上周，我給 一家 企業(yè)實(shí)施AI Agent 應(yīng)用 時(shí)，對(duì)方的項(xiàng)目總監(jiān) 悄悄問(wèn)我：“K 總，我聽(tīng)說(shuō) 這個(gè)Agent上線(xiàn)后，會(huì)裁掉90%的員工，是真的嗎？” 聽(tīng)到這一類(lèi) 問(wèn)題，我一點(diǎn)也不驚訝，“AI焦慮”已經(jīng)成為一種普遍社會(huì)現(xiàn)象。但要想 全面深入地回答這個(gè)問(wèn)題，就會(huì)涉及到 Agent 的發(fā)展階段、核心組成、類(lèi)型劃分、 以及當(dāng)前面臨的種種不足等等， 不是一兩句話(huà)就能說(shuō)得清，下面 通過(guò)這篇文章，好好剖析一下這個(gè)問(wèn)題 。

01

Agent發(fā)展的5個(gè)階段

AI Agent不是突然冒出來(lái)的成熟產(chǎn)物，而是隨著底層大模型推理能力的不斷增強(qiáng)，逐步走向完善的。整體上，我們可以將它的發(fā)展劃分為五個(gè)階段（L1–L5）：

L1：簡(jiǎn)單步驟跟隨

在這個(gè)初級(jí)階段，Agent的能力僅限于按照用戶(hù)或開(kāi)發(fā)者預(yù)先設(shè)定的確切指令，一步步完成任務(wù)。比如，你可以讓它“打開(kāi)郵件，閱讀第一封未讀郵件”，它更像一個(gè)智能化的執(zhí)行器，但缺乏自主判斷和更復(fù)雜的決策能力。

L2：確定性任務(wù)自動(dòng)化

進(jìn)階到L2，Agent能夠基于對(duì)確定性任務(wù)的描述，在預(yù)設(shè)的動(dòng)作空間內(nèi)自動(dòng)完成一系列步驟。它不再需要每一步都精確指令，而是能在給定規(guī)則下完成相對(duì)封閉、可預(yù)測(cè)的流程，比如你可以讓它“查詢(xún)今天上海的天氣”。在這一過(guò)程中，Agent 會(huì)自動(dòng)調(diào)用并整合多個(gè)數(shù)據(jù)源。

L3：戰(zhàn)略任務(wù)自動(dòng)化

這是當(dāng)前許多先進(jìn)Agent正在努力達(dá)到的階段。在L3，Agent可以根據(jù)用戶(hù)指定的高層次任務(wù)目標(biāo)，自主調(diào)用各種資源和工具，規(guī)劃并執(zhí)行步驟，并能根據(jù)中間反饋，迭代優(yōu)化計(jì)劃。

L4：記憶和上下文感知

在這個(gè)階段，Agent將具備更深層次的智能，能夠感知用戶(hù)在長(zhǎng)期交互中的上下文，理解用戶(hù)過(guò)去的記憶，并有時(shí)主動(dòng)提供個(gè)性化的服務(wù)。它能記住你的偏好、習(xí)慣，甚至能預(yù)測(cè)你的需求，比如“告訴掃地機(jī)器人今晚打掃房間”，它會(huì)根據(jù)你的日常習(xí)慣，避開(kāi)你常用的區(qū)域，或根據(jù)天氣狀況推薦何時(shí)清洗窗戶(hù)。

L5：數(shù)字人格

這是Agent發(fā)展的終極目標(biāo)，智能體將能代表用戶(hù)完成更復(fù)雜的事務(wù)，甚至能與他人進(jìn)行交互，并確保其安全和可靠性。這個(gè)時(shí)候，它可能不僅僅是你的助理，更是你在數(shù)字世界中的一個(gè)分身，能夠獨(dú)立思考、決策，并保護(hù)你的利益。

目前，隨著推理大模型的進(jìn)一步成熟，以及Manus、百度文心智能體平臺(tái)、扣子空間、通義千問(wèn)智能體等通用Agent的出現(xiàn)，企業(yè)AI Agent的應(yīng)用正加速?gòu)腖2向L3階段邁進(jìn)。它們?cè)趫?zhí)行確定性流程和一定程度的自主規(guī)劃方面，已經(jīng)表現(xiàn)出色；但在真正擁有長(zhǎng)期記憶、上下文理解和主動(dòng)服務(wù)方面，仍有很長(zhǎng)的路要走。

02

Agent關(guān)鍵組件和架構(gòu)

一個(gè)AI Agent之所以能夠“智能”地運(yùn)作，離不開(kāi)其背后精密的組件協(xié)同和邏輯架構(gòu)。

1、5個(gè)關(guān)鍵組件

就像人類(lèi)的思考和行動(dòng)一樣，Agent也有一套完整的認(rèn)知與執(zhí)行系統(tǒng)：

感知：它是智能體與外部環(huán)境交互的基礎(chǔ)接口，負(fù)責(zé)收集和解析環(huán)境數(shù)據(jù)，包括文本、圖像和聲音等。

規(guī)劃：作為智能體的決策中心，它負(fù)責(zé)將復(fù)雜的總目標(biāo)分解成可執(zhí)行的步驟，并制定實(shí)現(xiàn)策略。這里不得不提的是“思維鏈”，這種提示技術(shù)已成為提高大模型在復(fù)雜任務(wù)表現(xiàn)上的標(biāo)準(zhǔn)方法，它讓Agent能像人類(lèi)一樣進(jìn)行逐步推理。

記憶：存儲(chǔ)著歷史交互、知識(shí)積累和臨時(shí)任務(wù)數(shù)據(jù)，是Agent實(shí)現(xiàn)上下文感知和長(zhǎng)期學(xué)習(xí)的基礎(chǔ)。

工具使用：通過(guò)調(diào)用外部資源，如API、代碼庫(kù)、RPA或應(yīng)用程序，來(lái)擴(kuò)展自身能力，是Agent在企業(yè)環(huán)境中實(shí)現(xiàn)價(jià)值的關(guān)鍵。

行動(dòng)：是感知、規(guī)劃、記憶和工具使用的最終成果，也是智能體執(zhí)行任務(wù)和與環(huán)境交互的具體表現(xiàn)。

2、架構(gòu)邏輯圖

把這些組件連接起來(lái)，Agent 的邏輯架構(gòu)也就一目了然。整條信息流清晰呈現(xiàn)了其從輸入、處理到輸出的完整路徑：

來(lái)源@頓悟山丘智庫(kù)

用戶(hù)輸入層： Agent的起點(diǎn)，接收用戶(hù)以圖文、語(yǔ)音、視頻等多種形式提供的指令或信息。

接入網(wǎng)關(guān)層：負(fù)責(zé)統(tǒng)一接口管理，進(jìn)行身份認(rèn)證、協(xié)議轉(zhuǎn)換和路由，確保輸入信息能夠安全、高效地進(jìn)入Agent的核心處理區(qū)。

意圖識(shí)別層：對(duì)輸入的原始數(shù)據(jù)進(jìn)行預(yù)處理、意圖分類(lèi)和實(shí)體提取，將非結(jié)構(gòu)化的用戶(hù)指令轉(zhuǎn)化為Agent能夠理解的結(jié)構(gòu)化信息。

推理決策層：這是Agent的核心大腦，負(fù)責(zé)任務(wù)的規(guī)劃、策略的篩選、大語(yǔ)言模型的推理和最終決策的驗(yàn)證。它決定了Agent下一步“做什么”和“怎么做”。

工具執(zhí)行層：根據(jù)決策層的指令，調(diào)用并執(zhí)行相應(yīng)的工具，如注冊(cè)、MCP、API、代碼執(zhí)行等，并處理工具返回的結(jié)果。

結(jié)果生成層：將工具執(zhí)行后的結(jié)果或推理決策的產(chǎn)出，進(jìn)行內(nèi)容組裝、格式化，并進(jìn)行質(zhì)量?jī)?yōu)化，使其符合用戶(hù)閱讀和理解的習(xí)慣。

用戶(hù)輸出層：將處理完成并格式化的結(jié)果呈現(xiàn)給用戶(hù)。

除此之外，還有三個(gè)重要的支撐模塊，即管理支持、記憶系統(tǒng)以及知識(shí)庫(kù)，它們共同構(gòu)建了Agent的基本架構(gòu)。

03

企業(yè)級(jí)Agent的兩種類(lèi)型

在企業(yè)應(yīng)用層面，Agent可以根據(jù)其主要解決的問(wèn)題和工作方式，大致分為兩大類(lèi)：

1、流程自動(dòng)化型

這類(lèi)Agent的核心在于“自動(dòng)化”，它們依據(jù)企業(yè)內(nèi)已經(jīng)固定的工作流和明確的規(guī)則，執(zhí)行重復(fù)性、規(guī)范化的任務(wù)。這類(lèi)Agent的優(yōu)勢(shì)在于提高效率、降低錯(cuò)誤率、節(jié)省人力成本。

比如，財(cái)務(wù)部門(mén)的發(fā)票報(bào)銷(xiāo)流程、企業(yè)內(nèi)部的業(yè)務(wù)審批流、員工的學(xué)習(xí)考試系統(tǒng)等，都是流程自動(dòng)化型Agent的典型應(yīng)用場(chǎng)景。它們能夠精準(zhǔn)地遵循既定步驟，無(wú)需人工干預(yù)，極大地提升了日常運(yùn)營(yíng)的效率。目前，在金融、保險(xiǎn)、制造等傳統(tǒng)行業(yè)，流程自動(dòng)化型Agent占據(jù)了企業(yè)應(yīng)用的主導(dǎo)地位。

2、超級(jí)Agent型

與流程自動(dòng)化型Agent不同，超級(jí)智能體型Agent更側(cè)重于探索和目標(biāo)達(dá)成。它們被賦予一個(gè)高層次的目標(biāo)，然后由智能體自主規(guī)劃、探索信息、調(diào)用工具，并迭代優(yōu)化路徑以實(shí)現(xiàn)該目標(biāo)。這類(lèi)Agent更強(qiáng)調(diào)靈活性和解決復(fù)雜、非結(jié)構(gòu)化問(wèn)題的能力。

常見(jiàn)的應(yīng)用場(chǎng)景包括生成市場(chǎng)研報(bào)、進(jìn)行復(fù)雜的數(shù)據(jù)分析、甚至輔助軟件開(kāi)發(fā)等，都屬于超級(jí)智能體型Agent的應(yīng)用范疇。它們需要更強(qiáng)的推理能力、更廣闊的知識(shí)面以及更靈活的工具調(diào)用能力。盡管目前在企業(yè)中的應(yīng)用尚處于輔助地位，但其發(fā)展?jié)摿薮?，代表著Agent更高級(jí)的智能形態(tài)。

04

當(dāng)前Agent的不足

Agent固然強(qiáng)大，但并非萬(wàn)能，當(dāng)前仍存在一些顯著的不足，主要包括以下三個(gè)方面：

1、錯(cuò)誤復(fù)合效應(yīng)

大模型在執(zhí)行任務(wù)時(shí)，準(zhǔn)確率永遠(yuǎn)不可能達(dá)到100%。哪怕單次調(diào)用的準(zhǔn)確率高達(dá)95%，（已屬相當(dāng)不錯(cuò)的水平），但當(dāng)一個(gè)復(fù)雜任務(wù)需要Agent連續(xù)調(diào)用20次時(shí)，最終成功率卻會(huì)驟降至約36%（0.95的20次方）。這也意味著，在真實(shí)而復(fù)雜的業(yè)務(wù)場(chǎng)景中，Agent想要“一步到位”全自動(dòng)完成任務(wù)的概率，要遠(yuǎn)比想象中低得多。

而真正可行的做法，是放棄對(duì)“完美全自動(dòng)”的幻想，把任務(wù)拆解成一系列更小的步驟，逐步執(zhí)行、逐步驗(yàn)證。這樣一來(lái)，即便某個(gè)環(huán)節(jié)出錯(cuò)，也能單獨(dú)回溯或重試，不會(huì)牽連整個(gè)流程，從而顯著提升系統(tǒng)的穩(wěn)定性和任務(wù)的整體成功率。

2、token成本指數(shù)級(jí)增長(zhǎng)

當(dāng)Agent與用戶(hù)或系統(tǒng)進(jìn)行多輪交互時(shí)，為了保證上下文連貫，往往需要在每次對(duì)話(huà)中攜帶大量歷史內(nèi)容。隨著輪次增加，所需的Token數(shù)量會(huì)急劇上升，API調(diào)用成本也隨之飆升，最終成為企業(yè)部署Agent的一大負(fù)擔(dān)。

更高效的做法，是盡量采用無(wú)狀態(tài)或弱狀態(tài)的會(huì)話(huà)設(shè)計(jì)，減少不必要的上下文傳遞。在多輪對(duì)話(huà)中，只保留關(guān)鍵變量或必要信息，并通過(guò)記憶系統(tǒng)進(jìn)行優(yōu)化，而不是把所有歷史記錄一股腦塞給大模型。這樣不僅能大幅降低Token消耗，也能讓系統(tǒng)運(yùn)行得更輕、更穩(wěn)。

3、工具生態(tài)不足

不少人以為，Agent的核心在于AI本身，但現(xiàn)實(shí)中，真正由AI推理完成的部分往往不到30%，其余70%的工作都落在調(diào)用、集成和調(diào)試瀏覽器、搜索引擎、編程接口、RPA（機(jī)器人流程自動(dòng)化）等外部工具上。由于當(dāng)前工具生態(tài)還不夠成熟，很多時(shí)候Agent會(huì)陷入反復(fù)調(diào)試工具的困境，效率低下。

解決這一問(wèn)題，首先要明確Agent可用的工具范圍和使用規(guī)范，讓它清楚“能用什么、該怎么用”。同時(shí)，還要設(shè)計(jì)完善的兜底機(jī)制，一旦工具調(diào)用失敗或效果不佳，Agent能及時(shí)切換到備用方案，避免陷入無(wú)休止的重試循環(huán)。只有這樣，Agent的穩(wěn)定性和實(shí)用性才能真正提升。

05

企業(yè)Agent應(yīng)用場(chǎng)景舉例：價(jià)值重塑，

而非簡(jiǎn)單替代

Agent到底是否會(huì)導(dǎo)致90%的裁員？最終還是要看它在企業(yè)中能“做什么”和“替代什么”。下面列舉兩個(gè)真實(shí)使用場(chǎng)景，來(lái)具體說(shuō)明這一點(diǎn)。

1. 語(yǔ)核科技AI數(shù)字員工：從“周”到“小時(shí)”的效率杠桿

語(yǔ)核科技是一家專(zhuān)注于企業(yè)級(jí)AI應(yīng)用的科技公司，其核心是打造流程自動(dòng)化型智能體，在業(yè)務(wù)層面精確瞄準(zhǔn)了企業(yè)中“非標(biāo)準(zhǔn)化文檔解析”和“海量物料匹配”這一業(yè)務(wù)瓶頸。為它的一個(gè)重工客戶(hù)，成功解決了“非標(biāo)維修清單和上萬(wàn)個(gè)物料SKU匹配”的頭疼問(wèn)題。使得這項(xiàng)工作的時(shí)間成本從原來(lái)的“一周以上”，大大壓縮為“半小時(shí)以?xún)?nèi)”，同時(shí)還保持了高達(dá)90%以上的端到端準(zhǔn)確率。為客戶(hù)解決了發(fā)展中的一個(gè)耗時(shí)低效的業(yè)務(wù)阻塞點(diǎn)，釋放出了大量的人力、物力和時(shí)間投入。

2. 遞航科技AI招聘官：將HR從“海量簡(jiǎn)歷”中拯救出來(lái)

遞航科技是一家專(zhuān)注于AI招聘領(lǐng)域的創(chuàng)新企業(yè)，致力于用智能Agent重塑傳統(tǒng)招聘流程。 在傳統(tǒng)模式下，HR每天要篩上千份簡(jiǎn)歷、發(fā)上百條信息，效率低、體驗(yàn)差。遞航科技打造的數(shù)字員工團(tuán)隊(duì)，由多個(gè)具備不同職能的專(zhuān)業(yè)Agent協(xié)同工作（比如，AI“畫(huà)像師”能精準(zhǔn)構(gòu)建人才模型，AI“尋訪(fǎng)師”在全網(wǎng)高效鎖定候選人，AI“溝通師”負(fù)責(zé)完成初步篩選與意向溝通），實(shí)現(xiàn)了招聘前端的自動(dòng)化與智能化，同時(shí)也讓招聘過(guò)程變得更快、更準(zhǔn)，也更輕松。

說(shuō)到這里，想必大家對(duì)“Agent上線(xiàn)是否會(huì)引發(fā)大規(guī)模裁員”這樣的話(huà)題，已經(jīng)有了更深的認(rèn)識(shí)和更準(zhǔn)確的判斷。

AI Agent的核心價(jià)值在于自動(dòng)化重復(fù)性任務(wù)，從而解放員工，使其能聚焦于更高價(jià)值的創(chuàng)新與決策。它帶來(lái)的是企業(yè)崗位結(jié)構(gòu)的優(yōu)化和人才能力的升級(jí)，而非簡(jiǎn)單粗暴的取代。從某個(gè)角度看，Agent并不是職場(chǎng)中的“殺手”，而更像賦能企業(yè)與員工共同進(jìn)化的加速器。戰(zhàn)略性地理解并駕馭這項(xiàng)技術(shù)，才是我們?cè)谥悄軙r(shí)代最該做的事，這遠(yuǎn)比“原地焦慮”有意義得多。

如果你的企業(yè)也想用AI提效，歡迎與我交流（個(gè)人微信：laokei2024，注明AI）。

作者| Mr.K 編輯| Emma

- END -