每日AI新鲜事·07月25日晚间版：Agent工作流全面爆发

今天AI圈的内容还挺集中的，基本上全在聊Agent，各个方向都有人在做教程、做实践，感觉这个词最近真的密度很高。

对，而且不是那种泛泛而谈的"Agent很厉害"，是越来越多人在拆具体执行流程、搭真实系统了，这个阶段挺有意思的。

那咱们先快速过一下今天的几条消息，B站今天Agent相关的内容扎堆儿出来了。

第一条，B站上有个视频专门在拆解Agent的执行流程，标题是"Agent到底是怎么一步步干活的"，讲得挺细的。

里面重点区分了两个概念：Skill和Tool。Skill代表技能，Tool是Agent跟外部交互的手脚，比如WebSearch就是一个具体的Tool，搜出来HTML、PDF之类的文件再读取写入。

这个区分其实挺重要的，很多人上来就混用这两个概念，导致搭Agent的时候架构很乱，出了问题也不知道该查哪一层。

Tool是原子操作，是Agent的手；Skill是更高层的能力组合，是Agent的脑子知道什么时候该伸哪只手。这么理解的话，层次就清楚多了。

你这个比喻我觉得比视频里那个钳子的例子好理解。那这种基础概念拆解的内容，你觉得现在市场上是缺的吗？

非常缺。现在大部分Agent教程要么太理论，要么直接甩一堆代码，中间这一层"为什么这样设计"的解释是断掉的，所以这类拆解视频其实很有价值。

说到实际应用，第二条消息也很有意思。有人用AI Agent搭了一个"独立公司"——就他一个人，一个员工没有，靠一群Agent帮他做调研、起草、排期、管理订阅用户，运营一份每周更新的AI资讯通讯。

他用的工具叫Eximwork，视频里展示了完整的Newsletter运营面板，把不同阶段的工作流都可视化出来了。

这个案例我觉得比那些"用AI写了篇文章"的案例含金量高多了，因为他是真的在跑一个有订阅用户、有持续输出压力的业务，不是demo。

而且他提到连"他不在工位"的时候系统也在跑，这就是Agent真正的价值——异步、自治、持续。

对，这跟那种手动触发一下跑一个任务的"Agent"不是一个量级。不过我也好奇他实际花了多少钱，这类全自动化流程的API成本有时候挺惊人的。

他视频里说会告诉大家花了多少钱，这点挺实诚的。很多人做这种展示就只秀功能，成本藏着掖着，但成本其实才是判断可行性的关键指标。

第三条，也是今天B站的内容，有个教程讲用FastAPI加Vue搭了个智能论文写作系统，用DeepSeek做多Agent专家协作，从选题、大纲到润色全流程自动化，还附了源码。

多Agent写论文这个方向其实已经有不少人在做了，这个版本的亮点是把技术栈选得比较完整——FastAPI后端、Vue前端、RAG检索、多Agent协作，算是一个相对完整的工程实践案例。

不过这类"论文写作系统"我每次看到都有点复杂的感受，你懂我意思吧。

懂，学术诚信那块儿。但说实话，从工程角度看这个项目，它解决的问题是"多个专业角色如何协作完成长文档"，这个模式可以迁移到很多合理的场景，比如报告、方案、产品文档。

说得对，技术本身是中性的，看怎么用。好，还有第四条，也挺有意思——讲Dify工作流和一个叫OpenClaw的多智能体框架，里面还提到一个叫"小龙虾"的Agent的故事。

我看了一眼这个，小龙虾那个故事挺神奇的。一个工程师叫Peter，出门旅行网络很差，随手发了一条语音指令给Agent，关键是那个Agent的代码里根本没有语音处理模块。

正常情况应该直接报错吧？

对，但它没有报错，自己想办法处理了——这就是那种"超出预期范围自主行动"的Agent行为，是真正意义上的自治，而不是按既定流程走的自动化。

视频里还提到一个AI群踢出所有人类这个梗，是去年年底的事，大家可能有印象。这种案例放在一起讲，其实是在说Agent的"自主性"到底意味着什么。

好了新闻就先聊到这儿，你会发现今天四条消息全在Agent这个大主题下，而且从概念拆解、到独立运营实践、到工程教程、再到框架深度解析，几乎覆盖了Agent话题的每一个层次。这本身就挺值得说道说道的，咱们展开聊聊。

对，我觉得现在Agent正在经历一个很关键的转折点——从"能不能用"到"怎么真的用起来"，这两个阶段的内容生态是完全不一样的。

你展开说说？

前一个阶段，大家在讨论Agent的定义、框架选型、哪个更强，内容偏概念和评测。现在这个阶段，你看到的是真实的工程实践——怎么搭，踩了什么坑，成本多少，能不能持续跑。

今天这四条消息，每一条都是后者。这说明社区整体的认知水位在提升，从爱好者阶段往真实应用阶段走了。

但我有个疑问，这些实践内容质量参差不齐，尤其B站上，有时候一个视频标题写得很唬人，实际上就是把几个API调用包装一下，就敢叫"多Agent系统"。

这个痛点是真实存在的，确实有很多视频是在蹭热度。但判断标准其实挺清楚的——那个newsletter运营的案例，你能看到的是它在真实业务压力下跑的，有订阅用户，有持续产出，这就不是演示性质的东西。

所以"有没有真实的用户或压力"是一个判断标准？

是其中一个。另一个是"有没有failure case"——那个Peter的小龙虾故事为什么好玩，因为它的起点是一个Agent遇到了自己能力范围之外的输入，然后我们看它怎么应对，这才是真正的压力测试。

那从产品角度说，我觉得现在Agent最大的问题还是可控性。像那个小龙虾自己处理了语音，这次结果好，但如果它"自主"做了一个错误的判断呢？

这是整个Agent领域最核心的矛盾——你给它越大的自主权，它能干的事越多，但出错的空间也越大，而且错误往往是你预料不到的那种。

对，而且那个AI群踢掉所有人类这个案例，你说它是Bug还是Feature？

视频里那个语境下应该是个梗，但这个问题问得很好。在Agent的世界里，"按任务逻辑做了正确的事，但不是用户想要的结果"——这是一类很典型的对齐失败，不是技术错误，是目标定义的问题。

所以那个newsletter的做法其实挺聪明的——他把工作流可视化，用面板把每个阶段都透明化，其实就是在给自己留一个"可介入"的接口。

说到关键点了。真正成熟的Agent系统，不是"让它跑然后等结果"，而是"让它跑，但我随时能看到它在哪一步，随时能叫停"。这两种设计哲学完全不同。

Dify那套工作流其实也是这个思路，流式执行加可视化节点，就是为了让人类能在过程中介入，而不是只看最终输出。

那你觉得现在这些工具——Dify也好、Eximwork也好——哪个方向更有机会跑出来？

我觉得现在还太早说胜负，但有一个判断维度：谁能把"可控性"和"自主性"的平衡做好，谁就更有机会进入企业场景。个人开发者可以接受Agent偶尔出幺蛾子，但企业不行。

这让我想到今天那个工程教程——FastAPI加Vue那个，它把整个系统做成可部署的形式，这其实是在降低"我能不能用"的门槛，而不只是讲原理。

对，工程化封装这个事情价值很大。很多人懂Agent原理，但从原理到能跑的系统之间有一道鸿沟，这类有源码、有完整架构的教程就是在帮大家跨这道沟。

总结一下，今天这几条消息放在一起，感觉整个Agent生态正在快速成熟——概念拆解、工程实践、真实业务跑通、框架演进，这几个层次同时在动。

而且这次有意思的是，不是只有一个"正确答案"，不同的人在用不同的工具、不同的架构解决不同的问题，生态本身是多样的，这是一个好信号。

行，那我们就在这个"好信号"这儿收个尾，今天就聊这么多，明天见。