如果说 ChatGPT 的崛起验证了语言理解模型的通用性，那么 Agent 的下一个关键跃迁，则是将语言能力转化为具备规划、执行 和自我优化能力的通用智能体。这一跃迁的核心，不在于更大的模型，而在于是否具备多步决策、目标导向、持续学习和高效 探索的能力。 Pokee 正在尝试给出一种答案：它不是在用 LLM 套壳实现 tool calling，而是从底层架构就以 RL 为核心，围绕 goal evaluation、 self-training 和 memory retrieval 等能力做了系统性设计。其训练方式不再依赖大规模预训练，而是以"少样本高目标密度"的方式 自我成长，显著降低了推理成本，提升了泛化能力。在已上线的 beta 产品中，用户高频调用上万次，体现了其 agentic workflow 的真实落地能力。 我们与 Pokee 创始人 Bill 进行了深入访谈，围绕"如何构建一个真正的 RL-native Agent"展开探讨： • 为什么 Pre-training 并不能带来真正的 reasoning，RL 是多步规划能力的唯一路径； • 为什么他们不押注 C 端变现，而在服务 Google ...