AI Agent 正从「会不会做」进入「怎么在系统里做」。这周最值得看的变化，不是模型又多会了一项技能，而是产品开始补齐路由、协作、权限和运维：把大任务拆小，让上下文变窄，让人看得见、插得上手，也让 Agent 对结果负责。
■ INSIGHT 观点
Meta 的 Thin Orchestrator：中枢知道得越少，系统反而越可靠
via Meta Engineering
Meta 最初把数据管道知识全塞给一个 Agent，Demo 能跑，进生产就开始串错规则。后来他们用约 1,300 行编排层，只做意图识别、路由和可靠性检查，把 20 多个工作流交给 14 个专项 Agent；中枢不碰领域推理。多 Agent 的关键不是多找几个模型开会，而是让每个角色少知道一点、只负责一段可验收的工作。
—
OpenAI Decisions API：不是每个判断都需要完整 Agent
via OpenAI
分类、路由、评分、下一步动作，这些小判断单次不起眼，堆进企业流程后却会吃掉大量延迟和成本。Decisions API 把答案空间明确的决策单独做成服务，官方称最高可比通过 Responses API 调用同一模型快 10 倍；Box 的案例里，30 份保险证明的路由速度约快 5 倍，准确率相当。好的 AI 架构不是处处放一个 Agent，而是把便宜、快速、有边界的判断放进热路径，把真正复杂的协调留给 Agent。
—
■ CASE 案例
Candidly 把 Notion 任务板变成团队与 Coding Agent 的共同工作面
via Notion × Candidly
Candidly 没给 Agent 另造一套黑盒控制台，而是让产品、工程和 Cursor Agent 共用一块任务板：每张卡连接目标、验收标准、PRD、决策和会议记录，人可以查看进度、在原地反馈，也能接入同事而不丢历史。Notion 报告其人均交付价值提高 73%、产品文档时间减少 85%；厂商案例的数字要谨慎看，但工作流本身很值得抄：Agent 要进入团队，先进入团队已经用来交接责任的地方。
—
Replit Monitoring Agent：从写完代码，走到替结果值班
via Replit
Replit 的 Monitoring Agent 能读取生产日志和指标，调查错误与部署失败，验证修复并汇报；用户再显式打开 auto-publish 后，它才会自动部署。这里真正的新东西不是「AI 又会修 Bug」，而是 Agent 开始接管一段完整责任：发现、诊断、修复、验证、发布、回报。对小团队尤其有用，但也把标准抬高了——没有授权分级和验证环节的自动修复，只是把事故速度也自动化。
—
■ PRODUCT 产品
1Password for Agents：让 Agent 登录，但别让它看见密码
via 1Password
浏览器 Agent 真正进入生活和工作，最敏感的不是点击能力，而是账户权限。1Password 的方案是：Agent 到登录页时请求凭据，用户在自己的设备上批准或拒绝，1Password 直接填入密码或一次性验证码，Agent 只知道访问已获准；目前部分连接仍在等待名单或逐步开放。凭据代理会成为个人 Agent 的基础设施：授权要可见、可拒绝、可撤回，秘密本身不该进入模型上下文。
—
这五件事拼在一起，是一张越来越清楚的 Agent 系统图：薄编排负责分工，小决策服务负责高频判断，共享工作面负责协作，凭据代理负责授权，监控 Agent 负责闭环。模型能力还会继续涨，但生产力差距会更多来自这些不起眼的控制面。谁先把「怎么交接、何时批准、用什么验收、失败后谁接手」写进系统，谁才真正拥有一个能工作的 Agent，而不是一个偶尔表现惊艳的聊天框。
暂无评论内容