停在付款按钮前
让浏览器里的 AI Agent 订一张周五的火车票，是件很容易开始、很难收尾的事。它打开页面，选好日期，跳过几个弹窗，把乘车人信息填进表单，然后停在付款按钮前。剩下的那一下，它没有按。
演示里这一步常被一带而过，好像只是等待一次点击。可真到要交给它的时候，问题就换了形状：不是它会不会按，而是谁允许它按。
能力、权限、责任是三件事
讨论 AI Agent 时，这三样经常被压成一个词。拆开看会清楚很多。
- 能力：模型能不能理解页面、选中正确的元素、在报错后重试。
- 权限：系统允许它接触哪些账号、额度、数据，边界划在哪里。
- 责任：动作发生后结果不可逆，谁来判断这次操作算不算数。
能力可以用更多工具和更长的上下文去补，权限可以靠沙箱和白名单收窄，责任却没有技术方案能一键解决。它更像组织里的一次签字：签了，就意味着有人愿意为它按下的那一下负责。
长任务真正的难点在收场
短任务的表现容易好看。点一次按钮、查一条订单、把一份表格填完，这些动作边界清楚，错了重来即可。任务一长，麻烦就冒出来：上下文在几十轮之后开始漂移，早先的约束被慢慢忘掉；中途某个接口返回了意料之外的结构，它照着旧的理解继续往下走；等发现不对，已经产生几个中间状态，没人说得清该从哪一步回滚。
所以不少团队把力气花在看似不聪明的地方——把长流程切成小段，每段结束留一个人工确认；把不可逆的动作单独拎出来，要求二次授权；让每一步的输入输出都落成可读的日志，出问题能倒着看回去。这些做法不提高演示时的观感，却决定它能不能真的留在流程里。
有些事不适合交出去
规则清晰、可逆、失败代价小的任务，交给 AI Agent 是合算的。反过来，那些规则本身还在讨论中、结果一旦发生就收不回来的事，交出去只是把判断往后推，推到某个没人负责的时刻。技术上“能做”和组织上“该做”之间，隔着的往往不是模型能力。
我看重的一件事
看一个智能体是否靠谱，我会先看它出错时的样子：是安静地卡住，还是把失败讲清楚；是继续硬走，还是把控制权交回来。能操作只是它进入流程的前提，能不能在不确定时停下来、并把现场交还给人，才决定它是否值得进入真实的工作。