Linkloud 引言
本期 Linkloud 联合 Google Cloud、Kolect 举办的第 42 期北京线下沙龙，邀请了 Zero 创始人 Ethan Zhang、神策数据创始人兼 CEO 桑文锋，以及 LobeHub 的 Max。
大模型厂商亲自下场布局 Agent 功能，给创业团队带来显著压力。当底层框架注定被大厂覆盖时，Agent 应用层的护城河究竟何在？三位处于行业前沿的创业者给出了反直觉的答案：Agent 的最大瓶颈并非模型智商，而是人类自身。
无论是算清 Token 与接管率的经济账，还是构建"Agent 运行 Agent"的自动化闭环，核心都在于将人类从垂直工作流的中间环节剔除，最终沉淀出大厂无法轻易复制的企业私有世界模型。
01. 放弃做框架：大厂火力下没有护城河
对于 Agent 应用层团队而言，试图在底层框架和长程任务上建立护城河既危险又徒劳。
认清大厂意图：你做的垂直方向，正是他们要的数据轨迹
当 Claude 或 OpenAI 推出新功能时，Agent 团队的恐慌感源于真实的降维打击。LobeHub 的 Max 指出，基础模型公司下场做类似 Codex 产品的动机单纯且明确：增强模型在垂直方向的能力。大厂通过自建交互环境吸引开发者，获取海量真实用户轨迹数据，其效率远超购买静态数据。
若创业方向恰好是模型未来要增强的垂直领域，便处于模型迭代的火力覆盖范围内。
凭借庞大的算力与资源厚度，大厂在此类竞争中具备压倒性优势。
不做底层轮子，只做开箱即用
面对碾压式优势，创业公司需采取务实策略。Zero 创始人 Ethan Zhang 的团队果断放弃自研 Agent Framework，直接调用 Claude Code 或 Codex 等成熟基础设施，随大厂升级而原地迭代。既然无法在模型能力和框架厚度上抗衡，便将精力集中于提供稳定、开箱即用的交互界面。
小团队的短期优势在于贴近客户。在小型团队中，可为每位注册客户提供一对一沟通，精准挖掘场景痛点，这是庞大组织架构下的大厂难以做到的精细服务。
然而，贴近客户仅是敲门砖。既然底层框架无壁垒，垂直 Agent 如何在真实业务中胜出？答案藏在一笔精细的经济账里。
02. 垂直 Agent 怎么赢？先算平这笔经济账
许多企业误以为只需拼接通用大模型与 API 即可实现自动化。神策数据的实践证明，在真实创造性业务流中，粗放做法行不通。垂直 Agent 若要胜出，必须打平三把决定商业生死的经济标尺。
标尺一：交付结果，用 AI Token 替代人脑 Token
第一把标尺是任务完成度，决定交付的是工具还是确定结果。神策数据桑文锋指出，OA、ERP 等系统易自动化，因其本质是"Yes or No"的审批留痕；而“增长”涉及人群分析、标签构建等创造性决策，过去依赖人脑。如今，Agent 能用 AI Token 替代人脑 Token，承接创造性重体力活。例如，系统可不知疲倦地分析成百上千个录屏，结合埋点数据定位卡点，并直接生成改版代码。
标尺二：压缩单次消耗，算平真实业务的边际成本
第二把标尺是 Token 消耗量。未经优化的通用 Agent 在处理复杂任务时缺乏上下文管理，单次提问成本高昂；而经过深度工程优化的垂直 Agent，同等任务成本可压缩至极低。只有将边际成本压缩到极致，大规模自动化决策在商业上才具合理性。
标尺三：压缩接管率，拒绝打断式协作
任务完成度、Token 消耗量、人工接管次数中，人工接管次数最为关键。如同自动驾驶，频繁的人工确认将导致效率失效。
许多所谓自动化的工作流仍需人类频繁确认，这种打断式协作背离了引入 Agent 的初衷。在 UXAgent 的闭环设计中，系统自动生成模拟数字人评价方案并持续迭代，仅在最终调用 API 正式上线时需人工确认。当人工接管次数被极度压缩，Agent 工作模式迎来核心质变。
03. Agent 最大的瓶颈，其实是人类自己
人类的肉身反应速度，正在拖慢 AI
LobeHub 的实践发现，限制 AI 发展的短板并非大模型推理能力，而是人类的生理极限。人类需要休息，导致 Agent 在遇到决策分叉时必须等待人类确认，从而将 AI 的高运算速度拉低至人类反应速度。
这也是 LobeHub 将产品重心从 ChatBot 转向 CAO（Chief Agent Operator，首席 Agent 运营官）的原因。CAO 的核心理念是打破“人发指令、机器干活”的单线模式，转为让 Agent 管理和运行其他 Agent（Loop Engineering）。人类仅需设定目标与边界，中间的执行、调度、沟通及自我修复全由 Agent 自主完成。
真正决定组织进化速度的，是能否将复杂业务交给无人干预的 Loop 自行运转。
真正的 Workspace，核心是管好“上下文流转”
Max 认为，未来 Agent 产品形态将分化为三个方向：
- 继续充当秘书，辅助人与人更好地沟通协作；
- 提供情绪价值，让用户体验掌控数百个 Agent 的感觉；
- 最硬核的方向：彻底将人类解放出工作流，实现 Agent 间的无缝协作。
实现全自动闭环对底层协作设施要求极高。真正的 Workspace 核心在于：如何管理不同 Agent 共享的记忆？以何种标准验收交付物？以及如何确保产出在不同 Loop 间低损耗流转？
04. 真正的护城河，是大厂拿不走的企业模型
通往 AGI 的路径绝非简单接入 API 或采购软件账号。当前市场存在巨大的认知差异。
极客在玩多开，小商户还在愁做海报
Ethan Zhang 观察到硅谷的魔幻对比：顶尖极客可同时接入多个 Agent 实时辅助编码查资料；而广大下沉市场的中小商户仍在使用原始软件制作海报。应用层的真正价值，在于填平这道鸿沟。
大模型的通用能力再强，也无法触达企业的私有数据和独特业务基因。万能模型不知晓企业历史决策逻辑、客户特殊偏好及团队内部默契。
底座升级：从数据平台走向专属世界模型
神策数据面对大厂冲击的底气，源于其极度完整的私有数据源，涵盖埋点数据、Session replay、Shopify 业务 API 及广告投放数据等。基于此，神策正将 CDP（客户数据平台）升级为客户专属的 Customer World Model（客户世界模型）。既然大模型无法管理私有知识，企业必须利用自有数据培育专属的世界模型。
自由度终将收敛，Skill 与 Context 才是壁垒
Max 和 Ethan Zhang 在实战中发现，无论 AI-native 团队还是传统公司，初期往往给予 Agent 极高自由度，但因幻觉和错误问题，自由度最终会收敛至 50% 左右。
在试错与妥协过程中，真正沉淀下来的是 Skill。作为结构化代码，这些在 Workspace 中形成的底层能力及调用规则，构成了大厂无法抢走的微小但坚实的壁垒。
end
