一个反常点正在变得越来越明显：AI Agent 越像同事，越难放进高频业务流程。

它会解释，会总结，会追问。演示时很聪明，进了生产系统就变成另一种管理工作：人要读它说了什么，判断它有没有误会，再决定要不要放行。

Feldera 联合创始人 Gerd Zellweger 最近写了一篇文章，标题很直：Agents Aren’t Coworkers, Embed Them in Your Software。核心意思是，别把 Agent 当一个坐在旁边聊天的数字员工。把它嵌进软件，让它通过机器接口、事件流和控制面工作。

我更在意的不是 Feldera 这家公司能不能定义 Agent 的终局。它还没有证明这一点。真正有价值的是，它把问题从“Agent 会不会说人话”，拉回到一个更硬的工程问题：软件系统准备好和机器协作了吗？

聊天式 Agent 的问题，不是笨，是太吵

今天很多 copilot、chatbot、agent runner 都在模仿人类协作。它们用对话接任务，用解释交付结果，用追问补上下文。

这个模式有用。写文档、查资料、做一次性分析，聊天式 Agent 仍然方便。

麻烦出在高频流程。运维、风控、数据管道、代码审查、客户问题排查，都不适合靠长段对话维持状态。人不可能每隔几分钟读一段“我已经理解你的需求”。系统也不该从聊天记录里猜当前状态。

几种模式的差别，大概是这样：

Agent 模式适合什么主要代价
外部聊天式 Agent探索、低频、模糊任务对话多，状态散，监督重
协作式 Agent文档、总结、一次性辅助容易误解，也容易自以为理解
嵌入软件的 Agent高频流程、固定边界任务需要改接口、权限和状态表达
事件驱动式 Agent数据变化、运维响应、风控触发依赖底层数据流和控制面能力

Mark Weiser 在《The Computer for the 21st Century》里说过，最深刻的技术会消失，融入日常结构。

这句话放到 Agent 上很贴。成熟的 Agent 不该总在屏幕中央刷存在感。它应该像后台调度、数据库索引、监控告警一样，在正确位置安静工作。

这不是否定聊天框。聊天框是入口，不该是全部系统。

关键路线：少聊天，多用接口和事件流

Feldera 给出的路线很工程化：不要只调 prompt，要让软件系统“迎接 Agent”。

几个关键词都不新，但放在 Agent 里很关键。

CLI 让 Agent 用稳定命令操作系统，少依赖脆弱 UI，也少消耗上下文。声明式规格，比如 configs、schemas、manifests，让 Agent 描述目标状态，而不是一步步猜操作路径。

调和循环来自 Kubernetes 的思路：声明目标，系统持续收敛。偏离了，就再拉回来。

这套方法的重点不是把 Agent 训练得更像人。重点是让软件变成机器可合作的对象。

Feldera 也把自家产品放进这个框架里。它本身是增量数据处理查询引擎，有 SQL，有 CLI，有控制平面，也能通过 CDC，也就是 change data capture，把数据变化以事件流交给下游。

CDC 的价值很具体。

传统方式里，Agent 面对表格、仪表盘、CSV，经常要反复查询、轮询、diff，再猜哪里变了。CDC 直接告诉它：这条记录插入了，那条状态更新了，某个账户被标记为高风险。

这不是让 CDC 变成智能。推理仍然由 Agent 或业务逻辑完成。CDC 改善的是变化的呈现方式。

它把“你自己去全表找异常”，改成“这里发生了精确变化”。对数据平台和企业软件来说，这个差别很大。

谁受影响最直接？主要是两类团队。

相关团队现在该调整什么
AI Agent 产品和平台开发者少把资源全押在聊天体验上，补 CLI、权限、审计、回滚、状态管理和事件触发能力
企业软件与数据基础设施团队评估核心流程能不能输出机器可读状态，数据变化能不能通过 CDC 或事件流稳定流出

采购侧也会变得更挑。企业不只会问“它会不会回答问题”，还会问三个更现实的问题：能接入现有权限吗？能审计每一步吗？失败后能回滚吗？

答不上来，采购就会延后。团队也会观望，不敢把 Agent 放进核心流程。

真正的门槛，是企业软件愿不愿意重做骨架

我不太买账的是那种“Agent 像同事，所以企业会自然接受”的叙事。

企业买 Agent，不是为了多一个会聊天的数字员工。企业要的是流程更快、更稳、更少打扰人。

在高频系统里，废话就是延迟，含糊就是风险，解释太多也是成本。

这件事有点像早期互联网从网页展示走向 API 经济。开始大家盯着界面，后来才发现，真正让生态跑起来的是接口、协议、后台能力。

今天的 Agent 也类似，但不完全一样。网页时代连接的是人和服务，Agent 时代还要连接机器和机器。难点不只在入口，而在状态、权限、数据变化和执行边界。

这条路也不轻松。

企业软件要改接口，要暴露状态，要做权限分层，要把操作变成可审计、可回滚、可调和的动作。数据平台要把变化流出来，而不是只提供一个让人看的仪表盘。

Agent 工具链团队也要少讲“自主性”，多讲收敛能力。一个 Agent 能自己跑起来不稀奇。稀奇的是，它跑偏时系统能不能发现、限制、修正。

接下来最该观察的，不是谁的 Agent 口才更好，而是四个工程信号：

  • 企业软件是否开始提供更稳定的 CLI、API 和声明式配置。
  • 数据平台是否把 CDC、事件流、增量计算变成 Agent 的默认输入。
  • Agent 平台是否把权限、审计、回滚、状态同步做成基础能力。
  • 企业采购是否从“能不能对话”，转向“能不能进流程”。

目前只能说，Feldera 提出了一条更可信的工程路径。它不是终局证明，也不是万能答案。

但它戳中了一个行业遮掩很久的问题：拟人化很好卖，基础设施化才难做。前者制造热闹，后者决定能不能落地。

“天下熙熙，皆为利来。”放到这里也准。企业不会长期为一个会聊天的 Agent 付高价。它们会为更少人工监督、更清楚的责任边界、更稳定的流程结果付钱。

Agent 真正的关口，不在人味，在系统筋骨。