从工具到同事：AI智能体走进日常工作的这一年

去年这个时候，我还在跟朋友打赌：AI 智能体（Agent）到底是不是又一个“演示很惊艳、落地很拉胯”的概念。一年过去，赌约没输没赢，但我的工作方式确实被改掉了一部分。

最直观的变化发生在周一早上。以前我到工位第一件事是翻三四个群、看邮件、把上周的数据汇总成周报；现在我打开电脑，收件箱里已经躺着一份智能体跑完的周报草稿，正文写好了，末尾用黄色标出三处“数据来源存疑，请人工确认”。我要做的不是从零开始写，而是核对、修改、拍板。这种体验很难用“效率提升百分之多少”概括，更像是工作里多了一个不太靠谱但很勤奋的实习生。

从“会聊天”到“会干活”，中间隔了什么

如果把这一年拆开看，智能体真正能干活，靠的是几件事凑齐了。

第一是工具调用稳定下来了。 早期让模型调 API，参数格式写错、字段名编造是家常便饭。现在的模型在结构化输出上靠谱多了，调十个工具错一两个，勉强能用。

第二是协议统一了。 2025 年上半年 MCP（模型上下文协议）被主流厂商陆续支持，这件事对普通用户没什么感知，但对开发者意义很大——过去每接一个系统就要写一套胶水代码，现在按同一套规范接一次，Claude、ChatGPT 和一些国内平台的客户端都能用。我自己的体感是，把一个内部数据接口接进智能体的时间，从两三天压到了一两个小时。

第三是“会用电脑”这件事被认真对待了。 从 Claude 的 Computer Use 到 OpenAI 的 Operator，再到国内智谱的 AutoGLM、字节的扣子空间、阿里的通义系列，大家的思路趋同：与其指望每个系统都开放 API，不如让模型直接看屏幕、点按钮。这条路笨但通用，尤其适合那些内部老系统。

落地场景：哪些活真交出去了

我接触的团队规模从三五个人到几百人都有，把大家真实在用的场景整理成一张表，可能比任何评测榜单都更接近现实：

场景	现在真能干的事	实际体验	主要卡点
信息搜集	竞品动态、行业政策、供应商比价，自动出摘要	省下大量“复制粘贴”时间，但仍需人工扫一眼来源	会抓来过时页面或广告软文，需要指定信源白名单
研发辅助	读报错日志、定位可疑提交、批量改测试用例	体感最好的一类，反馈闭环短，错了立刻知道	改生产代码必须人审，没人敢放全自动
客服与售后	查订单、判断退换货资格、按规则出方案	简单工单直接闭环，复杂工单带着上下文转人工	规则模糊的边界案例容易“自信地答错”
运营与市场	生成多版本文案、按渠道改写、投放数据初筛	起量快，但风格千篇一律，人要重新调味	品牌调性和合规审核绕不过人
数据与报表	取数、跑 SQL、做初步归因	固定口径的周报月报基本可用	口径一变就需要重新对齐，维护成本不低

有意思的是，反馈最好的不是最复杂的场景，而是那些输错了代价小、校验成本低的活。反过来，凡是“一旦错了要有人担责”的环节，无论技术多成熟，最后都还是人签字。

几个真实的坑，说出来给后来人省点学费

坑一：长链条任务的失败率会累加。 单步准确率 95% 听起来很好，串二十步就只剩三成多。所以现在做得好的团队都会把任务切短，中间加人工确认节点，而不是让智能体一口气跑完一个两小时的流程。我见过一个反面案例：某电商团队让智能体每天自动抓竞品价格并调促销策略，跑到第三天，抓回来的数据里混进了 A/B 测试页的假价格，没人发现，运营按这个价格调了活动，赔了一笔。事后复盘，问题不在模型，而在流程里没有“数据异常就停下问人”这一步。

坑二：权限给得太随意。 要让智能体真正干活，就得给它邮箱、数据库、内部系统的访问权。这时候审计跟不跟得上就成了关键。比较稳妥的做法是给它单独的服务账号、只读优先、写操作走审批，所有动作留日志。听起来麻烦，但比出事之后解释要省事得多。

坑三：账单不便宜。 一次深度调研跑下来，几美元到几十美元都可能，取决于你让它翻多少页、重试多少次。有团队一开始放开用，月底看着账单沉默了很久，后来改成按任务类型限额度。

坑四：人的习惯没跟上。 技术团队往往高估了同事的接受度。有公司上线了智能体帮着写周报，结果一半人不填，因为“不知道它写的东西算谁的”。这事最后靠明确规则解决：草稿归智能体，观点归人，出问题找人。

它更像同事，还是更像一把电钻

这个问题我问过不少人，答案不太一样。

偏技术的受访者倾向说“就是工具，别神化”。理由是它没有主动性，不会自己发现问题，你不给任务它就不动。偏业务的受访者反而觉得“像同事”，因为交互方式变了——以前是用软件，点菜单、填表单；现在是交代任务，说清楚目标、背景和截止时间，然后等它回报。从“操作界面”变成“交代事情”，这个转变本身就改变了人的工作方式。

我自己的判断是：它现在介于两者之间，像那种远程办公、话不多、干活快但需要你把需求写清楚的同事。你把需求写含糊，它就还你一个含糊的结果，而且态度很好，不会反问你“你到底想要什么”。

如果要上车，先问五个问题

给准备把智能体放进日常工作的团队，几个很土但很有用的问题：

1. 这件事错了，谁承担后果？ 后果越轻，越适合先放手。
2. 结果怎么校验？ 没有校验手段的任务，不要先上。
3. 它能碰到哪些数据？ 权限按最小必要给，别图省事。
4. 失败了怎么知道？ 日志、告警、异常兜底，比模型选型更重要。
5. 一个月大概花多少？ 先算清楚，再谈规模。

至于选型，国内外都有成熟方案，差异主要在生态和场景适配上，没必要一开始就锁死一家。多数团队的做法是先用一两个场景试水，跑通了再扩。

回到那个周一早上

那份周报草稿我改了二十分钟，比过去自己写省了一个多小时。剩下那三处存疑数据，我打电话问了业务同事，其中一处确实是他上周改的口径没同步。

这大概就是现在最真实的状态：智能体能替你跑完 80% 的路，但最后那 20% 需要有人知道该给谁打电话。技术把“干活”这部分接走了，把“判断”和“负责”留给了人。这一年最大的收获不是效率数字，而是慢慢摸清了这条线画在哪儿。

明年这条线会不会再往后退一点？大概率会。但我猜，需要有人拍板的事，还是会留给人。