企业Agent为何难以褂讪落地？模子参数的不休升并未处罚压根问题抚顺塑料管材生产线，信得过瓶颈在于企业的常识管明智力。本文度解析Agent在推行期骗中的三大阶段演进，揭示隐常识显化的要害旅途，以及如何将组织挂牵回荡为AI可奉行的智能钞票。

前阵子跟几个同业聊天，大聊来聊去都绕不开个话题——为什么明明目下模子都这样强了，各Agent框架也数以万计，但信得过能跑到分娩环境、褂讪干活的企业Agent，少得怜悯？

我见过不少公司，活儿干得挺吵杂，Demo搞得也挺炫，上线就原形毕露。阿谁Agent吧，你说它笨吧，它巧合候回答得还挺像那么回事；你说它忠良吧，换个问法它就懵了，或者干脆给你来段胡编乱造的东西。

这让我想起个有趣味的喧阗：大都在追模子的参数竞赛——千亿参数，万亿参数，好像参数越大就越犀利。但信得过把Agent用起来的东说念主都知说念，模子参数仅仅“能弗成作念”的问题，而“能弗成褂讪作念好”，是另回事。

有个说法我相配认可：大模子决定Agent的智力上限，常识高下文决定Agent的智力下限。

什么趣味呢？等于说，你的模子再强，它也等于个资质异禀的小白，脑子里全是通用常识，但对你们公司的业务逻辑、历程措施、那些不成文的“潜国法”，它是所知。

就像你招了个名校毕业的材生，忠良是忠良，但天上班，你指望他径直上手处理业务？不给他看文档、不给他先容业务历程、不告诉他谁是谁，他再忠良也得捏瞎。

Agent亦然样的趣味。

我查了些数据，麦肯锡调研过，信得过以为我方还是过问了AI教训部署阶段的企业，只好1。你没看错，就1。剩下99都在干嘛？在摸索，在试错，在反复折腾那些听起来大上、推行上“碰就碎”的Agent形貌。

今天就想聊聊这事儿——为什么我说，企业Agent的上限，不在模子参数里，而在公司的常识管明智力里。

01 当模子不再是瓶颈——为什么常识料理成了Agent的隐形天花板

我入行这几年，看着模子从GPT-3路卷到目下，说真话，模子智力的普及是肉眼可见的快。但有趣味的是，跟我聊天的些时期负责东说念主，反而不像前几年那么原意了。

“模子越来越强，可咱们落地越来越难了。”

有东说念主这样跟我说的时候，我还不太诱骗。按理说，强的模子应该意味着少的勤苦才对啊？其后聊了才发现，问题的根源正好在于——模子强了，大对Agent的生机也了。

前两年大搞Agent，非等于写个Prompt，能回答几个浅近问题就餍足了。但目下呢？大都想让Agent信得过干活——自动审批历程、自动回话客户、自动处理工单。这下，常识料理的短板就暴高慢来了。

1.1 Agent的三阶段进化：Prompt → Context → Harness

我梳理了下，Agent的进化莽撞经历了三个阶段：

阶段：Prompt阶段。等于浅近的玩法，写段教导词，扔给模子，让模子凭据教导词回答问题。这个阶段基本上不需要什么常识料理，因为你问的问题范围很窄，把常识写进Prompt里就行。但短处是，Prompt长度有限，略略复杂点的问题就答不上来。

二阶段：Context阶段。大发现光靠Prompt不行，得给模子提供高下文。于是RAG（检索增强生成）启动火起来——先把公司文档存起来，用户问问题时，从文档里找到干系内容，跟问题起给到模子。这个阶段对常识料理启动有要求了——你得有文档，文档得有质地，文档还得能搜到。但问题是，好多企业的文档自身就前俯后合的，搜出来的东西质地堪忧。

三阶段：Harness阶段。等于目下的景色。Agent不再是单纯回答问题的聊天机器东说念主了，它要调用用具、奉行历程、处理多轮任务。这个阶段的常识料理需求径直上了个大台阶——你需要的不仅仅文档，还有业务历程、有计划国法、评估尺度，以致包括“什么时候该调用什么用具”这种元常识。

而大多数企业的常识体系还停留在什么阶段呢？阶段的“文档存档”阶段。连二阶段都没准备好，就想跳干三阶段的活，你说能不碰鼻吗？

1.2 大多数企业堕入的“常识幻觉”

我每每听到有东说念主跟我说：“咱们有常识库啊，咱们把统共文档都整理好了。”

然后我问：“你阿谁常识库，Agent能用吗？”

般这时候对就千里默了。

什么叫“Agent能用”？不是说把文档存起来就行。你得保证：

文档是结构化的，便检索

内容是准确的，莫得落后的信息

方式是兼容的，Agent能正确解析

权限是理的，不同角看到不同内容

好多公司所谓“有常识库”，其实等于把堆Word、PPT、PDF扔到百度网盘或者某个网盘里。别说Agent了，东说念主找东西都云尔。

别说那些洒落在邮件、聊天记载、飞书文档里的常识了。还有要命的——脑子里的隐常识。这些东西压根就没被记载下来。

我之前在公司，想让Agent处理某种特定的客户投诉。找业务团队要尺度历程，他们给我发了个文档，我看，写了三页纸，全是“原则上……”“般提倡……”“视情况而定……”。这种邋遢的抒发，你让Agent怎么奉行？

其后我跟个老销售聊，他径直跟我说：“你看阿谁文档没用，我跟你说推行操作是怎么搞的……”他说了十五分钟，我记了满满三页。这十五分钟里提到的具体作念法、注意事项、话术技巧，阿谁三页纸的文档里句都没提。

这不等于典型的“常识在脑子不在纸上”吗？

1.3 信得过的“常识料理”是什么

是以我说，信得过的常识料理，不是把文档存档，而是把“组织如何责任”这件事连续千里淀下来。

将来的常识库不应该是个文献仓库，而是个面向Agent的组织挂牵系统。这个系统要处罚三个问题：

知说念什么——公司的业务常识、居品信息、历程措施

怎么作念事——处理问题的具躯壳式、有计划国法、阅历教化

谁来有计划——什么情况下要东说念主工介入，什么情况下Agent可以自主处理

只好这三层都千里淀好了，Agent才能信得过“懂”你们公司。

02 挂牵 ≠ 常识——从“短期责任挂牵”到“组织长期钞票”的跃迁

这个标题我琢磨了好久，以为定要单拿出来说说。

你有莫得发现，好多Agent有个舛错——记不住事儿。

你跟它说“帮我查下张三的同”，它查了，给你了。然后你说“帮我审下这个同”，它就忘了刚才查了什么抚顺塑料管材生产线，又要你再说遍。

这等于典型的“金鱼脑”Agent：每次任务都从启动，不难忘前次说过什么，不难忘你之前打法过什么。

但问题是，即使是这样的“挂牵”，也还仅仅短期挂牵。而企业需要的，是组织常识。

2.1 三层挂牵模子：L0即时挂牵 → L1个东说念主阅历 → L2企业常识

有个有趣味的框架，把Agent的挂牵分红了三层：

L0：Session Memory（会话挂牵）等于单次任务高下文，你问句，它答句，用完就丢。就像你跟目生东说念主言语，聊完就算了，不往心里去。

L1：Episodic Memory（个东说念主阅历）Agent跨会话积攒的阅历。比如同个用户之前问过什么、处理过什么问题，Agent会记取这些，下次再碰到雷同的问题，能快、好地处理。这就有点像你跟熟东说念主交说念——知说念他的俗例，知说念他可爱什么样的回答式。

L2：Knowledge Memory（企业常识）组织的常识。不是某个东说念主的阅历，而是统共这个词团队千里淀下来的、经过考据的、可以被重迭使用的常识。这个就有点像公司的SOP、佳实践、常识库——你们公司是怎么作念事的，把这些综合成可复用的国法。

大多数企业目下的Agent是个什么景色呢？基本上是L0别，连L1都没作念到。略略好点的，能作念到L1，但卡在L2这步——个东说念主阅历没主义酿成团队常识。

2.2 为什么大多数企业卡在“L0→L1”这步

这里我想说说我在推行责任中不雅察到的喧阗。

其实要作念到L1——让Agent记取用户的个东说念主阅历和偏好——时期上并不难。难的是什么呢？难在“挂牵的自动化拿获”。

什么趣味？等于你弗成让用户手动告诉Agent“记取这个记取阿谁”，你得让Agent我方学会判断：哪些信息值得记，哪些信息用完就可以丢。

这就波及到个中枢问题：什么是值得挂牵的？

我见过些公司，搞了个“挂牵”，效力Agent什么都记——用户说的每句话、每次对话的每个细节，完全存起来。后啥效力呢？Agent的回答越来越慢，每次都要从海量的挂牵里检索，况且还每每检索错，给出堆不干系的东西。

这等于典型的“有挂牵不等于有常识”。

能自动拿获的挂牵仅仅步，能正确筛选的挂牵才是要害。

2.3 从“个东说念主挂牵”到“组织常识”的要害机制

那怎么从L1走到L2呢？我以为有几个机制相配焦灼：

：筛选机制。不是统共挂牵都能成为常识。东说念主的大脑亦然这样——你今天中午吃了什么，过两天就忘了，因为这不值得记。但如若你今天在客户那里听到了个焦灼的需求，你会记下来，因为有价值。Agent也样，需要有判断尺度：哪些是须保留的常识，哪些是临时信息，落后就可以丢掉。

二：考据机制。个东说念主的阅历可能不准确，或者只适用于特定场景。要把个东说念主阅历酿成团队常识，得经过考据——别东说念主用过没？果怎么样？有莫得好的作念法？这个过程，其实是把“阅历”升为“佳实践”的过程。

三：结构化机制。散的阅历是没主义被系统化复用的。你得把它酿成结构化的常识——什么样的输入，对应什么样的处理历程，输出什么样的效力。有点像在居品假想里作念用户故事：用户在哪，作念了什么，碰到了什么，怎么处罚，效力如何。

四：授权机制。不是统共东说念主都能看到统共常识。公司的买卖机密、客户的隐秘信息，需要有细粒度的权限料理。况且，不同角对同件事情的原谅点不同——法务原谅风险，销售原谅成单，居品原谅需求。你弗成让统共东说念主都看到相同的东西。

我相配认可个说法：能复用、能授权、能挂牵、能连续进化的挂牵，才是企业常识。

如若你仅仅让Agent记了堆东西，但莫得智力划分哪些该给别东说念主用、哪些该掩盖、哪些还是落后了需要新——那这就不是常识钞票，而是数据垃圾。

03 隐常识显化——Skill是常识管明智力的“终端形态”

好了，铺垫了那么多，目下说说我认为焦灼、亦然难的环——隐常识的显化。

我在前公司的时候，有个老共事，干了十五年客服，他处理投诉那叫个牛——不论多顽恶的客户，到他手里，三分钟之内情感就褂讪了，问题也处罚了。我相配想把他这套“手段”居品化，交给Agent去学。

效力呢？

我找他聊天，让他说说他处理投诉的心法。他想了半天，说：“也没啥心法啊，等于……看东说念主下菜碟。”

我问：“什么情况下‘看’什么‘菜’？”

他说：“这我哪说得理会，等于凭嗅觉啊。”

这等于典型的隐常识——知说念怎么作念，但说不理会是怎么知说念的。

3.1 三类企业常识的处理式

我在实践中把企业常识分红了三类，处理式不同：

类：本来就莫得千里淀的常识。好多业务枢纽，压根就莫得尺度历程。比如某个新的战略出台，怎么解读、怎么奉行，大心里都没底。这种常识怎么来？靠Agent自动去蚁集、整理、归纳。战略文献出来了，Agent自动索取要害信息，生成FAQ，送到干系东说念主员那里。这其实是常识料理里基础的步——从到有。

二类：有常识但莫得体系。好多公司其实积攒了不少常识，但散布在各个系统里——销售在CRM里写的备注，客服在工单里的处理记载，居品在PRD里的需求描画……都是碎屑化的。这种常识怎么处理？靠Agent去作念整理、编译、去重、索引。把碎屑拼成整张图。

三类：亦然难的——脑中的隐常识。就像我阿谁老共事，他知说念怎么作念，但他说不理会。这种常识怎么显化？只可靠共创和蒸馏。什么趣味呢？等于和居品司理、常识工程师起，通过反复的换取和提真金不怕火，把那些“凭嗅觉”的东西，酿成“可描画、可奉行、可评估”的国法。

3.2 隐常识居品化的三个输出物

那我其后怎么处理老共事这事儿呢？我换了个式，不问他“心法”了，而是问他具体场景：

“如若客户上来就骂东说念主，你怎么处理？”“先让他骂，别断。等他骂结束，说‘诱骗您的豪情’，然后……”“如若客户说我方被骗了，你怎么办？”“先阐明他说的‘被骗’是什么情况。如若是价钱问题……”

这样问，我发现他的阅历其实是可以拆解的。我跟他起梳理了莽撞十几个典型的投诉场景，每个场景都拆出了三个输出物：

国法：在什么情况下作念什么有计划。比如“如若客户情感清翠，先安抚情感，再处罚问题”。

Skill（奉行历程）：具体怎么作念。把方式写理会，先干什么，再干什么。

评估样例：怎么判断作念得对不合。个好的处理效力长什么样？个不格的处理效力长什么样？

你看，把这三样东西输出之后，隐常识就酿成了Agent可奉行的指示。

3.3 Skill的实质：从“知说念什么”到“怎么作念事”

我目下越来越以为，Skill不是插件，而是企业隐常识的可奉行形态。

什么趣味呢？以前咱们说“常识料理”，料理的是“知说念什么”——居品信息、业务国法、历程文档。但信得过决定问题能弗成处罚的，是“怎么作念事”——碰到A情况怎么处理，碰到B情况怎么治愈。

我个比。你给个新东说念主培训，给他发了本厚厚的规定轨制手册——这叫“知说念什么”。但真要他在前列干活了，他碰到个复杂的客户投诉，手册上压根找不到对应的条件。这时候老职工过来了，说：“你看，这种情况，你要先这样，再那样，后这样……”——这叫“怎么作念事”。

Agent亦然样的。光有规定轨制手册不够，你得给它输入处理复杂问题的“手段”。

是以我说，将来信得过稀缺的，不是会写代码的东说念主，而是能把业务阅历拆解成国法、历程和评估尺度的东说念主。

你想想，塑料管材生产线个干了十年的老销售要退休了，他脑子里那些谈生意的话术、判断客户意向的技巧、跟竞争敌手周旋的阅历——这些比什么参数模子都值钱。如若能把它们拆解成套“Skill”，让Agent学会了，那这个Agent不等于阿谁老销售的“数字分身”吗？

04 常识架构 = 本钱架构——Token理的底层逻辑

聊个相配现实的问题——钱。

我有个一又友，作念AI居品运营的，他跟我说了个事儿。他们公司上线了个AI案牍Agent，门帮店小二写商品描画。启动以为挺好的，率普及很较着。效力到了月底算账，傻眼了——这个Agent每天阔绰3000万Token，个月下来，光模子调用费就几十万。

“咱们雇主看了账单，径直问：这Agent是在帮咱们省钱，如故在帮咱们费钱？”

这事儿其实相配有代表。好多企业搞Agent的时候，只想着“能弗成用”，没想过“用得升引不起”。

但我想说的是，Token本钱问题，实质上不是财务问题，而是常识架构问题。

4.1 “东说念主为什么会背乘法口诀”的AI版块

我先问个问题：你为什么无须计划器算3×7？

谜底很浅近——你把它记取了。因为这是频计划，每次从头算太浪费时刻，背下来径直给效力。

Agent亦然样的趣味。频任务、固定例则、常用谜底，不应该每次都从理。

你想啊，如若公司职工每次碰到“加班费怎么算”这个问题，都要让Agent去读遍《办事法》，再结公司轨制算遍——那每次都是在浪费Token。但如若这个谜底还是被考据过了，径直缓存起来，下次径直调用——次理，受益。

这等于我说的：能复用的高下文不要反复阔绰Token，能千里淀的谜底不要每次从头生成。

4.2 三管皆下的本钱理案

那具体怎么干呢？我转头了三个向：

：挂牵缓存。频问题、尺度谜底，树立缓存机制。次回答了，缓存起来，下次相同的问题径直给谜底，不再从头调用模子理。这个跟浏览器的缓存时期很像——静态内容不申请服务器，径直读缓存，速率快还省资源。

二：任务分。不是统共任务都需要大模子。价值的、复杂的任务，比如处理客户投诉、撰写法律文献，用刚劲的模子；尺度化的、浅近的任务，比如查个价钱、走个审批历程，用小模子以致国法引擎就够了。这就好比你不会请米其林大厨给你炒个蛋炒饭。

三：冷热分层。像存储系统样，把数据分红热数据和冷数据。频使用的、需要及时反映的数据放在速存储里；低频使用的、历史存档数据放在低本钱存储里。这样既能保证检索能，又能戒指存储本钱。

4.3 个反面案例：每天3000万Token的代价

说回我一又友阿谁公司。其后我去帮他们看了下，发现问题的根源是——莫得常识复用的矍铄。

阿谁AI案牍Agent，每次写案牍都是从启动。不论这个商品之前有莫得东说念主写过雷同描画，不论公司有莫得积攒尺度的案牍模板，Agent每次都从头“创作”。这就致了个效力：相同的商品，不同的店小二问，Agent给出了不同的谜底；同个东说念主问同个问题两次，Agent的回答也不样。

这不等于钱在吗？

是以我给他们的提倡是：先别管模子了，先把你们公司的案牍常识库整理下。把尺度化的描画模板树立起来，把频的营销话术千里淀下来，给Agent建个“参考挂牵”。这样Agent写案牍的时候，先查挂牵库，找到模板和历史案例，再基于这些作念治愈和化。

改完之后，Token阔绰径直降了差未几70。况且不仅省钱，回答的质地反而褂讪了——因为基于果真阅历的模板，比模子临时编的靠谱。

你看，本钱理和常识料理，其实是同件事。

05 从PoC到分娩的鸿沟——80的企业摔在了“常识冷启动”

聊点推行的落地问题。

我每每参加些行业换取，大聊我方的Agent形貌，十个东说念主有九个都说处在PoC（主张考据）阶段。问为什么弗成上线分娩，谜底丰富多采——但仔细听，都能归结到个问题：常识冷启动阶段就卡住了。

什么叫“常识冷启动”？等于你算让Agent跑常识库了，你手里有堆文档，你兴冲冲地把它们上传进去，想着Agent随即就能给你干活。

效力呢？

上传之后，Agent风马牛不干系，或者干脆说找不到干系信息。你以为是模子不行，折腾了半天发现——问题是出在文档自身息争析式上。

5.1 常识冷启动：占部署总时刻的40-60

我见过太多团队，评估个Agent能弗成用，就拿着模子跑几个问题望望果。果好了，就启动筹商上线。效力上分娩，发现压根跑不动——不是模子的问题，是常识库没搭好。

有个数据我印象很：常识冷启动阶段（等于搭RAG的阶段），平凡占总部署时刻的40-60。你没看错，快要半的时刻，不是花在选模子、调参数上，而是花在让文档“Agent就绪”这件事上。

为什么？因为大多数企业的文档，压根就不是为Agent假想的。

5.2 四个常见的“常识料理惨案”

我来举几个我推行踩过的坑，你望望你们公司有莫得：

惨案：方式碎屑化。公司的文档有的是Word写的，有的是PDF，有的是PPT，还有的是Excel。崩溃的是，有些文档是多栏排版、嵌套表格的。Agent解析，劈里啪啦全乱了。本来段完竣的话，被分红了好几块；本来个表格里的数据，被拆得七八落。

惨案二：切分可怜。RAG系统平凡需要把文档切成小块（Chunk），然后检索时找到干系的块。但怎么切？好多系统是按固定长度切的——每500个字符切块。效力呢？句话从中间被割断，上个块告诉Agent“今天天气很好”，下个块说“是以要外出球”——Agent压根连不起来这两句话的关系。

惨案三：表格盲区。Excel表格里的结构化数据，上传到Agent之后，每每酿成堆前俯后合的文本。本来是行行的销售数据，被解析成了大段描画，失去了结构信息。Agent想查某个月的销量，压根找不到。

惨案四：范围截止。好多RAG系统对大文献有截止，过15MB就报错。但你想想，个公司的居品手册，可能几百页，放浪个PDF都过15MB。传不上去，怎么用？

这些问题的实质，都指向同个根源：文档的质地，决定了Agent的下限。

我越来越认可个不雅点：文档解析质地对终果的影响，巨大于模子选型或检索算法化。你模子再好，数据不行，照样白扯。

5.3 从“有文档”到“Agent就绪”需要什么

那到底怎么作念，才能让文档“Agent就绪”呢？我我方的阅历，有四个要害点：

：文档解析智力要强。弗成只支柱种方式，要支柱PDF、Word、Excel、PPT、图片、扫描件……以致包括那些扫描版PDF（等于把纸面文档扫描成图片的那种），也得能识别。况且，解析的时候要保留文档的结构信息——标题、段落、表格、列表，个都弗成丢。

二：智能切分策略。不要固定长度切分，要按语义范围切分。句话说不完的，不要拦腰截断；个段落讲同个主题的，不要拆成两块。瞎想的景色是：个Chunk，等于个完竣的语义单位。

三：混检索。弗成只靠向量搜索。有些问题，要害词匹配比语义搜索有——比如查居品型号、同编号、知名词。好的案是向量搜索 + 要害词匹配混使用，取两者之长。

四：连续监控与迭代。常识库不是次工程。你上传了文档，Agent初期用着还行，但过段时刻，文档新了、业务变化了、用户问的问题变了——常识库得连续保重。你弗成指望上个线就万事大吉。

我见过个团队，Agent上线的个月，准确率有85。他们以为挺陶然，就没管了。三个月后，准确率掉到了60——不是模子变差了，而是常识库里的信息还是落后了，新业务的常识压根没新。用户问的问题，Agent还在用三个月前的常识回答，细目错。

06 AI就绪力的四根相沿——组织常识管明智力的系统化成立

写到后，想从点的角度聊聊——这件事不仅仅时期问题，是组织智力问题。

我直在想考个问题：为什么有些公司，看起来起步比别东说念主晚，但Agent落地的速率反而比别东说念主快？

不雅察下来，我发现这些公司有个共同点：它们在作念“AI就绪力”的系统化成立。

什么叫“AI就绪力”？浅近说，等于你的组织准备好了让AI信得过落地。我转头了下，包括四根相沿：

6.1 想维底座：AI不是时期形貌，而是组织重构

我发现好多料理层有个领略误区：以为AI等于个“提插件”，像装个Photoshop样，装了就能用，用了就能提率。

但推行情况是什么呢？有个商量公司作念过调研，AI落地的到手成分里，70是东说念主、历程与文化，时期只占30。这个比例我刚启动不信，其后我方经历了几个形貌，发现如实如斯。

你想啊，你上线了个Agent，它要调用你们公司的系统，要对接你们公司的历程，要处理你们公司颠倒的业务逻辑。你们公司的历程自身是不是化过的？你们公司的常识千里淀是不是够全？你们公司的东说念主愿不肯意配Agent干活？

这些，完全是组织层面的问题，跟模子参数毛钱关系莫得。

6.2 实操手段：从“会写教导词”到“会与AI合作”

另外个让我挺感触的数据：环球只好39的职场AI使用者，从公司取得过AI培训。

这意味着什么？意味着大部分东说念主用AI，都是靠我方摸索的。以致好多公司上了Agent，也不给职工培训怎么正确使用——效力职工要么不会用，要么乱用。

有个商酌挺有趣味的，NBER发现，AI对低阅历职工的匡助尤其较着，能普及莽撞35傍边。为什么呢？因为低阅历职工不练习公司的“潜国法”，而AI系统把这些隐阅历转译成了他们也能调用的提倡。

但反过来想，如若职工自身就不会跟AI合作，那这个势就发达不出来了。

中枢智力其实就三项：拆罢黜务、提供高下文、判断输出质地。会这三样，等于秀的“AI合作型职工”。

6.3 常识储备：AI不是替代常识，而是从头订价常识

这句话我相配想多说几遍：AI不是替代常识，而是从头订价常识。

什么趣味？以前，常识的价值体目下“我有你莫得”——老职工有阅历，新职工莫得。但目下，AI可以快速学习和复制这些阅历。这时候，常识的“稀缺”被破了——任何能被Agent学会的常识，都不再是个东说念主钞票，而酿成了组织钞票。

那信得过有竞争力的企业是什么样的？不是领有多手的公司，而是先把手阅历居品化、历程化、常识化，然后交给AI放大的公司。

我别传有个售巨头，作念了个里面Agent，从想法到上线只用了60天。为什么这样快？不是因为他们时期犀利，而是因为他们多年积攒了多量的历程常识、运营国法、措施——这些东西早就准备好了，仅仅以前是东说念主用，目下是Agent用。

6.4 伦理矍铄：跑得快不是技艺，跑得快还能不失控才是

后想聊个容易被疏远的点——伦理和理。

有个数据我挺胆怯的：78的AI使用者在公司崇拜国法以外自带用具。什么趣味？等于公司没轨则能弗成用，职工我方用我方的开导、我方的账号，调用我方的AI用具行止理公司业务。这里面隐敝的风险有多大——数据范围、客户隐秘、信息安全，完全可能出问题。

是以，如若你要让Agent大范围参与公司业务，须从天就沟通理问题。不是比及出问题了再去营救，而是从启动就假想好权限、审计、规机制。

有个银行作念得可以，他们的AI/ML形貌创造了巨大的经济价值，但同期，他们的理和立异是系结进的——上了新的同期，也上了相应的管控措施。

我以为这才是个健康的姿态。伦理不是法务事项，是筹备事项。

07 模子会变，框架会变，常识才是复利钞票

写了不少了，后想说的是：在将来三到五年的Agent波浪中，时期会不休迭代，但企业常识管明智力才是信得过的长期钞票。

我见过不少公司，追模子哀悼心累——今天GPT-5发布了，马上换；未来Claude 4出了，又换波。换来换去，发现Agent的果如故阿谁样子。

为什么？因为模子仅仅“会答”，而Agent要“会干”。要“会干”，肚子里得有货——得有你们公司的业务常识、历程阅历、有计划逻辑。这些东西，不会因为模子新就自动变好，也不会因为你换个框架就自动长出。

模子会变，框架会变，Agent形态会变；企业常识、历程阅历和组织挂牵，才是长期钞票。

是以，如若你问我，作念AI应该从那里启动？我的提倡是：别追模子参数了，先把你公司的常识管好。把那些洒落在文档里、邮件里、脑子里的常识，点点提真金不怕火出来、结构化、居品化，然后让Agent去学、去用、去千里淀。

这是件慢活儿、脏活儿、累活。但旦作念好了，你会发现——这比换个千亿参数模子有效得多。

后的后，送大句话吧：

Agent是会变的，常识才是复利钞票。

共勉。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。