個人 AI 提效，救不了組織的低效。

作者 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

2026 年，人工智能正式跨越了從“概率性文本生成”到“確定性自主執(zhí)行”的鴻溝。

前幾年，討論 Agent 更多是在聊一種充滿科幻色彩的想象力：它會不會替代人類？會不會成為下一代操作系統(tǒng)的入口？會不會徹底改寫軟件工程的規(guī)則？

但今年，隨著以 OpenClaw 為代表的前沿項目掀起一陣席卷全球的“龍蝦熱”，Agentic AI 徹底破圈。AI 正在剝?nèi)ァ傲奶燧o助工具”的外衣，演變?yōu)槟軌蚨说蕉司幣艔?fù)雜工作流、自主調(diào)用外部 API、甚至直接操控機器人的“數(shù)字同事”。

當(dāng)浪漫的“零代碼”敘事撞上殘酷的工業(yè)級生產(chǎn)環(huán)境，真正棘手的新問題才剛剛浮出水面。無休止的“幻覺探索”燒毀了海量 Token，松散的提示詞導(dǎo)致多步驟任務(wù)頻繁斷裂，缺乏狀態(tài)回滾機制的“自主執(zhí)行”讓企業(yè)級落地步步驚心。

狂熱褪去，一場屬于實干家的系統(tǒng)工程重構(gòu)正在發(fā)生。本期 CSDN《AI 進化論》的對談現(xiàn)場，在 CSDN 資深編輯王啟隆的主持下，《玩轉(zhuǎn)智能體》圖書作者，美的研究院算法工程師，前百度鳳巢算法工程師李明琦，與奇點智能研究院 AI 輔助軟件開發(fā)咨詢師，《氛圍編程：AI 編程像聊天一樣簡單》圖書作者伍斌，共同復(fù)盤了這場正在真實發(fā)生的“智能體躍遷”。

從虛擬環(huán)境里的代碼生成，到物理世界里的具身智能；從從零開始的綠地項目，到企業(yè)級“棕地”系統(tǒng)的深水區(qū)改造，這場對話試圖厘清一個當(dāng)下最緊迫的命題：龍蝦熱褪去之后，我們究竟需要什么樣的智能體？

要點速覽

• 關(guān)于護城河的轉(zhuǎn)移：模型已經(jīng)不再是競爭的絕對護城河。模型決定了 Agent 的下限，但確定性的工作流、交互協(xié)議、安全和治理體系，決定了 Agent 的上限和可落地的門檻。

• 關(guān)于真實開發(fā)場景：真正的挑戰(zhàn)不在于從零開始的“綠地項目”，而是在現(xiàn)有的“棕地”系統(tǒng)上，如何靠譜地引入 AI 輔助修 Bug、加需求，同時不破壞原有架構(gòu)和功能。

• 關(guān)于通用與垂直之爭：什么都想做的超級通用 Agent，必然面臨任務(wù)偏移、鏈路斷裂和權(quán)限失控。更穩(wěn)妥的形態(tài)，是在邊界清晰的垂直 Agent 之上，再架設(shè)輕量的通用調(diào)度層。

• 關(guān)于評估體系的重構(gòu)：判斷一個 Agent 行不行，不能只看結(jié)果的“幸運通過”。必須追溯它的工具調(diào)用邏輯和執(zhí)行過程，過程對了，結(jié)果才更容易對。

• 關(guān)于組織與人才的演進：如果還是按傳統(tǒng)的角色分工，僅僅是每個人各自用 AI 提效，組織的整體效率幾乎不會改變。AI 時代真正稀缺的，是既深諳業(yè)務(wù)邏輯又懂 AI 工具鏈路的交叉型人才，以及善于利用這些復(fù)合型人才減少協(xié)作摩擦的領(lǐng)導(dǎo)。

告別嘗鮮，走向深水區(qū)

主持人：現(xiàn)在 OpenClaw 這樣偏產(chǎn)品的 Agent 已經(jīng)出來幾個月了，很多人可能只是嘗個鮮，非專業(yè)開發(fā)者可能回到了 AI 聊天產(chǎn)品，專業(yè)開發(fā)者也可能回到了 Claude Code。兩位老師近期在實際工作中使用 Agent 的情況是怎么樣的？

李明琦：我用“龍蝦”用得比較少，因為我平時更會做一些比較深度的研發(fā)。對于業(yè)內(nèi)的人來講，其實這個小龍蝦對我們來說并沒有那么驚艷，因為平時大家就一直做 Agent 的研發(fā)。它只是一個產(chǎn)品形態(tài)，對我們來講是一個很正常的狀態(tài)。但對于很多不太了解這個領(lǐng)域的人，突然有這樣一個助手能幫他快速解決一些通用的、簡單的問題，對他來講可能是一件比較好的事。但對于我們平時會做得比較深、比較垂直的業(yè)務(wù)，小龍蝦很難更好地解決問題。

所以像我的話，還是會做一些比較深度的研究。最近我主要做 Agent 和機器人的操控，主要通過 Agent 去操控機器人。我會構(gòu)建 Agent，再構(gòu)建一個 Agent 可以交互的虛擬環(huán)境，研究如何讓 Agent 去做一些自進化，包括通過構(gòu)建 Benchmark 數(shù)據(jù)集幫助它進化。所以會做得偏深度一點。對于相對比較淺的小龍蝦，它很難滿足這種深度的業(yè)務(wù)問題，我們在偏向核心業(yè)務(wù)的時候還是會用深度的方案。

不過，我最近接了一個人力資源（HR）的項目，幫助 HR 部門做項目的升級跟優(yōu)化。他們的業(yè)務(wù)主要涉及人員的盤點、績效、獎勵等，業(yè)務(wù)背景更偏向通識，使用工具比較淺層。所以我們在給他們搭建業(yè)務(wù)時，會用一些小龍蝦幫他們搭建內(nèi)容，讓他們通過小龍蝦去解決相對簡單的問題，比如統(tǒng)計當(dāng)前績效好的人、篩選需要的人才。這種簡單的任務(wù)會幫他們做，但太深的話幾乎就不太去做了。

主持人：伍老師在 AI 輔助開發(fā)場景中，最近使用 Agent 的情況如何？

伍斌：我經(jīng)歷了三個階段。第一個階段就是小龍蝦剛爆火的時候，我天天研究這個小龍蝦，而且還去給別人裝。讓人特別驚喜的是，小龍蝦能夠連上手機的飛書 APP，用飛書發(fā)語音命令，它就去搜新聞，或者做一些自動化的定時任務(wù)，我覺得這比以前在電腦上用要方便多了。這是第一個階段。

第二個階段，因為我是做 AI 輔助軟件開發(fā)的，最近我關(guān)注的是“棕地”AI 軟件開發(fā)。什么叫棕地呢？就是在現(xiàn)有的軟件系統(tǒng)上引入 AI，幫助現(xiàn)有系統(tǒng)去修 bug、增加新需求。在 AI 的幫助下能夠可靠地零手工編代碼，讓 AI 幫你去修 bug、增加新功能。

這不是從零開始的項目，而是一個棕地項目，相當(dāng)于蓋房子那塊地已經(jīng)被翻開了、蓋了一半，你再拿 AI 進去介入。

還有一個對應(yīng)的叫“綠地”項目，就是一片地還沒開墾、還沒開始施工，相當(dāng)于以前的 AI coding。氛圍編程一般適合綠地項目，但我現(xiàn)在研究的是企業(yè)和個人開發(fā)者比較關(guān)注的：在現(xiàn)有系統(tǒng)之上怎么加入 AI。

這個階段我又切回到 Claude Code 了。因為小龍蝦有一段時間 Token 用太多，被 Claude 封掉了不讓用。而且搞棕地項目時，你需要強一點的模型幫你分析架構(gòu)，所以需要 Claude 這種大模型，于是我回到了 Claude Code。這是第二階段。

到現(xiàn)在第三個階段，我發(fā)現(xiàn)最近出來了Hermes Agent。它的好處是能根據(jù)你的工具調(diào)用（比如每十次調(diào)用），自動在后臺優(yōu)化你的 Skill，相當(dāng)于能把它越用越聰明。這一點就比小龍蝦強，小龍蝦需要你自己手工主動讓它做優(yōu)化才能優(yōu)化 Skill，否則它是不會主動優(yōu)化的。

另外它能夠連很多大模型，比如 Claude，也能連現(xiàn)在的 Kimi 模型。而且它能通過 CLI 進到我的目錄底下，所以現(xiàn)在我偏向于使用 Hermes Agent，在電腦上連上大模型去做開發(fā)工作。這是第三個階段。

我不知道大家是不是跟我差不多，但我感覺現(xiàn)在我已經(jīng)不再用飛書連小龍蝦了。我現(xiàn)在用的是更硬核的方式：在 iPhone 手機上裝一個叫 Termius 的終端工具連到電腦上，電腦上也把 Tmux 跑起來。這樣我能用手機發(fā)命令，看到電腦上運行的狀態(tài)。相當(dāng)于我在電腦上看到的 Claude Code、Hermes Agent，在手機上也能看到。電腦上干了一半，手機上也能看進度，這就比較方便了。我還能切換不同的工具，比如 OpenClaw、Claude Code、Hermes Agent，都可以切。所以我現(xiàn)在不再用飛書了，就用 Tmux。這就是我現(xiàn)在的一個階段。

AI 開發(fā)者計劃開放申請，免費領(lǐng) 50 小時云算力券

支持主流 AI 框架與模型部署

什么是真正的 Agent？工作流、協(xié)議與安全

主持人：每年都有很多產(chǎn)品化的 Agent 涌現(xiàn)。比如 Manus 出來的時候，大家對 Agent 的想象可能還停留在“聊天框交互+工具調(diào)用”；但今年龍蝦又啟發(fā)了很多人的思考，大家就此開始聊 Agent 的系統(tǒng)化、系統(tǒng)工程以及 Harness Engineering。

那么，什么樣的東西才算真正的 Agent？它和前幾年大家熟悉的 Copilot、助手、Workflow，真正的分界線在哪？李老師剛剛聊到機器人和物理世界，如果往現(xiàn)實世界更推一步，什么能力會突然變得比聊天框時代重要得多？

李明琦：我覺得現(xiàn)在 Agent 下一個階段的競爭，模型之間的差異化變得越來越少了，沒有之前那么明顯。雖然也會有一些變化，但在 Agent 落地的全鏈路過程中，它的影響變得沒有那么大了。

整個 Agent，模型已經(jīng)不再是你競爭的護城河了，現(xiàn)在的壁壘在于你有可落地的工作流、Agent 的協(xié)議、安全和治理體系，整個鏈路顯得更重要了。因為模型已經(jīng)偏向同質(zhì)化，雖然像 Claude 這種模型可能還是比別的更好一些，但差距在不斷縮小。

而工作流和協(xié)議，才是 Agent 從“能跑”到“能干活”、進入真實業(yè)務(wù)必須要解決的關(guān)鍵問題。首先，流程要更具確定性。比如一個客服 Agent 遇到不同問題應(yīng)該走什么流程、調(diào)用哪些工具，這些是研發(fā)、產(chǎn)品和業(yè)務(wù)方需要清晰界定的，包括怎么和其他系統(tǒng)進行交互。這不能靠模型臨場發(fā)揮，而是需要預(yù)定義的工作流。

其次是交互協(xié)議。Agent 要和企業(yè)的系統(tǒng)、數(shù)據(jù)庫等交互，需要建立一套規(guī)范統(tǒng)一的協(xié)議，比如權(quán)限協(xié)議、數(shù)據(jù)格式協(xié)議、回調(diào)機制。否則很容易出現(xiàn)調(diào)用失敗、數(shù)據(jù)格式不兼容，甚至權(quán)限風(fēng)險。像我們的 Agent 去操作數(shù)據(jù)庫，它是要申請授權(quán)的，申請權(quán)限后，需要有人幫它確認才能往下走。這些不是靠模型優(yōu)化能解決的，需要對業(yè)務(wù)的理解和工程化的沉淀去解決。

另外，Agent 目前涉及的鏈條比較多，它的安全和治理能力也非常重要，決定了 Agent 能不能進入核心業(yè)務(wù)。Agent 是否足夠安全？執(zhí)行路徑是否可追溯？我們經(jīng)常遇到 Agent 出現(xiàn)幻覺，但下次再問時問題又無法復(fù)現(xiàn)。所以我們會構(gòu)建過程的 Benchmark 數(shù)據(jù)集，去評估它的執(zhí)行過程是否會出問題，出了問題能不能追查到。

最后是隔離和回滾機制。Agent 操作出了問題能不能回滾？會不會影響其他業(yè)務(wù)？如果這些問題不解決，模型能力再強，很多企業(yè)也不敢把核心業(yè)務(wù)直接交給 Agent 去做。

所以，模型決定了 Agent 的上限，但工作流、協(xié)議、安全和治理決定了 Agent 的下限和可落地的門檻，這也是它的核心競爭力。

主持人：李老師提到了一個近期辯論非常多的話題，就是模型能力接下來的重要性。Agent 已經(jīng)不是“模型+Tools”那么簡單，而是變成了一個包含模型、工具、環(huán)境、產(chǎn)品交互的閉環(huán)系統(tǒng)形態(tài)。模型能力可能仍然重要，但它或許不再是唯一的變量。伍老師怎么看待這個問題？

伍斌：我覺得剛才李老師說的那些都很關(guān)鍵，相當(dāng)于給模型套上一個結(jié)構(gòu)、一個架子，或者直接叫Harness。現(xiàn)在有人管它叫約束，或者比作套馬的馬具，沒有它你駕馭不了 AI。

具體什么是 Harness 呢？最近我在研究這個問題，我覺得應(yīng)該分三大塊。首先我要明確，我針對的用戶對象不是做 Agent 的構(gòu)建者（不是像做 Claude Code 的工程師），而是使用 Claude Code 去開發(fā)應(yīng)用的人。比如李老師是開發(fā)機器人的，我是寫業(yè)務(wù)代碼的。

這些使用 Claude Code 的人，怎么樣用好 Harness？開發(fā) Agent 的工程師有他們的 Harness，叫Agent Builder Harness。而我現(xiàn)在要說的是Agent User Harness，就是咱們使用這些工具的人。

這個 Harness 包括三塊。第一塊就是李老師剛才說的，你要把協(xié)議、約束告訴它，包括企業(yè)中的一些隱性知識。這些知識以前可能寫在代碼里，或者在 Confluence 文檔里，沒有進入提示詞。有一句話叫：如果你的文檔沒有進入大模型的上下文，那等于不存在。所以你需要想辦法，把目前做的工作大模型必須要知道的內(nèi)容給到它，做好準(zhǔn)備工作。ThoughtWorks 的一位首席工程師講過一個詞叫 Feedforward（前饋）。咱們熟悉的是 Feedback（反饋），它在 AI 生成前，加了前饋，就是準(zhǔn)備好提示詞，把主要的要點準(zhǔn)備齊，不要遺漏重要內(nèi)容。

第二塊是Feedback（反饋）。模型運行完了，你要看看結(jié)果是否符合期望。你可能要寫一些自動化測試，或者讓大模型去掃一下代碼規(guī)范，看是否符合企業(yè)要求，然后把這些結(jié)果給到大模型。因為 Agent 能調(diào)工具，它現(xiàn)在缺的是反饋。你給它反饋后，它看到自己出錯了，再去調(diào)工具修改，這樣就成了一個閉環(huán)。

第三塊是咱們作為國內(nèi)用戶，而有一些國外用戶碰不到的痛點，就是Token 不自由。什么意思？國外的 Cluade Opus、Claude Sonnet，國內(nèi)很多人用不上，因為沒有支付途徑，而且人家也不讓咱們用。所以咱們只能用國內(nèi)一些偏弱一點的模型。而且國內(nèi)的模型現(xiàn)在也開始貴起來了，有些 Token 已經(jīng)沒有包月計劃了，都是按 Token 計費。有這些制約，你在訂閱時就要考慮成本，不能像以前用小龍蝦那樣瞎跑、反復(fù)返工去燒 Token，那是燒不起的。所以要考慮：如果這次大模型的配額觸頂了，能不能換一個大模型，接著上一次中斷的工作繼續(xù)做？這就需要考慮你的記憶管理，記憶怎么跨大模型繼續(xù)下去。這都是國內(nèi)Token 不自由的開發(fā)者面臨的問題。

我覺得把這三塊把握住，Agent 就能用得很好。現(xiàn)在群里很多人說 Agent 給的內(nèi)容不靠譜、有 bug，但我想先問問，前面說的那三塊前饋、反饋、中間的記憶管理你有沒有做好？做好之后，再來評估大模型是否能滿足你的需求。

通用與垂直之爭：什么任務(wù)該交給 Agent？

主持人：從工業(yè)或商業(yè)的系統(tǒng)視角看，一個 Agent 什么時候才算真正從 Demo 變成能上場的東西？特別是結(jié)合李老師相關(guān)的，剛起步的具身智能領(lǐng)域，做到什么程度才能真正落地？

李明琦：說到具身智能，我覺得目前的探索還處于比較初期的階段，發(fā)展沒有那么快。它不像純軟件 Agent 已經(jīng)有一些相對成熟的產(chǎn)品了。具身智能還缺少很多東西，首先在數(shù)據(jù)這塊就非常有限。它不像自動駕駛可以無限去造數(shù)據(jù)，我們做機器人的數(shù)據(jù)量很少。所以我們在想辦法做仿真環(huán)境的模擬，模擬數(shù)據(jù)和軌跡，造很多軌跡數(shù)據(jù)去幫助機器人。

機器人和純軟件 Agent 有所不同。具身智能的大腦相當(dāng)于用大模型，類似于 Agent 進行思考、決策、規(guī)劃。但在它通過智能體做探索時，我們還要格外加很多東西。首先，智能體要把自然語言交互轉(zhuǎn)化為具體的指標(biāo)或坐標(biāo)系。你不可能直接跟機器人說“往前走一步”就能操控它，機器人更多是通過坐標(biāo)系來移動的。所以需要一個把自然語言對話轉(zhuǎn)成坐標(biāo)的過程，通過坐標(biāo)把信號給到機器人，它獲取信號后再去移動。

對于機器人 Agent 來講，短期內(nèi)我們只是在有限的數(shù)據(jù)和探索路徑里做了一些嘗試。它不像對話 Agent 的環(huán)境那么簡單。當(dāng)軟件跟硬件結(jié)合時，會有很多問題。機器人在移動時會有物理反饋，比如遇到風(fēng)險、遮擋，這些都需要我們?nèi)プ龊芏嗨伎肌Ｋ哉麄€鏈路比純軟件復(fù)雜得多。

像我們做這種 Agent，包括做機器人，前期會偏向做邊界清晰、確定性更強的 Agent。把邊界和確定性定好，這樣的 Agent 對我們來講更容易落地一點。

主持人：很多一線團隊最近都在面臨一個現(xiàn)實：真正能落地的往往不是前幾年常說的“通用超級 Agent”，而是一套邊界清楚、步驟清楚、結(jié)果清楚的垂直領(lǐng)域 Agent。這也引出了一個很具體的問題：哪些任務(wù)值得交給它，哪些任務(wù)不能交？現(xiàn)在的用戶真正需要的，是一個什么都能做的 Agent，還是先把一個關(guān)鍵任務(wù)做好的 Agent？

伍斌：我覺得這個問題非常好，相當(dāng)于 Agent 該怎么設(shè)計或者怎么選。Agent 其實是由兩部分組成的：一部分是背后的大模型，另一部分是模型之外的一層Harness，兩者結(jié)合做成了一個 Agent。所以這兩塊需要一起來說。

根據(jù)我的經(jīng)驗，如果做棕地 AI 項目開發(fā)（即在企業(yè) IT 內(nèi)部原有系統(tǒng)上引入 Agent），我覺得可以分成兩大類 Agent。一類是能力強一點的 Agent，比如 Claude Code，后面連著 Claude 大模型。你可以讓它做架構(gòu)分析、頭腦風(fēng)暴、讀代碼、出方案，比較復(fù)雜的事情用這個大模型。如果方案寫好了，要動手去做的時候，就可以切換到國內(nèi)的大模型，比如 Qwen、Kimi 或 GLM。目前來說，它們都能把確定性的任務(wù)干好。你還需要寫好自動化測試，讓它們看到反饋再去改。我覺得可以把這兩塊分開，各有側(cè)重，不用讓弱模型去搞復(fù)雜的事，也不用讓強模型去干簡單的事造成浪費。這塊大家可以考慮。

主持人：李老師怎么看？以前搞大模型的時候在聊通用和垂直，現(xiàn)在搞 Agent 的時，大家依然在爭論通用和垂直，您經(jīng)歷過兩者應(yīng)該都有感受。

李明琦：是的。超級通用的 Agent 具有不確定性、高成本和難管控的特點。什么都想做的通用 Agent，在真實業(yè)務(wù)里會遇到三個無法避免的問題：

第一點，任務(wù)一長容易偏移。因為是通用的，你一會問這個話題，一會轉(zhuǎn)到另一個話題，特別是在復(fù)雜多步驟的任務(wù)里，模型很容易偏離目標(biāo)。比如做數(shù)據(jù)報表，中間可能調(diào)用錯工具或理解錯數(shù)據(jù)，導(dǎo)致結(jié)果偏差變大。

第二點，工具一多，鏈路容易斷。通用 Agent 要適配不同的系統(tǒng)和工具，鏈路更復(fù)雜。任何一個環(huán)節(jié)出錯都會導(dǎo)致任務(wù)失敗，穩(wěn)定性特別低。這是我們在工作中經(jīng)常遇到的，所以我們盡量把它限制得越可靠越好，否則不穩(wěn)定會帶來業(yè)務(wù)問題。

第三點，權(quán)限放開容易失控。通用 Agent 需要大量權(quán)限，但你不可能把所有權(quán)限都放開。一旦放開，就容易給企業(yè)帶來數(shù)據(jù)泄露或誤操作等安全風(fēng)險。

相比之下，垂直確定性的 Agent 對公司來講更好一點。它不是什么都能做，但在特定場景下更穩(wěn)定可靠，能按照我們約束的規(guī)則完成任務(wù)。首先，它邊界清晰。比如我們做財務(wù)報銷的 Agent，或者專門做 KUKA 機器人咨詢的 Agent，會把邊界限定得很清楚。其次，步驟具有確定性。比如客服工單 Agent，遇到什么問題、走哪些流程、調(diào)用什么工具、回復(fù)什么話術(shù)，我們都提前預(yù)定義好，模型只負責(zé)執(zhí)行，確定性更強。最后，結(jié)果更可控。任務(wù)結(jié)果是可以預(yù)期的，方便復(fù)盤，不會出現(xiàn)混亂，我們可以更放心地在核心業(yè)務(wù)里使用它。

所以未來的形態(tài)，我覺得是在垂直 Agent 之上再做一些輕量的通用調(diào)度層。不是說通用能力沒用，而是它更多作為調(diào)度層，去協(xié)調(diào)多個垂直 Agent。上層用通用調(diào)度層調(diào)度垂直 Agent，而不是讓單一的通用 Agent 去做所有的事。這樣會更好一點。

主持人：Agent 到底做到什么程度才能叫通用？在您目前接手的系統(tǒng)里，什么樣的任務(wù)天然更適合先交給 Agent？什么樣的任務(wù)必須先讓人來兜底，或者一開始最不該先碰？

李明琦：我覺得如果整個業(yè)務(wù)偏向于通用類，不是特別垂直的領(lǐng)域，用通用的 Agent 就可以解決。如果任務(wù)沒有特別強的專業(yè)屬性，也可以優(yōu)先通用的。但我之前做過醫(yī)療、金融這類垂直行業(yè)，深度內(nèi)容理解還是需要垂直的 Agent 解決起來更好。像我之前做通用財務(wù)知識的簡單計算，優(yōu)先用通用的就可以。

主持人：那在開發(fā)流程中，AI 實際上更適合扮演通用的“實習(xí)生”角色，還是明確分配一段工序讓它去干好？實際情況是怎樣的？

伍斌：在軟件開發(fā)領(lǐng)域，大家對通用和垂直有不同的理解。在我使用過程中，通用的 Agent 更多使用 Claude Code。我現(xiàn)在不光用 Claude Code 寫代碼，還用它寫自媒體文章，寫得也是一把好手。它能去網(wǎng)上搜新聞，相當(dāng)于替代了 Google、百度、必應(yīng)，能幫我搜東西、寫會議紀(jì)要、寫 PPT 大綱。從這個角度看，它就是一個通用的 Agent。雖然 Claude Code 在編程領(lǐng)域很有名，但它剛出來時，很多非技術(shù)人群涌進來用它生成 PPT。通用 Agent 的特點是能做很多事情，只要你把前饋跟反饋做好，就能得到想要的結(jié)果。

關(guān)于垂直的 Agent，取決于你給它定義的角色。現(xiàn)在 Harness 有很多不同的實現(xiàn)方法。我最近看到一篇論文，講亞馬遜的工程師怎么讓 Harness 發(fā)揮好效果。他設(shè)計了一個框架，里面有兩個角色（兩個 Agent）：一個叫Builder，負責(zé)構(gòu)建軟件；另一個叫Reviewer，負責(zé)評審軟件。這兩個 Agent 相互制衡，一個人做完另一個人去審，審?fù)晏峁┓答仯懊娴娜嗽偃ジ摹?strong>各干各的角色去完成質(zhì)量要求比較高的任務(wù)，需要這種提供反饋的 Agent 去做好垂直的事情。在我看來，這就是垂直領(lǐng)域的智能體。

評估與避坑：不只看結(jié)果，更要看執(zhí)行過程

主持人：真到了具體的業(yè)務(wù)現(xiàn)場，Agent 最容易卡住的地方，到底是當(dāng)下的模型能力不夠，還是吃不到有用的數(shù)據(jù)或業(yè)務(wù)信息？

李明琦：我最近遇到了幾個 Case。首先，如果你的問題它沒太理解好，Agent 會出現(xiàn)無休止的探索。所以你要對它的探索進行約束，幫它找到最優(yōu)路徑。我遇到的情況是它出現(xiàn)無限次探索，我們需要定義在什么情況下它應(yīng)該執(zhí)行結(jié)束，不應(yīng)該再探索了。這是遇到的第一個問題：Agent 的無限探索。

第二個問題是，它在探索過程中是按步驟執(zhí)行的，有時候步驟會出現(xiàn)錯亂。有些不該執(zhí)行的步驟它執(zhí)行了，這種情況怎么去控制？這也是我們遇到的問題。

第三個問題是，我們發(fā)現(xiàn) Agent 的澄清能力和拒識能力沒那么強。問一些和垂直領(lǐng)域相關(guān)的問題，它答得挺好，但如果問得太發(fā)散，就很容易誘導(dǎo)它答出別的內(nèi)容。怎么給它做拒識、幫它更好地澄清，也是個大問題。

目前我們發(fā)現(xiàn)的問題，主要還來源于怎么構(gòu)建更好的自動化測試集和 Benchmark，不斷去測出 Agent 的問題。短期內(nèi)我們發(fā)現(xiàn)了這幾項問題，也在想新的技術(shù)方案去解決。

主持人：伍老師是不是也遇到過類似的情況：Agent 出現(xiàn)問題往往不是因為模型不夠強，而是任務(wù)一拉長、鏈路一變多，它就會無限制地探索，整個狀態(tài)就慢慢飄了？

伍斌：這個問題很重要。有的小伙伴不知道，兩個不同的任務(wù)中間需要敲一個“/new”，新開一個 Session（會話），讓上下文清空。有的人沒這習(xí)慣，一股腦什么都放進去，后來就會越來越飄。

我的體會是，基于國內(nèi) Token 不自由的開發(fā)者場景，我經(jīng)常要換大模型，因為配額滿了就得換。所以我很在意這次會話到底讓它干什么事，和上次會話有沒有關(guān)聯(lián)。如果沒有關(guān)聯(lián)，我就敲一個“/new”新開 Session，清空 Context。

還有一個好的實踐：去插件市場找一個能可視化當(dāng)前上下文使用量的工具。比如 Claude Code 有個進度條，告訴你目前會話的 Context 用了百分之多少，今天的配額還剩多少，這周的配額還剩多少，一目了然。這樣我就很清楚，這次會話不要超過 50%。超過 50%之后我就有點心虛了，可能后面就會飄了，要想辦法趕緊收尾或者換下一個話題。所以我把任務(wù)拆得很碎，每個任務(wù)都能獨立讓它去做，不會依賴前面的內(nèi)容。

前面講到的 Hermes Agent 有個好處，它能自動壓縮上下文。有些小伙伴不愛敲“/new”，Hermes 提供了一個機制：上下文快滿時會自動幫你壓縮。當(dāng)然壓縮質(zhì)量有好有壞，有時候可能會把重要的事壓縮掉。所以我覺得還是得把握在自己手里，控制好輸入的內(nèi)容，讓上下文能承載你要讓它做的事。這樣能防止 Agent 飄，讓它每次都很精準(zhǔn)地回答問題。

主持人：接下來聊一聊評估標(biāo)準(zhǔn)。大家現(xiàn)在越來越容易感受到一件事：有些 Agent 最后雖然把結(jié)果做出來了，中間卻全靠僥幸和運氣。

真正值得探討的問題變成了：它不僅要成，還要“靠譜地成”，下一次還要能同樣跑好這個任務(wù)。如果要判斷一個 Agent 到底好不好用，兩位老師會先看什么？真正好用的 AI Agent 應(yīng)該關(guān)注哪些指標(biāo)？

李明琦：Agent 好不好用，在不同的業(yè)務(wù)領(lǐng)域，業(yè)務(wù)目標(biāo)不同，評估也會有變化。我給大家舉個例子。我現(xiàn)在做的是通過對話方式操控機器人的交互。我對當(dāng)前 Agent 的評估，首先會看它在執(zhí)行任務(wù)的過程，我比較看重過程。假如是一個機器人點動任務(wù)，需要執(zhí)行哪個機械臂，我要看它過程是不是對的：它有沒有先獲取權(quán)限？獲取完權(quán)限后，有沒有設(shè)置速度？然后再移動軸？我會對工具調(diào)用和執(zhí)行過程進行追溯。因為過程對了，結(jié)果才更容易對。所以首先看過程的滿足，最后才看結(jié)果的滿足。

我會拆成兩塊：一塊是評估執(zhí)行過程，以及執(zhí)行過程之后狀態(tài)的變化，這是比較直接、關(guān)鍵的東西。另一塊是回答問題的質(zhì)量。我們這個場景會分成這兩塊。內(nèi)容方面包括質(zhì)量、是否回答了當(dāng)前問題、是否有一些引導(dǎo)和步驟解析。這是從內(nèi)容角度制定的細粒度指標(biāo)。所以我們當(dāng)前主要關(guān)注這兩部分：執(zhí)行過程及狀態(tài)變化，以及回答內(nèi)容的質(zhì)量。

主持人：虛擬環(huán)境里跑通和真實世界里可行，這中間最容易被忽略的差距是什么？

李明琦：最容易忽略的是，虛擬環(huán)境僅僅只是模擬的真實環(huán)境。我們只能模擬特定的實體和核心功能，特別細微的東西很難模擬全。就像模擬一個人，只能把身體的大概部位做出來，毛細血管等細微的東西很難模擬。所以我們在模擬機器人場景和環(huán)境交互時，只能先把實體找出來，把實體之間的關(guān)系（類似于知識圖譜）模擬出來，構(gòu)建成一個環(huán)境系統(tǒng)。Agent 就是跟這個虛擬環(huán)境交互去產(chǎn)生數(shù)據(jù)。

前期我們先構(gòu)建簡單的虛擬環(huán)境，隨著業(yè)務(wù)豐富再不斷添加。有了虛擬環(huán)境、Benchmark 和 Agent 這三個東西后，它們就可以自動聯(lián)動優(yōu)化，越做越好。因為真實場景里沒有太多真實數(shù)據(jù)，只能通過這三種方式讓它朝著更好的方向自進化。發(fā)現(xiàn)環(huán)境問題去優(yōu)化環(huán)境，發(fā)現(xiàn) Agent 問題去優(yōu)化 Agent，發(fā)現(xiàn) Benchmark 問題去豐富測試集。從這三個圈層一起優(yōu)化，就會越來越好。

主持人：很多團隊在把 Agent 接進業(yè)務(wù)時，最先要定清楚的可能是權(quán)限、責(zé)任以及組織之間的調(diào)度。如果 AI 已經(jīng)進入研發(fā)流程，最先需要建立什么樣的能力？

伍斌：我覺得這是目前軟件開發(fā)行業(yè)都在面臨的一個很大的問題。因為 AI 它什么都能干，包括這個什么需求分析、架構(gòu)設(shè)計，包括這個概要設(shè)計，然后詳細的編代碼，然后測試，包括運維，它都能干。這個時候你是不是還是按照原來的沒有 AI 的時候那樣的組織機制，還是那些角色？什么產(chǎn)品經(jīng)理，業(yè)務(wù)分析人員、開發(fā)、測試、運維，這些角色是不是還像 AI 爆發(fā)前那樣設(shè)置？

如果跨角色協(xié)作時，還是像以前那樣等待的話，那其實就幾乎沒有什么成效。因為這個在去年的 DORA 的那個 AI 的報告里已經(jīng)看到了這個調(diào)查結(jié)果了，就是組織感覺 AI 提效幾乎感覺不到，個人程序員覺得我提效個 20%，但實際度量起來個人提效也就是 10% 左右。所以，你的組織機制如果沒有做好這種引入 AI 后減少跨角色協(xié)作摩擦（比如一人身兼數(shù)職），業(yè)務(wù)不懂研發(fā)，研發(fā)不懂業(yè)務(wù)，那還是跟以前一樣，沒什么太大的效果。

那什么樣才能變得好呢？就可以從 OpenAI 三個工程師五個月生成 100 萬行代碼，然后那個軟件在他們組織內(nèi)部幾百人在用，這個場景能夠得到一些啟發(fā)。什么意思？就是說這三個人可能會兼顧很多角色，他們可能一個人就既是產(chǎn)品經(jīng)理，又是開發(fā)人員，又是測試人員，也可能還干運維。相當(dāng)于這三個人就把原先的四五個角色都給做了，而且讓 AI 幫他們零手寫代碼，全讓 AI 生產(chǎn)代碼。

所以你可以看到這種角色的融合就是趨勢。將來的這種業(yè)務(wù)和 AI 交叉的人才是非常搶手的。你既懂業(yè)務(wù)又懂 AI 技術(shù)，這是將來的一個趨勢。有些人唱衰說初級程序員已經(jīng)不需要了，那些新人該怎么辦？我覺得那些新人不是傻瓜，他們也是很聰明的。他們可以在學(xué)校里面學(xué)一些傳統(tǒng)行業(yè)的領(lǐng)域知識，然后同時輔修一些 AI 的工具。進企業(yè)之后就可以去填充缺口很大的這種業(yè)務(wù)跟技術(shù)交叉的人才，現(xiàn)在是非常非常缺的。如果有人看準(zhǔn)了這個方向，我覺得這就是將來一個非常好的就業(yè)機會。這就是我看到的一個趨勢。

未來的機會屬于模型廠商，還是產(chǎn)品公司？

主持人：今天很多 Agent 產(chǎn)品的 Demo 一眼看上去很驚艷。正所謂外行看熱鬧，內(nèi)行看門道，看到這樣的 Demo，或者真正上手測試時，一般會先看什么專業(yè)技術(shù)點？開始警惕通常是從哪個信號開始的？

伍斌：如果我讓 AI 幫我生成軟件或代碼，我首先會讓他幫我做一個頭腦風(fēng)暴，做一些架構(gòu)或方案的生成。比如生成三個方案，我從中挑一個。我一上來不會讓他直接給我生成一個結(jié)果，那是去年我寫《氛圍編程》那本書時的套路了。但現(xiàn)在到了棕地開發(fā)階段，它能操作工具且有很多權(quán)限，你就不能放任自流讓他去干活了，需要小步讓他去做。通過一小步就能看出來他是不是做得好。

判斷他是不是“金玉其外敗絮其中”，我的經(jīng)驗是看每一步的檢查點，定義好怎么去驗收。比如架構(gòu)分析，他應(yīng)該給我出一個能看懂的架構(gòu)圖，這是最基本的，如果出不來就走不下去。所以我的觀點是，你先想好怎么驗收任務(wù)，定義好之后再讓他去做，做完看是否符合期望。

主持人：同樣問問李老師，在機器人領(lǐng)域也經(jīng)常會看到很棒的演示視頻。外行看這些機器人各有各的酷炫之處，內(nèi)行是怎么看的？

李明琦：內(nèi)行看機器人的話，像宇樹科技的機器人可能更多是跳舞類的。我們現(xiàn)在做機器人主要是智能家居類，比如在廚房拿東西、炒菜，還有疊衣服的機器人。整體來講，它還是挺笨的。我們每天要去反反復(fù)復(fù)地測、收集數(shù)據(jù)，每天用機械臂一點點疊衣服去收集數(shù)據(jù)。整體進化沒有那么快，至少在家居領(lǐng)域還沒有跑得那么好的。

它不像純智能體，智能體整體可以偏向很強的自動化。它寫出來的東西，如果不仔細看，整體邏輯上看不出問題，特別是實現(xiàn)一個很小的業(yè)務(wù)功能點時，幾乎沒問題。但區(qū)別在于，當(dāng)你做一個企業(yè)級項目、實現(xiàn)復(fù)雜功能點時，它寫的代碼就沒那么好了，很難寫出高內(nèi)聚、低耦合的企業(yè)級代碼。所以我們在做大項目時，通常先去把復(fù)雜任務(wù)拆解，讓它先寫需求文檔或設(shè)計文檔。然后我們在文檔的基礎(chǔ)上去評估哪里不足、哪里需要補充、該用什么框架邏輯，給它更細粒度的指令。需求文檔改得沒問題后，再讓它生成代碼。生成完還是需要人工做質(zhì)檢，否則會有問題。

對于程序員和研發(fā)人員來講，我們更多的精力不在于寫代碼，而在于審核 AI 給出的東西是不是靠譜。它可能完成 80%，我們在 80%的基礎(chǔ)上去幫它完善，激發(fā)它達到 90%甚至更高的靠譜率，再讓它進一步落地。我們也在幫助其他團隊更好使用 AI 提效，大家是相互合作、共同進步的過程。整個工作范式和工作內(nèi)容的重心發(fā)生了遷移和變化，有了新的視角。我覺得這挺好的，讓大家做的事變得更新鮮，不像以前做研發(fā)的只做研發(fā)，現(xiàn)在有了角色的變化。

主持人：下一階段的 Agent，大家都在爭什么？是單點能力，還是整個生態(tài)的位置？未來的機會，更屬于模型公司，還是屬于更懂場景的產(chǎn)品公司？

過去大模型剛火那一波，出現(xiàn)了很多產(chǎn)品公司，但隨著模型能力的迭代（比如 OpenAI 去年 Image-4o 的圖像生成能力升級，還有今年的 Claude Design 和 OpenAI 的 Image-2），很多產(chǎn)品公司受到了降維打擊。現(xiàn)在模型公司和產(chǎn)品公司似乎處于一個非常微妙的態(tài)勢。兩位老師怎么看？

李明琦：我覺得技術(shù)做得好不好，通過產(chǎn)品形態(tài)去展示是非常合理的。就像蘋果，大家覺得它體驗好，自然覺得它的技術(shù)好。技術(shù)再好，如果沒有好的產(chǎn)品，就看不到真實的價值。所以技術(shù)是需要產(chǎn)品去承載的。技術(shù)要嵌在產(chǎn)品里，產(chǎn)品盡可能滿足用戶痛點，大家才愿意付費。我經(jīng)常講，產(chǎn)品做得好不好，用戶愿意付費的產(chǎn)品就是值得用的。

我看過很多研發(fā)人員技術(shù)能力很強，一兩個月就能把產(chǎn)品上線。但如果沒有把握住用戶需求，又不會運營，可能就沒人用了。所以大家做技術(shù)、做產(chǎn)品時，要看是否捕捉到了市場和用戶的痛點，填補了哪塊市場空白，而這塊空白又是用戶非常需要的。這樣的產(chǎn)品更容易脫穎而出，否則很多產(chǎn)品會死在實驗室里。要多做能讓用戶或企業(yè)快速用起來的東西。這是一個需要反饋的過程，技術(shù)和產(chǎn)品做得好，都需要用戶和企業(yè)的反饋。只有有人用，不斷提供反饋信息，才能形成閉環(huán)轉(zhuǎn)起來。整個生態(tài)鏈少一環(huán)，都很難完整轉(zhuǎn)起來。

我覺得未來還會不斷有小的產(chǎn)品出來，因為現(xiàn)在做一個產(chǎn)品的成本已經(jīng)沒那么高了。可能會經(jīng)常出現(xiàn)一些小的爆品，滿足特定用戶的需求。做產(chǎn)品的成本不高，但帶來的價值還是挺大的。

伍斌：剛才說到有些大模型廠商把單點做得很驚艷讓大家去用。我覺得這一點都不擔(dān)心，因為他只是單點，沒有解決日常生活的痛點。比方說為什么 Manus 沒火而是 OpenClaw 火了？我還特意寫了一篇文章講這個事。

其實有一個很重要的點就是，使用 Manus 需要把你的那些資料上傳，要讓它生成一個 PPT，你要把素材上傳，這很麻煩。

但 OpenClaw 是默認安裝在電腦本機的。里頭就會有你的那些文件，只需告訴 OpenClaw，說電腦里的這個文件需要轉(zhuǎn)寫成另外一種 PPT。這樣就不需要反復(fù)繁瑣上傳這種文件了，相當(dāng)于你的數(shù)據(jù)就是你自己的。但是如果說把數(shù)據(jù)上傳到 Manus，這東西歸 Manus 了，那將來是否安全，這是個問題。所以我覺得產(chǎn)品懂人的心理非常重要。

包括剛才說到國內(nèi) Token 不自由的開發(fā)者的痛點，現(xiàn)在我沒看到國內(nèi)廠商專注做這個事情。如果有些廠商發(fā)現(xiàn)這些痛點，做一些解決痛點的事情，比如切換模型、自動路由到恰好夠用的模型，我覺得這也是一個非常好的產(chǎn)品，很多人愿意用。

主持人：Agent 這個詞大家已經(jīng)說了很久，但真正值得聊的部分可能今天才剛剛開始。很多人今年才開始大規(guī)模使用 Agent，一開始還是用 Chatbot 的方式對待它，關(guān)注它的模型能力。但當(dāng)它真正落地時，我們不得不問：它能不能更穩(wěn)、更可控？能不能真的進系統(tǒng)、帶來結(jié)果？Agent 的下一階段拼的未必是“更像人”或者模型本身的能力，而是系統(tǒng)工程能力。感謝兩位老師的分享。也歡迎讀到這里的讀者們，點一點公眾號和視頻號關(guān)注，我們還會繼續(xù)帶來這樣的直播內(nèi)容。

免費領(lǐng)取 50 小時 AI 算力｜限時開放

加入 AI 開發(fā)者計劃

獲取：

? AI 算力資源

? 官方技術(shù)社群

? Workshop 與 AI Academy

? 開發(fā)者專屬福利

完成認證后，額外領(lǐng)取：
? 9.9 元瑞幸咖啡券

立即加入