昨天晚上，我在 AI Notepad 里写完一篇技术笔记，点了一下「📢 发布」，3 秒后拿到一个 URL：https://hugozhu.site/notes/p/bbzH9XEA。
我把链接丢到钉钉群里。10 分钟后，同事在页面上选中一段话，点「📝 批注」写了句：「这里是不是可以加个 error handling 的例子？」这条批注没有变成一条消息淹没在群聊里——它被存进了数据库，等我对悟空说「看看读者怎么说的」，AI 就把所有批注拉出来，当作下一轮优化的上下文。
这不是一个笔记应用的 feature。这是一种新的协作范式： Agent 产物即应用，分享协作即对话。
上个月有人问我一个问题：「我已经有 LLM-as-Judge 做 eval 了，能不能用它来自动优化 Agent 的执行路径？在不降质量的前提下，找到最省钱的轨迹，然后让 Agent 记住？」
这个问题的答案值得展开。答案是能，而且这可能是当前 Agent 优化里最值得投入的方向。但大多数团队理解错了「优化」的对象。
2026 年，深圳的 OPC（一人公司）政策让无数人跃跃欲试。一个有跨境电商经验的运营，配上 Claude Code + Cowork + 几个 AI Agent，就能在两周内搭起一套独立站、自动生成多语言详情页、定时跑竞品分析、自动联系 TikTok 达人。总投入不到 2 万块人民币。
这听起来是梦想照进现实。但亿邦动力最近的一篇调研揭示了一个残酷的侧面：不少跨境卖家用 AI 工具组合自建了工作流，觉得可以替代传统服务商，结果发现「企业是不允许出错的」——AI 在单点任务上表现惊艳，但在需要稳定执行的长链路中，结果波动、环境依赖、交互异常等问题层出不穷。更关键的是： 这些工具解决了执行效率问题，但没有解决方向判断问题。
Anthropic 在今年 5 月发布的一份 34 页创业手册里，有一句判断我反复回味：
上周，两个行业信号先后落地，放在一起看，指向同一个结论。
3 月，Anthropic 宣布投入 1 亿美元建设 Claude Partner Network——不是发更多 API，而是建咨询伙伴体系、认证体系、co-selling 机制。Accenture 培训 30,000 人，Cognizant 覆盖 350,000 员工。这不是技术发布，是交付渠道建设。
5 月，Microsoft 在 Build 2026 把 Agent Governance 做成核心方向——ASSERT 开源评估框架、Agent Control Specification（ACS）开放标准、Agent 365、Foundry Observability。把 Agent 的评估、控制、审计和治理全部产品化。
大多数人还在讨论「谁的模型更强」「谁的 Agent demo 更酷」。但竞争已经换赛道了。
AI 时代企业 IT 变革的主要方向，是把业务流程优化成由 AI 来驱动，减少原有流程中人力的投入。但上个月，一个做企业数字化的朋友跟我说：他们花了大半年把内部流程都接上了 AI，看起来每个环节都有 AI 参与，人力成本却几乎没降。员工还是在填表、还是在审批、还是在做报表，AI 只是在旁边多了一个「建议」按钮。
我问他：你们到底是在让 AI 帮忙做，还是让 AI 来做？
这两件事有本质区别。前者是给现有流程加一个 AI 助手，人的角色不变，AI 只是辅助。后者是围绕 AI 重新设计流程，让 AI 成为主执行者，人从执行者变成审核者和判断者。
老周是我们团队最资深的售前。上个月给华东一家汽配连锁分销商做方案，他熬了三个通宵，产出一份 80 页的 PPT —— 行业洞察、痛点拆解、架构图、ROI 测算、三个同行的成功案例，一应俱全。客户的财务总监当场说：「这是我见过最懂我们的方案。」单子签了。
四个月后，这个客户在续约评估里打了低分。原因不是产品不好，而是交付团队上线的对账流程，跟老周方案里承诺的「月结 T+1 出报告」对不上 —— 交付的同事根本没看过那份 PPT，他们手里只有一个工单：「给客户 A 部署对账 Agent」。老周写进方案的服务标准，卡在了销售和交付之间那道看不见的缝里。
而那份被财务总监称赞过的 80 页方案，此刻正安静地躺在某个钉盘文件夹里，再没有人打开过。
先讲一个我听来的真实教训。一位在某物流巨头做过数字化的朋友跟我说，他们曾经丢过一个大客户：销售签单时承诺了某条线路的时效和异常赔付标准，白纸黑字写在合同附件里。但这套承诺从来没有进过运营和售后的系统 —— 交付团队按通用 SOP 派单，时效标准对不上，出了几次异常也没按销售承诺的标准赔。三个月后客户怒而解约。产品没问题，销售没说谎，交付也尽力了，单子却死在了三者之间那道没人负责的缝里。
这不是个案。 销售到交付的断点，是企业里最贵、又最没人负责的一种成本 —— 它不在销售的 KPI 里（单子签了），不在交付的 KPI 里（工单做了），它只在客户续约时，以丢单的形式一次性结算。
接着 上一篇 那个汽配分销的单子讲。老周把解决方案对象建好了，带着新来的销售小林去客户现场做方案讲解，全程用钉钉A1做了录音。
回来当晚，AI 质检系统出了报告： 92 分，评级「优秀」。语速适中、没有冷场、把产品功能讲全了、合规零踩线。小林挺高兴。
但老周听完那段录音，心里一沉。小林为了拿下单子，当着财务总监的面把对账准确率从方案对象里写的 99.5% 顺口加码成了「我们能做到 99.9%」；而最该讲透的那个竞对差异 —— 「我们让 AI 适应你现成的钉钉协同，而不是逼门店改流程去适应 ERP」—— 被他一句带过，财务总监根本没接住。
92 分的拜访，讲偏了。而质检系统对此一无所知。
上个月，我发现一个跑了 3 周的定时任务每天都在用 Claude Sonnet 4 做一件极其简单的事——搜索两条关键词、整理成表格、发给我。每次消耗约 8000 token，成本 $0.12。换成 GPT-4o-mini，同样的任务 2000 token 就够，成本 $0.003。
3 周 × 每天 $0.12 = $2.52。换成 mini 只要 $0.06。
这不是模型的问题，也不是调度器的问题——是 调度器和模型选择之间缺了一层。你的 cron 系统知道什么时候该跑这个任务，但完全不知道该用什么模型、多少推理深度来跑。
上周五下午 4 点，一个管着 30 人销售团队的区域总监在钉钉里对悟空说了一句话：
「帮我把本周所有客户的跟进记录整理成表格，标记哪些超过 3 天没回访的，然后给对应的销售发个提醒。」
她没有写一行代码。她甚至不知道什么是 API。但 30 秒后，一张 AI 表格建好了，12 条超时记录标红了，12 条 DING 消息已经发到了对应销售的手机上。
这不是 demo，是她每天的工作方式。
