惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

罗磊的独立博客
Y
Y Combinator Blog
Recent Announcements
Recent Announcements
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
Visual Studio Blog
MyScale Blog
MyScale Blog
M
MIT News - Artificial intelligence
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
T
The Blog of Author Tim Ferriss
Martin Fowler
Martin Fowler
博客园 - 【当耐特】
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
宝玉的分享
宝玉的分享
Engineering at Meta
Engineering at Meta
WordPress大学
WordPress大学
Google DeepMind News
Google DeepMind News
C
Check Point Blog
Last Week in AI
Last Week in AI
F
Fortinet All Blogs
博客园 - 聂微东
Blog — PlanetScale
Blog — PlanetScale
H
Help Net Security
GbyAI
GbyAI
云风的 BLOG
云风的 BLOG

AI Agent 智能体

MiMo Token 激励计划:你们拿它做出了什么? 分享一个 Claude Code 脚手架: abc-scaffold 被喷了一天后,我觉得技术不值钱这句话应该改一下 中转站的安全性如何保障, Agent 一个提示就是几百个工具调用,几十个 exec 没人会一个一个审核吧。 以后技术鄙视链可能就一句话:你会不会使唤 Agent 最近又造了个轮子,基于 AI 的软件交付工作流引擎 自从有了 AI 之后, Commit 数量是不是已经不适合衡量开发效率了 我发现有了 AI 之后,很多人都在重复造轮子 AI 时代 产品需求文档(PRD) 软件需求文档(SRS) 应该怎么写呢?有推荐的模板吗?有推荐的 SKILL 吗? 征求可行方案:远程操控 + codex 桌面端 computer use 功能 + API 中转 做了个常驻的 AI 金融分析 Agent —— 不给买卖信号,只把事实端给你看 我跑了一晚 RAG,发现问题不在检索层 你们用的桌面 Agent 都是啥, 能操作浏览器么? Ucloud 也下场做中转站了 是不是第一个大厂做 gpt/anthropic 中转站的 怎么做的合规 如果为了本地大模型,卖掉 MacBook Pro M3 Pro 36G,买Μ5 Max 128G,合适吗? 照 AI 这个发展速度,感觉 AI 失控导致世界末日不远了 有用 openclaw 排杂志或者月刊的没?能达到 HTML 的效果吧? 做了一个本地查看 Coding Agent API trace 的工具: claude-tap docker sandbox + Codex CLI 这个方案可做开发自动化吗? 把 LLM 当成“人”,才是 Agent 工程进阶的起点 目前无人值守的 AI 开发流程是否有研究前途 你还能回到没有 AI 的过去吗? 最近两周在用向量数据库来给 Hermes 扩充脑容量,直接让我力竭了。 火山新出了 Agent Plan,涨价 2~7.5 倍 GLM 崩了? 做了个小工具:让本地 AI Agent 操作堡垒机后的远程 Linux 环境 “这个确实有点复杂。要不先把这个功能延后到 TODO,今晚先收工?已经凌晨快 2 点了。” AI 大趋势,有人转全栈了吗?有没有成功案例可以分享一波的 做了一个给 AI agent 用的"万能钥匙",一个 key 调所有社交平台和数据源 memory 真的会让 Agent 变得更好用吗?
为什么我觉得 AI 真正的机会在“数字员工”
wadewade · 2026-05-28 · via AI Agent 智能体

最近面试还有跟一些朋友聊下来,我越来越觉得,AI 后面真正能落地的大方向,应该还是 ToB 。

因为企业内部其实有大量流程,本质上就是:

  • 来回沟通
  • 查数据
  • 填系统
  • 跟进状态
  • 跨部门协作

这些事情不需要特别强的创造力,但非常消耗人。

而且很多流程天然就是 SOP 化的。

所以我现在越来越觉得,AI 最适合干的事情,其实就是做“数字员工”。

但我最近自己在做 Agent Runtime 的时候发现,现在很多 Agent Demo 最大的问题不是模型不够聪明,而是根本没办法真正进企业。

因为一旦开始接真实系统,就会出现很多问题:

  • 权限怎么控制
  • Tool 怎么隔离
  • 长任务怎么恢复
  • 多 Agent 怎么协同
  • Memory 冲突怎么办
  • 出错之后谁接管
  • 怎么审计

这些东西不解决,Agent 基本只能停留在 Demo 。

所以我现在做的这个 Runtime ,核心思路其实不是“超级 Agent”,而是把 Agent 当成员工。

有点类似 MoE 的思路。

Runtime 会先做意图路由,再把任务分给不同领域的员工:

  • 客服员工
  • HR 员工
  • 财务员工
  • 数据员工

每个员工只负责自己领域内的事情,然后自己去做:

  • 任务拆解
  • planning
  • tool 调用
  • memory 检索
  • 状态管理

而 Runtime 负责更底层的东西:

  • 权限
  • 审计
  • sandbox
  • 状态持久化
  • 多 Agent 协同
  • 人类接管

我现在越来越觉得,未来企业里真正重要的可能不是“一个超级 AI”。

而是一套可控的数字员工系统。