2025年，DeepSeek意外刷屏。但熱鬧過后，技術(shù)圈里流傳更廣的卻是另一個信念：大模型的能力，需要Agent來落地。

當(dāng)我們把注意力還停留在Prompt調(diào)教、模型精調(diào)時，國內(nèi)外ToB大廠早已開始悄悄構(gòu)建Agent平臺體系：國外的微軟、谷歌、OpenAI，國內(nèi)的百度、阿里、騰訊、字節(jié)等巨頭等，都在爭相布局。

需要指出的是，除了科技巨頭，一些細(xì)分領(lǐng)域的技術(shù)型公司，也都在搭建自己的Agent平臺。這些項目也許沒有發(fā)布會，沒有炫技式的營銷，大多隱藏在企業(yè)智能化改造的內(nèi)部工程中，但它們所指向的目標(biāo)，卻是一致的：打造AI的“智能調(diào)度中樞”。

那么，目前AI Agent都是怎么做的，進(jìn)展如何？為了搞清楚這個問題，數(shù)據(jù)猿采訪了愛數(shù)、袋鼠云、數(shù)勢科技等公司，試圖為這個問題找到一些答案。

Agent ≠ Prompt工程，

是“具備意識結(jié)構(gòu)的系統(tǒng)原型”

在ChatGPT風(fēng)靡全球之后，Prompt Engineering成了新顯學(xué)。但真正走向企業(yè)級場景時，Prompt已難獨(dú)撐大局。

企業(yè)需要的不是一次次交互和糾錯，而是一個“目標(biāo)導(dǎo)向+狀態(tài)感知+工具調(diào)用”的系統(tǒng)性智能體，能夠自主理解指令、動態(tài)規(guī)劃路徑、調(diào)用外部接口，最終交付完整的業(yè)務(wù)結(jié)果。

這就是Agent的本質(zhì)，也是與傳統(tǒng)Prompt交互的根本區(qū)別。

袋鼠云對這一趨勢看得很清楚。他們認(rèn)為：“未來企業(yè)AI系統(tǒng)，一定會以‘智能體平臺’為基礎(chǔ)設(shè)施形態(tài)存在，而不是單點(diǎn)工具的堆砌組合。”

需要指出的是，Agent不僅是模型使用方式的演變，更是一種軟件邏輯范式的重寫。

傳統(tǒng)系統(tǒng)強(qiáng)調(diào)“人寫流程，系統(tǒng)執(zhí)行”，而Agent強(qiáng)調(diào)“人設(shè)目標(biāo)，系統(tǒng)規(guī)劃并執(zhí)行”。在這一邏輯下，整個企業(yè)信息系統(tǒng)的控制層正從“流程圖”變成“調(diào)度器+工具鏈+Memory”。

另一個重要趨勢是，AI Agent正在逐步走出傳統(tǒng)的文本界面，邁向更復(fù)雜的“流程智能”。

隨著多模態(tài)模型的發(fā)展與RPA工具鏈的融合，企業(yè)開始構(gòu)建具備“聽得懂指令、看得懂圖像、能操作界面”的感知—決策—執(zhí)行一體化智能Agent。在制造業(yè)、客服、運(yùn)維等場景中，“LLM+RPA”的組合正逐步補(bǔ)充并升級傳統(tǒng)自動化腳本系統(tǒng)，形成面向業(yè)務(wù)流程的“智慧工作流 Agent”。

這意味著，AI Agent正從實驗室中的對話助手，逐漸演化為企業(yè)數(shù)字化流程的“智能副駕駛”。

需要指出的是，盡管前景廣闊，目前整個Agent賽道仍處于早期階段，系統(tǒng)穩(wěn)定性、任務(wù)魯棒性、工具協(xié)同等方面仍存在諸多挑戰(zhàn)。

POC很熱鬧，真落地卻困難重重

在行業(yè)熱議“智能體革命”的同時，一個冷峻的現(xiàn)實卻橫亙在企業(yè)落地的路上：很多AI Agent項目，可能止步于POC環(huán)節(jié)，難以進(jìn)入正式生產(chǎn)系統(tǒng)。

一方面，場景熱，需求大；另一方面，項目復(fù)雜，失控風(fēng)險高。

有廠商坦言：“我們構(gòu)建了一個100個Agent協(xié)同的系統(tǒng)，結(jié)果一跑就崩了。”這個崩，不只是程序Bug，更是系統(tǒng)架構(gòu)承載力與業(yè)務(wù)場景復(fù)雜性的全面失衡。

為什么企業(yè)的Agent項目這么容易“死在中途”？我們覺得有以下幾個原因：

1. 工程復(fù)雜度極高：狀態(tài)管理、調(diào)用鏈和安全是三大死穴

首先，是“狀態(tài)追蹤失效”問題。

Agent執(zhí)行往往涉及多輪模型調(diào)用、多工具協(xié)調(diào)和上下文管理，但現(xiàn)有框架下的Memory體系常常“一斷即失憶”。這對于流程穩(wěn)定性要求極高的企業(yè)場景來說，是致命的。

其次，是“Tool集成不穩(wěn)定”。

愛數(shù)在實施過程中就發(fā)現(xiàn)，企業(yè)內(nèi)部的業(yè)務(wù)系統(tǒng)普遍呈現(xiàn)“數(shù)據(jù)異構(gòu)+多云架構(gòu)+接口碎片”的狀態(tài)：結(jié)構(gòu)化數(shù)據(jù)庫、PDF、圖像、文檔混雜不堪。更麻煩的是，不同系統(tǒng)調(diào)用API失敗率高，一次任務(wù)可能涉及十幾次接口交互，只要其中一環(huán)不穩(wěn)，整體任務(wù)就會崩掉。

再者，是“權(quán)限與安全無法細(xì)控”。

在涉及私有數(shù)據(jù)、內(nèi)部業(yè)務(wù)邏輯和敏感決策時，Agent的“自由發(fā)揮”成了風(fēng)險源頭。愛數(shù)提出的“信息安全編織架構(gòu)”（ISF）正是為了解決這一問題，提供從數(shù)據(jù)分級、訪問控制、審計記錄到文檔脫敏的一整套能力保障。

總之，沒有平臺化的“調(diào)度器+安全控+鏈路追蹤”能力，企業(yè)部署Agent就如同開著無剎車的自動駕駛車上高速。

2. 模型能力 VS 系統(tǒng)可控性：結(jié)構(gòu)性失衡普遍存在

另一個難題，是“模型越來越強(qiáng)，系統(tǒng)卻越來越不可控”。企業(yè)部署Agent時面對的不是“生成能力不足”，而是“模型太會說，卻不知道能不能信”。

比如，RAG召回體系雖然能接入知識庫，但在大規(guī)模問答中易失真、召回波動大，尤其是在結(jié)構(gòu)化數(shù)據(jù)和權(quán)限分層要求高的企業(yè)場景中，“幻覺”和“權(quán)限越界”成為雙重隱患。

數(shù)勢科技作為數(shù)據(jù)分析領(lǐng)域的垂直Agent，遇到的場景挑戰(zhàn)具有代表性：數(shù)據(jù)使用門檻高、大模型幻覺和海量數(shù)據(jù)的處理速度慢。在數(shù)據(jù)分析場景下疊加大模型能力，傳統(tǒng)的ChatBI類產(chǎn)品采用NL2SQL的技術(shù)路線，也就是根據(jù)自然語言提問自動生成SQL，模型容易出現(xiàn)字段誤用、語義誤解等“幻覺型錯誤”。因此，數(shù)勢科技SwiftAgent是采用大模型+業(yè)務(wù)語義層的方式解決該問題。具體來說，也就是通過“企業(yè)業(yè)務(wù)語義層”橋接自然語言和底層數(shù)據(jù)，讓大模型承擔(dān)意圖識別的能力，讓業(yè)務(wù)語義層解決大模型幻覺問題——通過指標(biāo)平臺，將自然語言與底層數(shù)據(jù)邏輯解耦，提供一個高可靠性的語義接口層。這既降低了業(yè)務(wù)人員用數(shù)門檻，又提高了系統(tǒng)的可控性和準(zhǔn)確率。

同時，像金融機(jī)構(gòu)和大型企業(yè)，業(yè)務(wù)復(fù)雜且需處理海量數(shù)據(jù)，這對于企業(yè)級應(yīng)用的相應(yīng)速度也有較高要求。數(shù)勢科技SwiftAgent應(yīng)用自研的Hyper Metrics Engine通過數(shù)據(jù)編織和虛擬化技術(shù)，能十倍加速大規(guī)模數(shù)據(jù)查詢場景下的響應(yīng)性能，從而在實際業(yè)務(wù)場景中加速數(shù)據(jù)召回和數(shù)據(jù)分析，減少用戶等待。

3. 成本與ROI：企業(yè)缺的不是技術(shù)，而是“真實場景”

還有一個往往被忽視的問題：Agent部署成本高，而ROI卻模糊不清。

一輪任務(wù)調(diào)用，可能涉及十幾次大模型調(diào)用、多個外部工具API，每輪都計費(fèi)，稍有失誤便成本飆升。

而即使Agent部署完成，若不能切中真實業(yè)務(wù)痛點(diǎn)、提升效率或轉(zhuǎn)化率，也無法形成商業(yè)閉環(huán)。

袋鼠云對此態(tài)度鮮明：“企業(yè)不缺技術(shù)，缺的是可復(fù)制的好場景。”他們在每一個Agent場景（如智能指標(biāo)分析）中，都會配套客戶實施案例、ROI計算路徑與業(yè)務(wù)部門的共識建立，強(qiáng)調(diào)不是“想象力造場景”，而是“實證驅(qū)動產(chǎn)品定義”。

正因如此，Agent項目必須回到“系統(tǒng)化平臺+場景化部署”的基本盤上，才能跑得穩(wěn)、跑得遠(yuǎn)。

從工具框架到智能中臺，

Agent平臺正在成為新戰(zhàn)場

隨著企業(yè)智能化進(jìn)程的深入，Agent的角色正從“交互式助手”變成“智能化執(zhí)行中樞”。這也意味著，構(gòu)建Agent的方式，正從“寫幾個Prompt+調(diào)一個API”演化為一場系統(tǒng)級平臺建設(shè)的競賽。

最先覺醒的，是那些把Agent看作“AI操作系統(tǒng)”的企業(yè)。

☆框架百花齊放，單鏈條執(zhí)行已無法承載復(fù)雜任務(wù)流

目前，在 AI Agent的框架層，行業(yè)已進(jìn)入“群雄逐鹿”階段：

LangChain提供了最早期的鏈?zhǔn)秸{(diào)用方案，支持Memory、Tool、Retriever等模塊，是社區(qū)廣泛使用的基礎(chǔ)框架。但其對復(fù)雜狀態(tài)感知、多任務(wù)并發(fā)處理等場景支持有限，仍需大量二次封裝。

Microsoft Semantic Kernel強(qiáng)調(diào)語義技能和插件機(jī)制，深度集成Copilot工程體系，適用于微軟生態(tài)下的Agent開發(fā)。

LangGraph、CrewAI、AutoGen等新興框架正引入狀態(tài)圖調(diào)度、角色分工、多Agent協(xié)同模型，逐步從“線性執(zhí)行”邁向“并發(fā)智能團(tuán)隊”。

Google Gemini / Project Astra也在多模態(tài)感知與實時交互方向探索Agent的下一階段形態(tài)，強(qiáng)調(diào)“看懂+聽懂+做出反應(yīng)”的人機(jī)融合體驗。

但對于真實企業(yè)系統(tǒng)來說，僅有開發(fā)框架遠(yuǎn)遠(yuǎn)不夠。

袋鼠云認(rèn)為，Agent平臺的本質(zhì)不是一個代碼框架，而是一個“智能執(zhí)行中臺”。在其構(gòu)建的AIWorks平臺中，Agent是由多個模塊組成的系統(tǒng)能力單元，具備以下四個關(guān)鍵能力層：

任務(wù)調(diào)度器：支持任務(wù)拆解、流程追蹤、失敗重試等機(jī)制，確保復(fù)雜任務(wù)能夠穩(wěn)定閉環(huán)執(zhí)行；

工具治理層：統(tǒng)一封裝與管理調(diào)用的外部接口，控制調(diào)用頻率、權(quán)限范圍，實現(xiàn)可控可審；

Memory與上下文管理：保證多輪調(diào)用過程中的上下文一致性，支持Agent長期狀態(tài)跟蹤與推理連續(xù)性；

行為監(jiān)控與審計：實現(xiàn)對Agent決策與執(zhí)行行為的可觀測性和可回溯性，保障系統(tǒng)可靠運(yùn)行。

通過打造一套能被嵌入各類業(yè)務(wù)系統(tǒng)的“AI原生能力底座”，為上層的智能應(yīng)用提供Agent服務(wù)化支撐。

數(shù)勢科技在構(gòu)建SwiftAgent時，同樣強(qiáng)調(diào)產(chǎn)品化能力的重要性。他們的產(chǎn)品架構(gòu)分為三層結(jié)構(gòu)（應(yīng)用層、語義層、引擎層），其中語義層解決數(shù)據(jù)理解，應(yīng)用層承載多Agent調(diào)度邏輯，而引擎層則優(yōu)化了大數(shù)據(jù)處理性能和大小模型的智能協(xié)作能力。這樣的設(shè)計，讓Agent不僅“理解任務(wù)”，還“能執(zhí)行好任務(wù)”，真正跨越了企業(yè)AI應(yīng)用從“問”到“做”的鴻溝。

SwiftAgent并不只是一個自然語言分析工具，而是在逐步演化為“數(shù)據(jù)智能場景下的Agent平臺”。數(shù)勢科技也在持續(xù)完善任務(wù)調(diào)度能力與Agent組件化構(gòu)建能力，通過Multi-Agent的架構(gòu)將多個數(shù)據(jù)應(yīng)用智能體協(xié)同聯(lián)動起來，如“問數(shù)Agent”“指標(biāo)Agent”“報告Agent”等，支持企業(yè)用戶在不同的業(yè)務(wù)場景下智能調(diào)用一個或多個垂直智能體通過多步驟的任務(wù)規(guī)劃和執(zhí)行，來滿足業(yè)務(wù)場景需求。

袋鼠云AIMetrics智能指標(biāo)平臺同樣作為智能分析Agent的代表，以Headless BI與Chat BI為核心理念，重構(gòu)了新一代體系能力——它將業(yè)務(wù)語義層、開放服務(wù)能力與智能問數(shù)深度融合，構(gòu)建起面向組織協(xié)同與決策治理的新范式。這樣的設(shè)計致力于讓每個業(yè)務(wù)人員都能像數(shù)據(jù)分析專家一樣決策，通過簡單問答快速獲取數(shù)據(jù)和洞見，智能化分析并生成報告，提升業(yè)務(wù)決策效率。

☆為什么說“Agent平臺”是下一代AI中間件？

當(dāng)前很多企業(yè)在部署Agent系統(tǒng)時，面臨的核心問題并不是“選哪個模型”，而是：“如何穩(wěn)定調(diào)度？如何安全調(diào)用？如何控制成本？”

這恰恰是“中間件”的任務(wù)。

愛數(shù)對這一趨勢有清晰洞察。他們將自己的平臺定位為“決策智能操作系統(tǒng)”，而非簡單的工具或輔助系統(tǒng)。其中包含數(shù)據(jù)平臺：實現(xiàn)全域數(shù)據(jù)集成；業(yè)務(wù)知識網(wǎng)絡(luò)：實現(xiàn)系統(tǒng)智能；DataAgent：實現(xiàn)精準(zhǔn)決策。

這些模塊是保證Agent系統(tǒng)“可控、可信、可交付”的底層基座。

從演進(jìn)路徑看，Agent平臺正沿著“框架→工具集→企業(yè)PaaS”的邏輯邁進(jìn)——就像十年前的云平臺從OpenStack走向Kubernetes，今天的Agent平臺也正在由“Prompt開發(fā)工具”升級為“企業(yè)級AI操作系統(tǒng)”。

袋鼠云就直言：“Agent平臺，是AI時代的K8s。”

☆安全、審計、治理，企業(yè)級Agent的生死線

在政務(wù)、金融、醫(yī)療等對合規(guī)性極為敏感的行業(yè)，Agent系統(tǒng)的“自由發(fā)揮”可能不是優(yōu)勢，而是風(fēng)險。

因此，企業(yè)級Agent平臺的核心，不只是智能力，而是可控性。

這三家公司均在這一層面做了深度設(shè)計：

愛數(shù)推出“信息安全編織架構(gòu)”（ISF），覆蓋文檔脫敏、訪問控制、數(shù)據(jù)溯源、行為審計等功能，保障敏感業(yè)務(wù)數(shù)據(jù)流通的安全合規(guī)；

袋鼠云構(gòu)建權(quán)限治理、任務(wù)記錄、調(diào)用審計等中間件能力，確保所有Agent操作“有日志、有權(quán)限、有責(zé)任歸屬”；

數(shù)勢科技則通過指標(biāo)語義層，對企業(yè)數(shù)據(jù)實現(xiàn)行列級的權(quán)限管控，避免自然語言問數(shù)過程中造成越權(quán)或誤取數(shù)據(jù)。

未來企業(yè)使用Agent的邏輯，不再是“模型有多強(qiáng)”，而是“Agent是否可信”。

能被監(jiān)管、能被追責(zé)、能被嵌入現(xiàn)有IT治理體系的Agent平臺，才是企業(yè)愿意買單的Agent平臺。

如果說過去AI中間件的核心是“數(shù)據(jù)接入”，那么Agent時代的中間件核心就是“智能體調(diào)度”。誰能搭建起企業(yè)Agent系統(tǒng)的中臺能力，誰就掌握了企業(yè)AI的入口主權(quán)。

今天我們看Agent，

就像十年前看微信小程序

2017年，當(dāng)小程序剛剛問世時，沒人能想象它會成為移動互聯(lián)網(wǎng)生態(tài)中連接用戶與服務(wù)的關(guān)鍵接口。那時的它，不是App的對手，也不是搜索的挑戰(zhàn)者，但卻悄悄占領(lǐng)了“入口”。

今天，AI Agent亦是如此。

它不是替代大模型，而是承接模型能力的“調(diào)度層”；

它不是一款工具，而是“能思考、能行動”的執(zhí)行體；

它不是顯眼的C端爆品，而是靜靜滲透進(jìn)企業(yè)系統(tǒng)、流程與決策的幕后系統(tǒng)。

袋鼠云明確指出，Agent平臺將成為“AI行動的統(tǒng)籌調(diào)度平臺”，而這套平臺背后的競爭，本質(zhì)是對“AI主調(diào)度權(quán)”的爭奪。誰掌握了平臺，誰就能掌握未來企業(yè)智能系統(tǒng)的“入口控制權(quán)”。

數(shù)勢科技則從數(shù)據(jù)價值的角度出發(fā)，強(qiáng)調(diào)未來Agent平臺將超越單一工具屬性，成為企業(yè)AI系統(tǒng)的“智能調(diào)度中樞”。在數(shù)據(jù)領(lǐng)域，一方面它將讓企業(yè)每一個人都能用自然語言取數(shù)用數(shù)，實現(xiàn)數(shù)據(jù)普惠化；另一方面，它也將構(gòu)建起"數(shù)據(jù)-洞察-決策-行動"的全鏈路閉環(huán)體系，使企業(yè)級智能決策能力實現(xiàn)質(zhì)的飛躍。

愛數(shù)則認(rèn)為，Agent平臺是企業(yè)“數(shù)據(jù)→知識→邏輯→行動”的閉環(huán)系統(tǒng)，是決策智能的操作系統(tǒng)，是未來組織智能力的承載體。

這三家企業(yè)的選擇，映射出整個行業(yè)的共識：Agent平臺不是可選項，而是基礎(chǔ)設(shè)施。

未來，Agent平臺的形態(tài)可能多種多樣：對于大廠，它是自研的操作系統(tǒng)式調(diào)度平臺；對于中型企業(yè)，它可能是基于LangChain或LangGraph的私有化平臺化集成；對于中小企業(yè)，它也許是Agent-as-a-Service的API服務(wù)。

但無論技術(shù)路徑如何變化，它背后的邏輯不變——Agent不是玩具，而是AI系統(tǒng)的主入口，是企業(yè)數(shù)字化、智能化躍遷過程中的“調(diào)度中樞”。

這不是一句口號，而是正在發(fā)生的技術(shù)現(xiàn)實。

所以，當(dāng)你看到各大企業(yè)“偷偷造Agent平臺”時，不要以為那只是技術(shù)團(tuán)隊的另一個Side Project。那是一場沒有喧囂，卻注定激烈的入口戰(zhàn)爭。

來源：數(shù)據(jù)猿