为什么没有更多的智能体？

你完全可以同时运行1000个智能体，全天候为你处理各种有用的事务。然而，你几乎肯定没有这么多智能体在为你工作。这是为什么呢？

人类的极限

模型已经足够强大，工具链也足够成熟，API无处不在，那么……到底缺了什么？

首先，我们来谈谈人类的极限。

我们根本无法同时记住50多个不同的智能体会话，并逐一手动解除它们的阻塞。无论你如何尝试，很快就会触及自己的极限。

你会忘记哪个智能体在做什么，会跟不上那些等待你响应的智能体。而且每个智能体最终都会停下来，需要你——一个权限、一个答案、一个决策——于是你成了瓶颈。这些问题还会叠加：你忘了那些等待中的智能体，它们就只能闲置数小时。

这就像在一家公司里管理50多名直接下属。企业之所以每位经理只带6到12名员工，是有原因的。

Cursor最出色的工程师之一（按产出和PR数量衡量）曾谈到，优秀的经理人如何能同样擅长管理智能体。所以这并非我们的凭空想象，而是那些比我们更专注的人验证过的。

构建与委托的困境

第二个原因：人们不知道在哪里构建智能体。要么不知道如何搭建——Grok Bot是朝着正确方向迈出的一大步，让每个人都能更轻松上手——要么不知道什么样的任务适合交给智能体。

关于这一点，已有针对人脑的研究——我们一天中做的事情，有多少比例是习惯性的，有多少是全新的。结果大约是95比5。

我们一天中做的95%的事情，都是以前做过的、已经知道怎么做的事情。我们不会刻意、深入地思考它们。通常只有5%是需要从头开始摸索的。

例如，前往一个新地点。这栋建筑在哪里？我该怎么到达那里？这就是为什么这些事情需要耗费大量脑力，因为需要大量思考。而大多数任务则是常规性的。通常你做的是同样的事情，或者只是略有不同。

人类日常所做的超过90%的任务本质上都是重复性的，可以委托给智能体。工作单元无处不在。人们只是还没有将他们的工作流程、标准操作程序转化为智能体技能。

什么是适合智能体的良好工作单元？

这是一项无价的技能。知道今天该把智能体放在哪里，与今天不可能实现、也许一年后可能实现的事情，以及根本不值得自动化的事情之间的区别，是一种极其宝贵的能力。

如果你的想法是“我要在这里放一个智能体”，但过于雄心勃勃，智能体可能无法做好，然后人们就会对AI产生糟糕的体验。为智能体确定正确的工作单元至关重要。

上下文与主动性

第三个原因：上下文。显然你需要使用正确的模型——前沿或接近前沿的模型，而不是某个愚蠢的70亿参数模型。但如果你有正确的模型和稳固的框架，限制智能体的就是上下文和连接器。主要是上下文。连接器只是首次使用的问题。上下文则是始终存在的问题。

很多人甚至不描述如何执行任务。他们没有给智能体足够的信息。然后他们又因为智能体没有完全按照他们的期望去做而生气。

我们在David Ondrej团队使用的一些策略包括：转录通话、确保每次会议都开启Fireflies、录制Loom视频、强迫自己教它。共享仓库，比如我们的元学习仓库。这些都是解决上下文问题的好策略。对于连接器，有DeepAPI和Composio。

第四个原因：很多智能体不够主动。很多人把他们的智能体设置为“如果有意外情况，就给我发消息”。这是一个失败策略。这从根本上是在与模型对赌。

Grok Bot 非常主动，这对于完成任务来说是有益的。有时它可能会让人感到烦人，但平均而言，我认为这是好的，因为如果我们不这样设定，就不会有工作进展。我认为 Cursor 的开发人员把系统提示词写得很好。

也许问题在于动态性……如果用户没有给你足够的信息来完成任务，那就应该非常主动。因为一旦我有了明确任务的机器人，它们就不会那么烦人了。最大的风险是：用户没有做好设置，而代理甚至没有机会去做任何工作。

同时，你也不希望代理做你不知道的事情。那么，如何让你更信任代理呢？你真的需要清楚代理做什么、不做什么。明确你创建代理的原因。不应该是因为“哦，我觉得我的生活或业务中需要另一个代理。”那完全是胡扯。这就像在不知道要招聘什么角色时雇了一个员工。

人们应该这样思考：你在雇佣这个代理。这是有成本的，因为它消耗你的计划。那么你雇佣它是为了什么？你希望它做什么？如果你雇佣它来做会计自动化，你可能不希望它头脑风暴营销创意。不要让代理过于通用和宽泛。

Grok 机器人成功的原因之一是它们专门化。人们为不同的事情运行不同的 Grok 机器人，而用户界面非常清楚地表明这不是一个单一的代理。这就是 Hermes 和 OpenClaw 的问题：它们是单一的代理，你必须混合上下文。而使用 Grok 机器人，界面上非常明确地表明你应该有多个代理。界面让这一点显而易见，而且创建新机器人非常容易。

持久环境的缺失

第五个原因：持久环境。代理要存在，就不能消亡。就像为什么人类不多？人类在消亡。道理是一样的。

那么，是什么导致一个代理（agent）死亡？它的环境超时了。出现了一些随机错误。也许任务不再相关。或者出现了错误，而它没有自我修复。这在 OpenClaw 的早期是一个巨大的问题……你把它部署在 VPS 上，然后几天（或几周）后它就停止工作了。或者，由于某个随机更新，代理开始在一个它曾经成功执行过 100 多次的任务上失败。

这是一个大问题。为什么代理数量不多？因为它们不够可靠。不够一致。不够可预测。部分原因在于模型本身，但我认为更大的原因在于环境、框架（harness），以及周围的一切。

模型已经足够好了。框架也足够好了。但周围的一切还不够。

作者：David Ondrej（口述，然后手工整理）