摘要

通用 Agent 正从理论探索迈向商业实践，它们像不知疲倦的 “全能实习生”，能自动执行任务、拆解需求并输出多样成果。但在专业数据获取、复杂数据处理和深度专业理解上仍有局限。未来，企业将围绕 “人类与 Agent 混合团队” 重塑组织架构，员工需转型为 “Agent boss”，通过 “工作架构（Work Chart）” 实现高效协作与价值创造。

一、背景与动因

自2024年以来，我在自身团队和客户项目中，陆续搭建并验证了多种基于大型语言模型（LLM）的场景化 Agent，已经实现了实实在在的经济效益。最近体验了两款代表性的通用 Agent 产品——扣子空间与ChatGPT 的 Deep Research模块。通过对比它们与传统定制化 Agent 的不同，深感惊艳：这种“随叫随到的文科实习生”式工作方式，印证了微软在《2025: The Year the Frontier Firm Is Born》报告中的前瞻性判断。

二、通用 Agent 概念与运行模式

1. Agent 定义精要

Anthropic
在《Building effective agents》中定义：Agent 是能够让大型语言模型（LLM）动态规划自身流程、自主调用工具，以完成任务的系统。
微软
在《2025: The Year the Frontier Firm Is Born》中定义：Agent 是具备推理、规划和行动能力的人工智能系统，能够自主完成任务或工作流，并在关键节点接受人类监督。
扣子空间
：扣子空间是你和 AI Agent 协同办公的最佳场所。在扣子空间里，精通各项技能的「通用实习生」，各行各业的「领域专家」，任你选择。把任务交给扣子空间，把时间还给你自己。

2. Agent 运行模式

综合来看，Agent 能基于目标自主感知、拆解任务并行动，通用 Agent 则可适配多种场景与工作流。其典型运行链路为：人类 → LLM → 外部环境/工具。

三、使用体验：优势与局限

优势

全程自动化调度：如扣子空间所言：“把任务交给扣子空间，把时间还给自己”。只需提交提示词，即可自动完成任务。
动态需求拆解与确认：Agent 不盲目执行初始提示，而是先细致拆解、补充需求。比如 Deep Research 会在生成研究报告前，追问具体细节。
实时介入与纠偏：任务中途可查看执行进度，若跑偏，可即时输入新提示词进行调整。
多样化输出格式：支持 Markdown、网页、PPT、图文混合等，无缝衔接后续展示或发布需求。参考链接：https://chatgpt.com/s/dr_680da5b5b90881918b124e93a244b6d7
科普与常见领域覆盖度高：对刚接触的行业或领域，能迅速产出逻辑清晰的入门报告。例如可持续航空燃油报告。链接：https://space.coze.cn/s/tL8kce_F3WI/

局限

耗时长：一般需要30分钟才能产出结果。
专业数据来源有限：如分析中国主机厂财务数据时，常因缺乏准确数据而失败，需人工补充。链接：https://space.coze.cn/s/OvLgH6_oE0k/
复杂数据处理能力不足：无法完成精细化图表、深度计算与可视化，仍需人工二次加工。
深度专业理解偏差：在高度专业或极端场景下，可能产生语义或常识性错误，需专家复核。
多工具平台（MCP）稳定性待改善：调用高德地图、墨迹天气等插件时偶有接口异常，影响连续体验

四、对组织发展的启示

结合个人实践和微软《2025》报告，未来的组织将围绕 “人类与 Agent 协同”，对架构和角色进行全面重塑。

1. 前沿公司（Frontier Firm）的出现

前沿公司以按需智能为核心架构，由 “人类 + Agent” 混合团队驱动。这类公司能够快速扩张、灵活运营，更高效地创造价值，目前已经有少数组织符合这一特征。

2. 新角色：Agent 经理（Agent Boss）

从企业 CEO 到基层实习生，每个人都可以组建、指挥和管理 Agent 团队。掌握 “Agent 管理” 技能，将成为未来职场的必备能力。

3. 组织架构：从组织结构图（Org Chart）到工作架构图（Work Chart）

工作架构图（Work Chart）
在 Agent 的助力下，一种全新的组织模式出现了。工作架构图以目标为导向，团队围绕具体目标动态组建，打破传统职能部门的界限。Agent 拓展了员工的工作范围，让团队协作更高效、更有成效。
智能资源部门（Intelligence Resources）
部分企业可能会整合人力资源和信息技术部门，专门负责优化人类与数字劳动力的协作平衡。
新考核指标
人机比（Human-Agent Ratio）成为衡量团队效率的重要指标，用于优化人类监督与 Agent 执行效率之间的平衡。

五、结语

当下，多数企业仍处于“点状”、“零散”使用 AI 阶段，面临“工作量大、产出要求高”的双重压力。通用 Agent 已展现出“可即刻赋能、落地成本低”的潜力。个人应从“AI使用者”向“Agent Boss”转型，学会构建与管理 Agent 团队；组织也需积极搭建智能资源部门，推动从 Org Chart 到 Work Chart 的演进，拥抱前沿公司的新机遇。