作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

過去一年，國內(nèi) Agent 市場經(jīng)歷了幾次明顯的拐點(diǎn)。

先是各種 Agent 項(xiàng)目它讓很多人意識(shí)到，AI 不只是一個(gè)聊天機(jī)器人，而是一個(gè)可以拆任務(wù)、交付結(jié)果的行動(dòng)系統(tǒng)。再往后，是 OpenClaw 帶來的“龍蝦熱”，當(dāng)一個(gè) AI 可以接管瀏覽器、讀寫文件、執(zhí)行代碼、調(diào)用終端，很多人第一次感覺到：AI 不再只是回答問題，它開始真的“動(dòng)手”了。

但熱鬧之后，行業(yè)很快碰到下一堵墻：會(huì)做事，不等于能上崗。

企業(yè)滿懷期待地給員工配上 Agent 工具，以為效率會(huì)成倍提升，結(jié)果卻發(fā)現(xiàn)：每個(gè)人都變快了，公司并沒有。

一個(gè)四十年前的判斷，恰好解釋了今天的悖論。

1984 年，管理學(xué)家高德拉特在《目標(biāo)》里提出約束理論：系統(tǒng)的產(chǎn)出由最慢的環(huán)節(jié)決定，優(yōu)化非瓶頸環(huán)節(jié)，對整體產(chǎn)出幾乎沒有幫助。

一個(gè)需求從產(chǎn)品提出，到工程師理解，到代碼實(shí)現(xiàn)，到測試驗(yàn)證，到上線發(fā)布，寫代碼只占其中一段。AI 把這一段從 30 分鐘壓縮到 10 分鐘，但需求評審、上下文同步、權(quán)限確認(rèn)、測試驗(yàn)證、返工修復(fù)、文檔同步這些環(huán)節(jié)，并不會(huì)自動(dòng)跟著變快。

慢的地方不再是“誰來寫代碼”，而是任務(wù)怎么流轉(zhuǎn)、信息怎么同步、問題怎么分診、經(jīng)驗(yàn)怎么沉淀。

這正是 Agent 行業(yè)今天面臨的核心問題。

過去大家主要看模型，誰接入了更強(qiáng)的底模，誰就顯得更聰明。但現(xiàn)在，模型已經(jīng)不是唯一變量。真正決定 Agent 能不能進(jìn)入生產(chǎn)環(huán)境的，是模型外面的那套 Harness。

同一個(gè)模型，放在聊天框里只能回答問題，放進(jìn)成熟的 Harness 里，才可能變成一個(gè)可以長期工作的數(shù)字員工。

1

從工具到崗位：QoderWake 跨過了什么

4 月 30 日，阿里發(fā)布全新 Agent 產(chǎn)品 QoderWake，定位是“生產(chǎn)可用、安全可控、自進(jìn)化的數(shù)字員工”。它不是再做一個(gè)“更聰明的 AI 助手”，而是試圖回答一個(gè)更難的問題：Agent 如何從工具變成崗位。

兩者的區(qū)別非常大，Agent 工具的邏輯是：用戶下指令，Agent 開始工作。數(shù)字員工的邏輯是：事件發(fā)生，員工自主接手。

比如線上用戶反饋來了，數(shù)字程序員自動(dòng)分類問題、讀取日志、定位根因、生成修復(fù)建議�？蛻羧豪锍霈F(xiàn)投訴，數(shù)字客戶經(jīng)理先完成分診、檢索歷史記錄、判斷是否需要升級。

這里的關(guān)鍵不是“AI 會(huì)不會(huì)寫一段代碼”，而是它能不能長期值守，能不能理解邊界，能不能遵守權(quán)限，能不能在一次次任務(wù)里沉淀經(jīng)驗(yàn)。

OpenClaw 證明了 AI 可以動(dòng)手，Hermes 證明了 Agent 可以自我進(jìn)化，但它們的前提更多是個(gè)人場景。

公司場景完全不同， 企業(yè)不能把一個(gè)高權(quán)限 Agent 直接扔進(jìn)郵箱、代碼倉庫、客戶群里。沒有權(quán)限邊界，越強(qiáng)的 Agent 越危險(xiǎn)。

QoderWake 選擇的不是給個(gè)人 Agent 打補(bǔ)丁，而是從“員工”這個(gè)隱喻倒推產(chǎn)品形態(tài)。

一名數(shù)字員工至少需要六件事：

首先是崗位制，不是通用聊天機(jī)器人，而是明確崗位，程序員理解從編碼到部署的全生命周期，分析師、客戶經(jīng)理、內(nèi)容編輯則各自攜帶專業(yè)工作流。

在此之上，是長期身份：員工有持續(xù)的“職業(yè)身份”，用戶可與其長期共事，它知道自己的邊界、熟悉團(tuán)隊(duì)結(jié)構(gòu)、理解項(xiàng)目歷史，每次交互都基于累積的共識(shí)，而非從零開始的試探。與長期身份配套的是長期記憶，跨會(huì)話、跨任務(wù)的持久記憶讓它記得你的代碼風(fēng)格、項(xiàng)目背景、歷史決策，回應(yīng)了傳統(tǒng) Agent“用完即忘”的痛點(diǎn)。

光有記憶還不夠，還需要技能庫，可調(diào)用的模塊化技能集合，代碼審查、日志分析、根因定位，每個(gè)技能獨(dú)立完成單一功能，多個(gè)技能可串聯(lián)成復(fù)雜工作流。

能力邊界則由權(quán)限紅線劃定，運(yùn)行在獨(dú)立權(quán)限沙盒里，操作邊界清晰，不能越權(quán)，給員工發(fā)工牌，而不是把全公司的鑰匙都交給他。最后一件，是事件觸發(fā)：不用等用戶下指令，監(jiān)控系統(tǒng)告警、新工單進(jìn)來、定時(shí)任務(wù)到了，Agent 自己接手推進(jìn)。從“人找 AI”變成“AI 主動(dòng)找人”，這是數(shù)字員工區(qū)別于數(shù)字工具的本質(zhì)特征。

這六件事合在一起，形成一個(gè)可以描述的成長路徑：越用越懂你，只是 AI 助手，越用越懂團(tuán)隊(duì)、越用越懂公司，才是數(shù)字員工。

1

QoderWake 如何實(shí)現(xiàn)數(shù)字員工？

但“數(shù)字員工”終究是個(gè)比喻，落到工程層面，它意味著什么？

第一個(gè)問題是控制權(quán)。現(xiàn)在的大模型太自由了，你讓它寫代碼，它可能順手把配置文件也改了。QoderWake 的做法是把“想”和“做”拆開。

編排器負(fù)責(zé)制定計(jì)劃、把控流程，模型只負(fù)責(zé)理解意圖、推理復(fù)雜問題。兩者通過一個(gè)叫 Session 的獨(dú)立賬本溝通，所有操作、狀態(tài)、上下文都記在里面。萬一某個(gè)組件崩潰，重啟后翻開賬本就能知道做到哪一步、接下來該干什么，不失憶，也不亂來。

執(zhí)行之后是驗(yàn)證。QoderWake 設(shè)計(jì)了雙層機(jī)制：執(zhí)行器做完先自檢，再由獨(dú)立驗(yàn)證器審查整體結(jié)果。驗(yàn)證不通過，自動(dòng)打回重做，失敗原因被記錄下來，下次遇到類似情況直接規(guī)避。

系統(tǒng)會(huì)從多次失敗里提煉規(guī)律，比如從反復(fù)出錯(cuò)的代碼審查中歸納出“支付模塊的變更必須保持事務(wù)結(jié)構(gòu)”。這種經(jīng)驗(yàn)在單次任務(wù)里看不出來，只有跨任務(wù)的長期積累才能發(fā)現(xiàn)。

QoderWake 給每位數(shù)字員工配了獨(dú)立權(quán)限沙盒，每一步操作都進(jìn)審計(jì)日志，出了問題能追溯到具體哪一步、誰授權(quán)的。企業(yè)最怕的不是 Agent 犯錯(cuò)，而是犯了錯(cuò)找不到根因、追不回?fù)p失。

最隱蔽的問題是能力腐化。一個(gè) Agent 剛上線時(shí)很靈光，用久了反而變笨，記了一堆過時(shí)信息，學(xué)了互相矛盾的技能。

QoderWake 用 Critic-Refiner 機(jī)制應(yīng)對：任務(wù)完成后系統(tǒng)自動(dòng)復(fù)盤，哪些步驟多余、哪個(gè)判斷偏了。復(fù)盤結(jié)果被統(tǒng)一成結(jié)構(gòu)化的學(xué)習(xí)信號(hào)，系統(tǒng)判斷這條經(jīng)驗(yàn)該存進(jìn)記憶、變成技能，還是寫入工作流。

同時(shí)定期“體檢”，長期未使用的記憶淘汰，互相沖突的技能合并或降級。記住更多不代表做得更好，只有持續(xù)清理過的知識(shí)，才能轉(zhuǎn)化為真正增長的能力。

這種自我修正，不只發(fā)生在記憶層面。QoderWake 的進(jìn)化是多維的：記憶進(jìn)化讓它越用越懂你，技能進(jìn)化讓它越用越知道哪些工具有效，流程進(jìn)化讓它越用越懂團(tuán)隊(duì)，組織進(jìn)化讓它越用越懂公司。四個(gè)層次疊在一起，才構(gòu)成真正的崗位級成長。

1

從工具到崗位，再到一張更大的藍(lán)圖

從 Qoder 產(chǎn)品矩陣看，進(jìn)化路線很清晰。

Qoder IDE/CLI 是程序員身邊的 AI 助手，解決開發(fā)者如何更快完成編碼和調(diào)試。QoderWork 再往前走一步，把 AI Agent 能力從代碼領(lǐng)域擴(kuò)展到大眾辦公場景，通過自然語言直接操作本地文件、生成 Office 文檔。

QoderWake 又往前走了一步，把能力從“輔助一個(gè)人辦公”擴(kuò)展到“承擔(dān)一個(gè)崗位”，7×24 小時(shí)值守的數(shù)字員工。

從開發(fā)者工具，到桌面辦公助手，再到數(shù)字員工，Qoder 家族正在形成一套完整的 AI 工作體系。

這一定位，恰好落在阿里今天最大的戰(zhàn)略版圖里，即以Token作為核心，串聯(lián)大模型、Agent、云等業(yè)務(wù)板塊。

當(dāng)數(shù)字員工開始 7×24 小時(shí)處理反饋、分析日志、生成代碼等，它消耗的 Token 就不再只是聊天成本，也不再只是 API 調(diào)用量，而會(huì)變成生產(chǎn)過程本身的一部分。

Token 開始從“技術(shù)預(yù)算”變成“生產(chǎn)成本”。

站在更長的時(shí)間軸上看，這件事的意義不只是一款產(chǎn)品。

未來的公司不會(huì)只有真人員工和軟件工具，中間會(huì)多出一層：數(shù)字員工。組織會(huì)從“真人員工協(xié)作”，走向“真人員工 + 數(shù)字員工混編”。過去是把合適的事交給合適的人，未來是把合適的事交給合適的人，也交給合適的生產(chǎn)級數(shù)字員工。

點(diǎn)個(gè)“愛心”，再走 吧