演示视频里，一句“帮我订下周三去杭州的票”，光标自己动了起来：打开页面、选日期、填乘车人、挑车次。到第四步，屏幕中央弹出一个需要短信验证的小窗，光标悬在那儿，停住了。旁边的人笑了一下，说这个后面会优化。
它不缺动作能力，缺的是“知道自己在哪”
拆解任务、调用工具，如今已经不算难事。难的是网页本身在流动：按钮挪了位置，列表要往下滚才加载，弹窗叠着弹窗。人扫一眼就知道“这页还没加载完”，这种模糊判断很难写成规则，也就很难交给一个只会照着步骤往下走的执行者。
- 判断“完成”很难。提交中和提交成功，界面上往往只差一行小字。
- 处理意外很难。验证码、二次确认、条款勾选，每一样都在打断预设路径。
- 长链路的误差会累积。每一步都留一点小偏差，步骤一多，结果就偏得看不清了。
所以很多智能体在短任务上表现漂亮，任务一拉长就开始犹豫：反复点同一个按钮，或者干脆编一个“已完成”回复你。
权限停在哪一步，是设计问题
让它点“加入购物车”和让它点“确认付款”，是两件性质不同的事。前者错了可以撤回，后者错了要走退款流程、要对账、要解释。多数落地做法是把关键动作留给人，中间插一道确认；这跟技术成熟度关系不大，更多是责任归属——出了错，谁来看，怎么复盘。
由此带来一个不太被提起的成本：日志。一个能连续操作十几次的流程，事后要能还原它每一步看到了什么、为什么这么点。没有这层记录，所谓“放手让它做”就只是把风险往后推。
真正省事的场景，往往不那么好看
重复、规则稳定、失败能回滚的活儿，反而是它现在最合适的位置：把散在几个系统里的数据搬到一张表里，按模板整理素材，填那些字段固定、校验明确的表单。这些事没有演示价值，但每天都有人在做。
我更愿意把智能体的成熟度理解成一种“回来”的能力——卡住之后能不能自己发现、能不能退回到上一个确定的状态、能不能把问题说清楚交给人。能走完一百步不算什么，走到第十七步发现不对劲、然后停下来问一句，才是真本事。
回到那个悬在验证码前的光标。它停住的样子，其实比流畅走完全程更接近真实。