8.7
深览指数
产品人人都是产品经理·糠糠鸡··AI 生成
别把手机 Agent 搬上车：从零到一做车载个人 Agent
针对行业将手机Multi-agent架构直接迁移至智能座舱的趋势，本文提出强烈反对，强调车规级芯片、安全冗余、10年生命周期等物理约束从根本上改变了设计前提。文章系统性地提出了一套“先Job，再模型”的AI原生设计路径，从身份、记忆、授权三件套，到六步落地法与三层产品架构，为产品经理提供了一份从约束分析到量产落地的实操指南。适合正在做或计划做座舱助手的产品经理、Tier1方案商及主机厂智能座舱团队阅读。原文 ↗
核心观点
- ▍车载个人Agent不能照搬手机Multi-agent逻辑，核心原因是车的物理约束（车规芯片、安全冗余、10-15年生命周期）和产品约束（多用户、全双工中断）与手机完全不同；正确路径是“先定义Job（用户要完成的任务），再决定模型和架构”。
- ▍车载Agent设计的最大分水岭在于“身份-记忆-授权”三件套，这是与单纯的“座舱大模型”或“语音助手”的本质区别；真正稀缺的不是模型能力，而是用户数据在车内外的可携带性和安全管控。
- 01物理硬约束具体包括：车规芯片需通过AEC-Q100认证（工作温度-40~105℃），设计寿命10-15年，安全等级需满足ISO 26262（ASIL D失效目标<10 FIT）；而手机芯片工作温度0-70℃，寿命3-5年。
- 02产品层面的两条约束是：多音区身份识别（确定“谁在说话、是否为车主”），以及全双工对话中的任务中断与恢复（取消/挂起/续跑的协议）。
- 03回避产品误区，文章提出了一个“四象限”场景选择法，核心维度为“使用频次×语音比手动方便多少”，并强调“V1不做什么”比“做什么”更重要。
- 04在架构层面，文章提出六层分层（交互→感知→认知→决策→能力→基础），核心原则是“能力层与模型解耦”，换模型不会导致车控能力破碎；并强调安全环（护栏）必须独立于模型，用规则强制执行。
- 05记忆设计被拆分为“四种记忆”（短期、长期、情景、个人Wiki）和“四个作用域”（车主、乘员、访客、所有），每条记忆带来源、有效期、可见范围。
- 06提出“五档授权”体系（允许、无声执行、确认、人工接管、硬拒绝），行车时自动降一档；并指出授权应与业界常见的7类决策（执行、拒绝、澄清等）对齐。
- 07多步任务的降级策略被系统化：先判ODD（运行设计域），再选降级阶梯（下行/限幅/拒绝/改提议/补条件），最后选NLG（自然语言生成）；核心公式为“原因+已成功项+下一步”。
- 08评测体系被分为五层：红线集（越权/危险操作）、口语变体集、状态级评测、授权决策集、LLM裁判+人抽检；并强调“任务达成率”优于“意图命中率”。
- 09在实际落地顺序上，建议分四阶段：能力地基（元数据规范、ODD框架）→ 端侧闭环（无网核心车控） → 云端认知（模糊意图、多步规划） → 数据飞轮（日志回流、Bad Case运营）。
反方 / 局限
- — 文中承认，业界某些大厂（如理想、小鹏、火山引擎）已经在向Agent/AI原生方向演进，但各家定义不统一，不能将任何一家的架构图当作行业标准。
ISO 26262AEC-Q100Meta MuseOpenAI DotsGrok Bot火山引擎 豆包座舱助手GPT-LiveGemini LiveMoshi理想同学小鹏 Master AgentODD (Operational Design Domain)Multi-agentA2AMCP
32 分钟 · 4 卡片 · 12 资料
读原文 →