AI agents 的崛起：CrewAI 的 João Moura

摘要

• CrewAI押注，企业价值最终会沉淀在控制平面，而不只是构建 agent 的框架上。 Moura预计，3年内企业将运营“数千个、甚至数十万个”agent，由此催生对规划、构建、部署、监控、集成、身份认证和访问控制的需求。否则，这些 agent 最终会变成数千套彼此割裂的遗留代码库，而不是可管理的企业资产。

• 应用会从低精度、人工复核的工作起步，再逐步向更多决策环节扩展。 目前的应用横跨销售、营销、后台流程、编码、IRS表格、媒体剪辑和运行时定价。Moura定义未来价值的公式是“任务复杂度×自主性”，但“我们还没进入最上面的四分位”，关键流程目前仍无法脱离人工盯控运行。

• 高管支持、技术负责人和明确痛点，是区分靠谱企业买家与 agent 观光客的关键。 如果一家公司来问 CrewAI“应该自动化什么”，通常是弱信号；成功客户往往清楚自己想改造哪项流程，也有工程师能够打通内部系统。一些财富500强客户已经从简单工作流推进到让 agent 在监控竞争对手的同时调整市场价格。

• 规模正在加速，但 CrewAI通过专业化来约束复杂工作，而不是放任无限自主。 Moura称，仅1月就超过5000万个 agent，并介绍了一个由21个 agent 组成的团队：金融、品牌、定位和营销分别由专门 agent 负责，最终产出数十页的竞争情报报告。但面对一份约60页、背后配有720页手册的 IRS 表格，代码会先把问题逐个隔离，再由 agent 逐题研究和作答。

• agent 经济正在同时冲击软件定价和模型经济学。 当一个高生产率 agent 足以取代一个人类席位时，按席位收费的 SaaS 模式就会变得尴尬；不过Moura预计，面向 agent 优化的端点会比很多人想象得更晚出现，因为让 agent 学会使用现有的人类界面，就能“解锁整个互联网”。与此同时，o1和o3能力很强，但在 agent 工作负载中尚未大规模起量：构建者偏好的是只要能完成任务、就尽可能便宜且快速的模型，包括 GPT-4o mini。

• 开源模型具备战略势能，但目前 CrewAI 的大部分工作负载仍由闭源模型承担。 受监管的金融和保险客户越来越倾向于在“气密容器”中自行部署模型；R1在美国的采用情况释放出混合信号，但进一步强化了Moura对开源模型继续推进的信心。他预计，微调将重新升温，更小的模型可能在 agent 工作负载上胜过今天的700亿参数模型。

• 短期劳动力影响更像组织杠杆，而不是全面替代。 Moura设想，团队可能从4个人做重复性工作，变成1个人监督 agent、另外3个人转向其他岗位；未来几年内，agent 参与决策的程度可能进一步提高。他给出的谨慎建议是学习使用这些工具：这可能不够，也可能足够，但从统计上看，至少会改善个人处境。

精读

上游暂未提供，后续同步将继续补齐。