第一次看 AI Agent 的演示，几乎都会有同一个错觉：它自己开网页、填表、调接口、把结果整理成文档，全程不需要人插手。等到自己在项目里接一个，情形往往变成另一副样子——跑到第三步就停住，问你一个它本可以自己判断的问题；或者不声不响地把错的数据写进表格。
差的不只是模型聪明程度，还有演示和工作之间隔着的那一层东西。
演示里没有的东西，恰好是工作里最多的
演示环境是收拾干净的：账号只有一个，数据是准备好的，接口不会超时，任务边界由演示者心里那条线划好了。真实工位相反：权限分好几层，数据一半在旧系统里，接口偶尔出问题，需求方说的“整理一下”背后藏着三种理解。
所以问题往往不出在“会不会做”，而出在“知不知道自己该不该做”。一个 AI Agent 要能干活，通常得同时具备三样：把任务拆成步骤、按步骤调用工具、在不确定时决定停下来问人还是继续。前两样这两年进步明显，第三样才是真门槛。
停手比动手难
工具调用有个特点：失败常常是安静的。人点错按钮会立刻发现页面不对，程序调用接口出错会抛异常，而 Agent 拿到一个格式合法但内容错误的结果，很可能照样往下走，一路把错误放大到最终产出里。等你看出来，中间已经过了七八步。
这也是为什么我看一个 Agent 好不好用时，不太看它一次能跑多复杂的任务，而看它会不会说“这里我不确定”。愿意停下来的 Agent，接管成本低得多；什么都能自己扛的，反而要人全程盯着。
- 它有没有明确的任务边界，越界时是拒绝还是硬着头皮做；
- 每一步操作是否留下可回看的记录，出问题能不能复现；
- 关键动作（发消息、改数据、提交表单）是否要人点一次确认。
这三条听起来像工程细节，其实决定了它能不能从演示走进日常。
权限给到哪一步
另一个容易被跳过的话题是责任和权限。Agent 代你操作，用的是你的账号，出了事算谁的？现实里比较稳妥的做法是给它单独的身份、限定可访问的范围、把不可逆的动作挑出来单独走审批。这不是不信任技术，而是把“能回滚”当成前提——能撤销的错误，才是可以接受的错误。
我见过一些团队一开始就追求全自动，结果把大量时间花在了补日志和收拾出错的局面；反倒是那些先做窄任务、只在一段流程里放 AI Agent 的团队，慢慢把范围扩开了。窄不是保守，是让边界先清楚。
它更像实习生，还没到同事的位置
这个比喻有点旧，但我觉得还算准确：实习生上手快、态度好、愿意干杂活，但你不能把没交代清楚的事丢给他，也不能指望他替你判断风险。它目前的位置大概在这里——需要清楚的任务书、需要有人复核、需要一段磨合期。
所以我现在判断一个场景值不值得接 Agent，会先问几个很基本的问题：这件事本身有没有明确的完成标准？做错了能不能撤回来？人复核一遍的成本，比自己做低多少？三个答案都不太好看的时候，再流畅的演示也先放着。
技术在往前走，这些约束迟早会松动一部分。但在松动之前，把 AI Agent 放在看得见、退得回的位置上，比让它跑得更远更要紧。