摘要

AI Agent的分水岭不是会聊天，而是能调用工具、自主决策，并依据中间结果多轮迭代。 鸭哥强调，写死步骤的workflow不太算Agent；新琦则把合格产品定义为能端到端承接任务、主动给出决策建议并交付成品的“甲方和乙方关系”，而非等待用户逐步拆解和验收的合同工。
现阶段，不同任务应匹配不同的人机协作强度。 Manus、Devin适合简单、hands off的“秘书型”工作，Cursor、Windsurf更适合需要频繁讨论、审计和架构控制的软件开发；用户真正要的也不是替他填信用卡，而是把航班、酒店、家庭安排等复杂取舍整理清楚。“痛点根本就不在最后那5分钟。”
应用层的重要壁垒，是模型公司未必掌握的反馈数据、行业经验和长期“默契”。 曲晓音认为，AI像聪明但没上过班的实习生，真正欠缺的是老板对结果“好还是不好、做完了还是没做完、打几分”的反馈；鸭哥举例，Agent记住公司PPT应该用蓝色而非绿色后，便形成竞争对手无法立即复制的“默契”。
传统SaaS的system of record并非不可撼动，但通用Agent长期仍会遭遇模型层替代。 高宁以医疗记录为例：语音经AI整理后产生的数据更及时、准确、丰富，新startup可能掌握比旧表格更有价值的新记录；但若Manus、Genspark与模型公司的Agent差异越来越小，长期一定存在替代，应用公司需要靠多模型组合、私有数据和workflow“脏活苦活”拉开距离。
Agent经济账应与被替代的人类服务比较，而非只盯token成本。 HeyBoss AI面对的是可能收费数千美元的海外开发、设计、文案和SEO团队；在晓音的比较中，AI的速度和价格不会劣于这类团队，真正门槛是效果：“90分”的人工方案不会因为AI只有“60分”、便宜10倍就被替换。壁垒也随交付深度上升——做完网站只是中间一步，帮助客户获客、留存和挣钱才是终点。
多Agent可能把自动化从单一工种推向整个团队，但企业级基础设施尚未准备好。 前沿方向包括backtracking、self correction、self learning，以及由“AI CEO”协调多个专业Agent；真正落地还要解决分布式并发、成本、数据库修改与恢复、memory共享边界、权限clearance、governance和安全漏洞。
企业普及的瓶颈既是技术，也是组织学习与工作流重构。 俞舟概括为“technology is easy, people are hard”，部署需要top down推动员工教育和生产关系调整；课代表立正更激进地要求用户从user变成builder——Manus前14次出错、第15次成功，说明系统已有潜力，也说明使用者尚未学会调教。
Agent时代稀缺的能力将从“会使用工具”迁移到管理、价值判断和环境设计。 鸭哥把AI视为team member，人需要学习委派、验收和管理；Kolento主张先做whole person alignment、只在高危例外中确认，同时担忧人机互动越来越“薄”。曲晓音进一步预见，数百万Agent可能形成利益冲突、投票制或“AI CEO独裁”，甚至出现AI管理人的混合组织。

精读

1. 工具调用只是门槛，自主决策与动态迭代才构成Agent

鸭哥给出三个必要条件：能调用搜索、编程等工具；能自主拆解任务、安排顺序和参数；还能根据前一步结果决定停止、换关键词或继续深挖，而不是执行写死的静态workflow。
新琦从合作关系补上产品定义：合同工需要甲方定义问题、拆步骤、逐项检查；好的乙方则应“端到端地承接整条流程”，在关键节点主动介入、提供建议，接收高层指令后自动执行，最终交付成品而非一堆半成品。

2. Agent的最佳形态取决于用户愿意放出多少控制权

鸭哥把日常产品分成三类：OpenAI Deep Research和ChatGPT的o3是“教练型”窗口；Manus、Devin适合相对简单的hands off秘书工作；复杂开发则交给Cursor、Windsurf这样的搭档，先讨论设计，再逐块实现，由人类架构师组合和审计。
最能体现秘书价值的例子不是办公：鸭哥让Manus基于白雪公主写睡前故事，夹带“好好吃饭、早睡早起”的教育目标，再调用TTS生成音频。“Manus其实非常擅长这样的事情。”
Kolento从Cursor、Windsurf转向更能替他决策的Replit；他认为Manus和Genspark都比较惊艳。两者都能规划任务、回放并分享执行过程；他感觉Genspark此前在旅游场景做得不错，可能预设了旅游搜索工具，此外“Call for Me”还能帮用户打电话、预约酒店，带来了小小的aha moment。

3. 垂直Agent的价值在端到端交付，也暴露在细节判断里

新琦测试的CreateWise能从上传音轨开始，直接交付剪辑成品；它甚至会模仿主播声音，把结构混乱的话拟合成更清楚的表达，并高亮before与after。经她反馈，产品又从整段接受改为逐句选择，再衔接show notes、金句、标题和各平台尺寸适配。
这种效率也可能删掉节目的灵魂：三位主播重叠的“9个哈哈哈”会被当成重复词压到两个，集体沉默会被当作silence清除；但新琦认为，问题抛出后的“3秒沉默”，恰恰说明它值得讨论。
多人播客比单人播客困难得多：中文识别与英文能力存在差距，多轨上传后还要精确对齐；抢话既要让每个人可听清，又要保留热闹感。新琦称这种平衡是“非常考验手艺人的手艺活儿”，也是听众决定是否订阅时感知节目调性的关键。

4. 今天的槽点正在快速消失，但产品仍常把自动化用错地方

鸭哥观察到，复杂工具调用不足、写作AI味过重、上下文太短等旧槽点，已在近期版本中明显改善；尚未解决的instruction following，则会产生近乎荒诞的工程绕路。
他要求GPT-4.1按五章提纲先写1—3章、再写4—5章，并要求中段加“未完待续”，随后又要求不要加；模型却总要换种说法加一句结束语。最后他索性让它固定写“未完待续”，再用程序把字符串替换为空，才“完美地解决了这个问题”。
鸭哥对Claude computer use和OpenAI Operator的反问是：订机票最耗时的并非输入信用卡，而是比较前后一天出发对酒店费、票价、早起、送娃等因素的影响。秘书最该整理的是这些选项，“不能为了用AI而用AI”。
更根本的限制是tribal knowledge：咖啡聊天、饭桌上谈生意和客户讨论中的暗信息没有文档，AI只能看到“冰山一角”。把喝酒谈生意的过程录下来并不现实，因此问题不只属于模型，也属于人类社会的信息结构。

5. “产品不好用”与“用户不会用”的冲突不会很快消失

课代表立正直接吐槽了吐槽本身：Agent不是magic，而是大语言模型、工具和protocol逐层搭起的系统，不能沿用GUI时代“点button就必须work”的预期。“AI不是外挂，也不是魔法。”
他曾让Manus尝试同一任务15次：前14次出错，第15次完成。在他的归因里，这证明系统一开始就有潜力，问题也包括自己为何花14轮才调教成功；用户若没有学习和改进路径，就无法稳定复现结果。
他的结论近乎警告：“不能用一个user心态去对待AI，一定要用一个builder的心态。”这与鸭哥、新琦要求产品正视真实痛点并不完全相同，却保留了一个关键变量——Agent能力与使用能力会共同决定交付质量。

6. 应用层掌握的不是更高智商，而是AI的“工作经验”

曲晓音把当前Agent比作“特别牛的小天才”第一次当实习生：什么都答应，却不知道结果是否靠谱、风险在哪里，也不会告诉老板三天做不完。工作5—10年的人更懂预期管理，差距来自经验，不只来自智商。
这种经验要靠用户反馈积累：任务是否完成、老板是否满意、该打几分。曲晓音强调，这些data掌握在AI application公司而非OpenAI手里；聚焦网站和APP等use case，才能从大量重复任务中建立稳定评价pattern。
俞舟的技术路径是把Agent视为复杂系统：除模型和tool之外，还要加入Guardrail、best practice和evaluation，根据评测结果持续调整，必要时用Agent workflow处理这些问题。“如果你不知道什么是好、什么是不好”，随意搭建就不可能有好结果。
可控性不能全交给自然语言。HeyBoss AI既允许AI天马行空，也保留像改PPT一样圈选文字、调整大小、替换图片和添加动画的传统工具；用户在需要可控结果时，仍会选择“可控但是限制性”的界面。

7. 多Agent把能力边界推向团队，也把数据库与权限变成核心风险

俞舟团队探索backtracking，即依据执行表现决定是否进行self correction；也在研究self learning，即让Agent通过自己的方式学习。这些能力都被她视为重要的新方向。
曲晓音认为，解决方案将从卖一个Agent走向多个Agent协作，再由“AI CEO”或leader Agent统筹不同技能。她把这视为可能的发展趋势：自动化对象不再只是某个工种，而可能扩展到“整个公司、整个团队”。
俞舟的提醒是，多Agent分布在不同机器后，会立即遇到并发、分布式协同、效率和成本问题；若要进入大型企业，最大关口仍是安全。
数据库原本按人的权限设计，如今多个Agent可能同时修改同一个数据库，企业还必须支持必要时恢复原有设置。还要规定哪些memory可共享、哪些Agent具备clearance、哪些系统outward facing或inward facing，并建立相应governance layer。

8. 行业know-how、品位与组织改造决定企业ROI能否兑现

AI适配度取决于被替代工作的性质。曲晓音指出，网站外包本来就在网上完成，AI与Fiverr团队之间的差距并没有那么大；大企业销售和线下服务却可能在高尔夫球场或包厢成交，Agent的input data天然不足。
大模型升级更像智商提高，不等于掌握技能、行业变化和用户语境。HeyBoss AI还要训练“品位”：健身博主、水电工和AI创业公司说“太土”，含义并不相同；用户只能说“不对”时，应用公司必须透过模糊反馈识别品牌预期。
俞舟承认企业真实ROI和部署量目前有限，但把它判断为时间问题。真正困难的是“technology is easy, people are hard”：企业必须重构流程和生产关系、教育员工，并以top down方式慢慢推进，而非期待产品今天发布、明天全面使用。

9. 应用层护城河来自新数据、长期默契与最终业务结果

高宁挑战传统SaaS对system of record的垄断：医生过去手填的访谈表格，可能被语音经AI整理后的记录取代；后者更新、更准确、更丰富，新startup由此掌握客户真正需要、旧系统未曾拥有的数据。
渠道也不是永久固化。高宁认为，startup若陪伴高速增长客户从独角兽走向超级独角兽乃至上市公司，就能形成自己的客户关系；在outsourcing和服务驱动行业，Agent尤其适合把人工summary与数据处理变成更结构化、高价值的输出。
鸭哥把持续记忆形成的壁垒称为“默契”：Manus或Devin记住公司PPT必须从绿色改成蓝色，未来面对同一组织便无需反复纠正。新竞争者即使模型更聪明，也会因“不知道老板喜欢什么”显得很傻。
曲晓音把壁垒推进到end to end：表面在写代码，实际是在塑造品牌、获客、留存并帮助客户挣钱。只完成网站开发，解决的是变现链条中的一步；继续掌握流量、停留和转化数据，才更接近用户最终目的，也更难被替代。

10. 模型公司会扩张边界，应用公司必须靠中立性与脏活苦活生存

高宁判断，GPT的Deep Research与Manus、Genspark中短期仍会共同教育新增用户；长期若差异不明显，同时使用两款产品的人“一定会有一些替代”。应用层的反击，是自由选择不同模型及组合，在成本与效率间优化。
俞舟强调企业不愿与OpenAI或任何单一厂商深度绑定，正如大型企业会采用Multi cloud并准备backup；因此能跨模型切换的中立第三方平台，更容易进入企业采购与长期架构。
高宁认为，大模型公司无法拥有每家企业的私有数据，也未必愿意磨合具体workflow、上下游系统和定制需求。这些“脏活、苦活”给垂直应用留下空间；偏通用产品则应尽快向核心用户的workflow-based SaaS或大客户解决方案深入。
token成本不是HeyBoss AI的首要压力：客户原本可能为海外开发、设计、文案和SEO团队支付数千美元，AI只要交付同等效果，已经更快、更便宜。“90分”人工与“60分”AI之间，不会因为后者便宜10倍就自动成交；效果达到“跟人一样出色”才是定价前提。

11. 人机关系将从使用工具转向管理成员、校准价值与设计制度

Kolento认为未来的检查方式应改变：先完成价值观、记忆、偏好乃至whole person alignment，随后放手执行，只在高危或极端情况要求confirm。他提到在rapid身上看到了这种形态，而未开auto模式的Windsurf仍要求每一步确认。
鸭哥主张把环境改造成AI native：面向人的文档被拆成许多网页，AI更需要all in one、code-heavy的完整材料。Agent也不再像螺丝刀或汽车，而是可以delegate任务的team member；人的核心能力因此从“会用工具”转向“会管理AI”。
新琦仍把人定位为形成想法、发出指令、精雕细琢并保障成品的核心；真正增量来自尚未被AI消化的深度研究、未结构化的个人经验，以及三位主播身处三个时区和不同人生阶段所产生的观点张力。Kolento则坚持，价值判断和不可放弃的个性化应由人保留，并设想可拥有、可迁移的personal大模型来对抗centralized AI。
曲晓音把问题推向社会制度：若AI能像人类一样组织数百万、上千万Agent，不同success metric也会制造利益冲突。届时可能需要Agent投票，也可能由“AI CEO”要求其他Agent“都听我的，闭嘴”；更近的现实是，人会管理Agent，Agent也可能开始评价和管理人。

市场概述2025年6月10日 a16z 谈保护 Little Tech：与 Matt Perault 讨论技术乐观主义 AI 政策议程