有人把一件琐事交给 AI Agent:整理会议记录,拆成待办,再分派给相关的人。前半段很顺,十几秒就吐出一份结构清晰的清单;到“分派”这一步,它停住了——读不到通讯录,也不确定该套用哪份模板,于是礼貌地回了一句“已完成”。这种半途而废的体验,正在成为不少人对 Agent 的第一印象。
会调用工具,不等于会办事
从技术上看,AI Agent 的骨架并不神秘:一个语言模型,加一层循环,让它能观察、决策、调用工具、再看结果;再加一点记忆,免得每次都从零开始。演示里这套组合跑得漂亮,因为演示任务通常链条短、可回退、结果肉眼可见,中间的磕碰被剪掉了。
真实工作不是这样。链条一长,每步的小偏差都会往下传。前一步把某个字段理解错了,后面三步就会在一个错误前提上非常认真地推进。它并非不努力,只是不知道自己站错了地方——而且往往越自信,错得越完整。
三件不性感但要命的事
比模型能力更常决定成败的,是另外几样东西。
- 权限:它能碰哪些系统,是只读还是可写。手伸得太长是风险,伸得太短就办不成事,中间那条线需要人来划。
- 可观测:它做了什么、按什么顺序做的、为什么选了这个工具。出问题时能复盘,比事后道歉有用得多。
- 可回退:改错的文件能不能还原,发出去的消息能不能撤回。没有退路的地方,最好别让它独自操作。
这些既不出现在发布会幻灯片上,也不构成漂亮的叙事,但它们是 Agent 从“能跑通”走到“敢交出去”的必经台阶。
先看结果能不能被自动校验
判断一个任务是否适合交给它,标准其实朴素:结果能否被机器自动核对。写代码能跑测试,数据清洗能比对总量,格式转换能逐字段检查——这类任务即便中途走偏,也有硬信号把它拽回来。反过来,凡是“好不好”依赖主观判断的产出,人往往还得从头看一遍,省下的时间没有想象中多。
另一条隐性的线是失败代价。错了可以重来,就放手让它试;错了要惊动别人,就慢一点,加一道确认。很多讨论跳过了这一步,直接谈能力上限,结果在真实场景里反复踩同一块石头。
更像一个语速很快的实习生
我倾向于把当下的 AI Agent 看作一个语速极快、知识面很杂、但缺乏常识和边界感的实习生。它能查资料、起草、跑流程,交付之前仍需要有人签字。指望它独立扛起一个环节,现在还说不上。
所以与其争论它会不会取代谁,不如把问题拆细:哪些步骤可以先让它试,哪些必须留一道人工确认。前者是话题,后者是工程。真正拉开差距的,多半是后者的功夫。