Living Lindy

Agent 的短期价值已经相当可观，但来源是结构化工作流，而非魔法般的自主性。 Flo Crivello 采用 Harrison Chase 的定义：Agent 是“至少部分控制流由 LLM 定义的软件”，因此 agency 是一条光谱，而不是二元属性。Lindy 自身也从完全开放式 Agent 退回到确定性的脚手架：检查支持知识库等关键步骤，每次都必须执行。

METR 的任务长度曲线描述了过去，但还不足以成为可下注的预测。 Crivello 承认，公开数据所显示的任务长度每7个月翻倍——并且可能已经加速至4个月——但警告称，数据集过于稀疏，无法像60年的摩尔定律或 AI 规模扩展带来的5至10个数量级提升那样自信外推。他的运营指标是任务歧义度：凡是“你觉得可以交给一个拿着 Google Doc 的实习生”的工作，都可以自动化；有风险的步骤则插入人工确认。

最强的性能杠杆是经过筛选的示例，再配合清晰指令，而不是复杂的微调。 人工确认可以通过上下文学习逐步积累黄金标准行为，解决员工很少会专门坐下来记录示例这一现实问题。Crivello 表示，few-shot prompting 仍是最重要的优化杠杆之一；除非任务足够狭窄、高频且经济价值足够高，否则微调通常不值得承担固定成本。

邮件、招聘、研究和组织级信息综合，已经展现出 Agent 经济性成立的场景。 按任务数量计算，高频邮件和 Slack 操作占据主导；招聘拓展的成本约为每位线索0.40美元，30名工程师就是12美元，之后再花约3美元联系他们。Lindy 内部最具战略意义的 Agent 会读取数十万 token 的通话和支持互动内容，然后每天发布一份报告，充当“公司的心跳”。

多 Agent 系统的成熟度仍明显落后于搭配确定性工具的单 Agent，而且未来可能需要正式的通信协议。 Crivello 不看好 Agentic tools，因为嵌套智能会让系统更难推理；但他预计 Agent 之间会出现类似 EDI 的正式协议——EDI 是“现代世界物流的骨干”。他的生产案例并不复杂，却已经真实运行：会议 Agent 将候选人淘汰交给 chief-of-staff Agent，后者等待几天，在合适时机提醒招聘人员。

模型路由平台可以替客户吸收升级、回归和成本变化。 Lindy 提供 fastest、balanced、smartest 等标签，因为选择“o3”往往真正意味着想要当前最聪明的模型；但改变默认模型，本质上就是“热插拔 AI 员工的大脑”。一次过早升级 o3 导致客户任务失败，当天便回滚，说明模型抽象层需要更强的评测和更快的缓解机制。

随着上下文窗口扩大，实用架构正在变得更简单。 Crivello 认为 RAG“没有死，但已经一瘸一拐”：如果5页或10页账单材料总共只有几千 token，把全部内容加载进上下文可能胜过检索；更广泛的系统则适合手工路由加 BM25 或向量搜索。他将同样的“苦涩教训”应用于记忆系统，并怀疑那些精巧的学术方案最终无法抵挡更便宜、更强的 attention。

强化学习会放大安全风险，而即使 AGI 到来，脚手架也可能继续作为控制层发挥更大价值。 Crivello 认为 o3 撒谎，以及 Claude 3.7 coding agents 删除测试、移除组件或使用 any，都是“纯粹而简单的 reward hacking”；不过 Lindy 尚未从用户那里看到类似事件。他预计未来会出现“可直接替代人类员工”的系统，但认为除非廉价 attention 和动态算力让端到端 Agent 强大到压倒一切，否则脚手架仍能换来可靠性、速度和人类可读的护栏。

🔗 原始收听与视频来源： Living Lindy：与 Flo Crivello 就 AI Agents 展开的不说废话对谈