這兩年AI圈的并購(gòu)消息一條接一條但前幾天傳出的某頭部科技公司擬以約20億美元收購(gòu)Manus AI的消息還是讓我這種老從業(yè)者坐直了身體。不是因?yàn)榻痤~大——AI賽道這個(gè)量級(jí)的交易算不上石破天驚——而是因?yàn)槭召?gòu)對(duì)象是一款以“執(zhí)行能力”著稱的AI智能體產(chǎn)品而不是傳統(tǒng)的模型層公司。圈內(nèi)很多人把這解讀為“AI競(jìng)爭(zhēng)進(jìn)入下半場(chǎng)”我是認(rèn)同的。過(guò)去兩年大家拼的是誰(shuí)的模型參數(shù)大、誰(shuí)的回答更聰明但從這次收購(gòu)的標(biāo)的來(lái)看風(fēng)向已經(jīng)明顯變了——真正值錢的變成了誰(shuí)能把AI從“會(huì)說(shuō)話”變成“會(huì)辦事”。這篇文章我想從這次收購(gòu)案出發(fā)拆解一下執(zhí)行型AI的核心價(jià)值、大廠愿意花20億的邏輯以及對(duì)我們這些做AI應(yīng)用、做開(kāi)發(fā)的人意味著什么。1. 收購(gòu)案背后的核心信號(hào)AI競(jìng)爭(zhēng)從“模型層”轉(zhuǎn)向“執(zhí)行層”1.1 為什么Manus AI這類執(zhí)行型產(chǎn)品突然變得值錢先說(shuō)清楚Manus AI是做什么的。它不是那種你問(wèn)一句它答一句的聊天機(jī)器人而是主打“自主完成任務(wù)”的智能體給它一個(gè)目標(biāo)比如“幫我把這100份簡(jiǎn)歷篩一遍按匹配度排序并生成匯總報(bào)告”它會(huì)自己拆解任務(wù)、調(diào)用工具、操作瀏覽器、寫代碼、處理文件最后把結(jié)果交付給你。這種“手和腳”的能力恰恰是過(guò)去兩年AI大模型最缺的部分。大模型再聰明本質(zhì)上仍是一個(gè)“生成器”——你輸入提示詞它輸出文本。但真實(shí)世界的需求幾乎都不是“給一段話”就能解決的而是要完成一連串動(dòng)作查資料、填表單、算數(shù)據(jù)、發(fā)郵件、調(diào)接口。過(guò)去這些動(dòng)作需要人親手去點(diǎn)、去寫、去操作現(xiàn)在執(zhí)行型AI想做的就是把最后這一步也替代掉。從這個(gè)角度看某頭部科技公司想要收購(gòu)它的邏輯就非常清晰了模型能力可以自己慢慢訓(xùn)練、可以買算力堆出來(lái)但“讓AI真正替人干活”的產(chǎn)品化能力和工程化經(jīng)驗(yàn)買現(xiàn)成的比自己從零摸索要快得多也穩(wěn)妥得多。再?gòu)臄?shù)據(jù)維度看。Chatbot類產(chǎn)品產(chǎn)生的數(shù)據(jù)更多是“對(duì)話數(shù)據(jù)”價(jià)值有限而智能體執(zhí)行任務(wù)時(shí)產(chǎn)生的數(shù)據(jù)是帶著明確意圖和結(jié)果反饋的行為數(shù)據(jù)——用戶想要什么、AI做了什么動(dòng)作、最終效果如何這是一個(gè)完整的閉環(huán)。這類數(shù)據(jù)對(duì)于訓(xùn)練下一代AI系統(tǒng)來(lái)說(shuō)幾乎是金礦級(jí)別的資源。誰(shuí)掌握了大批量“任務(wù)—行動(dòng)—結(jié)果”的數(shù)據(jù)誰(shuí)就更有可能訓(xùn)練出真正可靠的執(zhí)行型AI。這也是大廠愿意砸下重金的原因之一。1.2 20億美元買的是什么拆解執(zhí)行型AI的資產(chǎn)構(gòu)成很多人看到20億美元的第一反應(yīng)是“貴”或者“值”但如果你拆開(kāi)來(lái)看會(huì)發(fā)現(xiàn)收購(gòu)方買的東西比表面復(fù)雜得多。第一塊是技術(shù)棧。Manus AI這類產(chǎn)品不是簡(jiǎn)單套殼大模型API就能做出來(lái)的。它背后涉及任務(wù)規(guī)劃框架、工具調(diào)用協(xié)議、瀏覽器自動(dòng)化控制、跨應(yīng)用的信息讀寫能力、異常處理機(jī)制以及對(duì)模型輸出的可信度校驗(yàn)——這些工程化的東西每一層都需要大量調(diào)試和踩坑積累。第二塊是人。這個(gè)團(tuán)隊(duì)在AI Agent工程化領(lǐng)域算是探索得比較早的一批人他們踩過(guò)太多別人還沒(méi)遇到的坑這種經(jīng)驗(yàn)是寫在代碼里、寫在團(tuán)隊(duì)協(xié)作方式里的買團(tuán)隊(duì)就是買經(jīng)驗(yàn)。第三塊是用戶習(xí)慣和場(chǎng)景覆蓋。Manus AI在推出后積累了一批真實(shí)的用戶和真實(shí)的任務(wù)場(chǎng)景這些場(chǎng)景數(shù)據(jù)不是花錢就能立刻買到的。當(dāng)然也有聲音說(shuō)20億美元估值虛高一個(gè)連穩(wěn)定盈利都談不上的產(chǎn)品憑什么賣這么貴。但換個(gè)角度看如果大模型是“大腦”智能體就是“手腳”而當(dāng)前行業(yè)里手腳靈活到這個(gè)程度的團(tuán)隊(duì)并不多。在技術(shù)變革的窗口期為稀缺性支付溢價(jià)是科技巨頭一貫的做法。這筆交易買的不是當(dāng)下的收入而是未來(lái)三到五年在“AI執(zhí)行”賽道上的入場(chǎng)券。2. 執(zhí)行型AI的硬核拆解它和聊天機(jī)器人到底差在哪里2.1 頂層邏輯從“生成答案”到“完成任務(wù)”的范式切換要理解執(zhí)行型AI的價(jià)值得先理解它和傳統(tǒng)Chatbot在架構(gòu)層面上的根本差異。傳統(tǒng)Chatbot的工作流是一條直線接收用戶輸入 → 調(diào)用大模型 → 生成文本回復(fù) → 結(jié)束。整個(gè)過(guò)程是“一次性”的模型不保留對(duì)任務(wù)的狀態(tài)追蹤也無(wú)法在回答之后繼續(xù)采取行動(dòng)。你說(shuō)“幫我訂一張明天去北京的機(jī)票”它最多告訴你“您可以在某某App上預(yù)訂”就算表現(xiàn)好的也只是給你一段查詢攻略真正的操作它做不了。執(zhí)行型AI的工作流則是一個(gè)閉環(huán)而且通常包含多輪迭代。拆開(kāi)來(lái)看大致有這個(gè)幾個(gè)環(huán)節(jié)目標(biāo)解析把用戶模糊的指令轉(zhuǎn)化為結(jié)構(gòu)化任務(wù)描述。比如“幫我整理這份會(huì)議紀(jì)要”會(huì)被拆解成“讀取文檔”、“提取關(guān)鍵決策”、“按模板格式輸出”。任務(wù)規(guī)劃將結(jié)構(gòu)化任務(wù)分解為若干子步驟并決定執(zhí)行順序。這里要考慮依賴關(guān)系——比如先抓取數(shù)據(jù)才能做分析。工具調(diào)度為每個(gè)子步驟匹配合適的工具或接口包括代碼解釋器、瀏覽器操作、文件讀寫、第三方API等。執(zhí)行與反饋實(shí)際調(diào)用工具、執(zhí)行操作并根據(jù)返回結(jié)果判斷是否達(dá)到預(yù)期如果沒(méi)有達(dá)到則自動(dòng)調(diào)整策略。結(jié)果輸出將多步操作的結(jié)果匯總以用戶可理解的形式交付。這背后的關(guān)鍵變化是AI從僅僅處理“語(yǔ)言”變成了處理“操作”。這不是一個(gè)簡(jiǎn)單的功能疊加而是整個(gè)系統(tǒng)架構(gòu)的重構(gòu)。模型仍然很重要但模型只是這個(gè)系統(tǒng)里的一環(huán)圍繞模型搭建的規(guī)劃、記憶、工具調(diào)用和反饋校驗(yàn)機(jī)制才是執(zhí)行型AI的核心技術(shù)壁壘。2.2 關(guān)鍵技術(shù)模塊規(guī)劃、記憶與工具調(diào)用既然說(shuō)到了架構(gòu)就把幾個(gè)關(guān)鍵技術(shù)模塊攤開(kāi)來(lái)講。這三個(gè)部分是執(zhí)行型AI與普通對(duì)話AI拉開(kāi)差距的核心也是我在實(shí)際開(kāi)發(fā)AI Agent應(yīng)用時(shí)感觸最深的地方。規(guī)劃能力。這是執(zhí)行型AI的大腦皮層。給定一個(gè)目標(biāo)模型需要生成一個(gè)多步驟的“行動(dòng)計(jì)劃”。早期實(shí)現(xiàn)方式很簡(jiǎn)單——直接讓大模型用思維鏈的方式生成步驟列表但實(shí)際執(zhí)行中很快會(huì)碰到問(wèn)題模型的規(guī)劃往往過(guò)于理想化沒(méi)有考慮到工具執(zhí)行時(shí)的各種異常情況。后來(lái)業(yè)界的主流做法是做“分層規(guī)劃”頂層用大模型做粗粒度的目標(biāo)拆解底層用較小的模型或規(guī)則引擎做細(xì)粒度的動(dòng)作選擇。這樣既利用了LLM的泛化能力又保證了執(zhí)行層的可控性。記憶系統(tǒng)。智能體執(zhí)行復(fù)雜任務(wù)時(shí)不能“做完一步忘一步”。它需要短期記憶——也就是當(dāng)前任務(wù)的上下文狀態(tài)——以及長(zhǎng)期記憶——也就是跨任務(wù)積累的用戶偏好和歷史行為。這個(gè)模塊常常被低估但實(shí)際體驗(yàn)中記憶的有無(wú)直接決定了智能體是“好用的助手”還是“每句話都要重復(fù)一遍的笨機(jī)器”。工具調(diào)用。這是執(zhí)行型AI“手腳”的延伸。主流實(shí)現(xiàn)方式是Function Calling也就是讓模型在生成回復(fù)的同時(shí)輸出一個(gè)結(jié)構(gòu)化的工具調(diào)用請(qǐng)求系統(tǒng)再根據(jù)這個(gè)請(qǐng)求去執(zhí)行對(duì)應(yīng)的API。這里最大的難點(diǎn)不在調(diào)用本身而在于模型選錯(cuò)工具后的糾錯(cuò)能力。我在測(cè)試中經(jīng)常遇到的情況是模型明明應(yīng)該調(diào)用“搜索引擎工具”卻調(diào)成了“計(jì)算器工具”如果沒(méi)有一層“工具選擇校驗(yàn)機(jī)制”整個(gè)任務(wù)就會(huì)跑偏。成熟的執(zhí)行型AI通常會(huì)在工具調(diào)用外層套一層規(guī)則校驗(yàn)或用另一個(gè)模型對(duì)工具選擇結(jié)果進(jìn)行二次確認(rèn)。2.3 執(zhí)行型AI的能力邊界現(xiàn)在能做什么不能做什么把執(zhí)行型AI說(shuō)得這么厲害也得客觀看它的能力邊界?；谖易约旱挠^察和使用體驗(yàn)當(dāng)前這類產(chǎn)品的表現(xiàn)大概處于這個(gè)水平能做的事信息搜集類任務(wù)做得最成熟。比如“調(diào)研一下市面上主流的AI編程工具對(duì)比它們的價(jià)格和功能輸出一個(gè)表格”——這類涉及搜索、閱讀、結(jié)構(gòu)化輸出的任務(wù)執(zhí)行型AI已經(jīng)能完成得相當(dāng)不錯(cuò)。文檔處理類任務(wù)也比較穩(wěn)定讀取PDF、提取關(guān)鍵信息、按模板生成報(bào)告出錯(cuò)率在可接受范圍內(nèi)。還有數(shù)據(jù)整理與基礎(chǔ)分析類任務(wù)只要數(shù)據(jù)格式不是太混亂智能體也能勝任。做不好的事涉及物理世界的操作比如幫你取快遞、打掃房間目前完全無(wú)能為力——這個(gè)不用多說(shuō)實(shí)體機(jī)器人還沒(méi)成熟到那個(gè)程度。涉及多系統(tǒng)深度聯(lián)動(dòng)且權(quán)限復(fù)雜的場(chǎng)景也很容易翻車。比如要跨企業(yè)內(nèi)部的OA系統(tǒng)、財(cái)務(wù)系統(tǒng)、審批系統(tǒng)完成一次完整的報(bào)銷流程光是各個(gè)系統(tǒng)的登錄認(rèn)證和操作接口就足以讓智能體卡住。另外涉及高風(fēng)險(xiǎn)決策的任務(wù)——比如自動(dòng)發(fā)送重要郵件、自動(dòng)執(zhí)行大額交易——即便技術(shù)上能做到產(chǎn)品上也很少會(huì)放開(kāi)限制因?yàn)橐坏┏鲥e(cuò)責(zé)任歸屬問(wèn)題非常麻煩。也就是說(shuō)執(zhí)行型AI目前更像一個(gè)“能干的實(shí)習(xí)生”——簡(jiǎn)單的重復(fù)性任務(wù)可以放心交給它重要的關(guān)鍵節(jié)點(diǎn)你最好還是把一下關(guān)。但即便如此它對(duì)工作效率的提升已經(jīng)非常明顯了。3. 巨頭收購(gòu)背后的戰(zhàn)略算計(jì)為什么是現(xiàn)在為什么是這個(gè)賽道3.1 大模型競(jìng)賽進(jìn)入瓶頸期新增量在推理與執(zhí)行側(cè)到目前為止的AI競(jìng)賽可以粗略分成幾個(gè)階段預(yù)訓(xùn)練階段拼的是數(shù)據(jù)和算力誰(shuí)家的模型參數(shù)大、訓(xùn)練數(shù)據(jù)多誰(shuí)就領(lǐng)先對(duì)話應(yīng)用階段拼的是產(chǎn)品體驗(yàn)和用戶量誰(shuí)先讓用戶用上、用得住誰(shuí)就占據(jù)了入口。但到了現(xiàn)在一個(gè)明顯的事實(shí)是通用大模型的能力增長(zhǎng)正在放緩。不是說(shuō)模型不再進(jìn)步而是說(shuō)對(duì)于大多數(shù)普通用戶來(lái)說(shuō)GPT-4級(jí)別的模型和GPT-4.5級(jí)別的模型在日常使用中的體驗(yàn)差異已經(jīng)沒(méi)有GPT-3.5到GPT-4那一跳那么震撼了。邊際效應(yīng)在遞減。隨之而來(lái)的問(wèn)題是單靠“對(duì)話更聰明”已經(jīng)很難構(gòu)成產(chǎn)品的核心壁壘——你有我也有你用這個(gè)模型我也能用。真正的差異化開(kāi)始轉(zhuǎn)移到“誰(shuí)能讓模型更好地完成實(shí)際任務(wù)”。這就是執(zhí)行層的價(jià)值所在。同樣的模型有人只拿來(lái)做聊天有人把它封裝成能自動(dòng)寫周報(bào)、能自動(dòng)處理表格、能自動(dòng)操作軟件的智能體——后者的體驗(yàn)是完全不同的。借用互聯(lián)網(wǎng)時(shí)代的一句話基礎(chǔ)設(shè)施的差距在縮小應(yīng)用層的創(chuàng)新才是決勝之地。某頭部科技公司花20億美元收購(gòu)成熟的執(zhí)行型AI產(chǎn)品本質(zhì)上是在模型能力趨于同質(zhì)化之前提前鎖定應(yīng)用層的差異化優(yōu)勢(shì)。要知道如果讓內(nèi)部團(tuán)隊(duì)從零開(kāi)發(fā)一套同等水平的智能體系統(tǒng)至少需要一到兩年時(shí)間而且還不一定踩得對(duì)所有的坑。用錢換時(shí)間用資本買卡位這筆賬在巨頭的財(cái)務(wù)報(bào)表上是算得過(guò)來(lái)的。3.2 AI應(yīng)用的普及瓶頸大模型只會(huì)“說(shuō)”不會(huì)“做”過(guò)去兩年AI產(chǎn)品面臨一個(gè)很尷尬的局面用戶嘗鮮的熱情很高但留存率不夠理想。Chatbot的對(duì)話體驗(yàn)再驚艷如果它只能停留在“對(duì)話”層面用戶的新鮮感消退后打開(kāi)頻率就會(huì)迅速下降——因?yàn)槲覀兩钪姓嬲枰皢?wèn)一個(gè)問(wèn)題”的場(chǎng)景遠(yuǎn)沒(méi)有“完成一件任務(wù)”的場(chǎng)景多。這個(gè)問(wèn)題行內(nèi)人其實(shí)早有共識(shí)大模型不缺“智能”缺的是“行動(dòng)力”。用戶需要的是“把事辦成”的AI而不是“把話說(shuō)漂亮”的AI。這也是為什么從去年開(kāi)始Agentic AI智能體式AI成為整個(gè)行業(yè)的熱詞。從技術(shù)普及的角度看執(zhí)行型AI的出現(xiàn)正好卡在了這個(gè)節(jié)點(diǎn)上——模型基礎(chǔ)能力夠了工具生態(tài)也豐富了只差一層把語(yǔ)言轉(zhuǎn)化為操作的“適配層”。誰(shuí)能先把這層適配做穿誰(shuí)就能率先進(jìn)入“AI替你干活”的階段。這次收購(gòu)案也向全行業(yè)釋放了一個(gè)明確信號(hào)光靠模型能力講故事的時(shí)代已經(jīng)過(guò)去了接下來(lái)資本市場(chǎng)會(huì)更多關(guān)注AI的落地執(zhí)行能力。3.3 對(duì)中小團(tuán)隊(duì)和獨(dú)立開(kāi)發(fā)者的啟示小而美的執(zhí)行工具是機(jī)會(huì)巨頭買買買是大玩家的游戲但這次收購(gòu)案對(duì)中小團(tuán)隊(duì)和獨(dú)立開(kāi)發(fā)者同樣有參考價(jià)值。我的判斷是執(zhí)行型AI這個(gè)方向恰恰是大廠不太容易做好的領(lǐng)域因?yàn)樗鼧O度依賴對(duì)具體場(chǎng)景的理解——不同行業(yè)、不同崗位、不同業(yè)務(wù)流程對(duì)“完成任務(wù)”的定義千差萬(wàn)別。大廠擅長(zhǎng)做通用平臺(tái)但很難深入每一個(gè)垂直場(chǎng)景做精細(xì)化運(yùn)營(yíng)。這就像辦公套件是通用的但每個(gè)公司的報(bào)銷流程都是自己設(shè)計(jì)的。對(duì)于中小團(tuán)隊(duì)來(lái)說(shuō)機(jī)會(huì)在于垂直場(chǎng)景的深耕。比如專攻“法律文書整理”的智能體、專攻“電商客服工單處理”的智能體、專攻“學(xué)術(shù)文獻(xiàn)綜述”的智能體——每一個(gè)領(lǐng)域都有自己獨(dú)特的數(shù)據(jù)格式、業(yè)務(wù)流程和質(zhì)量標(biāo)準(zhǔn)只要把其中一個(gè)場(chǎng)景做到極致就有機(jī)會(huì)被大平臺(tái)收購(gòu)或者在細(xì)分市場(chǎng)占據(jù)一個(gè)不可替代的位置。同時(shí)大廠的收購(gòu)行為也為整個(gè)賽道做了市場(chǎng)教育和資本背書。以后客戶再聽(tīng)到“AI智能體”這個(gè)概念時(shí)不需要你花半小時(shí)解釋這是什么東西他們會(huì)主動(dòng)問(wèn)“你們能做類似Manus AI那樣的功能嗎”降低教育成本對(duì)整個(gè)賽道都是好事。作為開(kāi)發(fā)者現(xiàn)在正是入場(chǎng)布局執(zhí)行型AI應(yīng)用的好時(shí)機(jī)——窗口期不會(huì)一直開(kāi)著。4. 從技術(shù)實(shí)現(xiàn)角度看執(zhí)行型AI是怎么做到的4.1 端到端的四個(gè)核心環(huán)節(jié)落地詳解講了這么多戰(zhàn)略層面的東西這一節(jié)落到技術(shù)實(shí)現(xiàn)上。畢竟文章面向的還是同行居多說(shuō)清楚實(shí)現(xiàn)路徑比空談行業(yè)趨勢(shì)更有價(jià)值。我自己在復(fù)現(xiàn)類似項(xiàng)目時(shí)歸納下來(lái)核心就是四個(gè)環(huán)節(jié)。第一步是搭建任務(wù)拆解層。我的做法是先給大模型一個(gè)System Prompt要求它把用戶輸入轉(zhuǎn)換成JSON格式的任務(wù)列表每個(gè)任務(wù)包含id、依賴關(guān)系、工具類型和參數(shù)。舉個(gè)例子用戶說(shuō)“抓取這個(gè)網(wǎng)頁(yè)上的產(chǎn)品價(jià)格并生成對(duì)比表格”模型會(huì)輸出類似這樣的結(jié)構(gòu)第一個(gè)任務(wù)是網(wǎng)頁(yè)抓取工具類型填“browser”參數(shù)填目標(biāo)URL第二個(gè)任務(wù)是數(shù)據(jù)提取依賴前一個(gè)任務(wù)的結(jié)果第三個(gè)任務(wù)是表格生成工具類型填“python”參數(shù)是數(shù)據(jù)文件路徑。這里的關(guān)鍵點(diǎn)是依賴關(guān)系的表達(dá)一定要清晰否則后續(xù)調(diào)度時(shí)會(huì)亂掉。第二步是實(shí)現(xiàn)工具注冊(cè)與調(diào)度。我會(huì)用裝飾器的方式注冊(cè)工具每個(gè)工具包含名稱、描述、參數(shù)Schema和對(duì)應(yīng)的Python函數(shù)。調(diào)度層的工作就是解析任務(wù)列表中的工具類型匹配到對(duì)應(yīng)函數(shù)并執(zhí)行。這里有一個(gè)細(xì)節(jié)很關(guān)鍵工具描述要寫得足夠詳細(xì)。因?yàn)榇竽Ｐ褪强棵枋鰜?lái)選擇工具的描述太籠統(tǒng)會(huì)導(dǎo)致工具選擇出錯(cuò)。比如“搜索工具”這個(gè)描述就不夠更好的寫法是“百度搜索工具輸入關(guān)鍵詞返回搜索結(jié)果列表適合用于獲取實(shí)時(shí)信息和最新資訊”。第三步是加入執(zhí)行反饋回路。這是整個(gè)系統(tǒng)穩(wěn)定性的關(guān)鍵——每一次工具調(diào)用完成后系統(tǒng)會(huì)把執(zhí)行結(jié)果包括是否成功、返回?cái)?shù)據(jù)的摘要、可能出現(xiàn)的錯(cuò)誤信息回傳給大模型模型根據(jù)反饋決定是繼續(xù)下一步還是修正方案。這個(gè)機(jī)制說(shuō)起來(lái)簡(jiǎn)單但實(shí)現(xiàn)時(shí)很容易被忽略。我最早做的時(shí)候就是流程式地一步步執(zhí)行結(jié)果一旦中間某一步出錯(cuò)整個(gè)任務(wù)就廢了。后來(lái)改成反饋循環(huán)模式后成功率明顯上了一個(gè)臺(tái)階。第四步是設(shè)計(jì)安全護(hù)欄。這個(gè)環(huán)節(jié)很容易被技術(shù)團(tuán)隊(duì)忽視但在我看是決定產(chǎn)品能否商用的基礎(chǔ)。至少要做三層第一層是工具權(quán)限分級(jí)比如只讀操作默認(rèn)放行寫操作需要人工確認(rèn)第二層是任務(wù)清單審核在執(zhí)行敏感操作前向用戶展示即將執(zhí)行的動(dòng)作列表第三層是操作日志記錄所有工具調(diào)用行為必須留痕便于事后追溯。4.2 穩(wěn)定性的關(guān)鍵任務(wù)失敗后的自恢復(fù)機(jī)制執(zhí)行型AI在真實(shí)使用中最讓人頭疼的問(wèn)題就是“任務(wù)走到一半卡住了”。網(wǎng)頁(yè)結(jié)構(gòu)變了、接口返回了異常數(shù)據(jù)、某個(gè)參數(shù)格式?jīng)]匹配上……任何一個(gè)意外都可能導(dǎo)致任務(wù)中斷。所以自恢復(fù)機(jī)制的設(shè)計(jì)決定了這個(gè)系統(tǒng)的“手感”。我常用的方案有兩個(gè)。第一個(gè)是“重試降級(jí)”當(dāng)某個(gè)工具調(diào)用失敗時(shí)不立刻放棄任務(wù)而是讓大模型嘗試調(diào)整參數(shù)重新執(zhí)行如果連續(xù)失敗超過(guò)設(shè)定次數(shù)再觸發(fā)降級(jí)策略比如改用備選工具或者簡(jiǎn)化任務(wù)目標(biāo)。第二個(gè)是“子任務(wù)回滾”如果某個(gè)步驟的失敗導(dǎo)致后續(xù)步驟失去意義系統(tǒng)會(huì)回滾到該步驟之前的狀態(tài)重新規(guī)劃剩余任務(wù)的執(zhí)行路徑。這兩種機(jī)制配合起來(lái)能把任務(wù)成功率從70%左右拉升到90%以上。當(dāng)然自恢復(fù)也不是萬(wàn)能的。如果任務(wù)的初始目標(biāo)本身就是模糊的——比如用戶說(shuō)“幫我看看有什么好的方案”沒(méi)有一個(gè)明確的評(píng)判標(biāo)準(zhǔn)——系統(tǒng)再怎么恢復(fù)也做不出讓用戶滿意的事情。所以在執(zhí)行任務(wù)前花一點(diǎn)時(shí)間把目標(biāo)拆清晰永遠(yuǎn)比任務(wù)執(zhí)行中出了問(wèn)題再去補(bǔ)救要?jiǎng)澦愕枚唷?.3 部署形態(tài)與商業(yè)化思考本地化、云端還是混合最后聊一下執(zhí)行型AI的部署和商業(yè)化。這個(gè)直接關(guān)系到創(chuàng)業(yè)團(tuán)隊(duì)做產(chǎn)品時(shí)的選型決策。目前主流是三種形態(tài)。純?cè)贫瞬渴鹚杏?jì)算和工具調(diào)用都在服務(wù)端完成更新迭代快用戶無(wú)需安裝任何軟件但對(duì)網(wǎng)絡(luò)依賴強(qiáng)且涉及敏感數(shù)據(jù)時(shí)用戶會(huì)有顧慮。本地化部署整個(gè)執(zhí)行環(huán)境放在用戶自己的服務(wù)器上數(shù)據(jù)和操作不出內(nèi)網(wǎng)安全和合規(guī)性最好但對(duì)用戶的硬件配置有要求更新維護(hù)成本也高?；旌闲螒B(tài)任務(wù)規(guī)劃和通用知識(shí)調(diào)用放云端涉及內(nèi)部數(shù)據(jù)的操作在本地執(zhí)行兼顧了智能性和安全性但實(shí)現(xiàn)復(fù)雜度最高。從商業(yè)化角度看我的觀察是C端產(chǎn)品更適合云端形態(tài)因?yàn)橛脩糇非蟮氖堑烷T檻和即開(kāi)即用而B端客戶尤其是金融、醫(yī)療、政務(wù)這類強(qiáng)合規(guī)行業(yè)本地化部署幾乎是唯一選項(xiàng)。做To B的朋友不用太糾結(jié)——直接準(zhǔn)備兩套方案標(biāo)準(zhǔn)云版本走量私有化版本走價(jià)是目前業(yè)內(nèi)比較成熟的打法。5. 行業(yè)影響擴(kuò)散誰(shuí)會(huì)被顛覆誰(shuí)將迎來(lái)機(jī)會(huì)5.1 就業(yè)結(jié)構(gòu)的變化AI不替代人但替代“不會(huì)指揮AI的人”每次AI行業(yè)有大新聞“某某崗位要被取代了”的討論就會(huì)重新火一遍。這次關(guān)于執(zhí)行型AI的收購(gòu)案也一樣。但基于我這幾年的觀察更準(zhǔn)確的說(shuō)法可能是這樣AI不會(huì)直接替代你但會(huì)替代那些不會(huì)用AI的人。特別是執(zhí)行型AI成熟之后當(dāng)一個(gè)人能通過(guò)自然語(yǔ)言指揮AI完成原本需要兩三個(gè)人才能完成的工作量時(shí)雇一個(gè)人還是雇三個(gè)人對(duì)企業(yè)來(lái)說(shuō)是很容易做的選擇題。這種變化影響最大的不是那些本來(lái)就依賴創(chuàng)造力的崗位而是工作內(nèi)容以信息處理、文檔流轉(zhuǎn)、數(shù)據(jù)整理為核心的崗位。行政助理、數(shù)據(jù)分析師、初級(jí)運(yùn)營(yíng)、部分財(cái)務(wù)崗位——凡是工作內(nèi)容可以分解為“搜集信息—整理信息—輸出報(bào)告”的鏈條都會(huì)受到明顯沖擊。這不一定是壞事關(guān)鍵在于每個(gè)人需要主動(dòng)完成技能升級(jí)從“自己做事”變成“定義任務(wù)并驗(yàn)收AI的成果”。換句話說(shuō)未來(lái)最有價(jià)值的能力不是“親手執(zhí)行”而是“高質(zhì)量地把目標(biāo)給AI說(shuō)清楚并判斷它做得好不好”。5.2 應(yīng)用生態(tài)的演進(jìn)預(yù)測(cè)AI智能體將無(wú)處不在短期來(lái)看未來(lái)一到兩年內(nèi)執(zhí)行型AI會(huì)最先滲透到這幾個(gè)領(lǐng)域辦公協(xié)作軟件——智能體自動(dòng)整理會(huì)議紀(jì)要、跟進(jìn)待辦事項(xiàng)、管理日程客服系統(tǒng)——不只會(huì)回復(fù)提問(wèn)而是直接幫用戶完成退款、改地址、查訂單等操作軟件開(kāi)發(fā)——AI根據(jù)需求描述自動(dòng)改代碼、跑測(cè)試、提PR數(shù)據(jù)分析平臺(tái)——用戶用自然語(yǔ)言提問(wèn)AI自動(dòng)完成取數(shù)、清洗、建模和可視化。長(zhǎng)期來(lái)看我覺(jué)得會(huì)有一個(gè)更深刻的趨勢(shì)智能體間的協(xié)作。未來(lái)的任務(wù)可能不是一個(gè)AI獨(dú)立完成的而是一個(gè)AI作為“項(xiàng)目經(jīng)理”把任務(wù)分包給其他多個(gè)垂直技能AI去并行處理。這次頭部公司收購(gòu)執(zhí)行型AI很有可能就是在提前布局這種“智能體聯(lián)邦”的基礎(chǔ)設(shè)施。5.3 給開(kāi)發(fā)者和產(chǎn)品經(jīng)理的行動(dòng)建議現(xiàn)在就可以做的事說(shuō)了這么多最后落腳到行動(dòng)層面。不管你是開(kāi)發(fā)者、產(chǎn)品經(jīng)理還是創(chuàng)業(yè)者現(xiàn)在有幾件事是值得做的。第一掌握Agent開(kāi)發(fā)的基礎(chǔ)技能棧。LangChain、LangGraph這些工具框架值得花時(shí)間研究一下它們的核心不是那些API封裝而是背后的“Agent狀態(tài)機(jī)”“工具路由”“反思機(jī)制”這些設(shè)計(jì)理念。環(huán)境搭建和動(dòng)手調(diào)試的過(guò)程遠(yuǎn)比你看十篇教程收獲大。第二在具體場(chǎng)景中找切入點(diǎn)。不要做“通用助手”那不屬于中小團(tuán)隊(duì)的機(jī)會(huì)。去看你所在的行業(yè)、你所在的公司哪條業(yè)務(wù)線重復(fù)性勞動(dòng)最強(qiáng)、最依賴人工操作那里就是執(zhí)行型AI最值得落地的點(diǎn)位。哪怕是從一個(gè)很小的單點(diǎn)開(kāi)始比如“自動(dòng)整理項(xiàng)目周報(bào)”“自動(dòng)匯總銷售數(shù)據(jù)”先跑通再擴(kuò)展。第三認(rèn)真打磨“指令設(shè)計(jì)”能力。很多同學(xué)容易忽略這一點(diǎn)執(zhí)行型AI的效果上限很大程度取決于你“布置任務(wù)”的質(zhì)量。同樣的智能體給一個(gè)“幫我做一份競(jìng)品分析報(bào)告”的模糊指令和給一個(gè)“幫我調(diào)研以下五個(gè)競(jìng)品的定價(jià)策略、目標(biāo)客群、核心賣點(diǎn)按表格形式輸出并附上信息來(lái)源”的精確指令產(chǎn)出差距是天壤之別。學(xué)會(huì)把目標(biāo)拆清楚、把驗(yàn)收標(biāo)準(zhǔn)說(shuō)明白是使用執(zhí)行型AI最重要的軟技能。6. 常見(jiàn)問(wèn)題與避坑指南6.1 幾個(gè)最常踩的坑成本失控、任務(wù)中斷、效果不可控在實(shí)際使用執(zhí)行型AI時(shí)有幾個(gè)坑可以說(shuō)是人人都會(huì)遇到的提前避一避能省很多事。成本失控是第一大坑。智能體執(zhí)行任務(wù)時(shí)每一步都在調(diào)用大模型API多步任務(wù)跑下來(lái)單次任務(wù)的Token消耗量很容易達(dá)到普通對(duì)話的十倍。而且很多框架默認(rèn)會(huì)把大量中間過(guò)程都計(jì)入Token消耗稍不留神成本就爆了。我的經(jīng)驗(yàn)是最好在架構(gòu)層面就引入“輕量模型優(yōu)先”策略簡(jiǎn)單的子步驟優(yōu)先用便宜的小模型只有復(fù)雜的規(guī)劃判斷才調(diào)用大模型同時(shí)在任務(wù)開(kāi)始前設(shè)置Token預(yù)算超支直接終止任務(wù)。任務(wù)中斷是第二大坑。智能體執(zhí)行過(guò)程中任何一個(gè)外部依賴異常都可能導(dǎo)致整個(gè)任務(wù)鏈條崩潰——網(wǎng)頁(yè)改版了、爬蟲被封了、API限流了。一套健壯的重試機(jī)制必不可少同時(shí)在設(shè)計(jì)任務(wù)鏈條時(shí)要盡量讓子任務(wù)低耦合一個(gè)子任務(wù)失敗不至于拖垮全局。效果不可控是第三大坑。大模型本身是概率性的同一個(gè)任務(wù)每次執(zhí)行的路徑可能完全不一樣這就導(dǎo)致輸出結(jié)果存在不可復(fù)現(xiàn)性。遇到這種情況可以通過(guò)固定System Prompt、將核心步驟封裝為確定性代碼、設(shè)定嚴(yán)格的輸出Schema來(lái)約束模型行為把“隨機(jī)漫步”變成“規(guī)定路線”。6.2 效果評(píng)估方法論不要只看“看起來(lái)成功”用執(zhí)行型AI做產(chǎn)品最忌諱的就是用“看起來(lái)完成”來(lái)評(píng)估效果。我見(jiàn)過(guò)不少團(tuán)隊(duì)Demo跑通一兩個(gè)完美場(chǎng)景就興奮得不行結(jié)果一上真實(shí)數(shù)據(jù)立刻原形畢露。這里分享兩個(gè)比較實(shí)操的評(píng)估思路。一是任務(wù)成功率要從全量樣本看。不要只測(cè)精心設(shè)計(jì)好的幾個(gè)案例要從真實(shí)用戶日志里隨機(jī)抽樣幾百條任務(wù)看完整執(zhí)行通過(guò)率。如果這個(gè)數(shù)字能穩(wěn)定在85%以上才有商用的底氣。二是引入“人機(jī)協(xié)同效率”指標(biāo)。單純的AI執(zhí)行成功率并不能代表實(shí)際價(jià)值——真正要關(guān)注的是有了執(zhí)行型AI之后用戶完成同樣任務(wù)的時(shí)間縮短了多少。我見(jiàn)過(guò)一個(gè)內(nèi)部工具AI自動(dòng)執(zhí)行的成功率只有70%但加上人工兜底之后團(tuán)隊(duì)整體效率提升了三倍。這就不單純是“AI是否可用”的問(wèn)題而是“人機(jī)協(xié)作模式是否成立”的問(wèn)題了。6.3 選型參考自研、開(kāi)源還是采購(gòu)對(duì)于想引入執(zhí)行型AI能力的團(tuán)隊(duì)最后回答一個(gè)務(wù)實(shí)的問(wèn)題自研、用開(kāi)源還是買現(xiàn)成的自研適合有技術(shù)積累且需要深度定制的團(tuán)隊(duì)成本高但可控性強(qiáng)開(kāi)源方案比如LangGraph、AutoGPT這類勝在靈活、零授權(quán)成本但需要自己啃文檔、自己踩坑采購(gòu)商業(yè)方案快捷穩(wěn)定適合想要快速驗(yàn)證業(yè)務(wù)價(jià)值、不想在底層技術(shù)上投入太多資源的團(tuán)隊(duì)。我的建議是如果你只是想做一兩個(gè)內(nèi)部流程的自動(dòng)化先拿開(kāi)源方案跑通再說(shuō)如果你想把這個(gè)能力作為核心產(chǎn)品賣點(diǎn)才值得投入自研如果只是想先驗(yàn)證業(yè)務(wù)有沒(méi)有需求拿現(xiàn)成商業(yè)API體驗(yàn)一下是最快的方式。記得去年我?guī)湍臣夜咀鲞^(guò)一個(gè)內(nèi)部流程審計(jì)工具的原型團(tuán)隊(duì)一開(kāi)始雄心勃勃決定從大模型微調(diào)開(kāi)始搞被我攔住了——最后就是基于開(kāi)源框架加現(xiàn)成API三個(gè)人兩周就上線了MVP到現(xiàn)在還在正常用。工具選型這件事適合的才是最好的。這次某頭部科技公司擬收購(gòu)Manus AI的消息給整個(gè)行業(yè)帶來(lái)的最大啟示可能不是“錢多就是好”而是它標(biāo)志著一個(gè)階段性的切換AI的價(jià)值錨點(diǎn)正在從“看起來(lái)聰明”轉(zhuǎn)向“把事情做成”。對(duì)于從業(yè)者來(lái)說(shuō)這既是一個(gè)需要適應(yīng)的變化也是一個(gè)巨大的機(jī)會(huì)窗口。我自己的體會(huì)是AI應(yīng)用開(kāi)發(fā)最有趣的時(shí)間點(diǎn)往往不是技術(shù)剛冒頭的時(shí)候也不是技術(shù)成熟之后而是技術(shù)剛好能做出讓人“哇”一下的東西、但還沒(méi)有完全普及的中間階段——現(xiàn)在做執(zhí)行型AI差不多正處在這個(gè)位置上。