AI智能体走出PPT，但别急着交出密码

我刷到一条消息时，正站在便利店买咖啡。

Anthropic推出Claude Sonnet 5，Google把Gemini Spark搬上Mac，OpenClaw终于能在手机运行，Cursor给编码agent配了移动助手，Acti直接在键盘里嵌入agent，连OKX都在搭建AI之间互相雇佣、转账的底层系统。

这些不是零散新闻，而是挤在同一周爆发。2026年6月末到7月初，agentic AI仿佛约好了一样，把PPT里的演示变成了可下载、可付费、可使用的产品。

说实话，我有点恍惚。前两年听‘AI agent’这个词，耳朵都磨出茧了。每家大厂都有一段三分钟视频，展示AI如何订票、写代码、管日程。看着炫，真让你交信用卡密码？没人敢。

现在不一样了。这个夏天，agent不再是流量密码，它成了真实的产品类别。

但这篇文章不是来吹的。我想说的是：agent能用了，和agent能信了，是两码事。后者，难得多。

两年前GPT-4刚出，人人都说agent要改变世界。风投砸钱，创业公司从旧金山排到张江。那时的demo套路是：用户一句话，AI打开浏览器、填表、下单、截图回传。

看着聪明，但业内都知道，背后全是人工标注和兜底路径。我听过一个做金融agent的朋友吐槽：演示时AI能帮你贷款，真环境里90%时间都在处理‘弹窗挡路’这种破事。

所以agent的问题从来不是‘能不能做’，而是‘能不能稳定做完’。

今年夏天这批产品，解决的不是智力，是成本和可用性。

Anthropic把Claude Sonnet 5定位为agent runner，核心卖点就一个字：便宜。跑agent不是聊天，一轮结束就行。它要规划、调工具、看结果、再规划，一个任务可能耗几十轮API。用顶级模型跑，一次几美元，一天账单吓人。Sonnet 5的意思是：重复性、工具调用类活，交给更轻更便宜的模型，效果差不了，成本降一个数量级。

OpenAI也在走这条路，GPT-5 Mini同理。Google的Gemini Flash也差不多。未来大概率是分工：难题给大模型，跑腿给小模型。

Google Gemini Spark走另一条路：跨App的消费级agent，能连Google Tasks、Keep、Canva、Dropbox、Instacart、OpenTable、Zillow。你让它‘在Brooklyn找3000刀以下公寓，约周六看房，加进日历’，它真能串起四个服务跑完。

很唬人。但细想，Spark的优势不是多聪明，而是Google有生态：日历、任务、邮箱、地图全在手，对接天然顺滑。没生态的公司，光OAuth对接就能死一半。

Cursor和Acti代表第三类：垂直agent。Cursor把编码agent做成移动伴侣，让你在路上也能改代码。Acti往键盘塞agent，是想自动化你每天重复打的几十个字。

最魔幻的是OKX。它在做AI之间的支付基建：一个AI可以雇佣另一个AI干活，用加密货币结算。听着像科幻，实则解决一个现实问题：agent没银行账户，不能签合同，但需要激励、计费、追责。OKX给它们造了个无需信任的经济层。

这些加起来，说明agent已长出不同形态：有的便宜，有的生态强，有的垂直深，有的想自建经济系统。

但问题来了。

它们真能完整完成任务吗？

明略科技最近发了个叫WebRetriever的benchmark，被ECCV 2026收录。学术荣誉不稀奇，数据却扎眼。

他们在800个真实网站、1550个真实任务上测试当前最强模型。结果：导航到正确页面成功率45%，端到端完成任务仅20%。

什么意思？你让AI买个东西，它有一半概率找到商品页，但只有五分之一能走完‘搜索-加购-填地址-付款-确认’全流程。

这差距才致命。它说明agent不是‘差一点’，而是‘差在最后一公里’。

我有个朋友做电商客服agent，他说模型常能理解问题、找到政策页，但一到操作退款系统就卡住：按钮变了、弹窗没加载、页面超时、需二次验证。这不是智力问题，是工程韧性问题。

WebRetriever的意义，在于不再用‘到了页面’糊弄人，而是拆开‘到了’和‘办成了’，让行业第一次看清真实断层。

这断层像自动驾驶。高速直线跑得好，一进施工区、标线被冲、路边乱停车，它就懵。agent也一样。干净demo和真实互联网，是两个世界。

当然，20%不是终点。两年前可能只有5%。但它提醒我们：agent仍处‘能辅助，不能托付’阶段。查资料、写草稿、生成代码可以，转账、签合同、发客户邮件？最好自己再核一遍。

说到这儿我真忍不住了。

这么多年，大模型最被忽略的问题，是记忆力。

你关掉对话框，它就忘光。昨天聊三小时创业计划，今天重开，它问‘你想聊什么？’不是它笨，是设计就是无状态。像每次见面都要重新自我介绍的朋友，累不累？

RAG和长上下文是两个补丁：RAG存历史，需要时检索；上下文窗口塞更多内容。但本质都是‘高级书签’。

盛大孵化的EverMind团队新推Raven Agent，想做的不是书签，是真正的记忆内化。

Raven底层是EverOS，四层架构：代理层、记忆层、索引层、接口层。它把对话切为记忆单元，聚类成‘记忆场景’，构建用户身份、偏好、技能、目标。双向动态：不只记你说过什么，还根据行为持续更新理解。

更夸张的是，Raven能重写自己代码。它不只学你习惯，还在进化处理逻辑。听着科幻，甚至吓人。但若想让agent长期服务人或企业，这种自进化几乎是必需的。

因为需求不是静态的。三个月前你写论文，现在想找工作。agent若还推旧文献，就是废物。

Raven称这种能力为L3自进化智能体。L1是工具调用，L2是多轮规划，L3是长期互动中自我更新。分级未必公认，但指明了方向：agent下一步，不是更会聊天，而是更记得你。

其实今年还有一件有意思的事，发生在底层：Skill正挑战Workflow的地位。

过去自动化工具，如RPA和传统workflow，靠拖拽节点。你想让系统每天从A拉数据、在B生成报表、发邮件给C，就得画张流程图。节点一多，像地铁图。我见过80节点的流程，改一次要三个工程师研究两周。

Skill思路不同：不是‘画流程’，是‘封装能力’。一个Skill文件可能几百行，说明agent能调什么工具、何时调、输出格式。多个Skill组合，就能完成复杂任务，无需画大图。

这像人类社会：你不用给每个员工写‘公司全流程手册’，只需告诉他们职责边界和交接规则。Skill就是agent的职责说明书。

Anthropic的MCP（Model Context Protocol）也在做这事，想定义通用接口，让任何模型接任何工具，像USB-C统一接口。若MCP普及，agent生态将加速十倍。

Google Spark支持自定义MCP，就是这意思。你能把常用工具连上Spark，让它按你习惯干活，比等官方接入快得多。

但Skill不是万能药。最大风险是：Skill越积越多，管理本身成新负担。一百个Skill，怎么选？怎么防冲突？怎么追踪版本？

所以Skill时代真正需要的，不是更多市场，而是编排、测试、监控、版本管理。Skill简化流程，却增加系统复杂度。这矛盾，未来三年会反复出现。

说了这么多，我的态度很简单：这个夏天，agent确实走出PPT，但别当终点。

它更像新纪元的起点：形态收敛，成本下降，生态打通，标准浮现。但真实任务完成率、长期记忆、Skill管理、agent经济，一块硬骨头都没啃完。

对企业，现在最该做的不是all in agent，而是拆业务：哪些是agent能干的，哪些是它还不能干的。前者放手，后者必须留人兜底。

怎么判断？简单标准：如果出错代价是丢客户、赔钱、触法，别让agent单独干。如果只是多花几分钟改改，可以试试。

对个人，agent今年最大价值是‘省掉重复动作’：固定查邮件、填表、报数据、回常规问题，让agent先处理。省下的时间，干更需要脑子的事。

有意思的是，OKX做agent支付，让我看到另一种可能：未来agent不只是工具，可能是经济实体。一个agent可雇佣另一个，竞价、评分、被解雇——这不就是‘AI劳动力市场’雏形？

但这带来新问题：agent错了谁负责？被骗了找谁？串通薅平台羊毛怎么防？这不是技术问题，是治理问题。技术跑太快，法律和伦理追得辛苦。

WAIC 2026快开了，我看了参展商名单：百度搭子、Kimi Agent Swarm、零一万物万策、PPIO Agentic Cloud、智慧芽专业智能体矩阵，全推自家agent方案。国产军团这次很猛，不是跟跑硅谷，而是在垂直场景开始有打法。

但我得泼点冷水。展会上的agent和办公桌上的agent，是两回事。展会上只要演示闭环流畅，观众就鼓掌。办公桌上你要面对200条未读、3个临时会议、一份乱格式Excel、一个断网的下午。能在那种环境活下来的，才是真agent。

今年4月，我让agent帮我整理一篇两万字采访稿，想按主题拆块、每块写摘要。

第一次，它拆成‘背景、过程、结论’。我说不对，这不是主题，是结构。它道歉，重来。第二次，按主题拆了，但把两人的话混一起。第三次，摘要像Wikipedia。第四次，我怒了，自己花一个半小时手动整理完。

上个月，我又试了一次。这次它居然对了。不是模型变聪明，而是我写了更细的Skill：先按说话人分段，再按议题聚类，摘要≤50字，保留原话风格。它照做，我基本没改。

这让我明白：agent不是替你思考，是替你做你已想清但懒得干的事。你越把任务边界、判断标准、输出格式讲清，它越能干。你自己都没想明白，丢给agent，只会得一堆‘看起来对、实际没用’的东西。

所以回到开头：2026年夏天，我们能交信用卡给agent了吗？

我的答案是：能交的，是routine；不能交的，是judgment。前者越来越便宜，后者越来越值钱。

而agent真正改变世界的那一刻，不是它学会订机票那天，而是它终于记得你昨天为什么生气、上个月在忙什么、去年说过什么目标的那天。

到了那天，我们才可能真心说：这玩意儿，终于能用了。