什么才是Agent时代

1 minute read

今天看到 Jason Liu 写的那篇 morning brief，讲他怎么用 Codex 一步步把一个早报任务从简单查询，做成一个有偏好、有上下文、有周期、有行动能力、有记忆的 Agent workflow。看完之后突然想到，之前看过的 YC 那篇 AI-native company，还有老冯写的 AI 将带来的变化，其实讲的是同一件事，只是观察尺度不一样。

Jason Liu 讲的是个人怎么用 Agent。YC 讲的是公司怎么被 Agent 重构。老冯讲的是社会和职业结构会怎么被 AI 改变。它们表面上是三篇不同主题的文章，但合在一起看，其实都在回答一个问题：AI/Agent 不是一个“提高效率的工具”，而是一种新的工作组织方式。

从工具到系统

以前我们理解 AI，很容易停留在工具层面：帮我写邮件、总结会议、生成代码、画图、做 PPT。这个视角当然没有错，但它还是把人当成主要执行者，把 AI 当成一个更聪明的辅助工具。

Agent 时代真正有意思的地方，可能不是工具变聪明了，而是人的位置变了。人越来越像系统设计者、目标设定者、上下文维护者和结果验收者。真正重要的问题不再只是“我会不会用某个 AI 工具”，而是：

我的信息是否能被 Agent 读取？
我的工作流程是否能被 Agent 接管一部分？
我的判断、偏好、历史、项目状态是否能沉淀下来？
我是否能把一次性的工作变成可复用的闭环？

所以从这个角度看，Agent 时代不是从 ChatGPT 换成 Claude、从 prompt 换成 tool calling、从 32K 上下文换成 1M 上下文。那些都是能力层面的变化。更深层的变化是：我们从“人使用工具”，开始走向“人设计系统”。

个人层：把 AI 从聊天窗口变成工作系统

Jason Liu 那篇 morning brief 最打动我的地方，不是早报本身。早报只是一个很小的任务。但他把这个任务拆成了几个 level：从简单查询，到固定偏好，到自动运行，到按项目拆分，到草拟行动，再到写入记忆库。

这个递进其实很有代表性：

先给上下文，再给偏好，再给周期，再给行动权限，再给长期记忆。

一个人开始真正有效地使用 Agent，并不是每天问 AI 几个问题，而是逐渐建立自己的工作系统：

context：Slack、Gmail、Calendar、项目文档、历史记录；
preference：你关心什么、不关心什么、喜欢什么输出格式；
recurrence：哪些任务应该每天、每周、每个项目自动发生；
action layer：Agent 不只总结，还能草拟回复、准备会议、整理决策；
memory vault：重要事实可以沉淀下来，供未来复用。

这和普通聊天最大的区别在于，聊天是一次性的，Agent workflow 是可积累的。你不是每次重新解释“我是谁、我在做什么、我关心什么”，而是让这些东西逐渐变成系统的一部分。

所以 Jason 那篇文章真正讲的不是 morning brief，而是个人如何把 AI 从聊天窗口，升级成自己的工作操作系统。

公司层：AI-native 不是员工都用 ChatGPT

YC 那篇 AI-native company 是公司尺度上的同一件事。

很多人理解 AI-native company，会理解成“公司里大家都用 AI 工具”，或者“工程师用 AI 写代码更快”。但这还是太浅了。真正的 AI-native company，不是传统公司外挂几个 AI 工具，而是公司本身变得更适合被 Agent 理解和调用。

这样的公司会更像一个可查询、可追踪、可反馈的系统：

queryable：公司信息能被查询；
legible：会议、决策、客户反馈、代码、销售、招聘都有结构化痕迹；
closed-loop：每个动作都有反馈，反馈进入系统，系统持续改进；
less middleware：减少靠人传话、汇总、协调的中间层；
token-maxing over headcount：用算力和 Agent 替代一部分传统人力扩张。

传统公司里，很多管理层和中间层的作用是同步信息、汇总状态、协调依赖、传达优先级。但如果组织本身已经产生了足够多可查询的工作痕迹，并且 Agent 可以持续读取、分析、反馈，那么大量“人肉 middleware”就会被压缩。

所以 AI-native company 的核心不是工具栈，而是组织设计。每个重要动作都留下 artifact，每个 artifact 都能进入智能层，每个智能层的判断又能反过来改进流程。公司不再只是由人和流程组成，也开始像一个可以被 Agent 操作的系统。

社会层：被重排的是职业价值结构

老冯那篇文章看的是更宏观的尺度。

很多人讨论 AI 对社会的影响，容易盯着一阶效应：AI 会写代码、翻译、做 PPT、画图、客服、写营销文案。但真正大的变化可能是二阶效应：

什么能力值钱；
什么岗位消失；
组织怎样变化；
制度怎样滞后；
谁被夹在替代窗口里。

如果个人开始把 Agent 当作工作系统，公司开始把 Agent 当作 operating system，那么很多中间层知识工作的价值就会被重新定价。不是因为 AI 会“替代所有人”，而是因为很多过去靠信息搬运、整理、协调、初稿生产、状态同步产生的岗位价值，会被 Agent 系统吸收。

技术革命打击的往往不是最底层，而是技能刚好落在替代区间内的中间层。翻译、开发者、内容写手、法律服务、财会、运营、分析师，都可能有类似的问题：如果工作主要是把已有信息转成另一种格式，或者在几个系统之间搬运上下文，那么这部分价值就会越来越薄。

但反过来，能定义问题、设计流程、判断结果、构建闭环的人会更重要。因为 Agent 时代不是不需要人，而是更需要人站在系统上游。

三篇文章其实是一条链

这样看，三篇文章可以连成一条完整的链：

个人层：Agent 改变你怎么工作。
你不再只是 prompt 一下，而是建立自己的上下文、偏好、自动化和记忆系统。

公司层：Agent 改变组织怎么运转。
公司不再只靠层层会议和 manager 汇报维持状态，而是让工作本身产生日志、反馈和可查询的组织记忆。

社会层：Agent 改变什么能力有价值。
执行型、搬运型、中间协调型知识劳动会贬值；能定义问题、设计流程、判断结果、构建闭环的人会升值。

这也是为什么这三篇文章读起来像在讲同一个东西。它们都在从不同尺度描述同一种迁移：从 chat with AI，到 operate with agents。