人人想造Codex，但Agent正在接管的不只是你的代码 | ToB产业观察

来源：市场资讯

（来源：钛媒体APP）

图片来源@unsplash

去年这个时候，我们曾有个判断是：相较于销售、客服等领域，AI在编程领域的应用落地速度更快，且代码生成提效赋能开发者的场景已经被实践快速验证。如今，这种情况正因Agent的能力进化而有所改变：伴随AI编程工具从Copilot辅助升级到Agent自主模式，AI开始进入到企业工作流和办公场景，成为企业组织内部的“数字员工”。

与Agent功能扩张形成鲜明对比的，是企业用户在部署Agent存在的困惑：想要变成为企业确定性结果交付的执行者，不仅是技术挑战，更是组织惯性、隐性知识和成本回报的综合考量。

当写代码的Agent，抢了办公的活儿

就在上周，以Cursor、Anthropic、OpenAI为代表，先后对其AI产品进行了产品和功能迭代。这一做法，其实已经指向共同趋势：AI编程工具不再是开发者专用的编程IDE，它还是非开发人员在日常工作场景的工具。

Cursor正在由内部员工测试一款新产品，内部代号为“Sand”。这款产品的研发，与Cursor在2026年4月从SpaceX AI部门租用计算资源的动作密切相关。一位接近Cursor的人士透露，CEO Michael Truell在5月的全员大会上已明确表示，下一个增长机会在于“非开发人员的商业用户，且客户确实需要这类产品”。这是Cursor自2022年成立以来最重要的战略转向。

与此同时，Anthropic对其面向非技术人群的通用任务执行型Agent——Claude Cowork进行了重大版本更新，其核心变化在于，它从桌面端正式转为跨设备、全天候的运行模式。事实上，早在今年1月，Claude Cowork就以桌面版本推出引起业内关注。基于桌面端的Agent，意味着用户可以在本地执行任务和文件处理，AI可以更主动为用户提供服务，包括处理Excel数据、社媒信息获取等。

除了Anthropic之外，OpenAI也采取类似策略推出了一款名为ChatGPT Work的Agent产品，专为自主拆解多步骤复杂任务、跨应用收集上下文、长期运行并直接交付文档/表格/PPT/Web成品而设计。并且，OpenAI还计划将ChatGPT Work与Codex入口进一步进行合并。事实上，Codex最初被定义为AI编程工具，现在越来越多的非IT人士将其用于报告、电子表格、PPT、研究和数据分析。据上月最新披露数据，Codex周活用户已经超过500万。

这种能力的溢出，是编程模型的必然外延。“氛围编程”的提出者Andrej Karpathy曾揭示，当AI能通过对话理解并生成代码时，它本质上已经掌握了将模糊意图转化为结构化产出的能力。那么，将这种能力从结构严密的编程语言，迁移到同样遵循逻辑结构但更依赖模板的PPT制作、报表生成，在技术路径上同样存在可迁移甚至降维的空间。

同样在中国市场，从之前的Coding产品，到现在拓展到桌面端、聚焦工作场景，也出现了一批同类产品：阿里Qoder团队推出了Agent QoderWork、腾讯云CodeBuddy团队推出WorkBuddy、腾讯应用宝的Marvis、Kimi有Agent Kimi Work、字节有TRAE Work，此外还有智谱AutoClaw、阶跃的AI桌面伙伴、豆包专业版等等。我们还获悉，创业公司滴普科技也即将发布一款定位企业日常办公AI入口的Agent产品。

可以看到，现如今，办公Agent赛道已经有越来越多的产品涌入，无论是海外还是国内，在产品层面的探索，已十分活跃。

一位来自金融行业的技术总监梁文指出：“随着AI的发展，其他场景的使用量会逐步超过编码场景，只是现在还没有发展到这个阶段。因为目前使用AI的人大多还是程序员，可能最快到明年，就会有很多生产业务领域的AI使用量超过编码场景。”在这家企业内部，AI早已从早期的单点试点演进为公司级基础能力，研发、产品、业务、数据团队均有深度依赖，甚至部分业务流程离开AI支撑无法正常运转。

当然，新的挑战也同样存在，就像编程环境有编译器的即时校验，企业办公场景的校验则来自模糊的商业判断和审美偏好，但怎么定义好“审美”前者因人而异，后者则因企业各异。

成为“数字员工”，要先跑通流程

理解Agent还要先看Harness。Harness本质是Agent的运行时框架，即连接基础模型与真实环境的执行层，它决定了Agent能否感知环境、调用工具、执行命令并验证结果。

Claude Code的Harness设计原则是深度自主。Anthropic联合创始人Jared Kaplan曾在内部力排众议，坚持用真实世界脏代码而非竞赛题训练模型。其结果是，Claude Code的Harness擅长在遗留系统的“泥沼”中自主进行跨文件重构，其API调用量一年增长17倍。全球GitHub公开提交中约4%由Claude Code参与完成，Anthropic预计到2026年底这一比例将超过20%。但这种设计的代价是，可能会导致不可预知的操作风险，需要严格的人工审批流程。

Cursor则强调驾驶舱模式，其Harness体系更像是一个精心设计的辅助驾驶系统，深度集成在IDE内，强调用户对每一步的感知和控制。这种设计对前端开发和日常迭代极为友好，但在处理需要全局视角的后端复杂工程时，也就是说，Harness的自主决策能力是相对保守的。

我们注意到，被誉为中国版Codex的WorkBuddy，可能在构建一个更庞大、更复杂的Harness生态。它采用了SkillHub平台，通过封装超7万个技能的标准化接口，内置11款主流大模型从而实现智能调度。腾讯在依靠企业微信等腾讯系生态产品，以放大Agent的能力触达。但其挑战在于，由于企业办公场景的流程如报销、审批，远比编写代码环境更为模糊，且更依赖隐性知识。

何为隐性知识？网易智企·云信CTO徐杭生此前提到，编程可能更容易被取代，原因在于逻辑性太强、流程性太强。有规范，像软件工程一样，是有教学过程的。相反，没有教学过程纯靠经验积累的场景，是更难被取代的。

这种隐性规则的量化、建模与动态更新，是企业Agent落地的最主要障碍之一。

结合海外公司的策略来看，Anthropic通过Snorkel AI启动了代号为“Marlin”项目。该项目雇佣约1000名资深软件工程师，以每个任务280美元/1小时的报酬，对Claude Code的输出进行A/B测试和评审。他们购买的不是代码，而是工程师在审查代码时头脑中闪过的“这样写更好”的工程直觉判断。

为了真正意义上理解企业工作流，WorkBuddy采用了腾讯内部数万员工在使用其工具时产生的、经过脱敏和标注的真实工作过程数据，例如，一个优秀的市场方案是如何从提纲、素材搜集到初稿、反复修改成型的。

这种过程数据的获取在通用办公场景下极为困难，因为大量知识工作者的核心工作过程（如思考、决策）并不在数字工具上留下痕迹，这也是办公Agent相较于编程Agent存在的先天数据劣势。

效率不是终点，还要与真人比价值

我们此前报道过一个数据：在海外，企业集成Github Copilot后，编码时间虽减少50%，但Bug却增加了41%。这其实早已说明：在AI时代，一些老的效率标尺如代码行数、编码耗时已经很难衡量Agent价值，面向办公场景的Agent同样需要一套合适的衡量标尺。

Gartner在今年5月报告中指出，尽管90%的工程领导者报告AI编程Agent带来效率提升，但平均净提升仅为19.3%，远低于产品宣传的“倍数级”效果。Stack Overflow调查显示，超过70%的开发者使用AI工具，但主要担忧仍是“代码质量难以控制”和“引入安全漏洞”。这意味着，在排除了调试、审查、沟通等非编码时间后，AI带来的真实组织效能增量其实没有想象中那么高。

梁文还注意到，现在很多硅谷企业存在的问题是，无法通过消耗更多Token，持续稳定地转化为新的需求，那么就会变成生产过剩。“所有人开始使用AI产品，并将其用在业务流中，并不能完全保证会为企业带来真正的业务增长。但这个过程中，很多过去非标准化、非结构化的流程或工具选项被固化由AI来完成，却又无法打开新的增量，这就可能带来裁员问题。”

这种转变意味着，Agent的价值必须投射到组织原有的业务价值流中，而非制造一套独立的AI效率数字。这要求企业重新设计从需求评审、代码审查到测试部署的全流程，让AI的参与可量化、可追溯，最终体现为业务响应速度的提升。

与此同时，当Agent全面进入企业流程，一个过去被忽视的问题正在被快速放大：Token消耗呈指数级增长，其成本可能很快超过被替代的人力成本。

国内某软件企业目前每个月Token的消耗量也已经到了几百亿。模型性能对Agent产品体验仍有重要影响，但当前最主要的制约因素，依然是高昂的Token成本。

今年6月，GitHub Copilot正式告别包月模式，改为按Token计费。有开发者测算，重度使用下月费可能从约50美元飙升至近3000美元。Gartner预测，到2028年，AI编程成本将超过普通开发者的平均薪资。

企业将像管理云计算资源一样，为不同难度的任务分配不同档次的模型，以实现成本最优。国内某开发者社区一篇实战复盘显示，有团队将12名开发者的编码后端重定向至基于Claude Code协议的自定义工作流，通过混用不同型号模型，在提升32%效能的同时优化了预算。

不少技术人士不约而同提到了算力与模型管理这个话题，统一搭建算力网关，统一对内部的各个产品线进行模型供应商管理，以实现在成本、质量及稳定性方面的最优组合。

为推动Agent项目更好落地，一些企业还采用了多Agent架构来执行不同任务，包括执行具体任务、数据查询、安全检查、性能监测等任务，Agent完成的任务更垂直、单一，对应的技术难度和复杂度也被分摊到了各个Agent上。

成本结构的正倒逼企业重新审视Agent的部署策略。过去，编程因为任务边界清晰、反馈闭环迅速，成为Agent落地的天然试验场，当Agent试图进入更广阔的企业办公场景时，需要解决的是更根本的问题。当Agent像一个合格员工一样Work时，你可能也不再关心Agent有多聪明，而是它的成本究竟值不值？

（作者｜杨丽，编辑｜杨林）