小龙虾 OpenClaw - Digest

一句话总结

Agent 没那么玄乎——”把程序员写死在代码里的 if-else,挪到了运行时让模型现挂”;3 大结论:① 不存在通用 Agent(特定场景做深)② 受控的自由(明确边界下的受控智能)③ Agent 价值在于智能(用不稳定性换泛化能力);“老板要 Agent ≠ 真要 Agent”——翻译 3 类真实需求:API+RAG(提效)/ Workflow+SOP(替代人工)/ Agent+受控(高价值决策)。

速查表(10 节点)

# 节点 一句话定义
1 不存在通用 Agent 专注特定场景,不解决通用
2 受控的自由 Agent=明确边界下的受控智能;无稳定性难上线
3 Agent 价值在于智能 用不稳定+高成本换泛化;复杂度转移非消失
4 代码 BUG 确定 vs Prompt BUG 随机 维护 if-else 痛 vs 维护 ReAct 循环痛,只是疼法不同
5 Workflow+Agent 融合 Workflow 确定性主干+Agent 不确定性局部——融合非替代
6 翻译 3 类真实需求 API+RAG(提效)/Workflow+SOP(替代人工)/Agent+受控(决策)
7 老板要的不是 Agent 降本提效、少出错、看起来先进可以吹牛
8 业务分支有限 vs 用户表达无限 Agent 出现的本质原因
9 Agent 本质=生成工作流的工作流 “将问题编译为可执行计划”的框架
10 5 类已落地 Agent Coding/客服/法律/医疗/企业流程

关键金句(5 条)

  1. “不存在通用 Agent——当前跑出来的 Agent 不解决通用问题,反而更专注特定场景下的连续性工作。”
  2. “Agent 是在有明确边界下的受控智能,也就是让模型在可控范围内处理不确定性。”
  3. “代码 BUG 是确定的,Prompt BUG 是随机的。”
  4. “大多数老板要的根本不是 Agent,他要的是:降本提效、少出错、看起来先进可以吹牛。”
  5. “用 AI 的泛化能力去解决确定流程里的不确定部分。”

3 个反直觉

6 个对 Seetong 借鉴动作

  1. 老板要 Agent ≠ 真要 Agent:先做”翻译对照”(降本/提效/看起来先进/少出错)
  2. Seetong 三类需求分类:① 提效已知(API+RAG)② 替代人工(先 SOP)③ 高价值决策(Agent+受控)
  3. 不存在通用 Agent——按场景拆:5 类(设备分诊/反馈分诊/远程操作/添加设备/报警处理)
  4. Workflow 确定性主干 + Agent 局部不确定:客服分诊 = Workflow+Agent
  5. 业务分支有限 vs 用户表达无限:反馈”七大症状”按”原话分类+意图识别”拆
  6. 代码 BUG 确定 vs Prompt BUG 随机:AI 助手所有 Agent Skill 必须配 Eval Gate

关联 + 备注