先说背景吧，我从去年年底开始折腾AI智能体，因为被各种视频洗脑，什么“让AI替我上班”“躺平赚钱”之类的。我本职是做数据分析的，平时很多报表整理、数据抓取的破事特别烦人，所以我真的以为这就是救星。你猜怎么着？六个月过去，我花在订阅和API上的钱加起来超过2000块，一半工具用不到三次，最离谱的一次是让Agent帮我订餐厅，它愣是在地图上选错商圈，还自信地给我发了确认通知。我当时脑子里的疑问就是：这玩意到底是不是拿一堆if-else糊弄我？
来聊聊具体的测试。我设计了一个最日常的任务：在晚上7点前订到一家3公里内评分4.8以上、人均150以内的川菜馆，并且备注“不要香菜”。我让Manus、OpenAI Operator和一个我自己用LangGraph+Playwright搭的Agent分别去做。结果Manus打开大众点评后，第一步搜索就卡在“定位权限”弹窗上，反复点“拒绝”三次后它居然自己刷新了页面；Operator更逗，选好了餐厅却在提交订单时告诉我“需要人工确认支付”，然后备注栏永远点不进去。我自建的Agent倒是走通了全流程，可是中途遇到一个滑块验证码，它傻傻地重试了七次，最后我手动滑过去，算下来跑了7分钟，花了2.3美元的GPT-4o token。这个任务总计执行了10个类似场景，比如查实时航班、整理PDF报销、发邮件催客户，成功率只有30%，失败的大部分原因不是“能力不行”，而是网页结构一改它就瞬间变白痴。
现在说点我的独立观点。我觉得大家都把Agent给神化了，它本质上就是一段有皮的流程编排器，根本不是什么思考体。拿人类来比，同样去订餐厅，我会先看大众点评的差评里有没有人提过“香菜不干净”，Agent不会；饭店电话打不通，我会主动换一家备选，Agent只会卡在一个死循环里等超时。我拆过某个号称“自主决策”的Agent的底层prompt，里面密密麻麻写了27条硬编码规则，什么“检测到xxx事件就调用yyy接口”，这不就是以前办公自动化的高级换皮吗？真正的智能应该是能判断上下文里的微妙意图，而不是靠一堆预设动作去堆所谓的“规划能力”。所以行业里炫耀的“多步推理”其实挺虚的，它只是把用户需求猜成固定动作序列，一旦环境不匹配，整个假象就会碎掉。
但我也不是全盘否定。经过半年的折腾，我摸出一点门道：Agent只适合那种边界特别清楚的流水线工作，比如每天早晨批量查天气然后生成日报、从几十个API拉数据清洗成表格、填固定的政府申报表之类。如果你是个人小团队，别去买那个199美元一月的Manus，我自己在云端服务器上跑n8n加Dify，一个月API费用大概40美元，效果也没差太多。重点是一定要给Agent加安全护栏，比如单笔交易上限、所有外发操作都必须人工确认、日志加密存着。我测试的时候让Agent帮我发一个邮件给客户，结果它把我在草稿箱里写了一半的吐槽信直接点了“发送”，那封邮件里写着“你们这个方案我真是服了”。你说这种工具我能放心把重要事交给它吗？所以我的结论是：Agent能帮你少点几十次鼠标，但大脑还得你自己带着，你要真想用，就从最小最丑的流程跑起，别一上来就指望它替你当CEO。
