在 IFIP 71 报告 fikes-planex |
| Sussman Anomaly → 非线性规划 | 中强 | Sussman 1973 博士论文 sussman |
概念传承（中等引证）
| 影响路径 | 引证强度 | 证据 |
|---|---|---|
| STRIPS → 现代 LLM Agent | 中 | 有论文使用 STRIPS formalism 与 LLM 结合 llm-strips，但无直接因果链 |
| 框架问题 → LLM 幻觉 | 中 | 概念映射，无直接引用链 |
| STRIPS → ReAct | 中 | 概念传承（感知-规划-执行），无直接引用 |
诚实边界
STRIPS 没有直接影响到神经网络和深度学习——这些领域与符号规划无因果链；没有直接影响到 Transformer 架构——注意力机制与 STRIPS 的状态空间搜索无关联；也没有直接影响到现代 LLM 的训练方法——反向传播与 STRIPS 的手段-目的分析无关联。
STRIPS 的影响主要通过 PDDL → 规划竞赛 → 现代 LLM+PDDL 混合系统这条间接路径延续。当代 LLM Agent 的 ReAct 循环在概念上与 STRIPS 的感知-规划-执行同构，但没有可追溯的直接引用链。
阶段二交叉互文：三个坐标上的位置
对 Logic Theorist 的继承——状态空间搜索的工程化
STRIPS 的状态空间搜索是 Logic Theorist 状态空间搜索的直接工程化。两者都用手段-目的分析引导搜索，但方向不同——LT 逆向（从定理到公理），STRIPS 正向+逆向混合（从初始状态到目标状态）。
STRIPS 的算子实例化对应 Logic Theorist 的代入法，算子应用对应分离法，规划序列对应链式法，子目标递归对应拆分法。核心转向清晰：从”定理证明”到”行动规划”——搜索的对象从逻辑公式变成了世界状态。
对 Advice Taker 的回应——”陈述句告知”变为”算子模板告知”
McCarthy 1958 设想”用陈述句告知机器世界事实与规则，让机器自行推导该做什么”。STRIPS 的算子模板（operator schemata）是一种”陈述句告知”——告知机器”世界中有哪些行动及其效果”。但 STRIPS 仍然是”祈使句指挥”——操作符的执行顺序由搜索器决定，而非由机器自行推导。
从这个角度看，STRIPS 是 McCarthy “陈述句告知”的工程实现，但没有实现 McCarthy 的”让机器自行推导祈使句”的愿景。意图编辑权仍然在搜索器（而非机器的演绎例程）手中。
暴露的边界——Bar-Hillel 批评的另一面
Bar-Hillel 1958 批评”前提选择比演绎难 10^10 个数量级”。STRIPS 验证了这一批评在行动规划中的适用性——操作符的选择（哪个算子能缩小差异）是搜索的瓶颈，而非算子的执行。
框架问题也是同一困难的另一面：显式维护”什么没变”的计算量随世界规模爆炸，正如前提选择的计算量随规则数爆炸。
与 ELIZA 的对照——祈使句接口是脚本模板的复杂版
STRIPS 的”祈使句接口”——工程师用算子模板告知机器”世界中有哪些行动及其效果”——本质上是 ELIZA 的”脚本模板”的复杂版。两者的结构同构：ELIZA 的脚本由关键词 + 分解规则 + 重组规则构成，STRIPS 的算子由前提条件 + 添加表 + 删除表构成。但复杂度差距悬殊——STRIPS 有状态空间搜索和手段-目的分析来决定何时调用哪个算子，ELIZA 连推理都没有，仅靠关键词排名做模式匹配。
然而两者共享同一个范式：智能固化在程序/脚本中。ELIZA 的”智能”全在 DOCTOR 脚本里，引擎本身不含任何领域知识；STRIPS 的”智能”全在算子模板里，搜索器只是执行手段-目的启发式。这种”智能 = 人工编码”的范式，正是第一组织形式的共同特征。
与 MYCIN 的对照——显式编码的两条爆炸路径
STRIPS 的操作符（前提 + 效果）和 MYCIN 的规则（IF-THEN-CF）都是”显式编码”范式。STRIPS 编码行动的效果——用 add/delete list 声明执行一个动作后世界如何变化；MYCIN 编码知识的推断——用规则和置信度（CF）声明观察到某些证据后能推出什么结论。两者都是”陈述句告知”的工程实现：把专家知识显式写入结构化模板。
但两者都遇到了爆炸：STRIPS 遇框架问题——显式维护”什么没变”的框架公理随世界规模爆炸；MYCIN 遇规则爆炸——从感染诊断推广到更多领域时，规则数量线性增长、交互非线性增长。同一个”显式编码”范式，在行动域催生了框架问题，在知识域催生了规则爆炸——这是第一组织形式的同构局限。
成熟态的边界
STRIPS 1971 是”目标驱动的符号单体”这一第一组织形式的成熟态。它把 Logic Theorist 的状态空间搜索和 Advice Taker 的”陈述句告知”推进为可操作的规划系统，用 add/delete list 回应了框架问题。
但 STRIPS 也暴露了第一组织形式的三个本质局限：框架问题——显式维护世界模型的成本随规模爆炸；线性规划假设——Sussman 异常证明子目标不能总是独立依次实现；封闭世界假设——在开放世界中不成立。
这些局限不是工程问题，而是组织形式的本质边界。当代 LLM Agent 通过不维护精确世界模型来”绕过”框架问题，但绕过的代价是幻觉——这正是 STRIPS 留给我们的 Bar-Hillel 式批评。
值得注意的是，STRIPS 并非孤证。将 ELIZA、MYCIN 与 STRIPS 并置，第一组织形式的三个本质局限便各自有了代表作：STRIPS 暴露了框架问题（显式维护世界模型的成本爆炸），ELIZA 暴露了智能错觉（脚本匹配被误读为理解），MYCIN 暴露了规则爆炸（显式编码的知识不可扩展）。三者共同表明，”智能固化在程序/规则/脚本中”这一范式有其不可逾越的边界——这恰好为后续 Minsky 的连接主义反叛、Brooks 的具身智能反叛等三条伏线铺设了背景。
参考文献
[strips-paper] Fikes, R. E. & Nilsson, N. J. (1971). “STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving.” IJCAI 1971. https://www.ijcai.org/Proceedings/71/Papers/055.pdf
[strips-retro] Fikes, R. E. & Nilsson, N. J. (1993). “STRIPS, a retrospective.” Artificial Intelligence, 59, 227-232. https://ai.stanford.edu/~nilsson/OnlinePubs-Nils/PublishedPapers/stripsrevisit.pdf
[shakey] Nilsson, N. J. ed. (1984). Shakey the Robot. SRI Technical Note 323. https://www.sri.com/wp-content/uploads/2021/12/629.pdf
[ernst-newell] Ernst, G. and Newell, A. (1969). GPS: A Case Study in Generality and Problem Solving. ACM Monograph Series, Academic Press.
[mcchayes] McCarthy, J. & Hayes, P. J. (1969). “Some Philosophical Problems from the Standpoint of Artificial Intelligence.” http://jmc.stanford.edu/articles/mcchay69.html
[raphael] Raphael, B. (1970). “The frame problem in problem-solving systems.” Proc. Adv. Study Inst. on AI and Heuristic Programming, Menaggio, Italy.
[frame-problem] Stanford Encyclopedia of Philosophy, “The Frame Problem.” https://plato.stanford.edu/entries/frame-problem/
[lifschitz] Lifschitz, V. “On the Semantics of STRIPS.” https://www.cs.utexas.edu/~vl/papers/strips.pdf
[fikes-planex] Fikes, R. E. (1971). “Monitored execution of robot plans produced by STRIPS.” Proc. IFIP 71, Ljubljana.
[sussman] Sussman, G. J. (1973). A Computational Model of Skill Acquisition. MIT AITR-297. https://dspace.mit.edu/handle/1721.1/5782
[sussman-anomaly] “The Sussman Anomaly.” https://www.futilitycloset.com/2024/09/25/the-sussman-anomaly/
[planning-ch10] Planning Chapter 10 slides. https://www.cse.chalmers.se/edu/year/2013/course/TIN171/slides/chapter10.pdf
[planning-history] Planning systems list. https://www.cs.duke.edu/~brd/Teaching/Previous/AI/Lectures/Planning/planning.html
[pddl] PDDL 1.2 documentation. https://planning.wiki/ref/pddl
[llm-strips] “From Next Token Prediction to (STRIPS) World Models.” https://arxiv.org/html/2509.13389v4
系列文章
| Agent 考古 符号单体时代 系列文章 | 关键词 |
|---|---|
| 导读：符号单体时代：第一组织形式的确立与反叛 | — |
| Logic Theorist：符号搜索的第一台证明机器 | 手段-目的分析、状态空间搜索、定理证明 |
| McCarthy Advice Taker：陈述句革命的最早蓝图 | 陈述句告知、推理-行动闭环、属性表装配 |
| STRIPS：状态空间规划的成熟与框架问题 | 算子三元组、世界模型增量、帧问题解法 |
| ELIZA：最小智能体的基线与错觉 | 正则模式匹配、聊天机器人、智能判定陷阱 |
| MYCIN：规则范式的顶峰与边界 | 置信度推理、专家系统、规则脆性 |
| 导读：三条反叛伏线汇论：语言接口·社会涌现·具身学习 | — |
| Minsky 心智社会：单体结构的内部否定 | 单动因谬误、机构协作、K 线记忆、审查器 |
| Brooks 包容架构：感知-行动耦合的工程反叛 | 分层包容、抑制/禁止仲裁、无中央模型 |
| Brooks 无表征智能：物理接地假设的哲学宣言 | 无表征智能、四关键概念、学习四分类 |
| 回顾：Bar-Hillel 式批评：意义、翻译与框架问题 | 翻译全自动悖论、意义消解、框架问题跨代回响 |
| 终章：自知、自觉、自止——终章定论 | 历史辩证法、组织演化层积观、回到当下 |
