"为什么让 Agent「动」起来是下一步的关键因素?
01
行业如今的关键是「谁能造出一个真正有用的 Agent？」
讨论的焦点问题变成「Agent 的认知边界」：有多大的自主性？需要多强的上下文理解？又如何在现实任务中保持稳定？
这背后需要实践者具备四种超强的能力：即对模型的边界预估，对复杂系统的理解力、对产品工程的实践力，以及对商业场景的洞察力。
在 Sheet0.com 的创始人王文锋看来：Agent 本质上是一种「利用模型知识，结合实时信息，使用工具解决问题」的产品形态。
他提出的关键问题是：为什么模型本身已经达到博士水平，但很多Agent 的表现仍停留在实习生阶段？
这中间的 GAP 关键在于在「实时信息」和「工具设计」层并没有很好的适配模型能力。
Sheet0.com 就是他对 Agent 的认知落地：一款在 AI 时代为模型提供可扩展的实时数据获取能力的产品。今年8月中旬，产品上线， 主要面向数据分析师、产品经理、工程师、市场营销人员等在数据收集处理上花超过5个小时的用户。
一个典型的用户场景：一位销售在寻找潜在 AI 行业客户，过去，他要先通过 LinkedIn、X 等社媒，收集公司信息，再分析该公司是否为 AI 行业公司，还需要寻找目标联系人联系方式等等。而搭建这样一个程序，需要一个工程师4-8周的时间。而 Sheet0 只需要30分钟内就可以给用户交付完整的数据表格。
王文锋认为，产品核心解决的问题是让无论是个人、企业还是 Agent 这个新个体，都可以随心所欲的获取数据，解决问题。
「在经济学里面有个概念叫价格弹性，是一个衡量价格/成本发生变化时，需求会如何变化的指标。数据领域往往价格弹性远大于1，这意味着10倍的成本下降，带来的不是需求的10倍增加，而是几十倍甚至上百倍」
王文锋在 SpaceX 的星舰基地
sheet0 日常团建，举着 sheet0 的是王文锋
02
尽管 Sheet0 在数据获取环节已经帮用户做到10倍提效，但王文锋并没有将「省时间」作为产品的核心价值，他认为「准+快」才是 Sheet0 的长期核心价值。即：
1、 必须保证给用户交付的数据100%准确。
2、在单位时间内，尽可能提高数据的交付量。
构建人与 Agent 之间的信任，是一个长期的命题。「这背后是作为工程师也要信任模型。」
Sheet0 所有的系统行为都被分解成可以追踪、可复用的「语义步骤」，Agent 必须理解自己在做什么，并在出错时可以进行自我修复。这是王文锋的设计哲学，「在 Agent 干活之前，先让他变聪明。」
而让 Agent 变得可解释，是 Agent 下一步发展的关键环节。
作为连续创业者，王文锋自2017年毕业后，先是写了四年代码，期间曾负责地平线 AI 数据平台。 2021年和朋友合伙创业，作为 CTO 研发了新一代的 Serverles 消息队列，在 Data Infra、AI 领域积累了近十年的开发经验。2023年加入 AI 浪潮，开始了自己的第二次创业和 CEO 之旅。
AI 闹见到王文锋时，他刚从美国回来，时差还没有完全倒明白，sheet0 现在主攻美国市场，一半的团队在美国，10月将全量上线。
我们的话题围绕在 sheet0 上线两个月后，他对 Agent 的最新思考。实时数据的获取只是第一步，他接下来计划为大模型造更多的工具，他认为让模型自主学会使用工具，是 Agent 未来的竞争关键：「每造出一个新工具，相当于为模型解锁了一个新技能。」
Sheet0 的用户界面
Sheet0 的产品展示
对话王文锋
1
1
1
1
可解释
先变聪明再变强
AI 闹：beta 版本8月上线后，用户是否接受这款产品？反馈如何？
王文锋：从注册用户、付费数据，比我预期要好不少。
现在80%的用户来自于发达国家，第一是美国，第二是日本，其中60%的用户每周在数据工作方面消耗时长超过5个小时。
日本是超出我预期的一个市场，好像是有一个日本博主把我们在美国做推广的帖子搬运后，来了很多日本流量。后来我调研发现日本用户的付费意愿更强，是因为他们的数字化基础比美国落后不少，使用 Excel 等传统数据工具的用户更多。
不过现在的主要目标是先把美国市场做好，美国市场起来后打其他市场可以事半功倍。
AI 闹：中国市场呢？
王文锋：我第一次创业也是做软件，我的经验是，美国竞争很激烈，但都有钱赚。因为能赚到钱，所以大家对做事情更有信心一些。国内软件的商业化土壤一言难尽。
AI 闹：进入真实的用户场景后，现阶段 Agent 需优化的最棘手的问题？
王文锋：如何构建一个合理的反馈闭环，这是非常细致的一个工程，比我想象的难度要大。
解决这个问题给我启发最大的是 Claude Code ，它让我意识到——Agent 要真正聪明，关键不在于「能做多少事」，而在于它能不能「知道自己在干什么」。
Claude Code 系统完全是事件驱动的，每一个动作、每一次变化，它都会自动记录成一条带语义的信息。
比如说，它会在工作过程中发出一种叫 reminder 的内部消息，用来提醒自己注意某个细节，但这条消息用户是看不到的。换句话说，它不仅知道「怎么做」，还知道「为什么要这么做」。
AI 闹：「带语义的信息」具体指什么？
王文锋：举个例子，你让 Agent 去整理一张网页上的表格。它可能要花四五步才能完成：打开网页、识别内容、发现错误、修改数据。但对模型来说，四五步太冗余了。
能不能把这些过程压缩成一句有意义的总结，比如「因为发现数值错误，系统自动调整了这一列」。这样一来，Agent 就不再是机械执行，而是能带着理解去行动。
它的每一步都有清晰的定义，可以被记录、被复用、被优化。
现在，我们架构上基本已经调整成类 Claude Code 的形式。希望 Agent 不只是执行指令，而是能像一个真正的「人」，理解自己为什么要这么做。只有这样，它才能不断进化。
AI 闹：Sheet0 没上线之前，你在一次行业分享中曾说过 Context engineering 是 Agent 成败的关键，这个思考现在有变化吗？
王文锋：没有，反而会觉得更重要了。Agent 想变得更聪明，关键是 Context 要够多、够细。包括用户的使用记录、任务执行过程中的反馈、失败案例等等。
只有积累到一定程度，Agent 才能真正学会在不同场景下该怎么做。
AI 闹：你认为具体需要多少才算积累到位？
王文锋：没有标准答案。因为 context 的类型太多样了。
我们现在有一个做法：当用户任务执行失败，比如某个网页数据没采集下来，我们会记录下失败案例，然后再去找类似任务里那些成功的案例，对比两者的差异。成功的路径，我们提炼出来、结构化保存，放进内部知识库。下次再有类似任务，系统就能直接调用这些经验，成功率会更高。
你可以把它理解成，我们在给 Agent 建记忆——每一次出错、修复、成功，都会变成它下次.........
"为什么让 Agent「动」起来是下一步的关键因素?01行业如今的关键是「谁能造出一个真正有用的 Agent？」讨论的焦点问题变成「Agent 的认知边界」：有多大的自主性？需要多强的上下文理解？又如
原文转载：https://www.kjdsnews.com/a/2454426.html
TikTok单视频千万播放，小卖仅两天带爆一款产品！ Shopee运营成功典例：东箱包卖家日单破5000！ TikTok154亿播放，谷歌趋势热度破5000%,"人鱼美学"席卷社媒 这个TikTok赚钱的最好方法，我想你需要知道 买退、多平台产品"搬家"盛行！诈骗团队倒卖货物年"赚"数亿…… 拼多多跨境电商平台Temu如何开店？入驻攻略 AI｜对话Sheet0.com创始人王文锋：Agent下一阶段的关键要素：可解释、造工具和100%确认美学 AI｜对话Sheet0.com创始人王文锋：Agent下一阶段的关键要素：可解释、造工具和100%确认美学
No comments:
Post a Comment