最近这段时间，我一直在做 Agent Runtime 。
然后越做越发现一个问题。
现在很多 Agent Demo ，看起来真的很猛。
会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。
但问题是。
这些东西很多时候只适合 Demo 。
一旦真的开始接企业里的系统，问题马上就开始出现。
比如：
一个长任务执行 20 分钟之后，上下文乱了怎么办？
多个 Agent 同时修改状态，memory 冲突怎么办？
AI 调错 Tool 了怎么办？
任务执行到一半挂了，怎么恢复？
企业里的权限怎么隔离？
出了问题之后，怎么审计？
这些问题其实都不是 Prompt 能解决的。
甚至很多都已经不是“大模型问题”。
而是 Runtime 问题。
我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。
因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像：
- 分布式系统
- 状态机
- 调度系统
- 工作流引擎
- 权限系统
而不是 Prompt Engineering 。
所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。
反而是：
怎么让 Agent 不失控。
现在我的思路有点像：
Runtime 负责管理。
Agent 负责干活。
用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。
每个员工只负责自己领域内的事情。
然后 Runtime 去解决：
- 权限
- memory
- 调度
- sandbox
- 状态恢复
- 多 Agent 协同
- Human-in-the-loop
这些问题。
我现在甚至有一种感觉。
未来企业真正需要的，可能根本不是一个“超级 Agent”。
而是一套稳定的数字员工系统。
而真正难的部分，也不是模型。
而是 Runtime 。
1
Select Language