8.2
深览指数
科技虎嗅·叶小钗··AI 生成
OpenClaw、WorkBuddy、Loop 工程：谁在火，谁有用，谁还在Demo
文章站在工程角度，系统梳理了当前各类Agent（Coding Agent、AIGC、AI客服、专业Agent、办公协同Agent、OpenClaw等）的真实火热度与可用性。核心结论是：目前只有Coding Agent和AI客服经得起大规模付费验证，因为它们天然处于高度数字化的环境且有即时反馈闭环。作者指出Agent的本质价值在于用更高的计算与稳定性成本换取场景泛化能力，并提出了Agent有用的三大前提（环境数字化、即时反馈闭环、高ROI）。最后给出了企业从个人工具到原生组织基建的渐进路径。适合正在做Agent选型或技术评估的产品经理、技术负责人阅读。原文 ↗
核心观点
- ▍目前只有 Coding Agent 和 AI 客服是经过大规模付费验证的「真 Agent」，核心原因是它们天然处于高度结构化的数字环境且有即时反馈闭环。
- ▍Agent 的本质是用更高的计算成本、效率成本和稳定性成本，换取更强的场景泛化能力；其出现源于「用户无限的意图难以被有限的古法编程所覆盖」。
- 01OpenClaw 的传播很火，但由于真实世界的页面、用户目标、状态不断变化，其高频留存和真实使用情况大打折扣，更大价值在于「教育了市场」。
- 02WorkBuddy 等办公 Agent 目前最多被用于文案生成或简单数据分析，要进一步推动面临企业 SOP 混乱、标准不清、跨部门协作难等组织复杂度问题。
- 03作者举例一个客服公司的核心流程从简单演变为极其复杂，程序员已到不想改也改不动的状态，这构成了用 Agent 重构的典型场景。
- 04Agent 工程的四大问题：稳定性差（相同输入不同输出）、效率低+成本高（ReAct循环）、难治理（黑盒式调试需逐个试错）。
- 05文章通过「钉钉文档空间满」的案例，展示了 Agent 在「完全未知场景」下的工作路径：通过暴露的 CLI 接口，动态规划执行步骤。
- 06企业判断 Agent 是否有用，核心看三大前提：环境高度数字化、存在即时反馈闭环、ROI 算得清。
- 07某头部互联网公司全员配 Token 费用，半年后砍半，因为管理层未发现该投入对应了什么明确价值。
反方 / 局限
- — 专业 Agent（如 AI 医生）虽已具备媲美真人的能力，但受限于法律、伦理和法规限制，还不能大规模应用。
- — 全行业的数字底座尚未建设好，大量企业数字化程度低，导致 OpenClaw 这类通用执行的 Agent 在现实中很难稳定工作。
- — 80% 的核心场景靠 20% 的传统工作流就能搞定，Agent 更适合处理那剩余的 20% 场景，不是全部替代。
24 分钟 · 5 卡片 · 15 资料
读原文 →