关键观点
真正的难点是把操作知识转成可安全执行的流程
演讲者一开始就刻意跳过“loop agent 介绍”,把焦点放在生产环境真正棘手的问题上:混乱、分散、依赖经验的运营知识如何被 agent 安全执行。这里的难点不是让模型调用工具,而是把人类专…展开观点收起观点
演讲者一开始就刻意跳过“loop agent 介绍”,把焦点放在生产环境真正棘手的问题上:混乱、分散、依赖经验的运营知识如何被 agent 安全执行。这里的难点不是让模型调用工具,而是把人类专家的隐性常识转译为机器可操作的结构。它涉及知识表示、权限边界、遗留系统集成、执行校验和异常恢复。换句话说,生产级 agent 首先是知识工程和系统工程问题,其次才是模型问题。
为什么重要: 这决定了企业是否能把 demo 变成稳定产能。若知识没有被结构化,再强的模型也只会在高风险环境里放大不确定性。
支撑证据
"This is about the hard part most agent demos skip."
企业成本中心不在 happy path,而在长尾异常
演讲者明确指出,多数公司已经自动化了“容易的那一部分”,真正剩下的是异常、例外和系统间漂移造成的长尾工作。运输流程在纸面上像一个工作流,但现实里是一组并行状态机,任何一步不一致都会打破 hap…展开观点收起观点
演讲者明确指出,多数公司已经自动化了“容易的那一部分”,真正剩下的是异常、例外和系统间漂移造成的长尾工作。运输流程在纸面上像一个工作流,但现实里是一组并行状态机,任何一步不一致都会打破 happy path。此时需要跨多个不完整系统进行专家级编排。也因此,异常处理不是边角料,而是运营成本和复杂度的中心。
为什么重要: 如果仍按 demo 逻辑只优化标准路径,投入再多也很难触达真实业务痛点。长尾异常的处理能力,才是 agent 是否有商业价值的分水岭。
支撑证据
"The easy majority is already automated in many companies. What's left is the long tail and more exceptions than system built uh to handle them. That tail is uh the expensive part."