年初我把待办清单里那些反复出现、又必须有人动手的事挑了出来:从邮件里翻附件、把两张表的字段对齐、把散落的会议记录归到对应项目下。不难,烦就烦在打断。后来我试着把它们交给一个接了工具的 AI Agent——让它自己判断先做哪件、做完看返回结果、不对就换个方式重来。
几周下来,我删掉了一半任务,也退回了不少。这个过程比任何演示都更能说明它现在能干什么、不能干什么。
差别不在会不会说,而在会不会看
聊天框里的模型,输入一句话,输出一段话,结束。AI Agent 多了一个循环:想一步、调用一个工具、读回真实世界的反馈、再决定下一步。工具可能是读文件、发请求、点页面,反馈则往往很不客气——接口超时、字段类型不对、页面结构改过了。
所以它面对的核心问题变了。不再是“这句话答得漂不漂亮”,而是“这一步动作有没有产生预期效果”。语言能力管前半截,后半截靠的是对环境信号的解读,而这一步恰恰最容易出问题。
短链路能跑,长链路容易散
把一件事拆成三步,它多半能走完;拆成十几步,情况就不一样了。每一步都有出错的可能,步数越多,整体跑通的概率越低;更麻烦的是,中间某一步悄悄跑偏,后面的步骤会沿着错误的前提一路做下去,直到最后交出一个看着完整、实际不对的结果。
我遇到过的情形大多不戏剧:文件读到了,但读的是上一版;字段填上了,但单位没换算。人做这些事也会错,区别在于人会在中途觉得“哪里不对劲”停下来,而 Agent 通常不会——除非你事先告诉它,什么情况下必须停。
能不能交出去,先看三件事
我现在判断一个任务要不要外包给它,会先问自己几个问题:
- 完成标准能不能写成一两句可核对的话。写不出来,说明我自己的思路还没理顺,交出去只会得到似是而非的产物。
- 出错能不能回滚。只读、可复制、有版本记录的操作,试错成本低;一旦涉及覆盖原始文件或对外发出不可撤回的动作,就得加一层确认。
- 中间有没有可检查的节点。全自动跑完当然省事,但把长流程切成几段、每段留个可以人工查看的检查点,反而更容易发现问题出在哪。
这三条跟模型本身的能力关系不大,更多取决于任务怎么被描述、权限怎么被切开。很多失败的尝试,事后看并不是它不够聪明,只是我给的东西太含糊。
人退到哪一步
有一种说法是,人只管定目标,剩下的交给 AI Agent。我的体验没这么干净。目标定得再清楚,也会在执行中不断出现需要判断的情况:这条记录算不算重复、这封邮件要不要回、这份表格缺的行是不是本来就该缺。这些判断琐碎、依赖上下文,往往正是需要人的地方。
我现在的做法是把活儿分成两堆:一堆是规则明确、可以反复验证的,交出去;另一堆是边界模糊、一句话说不清的,自己留着。留下来的那堆并没有变少,只是从“动手”变成了“定规则、看结果、处理意外”。
还有一件容易被忽略的事:权限。给 Agent 多大的活动范围,决定了出问题时的损失上限。我倾向于先给一个只读的、范围有限的入口,观察它怎么用,再一点点放宽。这比一次性把全部权限交出去慢,但省掉了很多不可逆的麻烦。
回头看,那半张被删掉的清单,删掉的其实不是工作量,而是打断。真正省下来的时间也没有想象中多,只是重新分配了——从执行挪到了描述和核对上。这笔账划不划算,取决于你要做的事有多重复,以及你有多愿意把“怎么算做完”想清楚。