我越来越觉得，Agent（能自己调用工具、分步骤办事的智能代理）的成败，模型只占三分之一。它像一家饭馆：灶台可以是新的，厨子也会颠勺，可菜单是糊的，传菜口堵着，收银台死机，最后端上桌的不是满汉全席，是一盘热气腾腾的事故。
今天谈 Agent，舆论常常像看赛马，盯着哪匹马腿更长，心肺更强。可真正把车掀翻的，往往不是马，是缰绳、路况和车夫。模型当然重要，它决定这位“伙计”有没有脑子；但脑子只是开张，不是闭环。能不能接单、认路、拿对东西、出事后别把店烧了，这些账，模型只付三分之一。
剩下的三分之二，我的判断很明确：一份给系统，一份给组织。
一份给系统。工具接得稳不稳，状态记得住记不住，权限边界清不清，出错能不能回滚，决定它是帮手，还是一支会自动点火的火柴。
一份给组织。目标写没写清，规则是不是口口相传，验收标准有没有明文，谁能拍板、谁来兜底，决定它是资产，还是一只披着智能外衣的甩锅机。
模型决定它会不会说话，系统决定它会不会闯祸。
这不是抬杠，是地上的账。
周二晚上十点半，一个做跨境小店的运营把调价任务交给 Agent。提示词写得不差，模型也不笨：识别节日、参考库存、生成新价格，一气呵成。问题出在表格。港币列和人民币列挨在一起，接口没做二次校验，Agent把“79港币”当成“79元”，还很勤快地批量提交。第二天早上，二百多单像冬天屋檐下的冰凌，一串串挂在那里。顾客觉得自己捡漏，老板知道自己见血。这里坏掉的不是语言能力，是工具映射和校验机制。厨子没问题，传菜员把糖端成了盐。
一个会说话的天才，抵不过一张写清楚的清单。
再看另一个场景。周一上午，法务助理让 Agent 先筛一遍供应商合同。模型读条款、抓风险、写摘要，样样像模像样，句子甚至比人还周正。可公司内部有一条没写进任何模板的死规矩：回款周期不能超过四十五天，争议解决地不能离仓储地太远。这条规矩，老员工靠眼色知道，新人靠挨骂知道，机器不知道。于是 Agent 把一份“看起来问题不大”的合同推了过去，真正踩雷的恰恰是那两句没进知识库、只活在人情和经验里的潜规则。这里坏掉的不是推理，是组织把自己的生存经验当成了空气，觉得不用写，反正“大家都懂”。
人能靠默契补漏洞，机器只会沿漏洞狂奔。
第三个场景更滑稽，也更残酷。一个客服团队接了退款 Agent，挂在店铺后台，夜里自动回复。模型说话极有教养，像一个永远不发火的前台小姐：先安抚，再解释，再给方案。麻烦在于，它没有稳定的状态管理，也没有明确的升级规则。一个顾客凌晨一点来问发货异常，Agent 承诺“48小时补发”；早上七点，对方追问，Agent 又改口“可以退款”；九点半，人工上线，看到对话记录混成一锅粥，只能再送一张优惠券赔笑。最后顾客不但拿了退款，还把聊天截图发到了群里。这里坏掉的不是嘴，是记忆、权限和交接。嘴甜，不等于账平。
真正昂贵的，从来不是那点聪明，而是不出事的能力。
所以我一直觉得，很多人把 Agent 做坏，不是因为模型选错了，而是因为把它当成“会打字的神童”，没有把它当成“要进车间上班的新人”。神童可以在酒桌上背唐诗，新人却要知道钥匙放哪、单据怎么签、哪条线不能碰、出了错先停机还是先通知。前者拼天赋，后者拼制度。企业迷信模型，像旧时代迷信名医，以为把最贵的请来，家里脏水沟就会自己变成自来水。不会。好大夫治病，不替你修下水道。
Agent不是答题器的加长版，它是流程机器，吃进去的是规则，吐出来的是后果。
这也是为什么，同样一个模型，放在两家公司，命运天差地别。一家把任务拆得像手术刀，输入输出有格式，关键步骤有复核，能读什么、不能改什么，边界写得明明白白；另一家全靠一句“你先帮我弄一下”，把几十年的口头默契、部门政治、临时变通都寄希望于一段提示词。前者像把徒弟带进有章法的厨房，后者像把人扔进菜市场中央，再赏他一口锅。
技术圈爱谈“智能涌现”，仿佛只要模型够大，秩序也会跟着涌现。这话很像指望孩子读了《辞海》，回家就会主动洗碗。知识会增长，家务不会自动完成；道理会说，规矩不一定守。模型擅长在语言里显得明白，Agent 却要在现实里真的不出纰漏。前者像作文，后者像开店；作文能靠才气，开店先得不把客人吃进医院。
一家公司配不配拥有 Agent，不看它买了谁家的模型，要看它有没有把自己的混乱写成规矩。
再往深处看，Agent 真正照见的，不是模型高低，而是组织的骨相。平时靠老员工兜着、靠群聊补着、靠领导一句话压着的含糊地带，一旦交给机器，立刻原形毕露。人类社会有个奢侈的地方：可以靠揣摩、靠情面、靠“差不多”活下去。机器社会很刻薄，它不吃眼色，只吃明文；不懂“你应该知道”，只认“你到底写没写”。所以 Agent 一落地，很多公司第一反应是怪模型不够强，像饭馆老板怪锅不够圆，却不肯承认后厨本来就乱。
别把死因赖给模型。模型只是那个站在台前的人，真正决定一台戏演不演砸的，是后台：提词器有没有字，灯光有没有人管，幕布会不会半截掉下来，导演有没有说过什么时候该停。
我自己的判断就一句话：Agent 成败，模型只占三分之一；另外三分之二，一半是工程，一半是人间。前者解决“能不能做”，后者解决“该不该做、做到哪算对、错了谁收拾”。把这两笔账都赖给模型，不是高估了技术，是偷懒地原谅了混乱。
当一个组织认真做 Agent，它最后得到的，常常不只是自动化，而是一场自我审判。它被迫把模糊说清，把默契写下，把责任钉住，把“差不多”改成“到哪一步就停”。这时候你才会明白，Agent 最像的不是天才，而是镜子。镜子从不负责让你变好看，它只负责让你没法再装看不见。
别人聊 AI，我们测 AI——每个结论都能下载原始数据自己复算。 🔗 官网 👉 https://crawdpad.com