planning像教科书，执行直接跪了

---

最近好几个朋友都在问我同一个问题：AI agent到底创新在哪儿？

我一般先不讲理论，直接说上个月的翻车现场。

当时接了个agent框架做数据分析，看它planning阶段的输出，那叫一个漂亮——逻辑环环相扣，步骤拆得明明白白，推理过程自洽得像教科书。我心里想，稳了。

然后执行环节直接跪了。

调一个API超时，它停了。不是优雅降级，不是换个策略重试，是直接停了。报错信息模糊得让人想砸键盘。我盯着日志看了整整20分钟，突然意识到一个很根本的问题——模型不会为超时负责，不会为系统失败买单，更不会因为用户体验崩了感到任何压力。

这事儿细想挺可怕的。

人类做复杂决策的时候，思考天然带着时间、成本和后果的约束。你知道拖太久老板会催，知道方案太贵会被毙，知道搞砸了要背锅。模型没有这些。它的思考是真空里的思考，漂亮但无责。

去年跟一个做task bot的老兵喝酒，他聊起他们团队的经历。刚开始对agent兴奋得不行，觉得这玩意儿比传统task bot聪明太多了，简直是降维打击。但真跑进生产环境之后，整个团队开始产生一种强烈的不适感。

他原话是这么说的："task bot你至少知道它什么时候会出错，agent出错的方式每次都让你意想不到。"

这话绝了。

agent的planning阶段真正让人痛苦的，从来不只是"慢"。而是你在为一种看起来很高级的思考过程，持续支付GPU、延时和系统复杂度的代价。当tool数量开始增加——讲真，模型实际上已经从决策问题退化成了搜索问题。一旦进入搜索空间，turbo系列模型的准确率就会迅速下降。为了兜住结果质量，你不得不切到更大的旗舰模型。而当旗舰模型成为常态选择，agent的thinking就从"智能加成"直接变成了系统瓶颈。

说白了，agent并没有替代原有的task bot思路，而是把原来由人类承担的设计决策，转移成了概率性的模型思考。

学术上这是进步。

工程上这是赤裸裸的风险暴露。

还有个事儿，reflection这个东西。

常常被描述成agent的"自我修正能力"，听着特别高级对吧？但在真实系统里，它更像一个不知道什么时候该停下来的内耗机制。我测试过一个场景，让agent写数据分析报告。第一次写得其实已经可以用了——真的可以用了——但它自己觉得不够好，开始reflection。改了一版，又reflection，再改。来来回回搞了四轮，token烧了两倍多，延时堆到用户根本等不了的程度。

最终结果跟第一版比，说实话，区别不大。

你品。

模型并不知道什么叫"已经足够好"，也无法判断某个误差在业务上是否可以接受。于是reflection很容易演变成不断自我质疑和自我修正的死循环。它不为成本负责，不为延时负责，不为用户体验负责。这种无责任的思考，暴露了一个很少被直接点破的问题——我们到底在为什么买单？

但如果你问我agent到底有多大创新，我的答案会有点矛盾。

从技术参数的角度看，创新似乎没那么大。大模型还是那些大模型，推理能力还是那些推理能力，工具调用也不是新概念。但从交互范式的角度看——这可能是近二十年来人机交互领域最大的一次范式转移。

过去三十年，人机交互的基本模式是"人找工具"。你想写文档，打开Word。想查数据，打开Excel。软件安静地躺在那里，等你去找它。agent把这套逻辑反转了：工具开始主动找你。

不是你去打开日历软件，是agent发现你明天有个重要会议，主动把背景资料推给你。不是你去打开备忘录，是agent感知到你刚结束一场讨论，主动问"需要我生成会议纪要吗"。这种"工具找人"的范式，改变的不仅是效率，更是注意力分配的方式。用户从"管理工具"中解放出来，把认知资源集中在真正重要的事情上。

更深一层的变化：从"操作"到"委托"。

传统软件是操作型的，你告诉它每一步怎么做。agent是委托型的，你告诉它"我想要什么结果"，它自己规划路径、调用工具、处理异常、交付成果。如果让我用一个词概括agent的核心创新，我会选"主动性"。

传统AI是被动响应的：你问，它答。你不问，它不存在。agent的智能体现在"对不对的时机出现"。它感知上下文、判断时机、主动推送、预判需求。这种主动性的技术基础不是更强大的模型——讲真，模型能力就那样——而是事件驱动的架构设计。时间事件、消息事件、文档事件、数据事件，让agent在合适的时机自己跳出来。

挺有意思的。

但回到工程现实，挑战依然巨大。Gartner预测，到2027年，40%的AI agent项目会因ROI不达预期被叫停。长链条任务中，LLM幻觉问题会被逐级放大。46%的企业对数据安全表示担忧。老旧系统缺乏API接口，强行改造的成本往往超出预期。

我自己的经验是，agent项目最容易死在"过度设计"上。团队一上来就想做个全能agent，什么都能干、什么都能自主决策。结果planning链路越做越长，tool越来越多，准确率越来越低，成本越来越高。正确的做法——不对，应该叫现实的做法——是先选"高频、高价值、边界清晰"的场景切入。在支付、删除、发布等关键节点引入人在回路。建立可追溯、可审计的治理体系。

优先建设高质量知识库，这个事儿比很多人想象的重要得多。真的。

agent的创新，我觉得不在于它现在比task bot强多少，而在于它第一次把"思考本身"变成了工程对象。这是真正的范式转移。但范式转移不意味着立刻好用。我们正处在一个开发范式迁移的阵痛期——旧的方法论不适用了，新的方法论还没完全建立起来。

如果你最近做agent项目做得有点难受，其实并不奇怪。

大家都一样。

大概明年这个时候，情况会好一些吧。也可能更糟。

谁知道呢。