超越模型：代理的執(zhí)行智能層

文章作者：Ed Sim

文章編譯：Block unicorn

每年的這個(gè)時(shí)候往往會(huì)涌現(xiàn)出許多回顧文章。但上周有幾篇文章卻因不同的原因而脫穎而出：它們?yōu)槲覀兡壳霸谌斯ぶ悄馨l(fā)展曲線中所處的位置以及未來(lái)的發(fā)展方向提供了真實(shí)的歷史性背景。

特別吸引我注意的三篇是：Ivan Zhao（Notion - 蒸汽、鋼鐵與無(wú)限的思維）、Aaron Levie（Box - 杰文斯關(guān)于知識(shí)工作的悖論）和Jaya Gupta（Foundation Capital - 人工智能的萬(wàn)億美元機(jī)遇：背景圖譜）。盡管是從截然不同的視角出發(fā)的，它們都匯聚到同一個(gè)核心觀點(diǎn)：我們不僅僅是在現(xiàn)有軟件上疊加人工智能，而是在從根本上重構(gòu)工作、決策和企業(yè)系統(tǒng)的運(yùn)作方式。

一些共同的主題逐漸顯現(xiàn)出來(lái)：

1/ 這種轉(zhuǎn)變是結(jié)構(gòu)性的，而非漸進(jìn)式的。

企業(yè)軟件正在圍繞 AI 原生系統(tǒng)進(jìn)行重新架構(gòu)，而不是升級(jí) SaaS。

2/ 背景比原始數(shù)據(jù)更重要。

未來(lái)不僅僅是存儲(chǔ)文件或工單，而是要理解決策背后的原因。

3/ 代理只有在豐富的背景中才能發(fā)揮強(qiáng)大的作用。

工作流程、意圖、歷史記錄、權(quán)限和結(jié)果是將代理從演示轉(zhuǎn)向系統(tǒng)的關(guān)鍵。

4/ 我們以前看過(guò)這部電影。

每一次重大的平臺(tái)遷移，在合適的抽象層出現(xiàn)之前，看起來(lái)都很原始。而一旦出現(xiàn)合適的抽象層，價(jià)值創(chuàng)造就會(huì)加速。

5/ 這不是一年的炒作周期。

這是一項(xiàng)歷時(shí)多年的重建工程，旨在重新審視工作方式、工作主體以及企業(yè)軟件的意義。

這讓我想到了過(guò)去一年來(lái)我一直在深入思考的一個(gè)主題：背景。我們談?wù)摫尘皶r(shí)，指的不是元數(shù)據(jù)或更完善的提示，而是決策時(shí)的理解。背景是圍繞著每一個(gè)實(shí)際企業(yè)決策的輸入、意圖、約束、歷史、權(quán)限、例外情況和結(jié)果的組合。它區(qū)分了“知道發(fā)生了什么”和“知道為什么會(huì)發(fā)生”。

大多數(shù)企業(yè)系統(tǒng)最初是為了存儲(chǔ)記錄而構(gòu)建的，它們從未被設(shè)計(jì)用來(lái)捕捉?jīng)Q策邏輯的演變過(guò)程。如今，這一缺陷正成為人工智能普及應(yīng)用的瓶頸。

這個(gè)想法并非全新。我們可以從軟件開(kāi)發(fā)領(lǐng)域找到一些早期跡象。規(guī)范驅(qū)動(dòng)開(kāi)發(fā)已成為人工智能領(lǐng)域增長(zhǎng)最快的方向之一，其核心理念很簡(jiǎn)單：代理需要明確的約束才能正常運(yùn)行。

在那個(gè)世界里，規(guī)范變成了鮮活的文件。它們編碼了意圖、界限和預(yù)期行為，并隨著主體的行動(dòng)和學(xué)習(xí)而不斷演變。

現(xiàn)在不同的是范圍。

決策智能將這一理念從代碼層面延伸到企業(yè)的每個(gè)工作流程中，在這些工作流程中，代理能夠解讀模糊的人類(lèi)意圖、做出權(quán)衡取舍并在現(xiàn)實(shí)世界中采取行動(dòng)。由此產(chǎn)生的是一種更廣泛、更強(qiáng)大的抽象概念：執(zhí)行智能層。

執(zhí)行智能層位于意圖和基礎(chǔ)設(shè)施之間。它負(fù)責(zé)評(píng)估背景、做出決策、協(xié)調(diào)行動(dòng)并記錄結(jié)果。它將理解轉(zhuǎn)化為行動(dòng)。

我在《What's Hot 》中對(duì)此進(jìn)行了更詳細(xì)的闡述：

規(guī)范是策略層的一種實(shí)際應(yīng)用。它們不僅適用于代碼，還可以應(yīng)用于所有需要代理解讀模糊的人類(lèi)意圖并據(jù)此采取行動(dòng)的工作流程。一旦建立，規(guī)范就成為動(dòng)態(tài)文檔，將文本轉(zhuǎn)化為代理的行為。

Aaron 闡述了未來(lái)的機(jī)遇，并解釋了為什么背景比我們想象的要大。

Jaya Gupta 更進(jìn)一步，指出了這件失蹤文物的名稱(chēng)。

代理需要的不僅僅是規(guī)則。它們還需要訪問(wèn)決策痕跡，這些痕跡顯示了規(guī)則在過(guò)去是如何應(yīng)用的，例外情況是如何被批準(zhǔn)的，沖突是如何解決的，誰(shuí)批準(zhǔn)了什么，以及哪些先例實(shí)際上支配著現(xiàn)實(shí)。

這就是代理系統(tǒng)初創(chuàng)公司所具有的結(jié)構(gòu)性?xún)?yōu)勢(shì)所在。它們位于執(zhí)行路徑中，能夠在決策時(shí)看到完整的背景：跨系統(tǒng)收集了哪些輸入、評(píng)估了哪些策略、調(diào)用了哪些例外處理路徑、由誰(shuí)批準(zhǔn)以及寫(xiě)入了哪些狀態(tài)。如果將這些跟蹤信息持久化，就能獲得目前大多數(shù)企業(yè)所不具備的東西：一份可查詢(xún)的決策過(guò)程記錄。

而關(guān)鍵就在于此——為什么初創(chuàng)公司能夠獲勝

代理系統(tǒng)初創(chuàng)公司具有結(jié)構(gòu)優(yōu)勢(shì)：它們處于協(xié)調(diào)路徑上。

當(dāng)代理對(duì)升級(jí)事件進(jìn)行優(yōu)先級(jí)排序、響應(yīng)突發(fā)事件或決定折扣時(shí)，它會(huì)從多個(gè)系統(tǒng)中提取背景信息，評(píng)估規(guī)則，解決沖突并采取行動(dòng)。編排層則能看到全局：收集了哪些輸入信息，應(yīng)用了哪些策略，批準(zhǔn)了哪些例外情況，以及原因。由于它負(fù)責(zé)執(zhí)行工作流，因此可以在決策時(shí)立即捕獲這些背景信息——不是事后通過(guò) ETL 處理，而是作為一級(jí)記錄實(shí)時(shí)獲取。

這些想法共同指向同一個(gè)結(jié)論：模型本身并不能創(chuàng)造杠桿效應(yīng)，執(zhí)行智能層才能做到。

我在很多投資組合公司中都看到了這種情況。正如 Aaron Levie 所說(shuō)，LLM （法拉第機(jī)制）之上還有一層比最初想象的要厚得多的因素。

護(hù)城河并非查詢(xún)與響應(yīng)之間的交互。當(dāng)工作流程實(shí)現(xiàn)自動(dòng)化、人類(lèi)參與決策、異常情況得到妥善處理，以及系統(tǒng)從這些結(jié)果中學(xué)習(xí)并隨著時(shí)間的推移形成更優(yōu)的行為模式時(shí)，護(hù)城河就會(huì)變得更加堅(jiān)固。

企業(yè)運(yùn)營(yíng)的“最后一公里”總是最漫長(zhǎng)的。而這恰恰是 2026 年的機(jī)遇所在。隨著代理系統(tǒng)演化為決策、執(zhí)行和學(xué)習(xí)引擎，企業(yè)內(nèi)部釋放的價(jià)值將是巨大的。當(dāng)然，要實(shí)現(xiàn)這一目標(biāo)，我們?nèi)孕铇?gòu)建和完善許多方面。

一如既往，感謝閱讀，我們下一篇文章再見(jiàn)！

如果覺(jué)得文章好看，你可以將Block unicorn 標(biāo)注星標(biāo)和添加桌面。

本文提供的信息僅用于一般指導(dǎo)和信息目的，本文的內(nèi)容在任何情況下均不應(yīng)被視為投資，業(yè)務(wù)，法律或稅務(wù)建議。對(duì)于根據(jù)本文做出的個(gè)人決定，我們不承擔(dān)任何責(zé)任，我們強(qiáng)烈建議您在采取任何行動(dòng)之前進(jìn)行自己的研究。盡管已盡最大努力確保此處提供的所有信息都是準(zhǔn)確的和最新的，但可能會(huì)發(fā)生遺漏或錯(cuò)誤。