先看几条信息:
• 上周,易观发布桌面办公 Agent 报告,WorkBuddy 月活以 2097 万绝对领先,这疯狂的增长来自于铺满北上广深地铁的“我帮你”
• 上周,阿里把 Qoder Work、MuleRun 和悟空整合成“千问办公”,划到钉钉团队;
• 本周,字节把飞书整合进了豆包,飞书负责人向豆包负责人汇报;
WorkBuddy 疯狂的增长验证了这事儿可行,然后字节和阿里立刻调整状态跟进。
不出意外的话,接下来几个月,这场“办公 Agent 三国杀”大概率会打得很热闹。
“新建”入口意味着什么?
不管最后谁占上风,三家在一件事上的方向肯定是一致的:把 Agent 做成新的办公入口。
产品经理们可能要遭罪了。
不要小看这个入口的改变,Agent 是一个非常恐怖奇葩的存在。
“用 Agent 赋能”和“用 AI 赋能”是完全不同的两回事。
过去讲 AI 赋能,赋能的主体是产品,然后间接去赋能用户。
产品经理负责把 AI 能力塞进原来的产品流程里,让搜索更智能、写作更方便、数据分析更快……
AI 是产品拥有的一件新工具,最后还是用户来使用这个产品。
• 产品是主体。
• AI 是产品的工具。
• 产品经理考虑的是怎么把 AI 塞进产品,让产品对用户更友好。
Agent 赋能则完全不是一回事。
Agent 自己有自主决策能力,也会调用工具、拆解任务和连续执行。用户把目标交给 Agent,Agent 再决定该使用哪些产品。
赋能的主体是用户,Agent 作为用户的“代理”,产品反倒成了 Agent 完成任务时调用的工具。
• 用户是主体。
• Agent 代表用户理解目标、组织任务。
• 产品成为 Agent 可以调用和操作的工具。
• 产品经理要做的,是给 Agent 开绿灯,让自己的产品更容易被它理解和使用。
说白了,那些做 Agent 的产品经理,抢了普通产品经理的主导权,让大家“沦为二等公民”没机会直接用自己的作品去“赋能用户”了。
Anyway,这才是办公 Agent 成为入口之后产品经理们应该关注的:过去是把 AI 接入产品,将来则要让产品接入 Agent。
至少在办公场景里,产品都得开始考虑怎么对 Agent 更友好:
• 能不能被 Agent 找到和理解?
• 有没有稳定的 API、CLI、MCP Server 或 Skill?
• Agent 能不能读取产品里的信息?
• 能不能代替用户执行大部分操作?
• 权限、确认、日志和出错恢复怎么处理?
如果三大厂真的把 Agent 做成了办公入口,其他产品也不得不跟着改。
因为新入口之后用户可能不再频繁打开你的产品,而是让 Agent 代替自己使用它。
从这个角度看,飞书被整合进豆包也许就是一个挺有意思的信号:产品正在成为 Agent 能力的一部分。
既然统一入口已经交给了 Agent,各个产品再分别折腾一套自己的“AI 赋能”,多少会显得重复,甚至可能互相打架。
“Agent 吞噬一切”听起来有点夸张,不过产品逐渐从“给人操作”变成“也给 Agent 操作”,甚至主要被 Agent 操作,这件事已经挺具体了。
基于这套论述,我整理了 10 个可能在 2027 年之前就会到来的变化,请各位产品经理品鉴。
1.新的要伺候的对象
过去产品经理主要研究人:用户有什么目标、怎么理解页面、愿意点几步、在哪里会放弃。
Agent 成为入口后,产品可能同时服务两类用户:
• 人类用户:提出目标,确认关键决策,处理例外。
• Agent 用户:理解产品能力,选择工具,传递参数,执行操作,读取结果。
这会产生一些以前不太重要的问题:
• Agent 能不能理解这个产品是干什么的?
• 它怎么判断什么时候该调用这个产品?
• 相似工具很多时,为什么选你?
• 调用失败后,能不能知道错在哪里、下一步怎么办?
• 执行结果能否以结构化方式返回,而不是丢给它一张页面截图?
“用户体验”可能要分成两部分:给人看的交互体验,以及给 Agent 用的调用体验。
![]()
two-users
2.产品界面不再是唯一产品主体
很多产品经理做产品/功能习惯从页面出发:信息架构、功能入口、操作路径、交互细节。
如果大量操作由 Agent 完成,页面的重要性不会消失,但它承担的任务可能会变化:
• 高频、标准化操作交给 Agent。
• 页面更多用于查看状态、处理异常和确认高风险操作。
• 复杂配置可能由 Agent 通过对话收集,再转换成结构化参数。
• 用户未必需要知道某个功能藏在哪一级菜单里。
• 一部分过去必须设计成页面的能力,可能只需要成为 API、MCP Tool、CLI 或 Skill。
新的影响:以后定义一个功能,除了画页面,还要考虑它能不能被抽象成 Agent 可调用的能力。
![]()
interface-becomes-console
3.PRD 要加 Agent 故事?
以前写功能需求,通常会描述用户故事、业务流程、页面状态、数据和异常情况。Agent 参与后,可能还得补充:
• 这个能力的调用条件是什么?
• 输入参数怎样定义,哪些必填,哪些可以推断?
• 输出结果怎样表达,Agent 才能继续完成后续任务?
• 哪些信息需要放进上下文?
• 哪一步允许自动执行,哪一步必须询问用户?
• Agent 调错工具、填错参数、重复执行时怎么办?
• 操作能不能撤销、回滚和追溯?
• 同一个任务执行到一半中断,之后能不能恢复?
过去很多隐藏在人脑里的业务常识,也得被整理出来。因为 Agent 不一定知道“公司里一般都是这么处理的”。
![]()
agent-story-prd
4.产品功能得拆一拆
给人使用的产品,常常按照页面和业务模块组织功能;给 Agent 使用时,能力可能要拆得更原子化。
比如“帮我完成一次报销”背后可能包含:
• 识别票据
• 查询费用标准
• 匹配费用类型
• 填写报销单
• 找到对应项目
• 检查字段
• 提交审批
• 查询审批状态
产品经理需要判断哪些能力做成 Tool,哪些组合成 Skill,哪些仍由 Workflow 固定编排。
拆得太粗,Agent 很难灵活使用;拆得太细,调用链会很长,出错概率和 Token 成本也会上升。这里可能会逐渐形成一套新的“功能颗粒度”方法。
![]()
atomic-capabilities
5.“AEO”
过去的分发入口是应用商店、搜索、广告、销售和渠道。Agent 如果占据入口,可能再多一层:Agent 在执行任务时愿不愿意选择你的产品。
影响选择的因素可能包括:
• 能力描述是否清楚
• 接口是否稳定
• 调用成本是否合理
• 返回结果是否结构化
• 成功率和执行速度
• 权限申请是否顺畅
• 有没有适合常见任务的 Skill
• 出错后能不能自我修复
• Agent 是否能验证任务真的完成了
这有点像过去做 SEO、应用商店优化,只是优化对象变成了模型和 Agent 的工具选择机制。以后可能会出现某种“Agent 渠道运营”,但具体会长什么样,现在还不好说。但肯定是产品经理的活。
![]()
aeo-tool-selection
6.考核 KPI 要变
只看 DAU、页面访问量、点击率,可能会越来越奇怪。
如果 Agent 替用户完成了大量操作,一个成功任务可能只产生一次调用,甚至没有传统意义上的页面访问。
产品团队可能更应该关心:
• Agent 调用次数
• 任务完成率
• 首次执行成功率
• 平均调用轮数
• 人工接管率
• 用户确认次数
• 错误恢复率
• 单次任务成本
• 被不同 Agent 选择的比例
• 从调用到最终业务结果的转化率
这里还有一个挺麻烦的问题:Agent 调用了工具,不代表用户的目标真的完成了。比如“邮件发送成功”和“客户接受报价”之间还隔着很远。PM 需要区分工具执行成功、任务完成和业务结果达成。
![]()
agent-kpi
7.权限和风控得更严格了
“不怕流氓有文化,就怕文化人耍流氓。”
Agent 能力越强,误操作(故意搞破坏)的危害和可能性越高。
一个只能生成文字的 AI,出错后最多是内容不靠谱;一个可以操作电脑、删除文件、提交审批、发送消息的 Agent,错误会直接进入真实业务。
过去我们几乎不用考虑产品被逆向的问题,但是当 Agent 来使用我们产品的时候,它会并且有能力为了完成任务干出任何事。
所以产品经理可能得更频繁地处理这些设计:
• 哪些操作默认允许?
• 哪些操作需要二次确认?
• 确认时要向用户展示多少信息?
• 能否限定 Agent 的可操作范围和有效时间?
• 如何防止重复提交?
• 如何记录每一步操作?
• 出错后由谁负责?
• 用户能否一键停止、撤销或接管?
• 敏感操作如何设置提示词拦截?
8.隐形规则需要显化
很多业务产品能运行,依赖的是员工经验。
例如:
• 某类客户要优先处理
• 超过某个金额要先找领导沟通
• 某些字段虽然非必填,但实际必须填
• 特殊日期不能执行某种操作
• 系统提示成功后还要去另一个页面检查
人用了几年,自然知道这些细节;Agent 不知道。它只会根据获得的上下文和工具反馈行动。
因此,PM 可能需要把业务经验整理成:
• 规则
• SOP
• 权限条件
• Tool 描述
• Skill
• 校验逻辑
• 异常处理策略
这部分工作过去常散落在培训材料、客服话术和老员工脑子里。Agent 真要干活,就得把它们重新翻出来显化放在每一个 Agent 需要决策的节点。
![]()
make-hidden-rules-visible
9.用研也得更新了
以后研究 Agent 产品,光访谈用户可能不够,还需要观察 Agent 的执行过程。
比如:
• 它为什么选择了这个工具?
• 哪条描述让它误解了功能?
• 上下文在哪一步丢失了?
• 为什么连续重复同一个错误?
• 用户在哪些节点倾向于接管?
• 哪些确认弹窗让用户觉得比自己操作还麻烦?
可能需要把模型的调用记录、工具参数、上下文和用户接管行为放在一起分析。
某种程度上,PM 除了研究用户行为,还得研究一种概率化、会波动、偶尔不讲道理的“新用户行为”。
![]()
research-agent-behavior
10.产研协作边界移动
Agent 产品里,一些原本偏技术的概念会进入日常产品讨论:
• Tool Use
• Function Calling
• MCP
• Skills
• 上下文窗口
• KV Cash
• 模态、tokens/s
• 沙箱、容器、Harness、HOOKS
• 调用日志
• Eval 与成功率测试
PM 未必需要亲自实现底层,但如果不了解这些东西,很难判断一个方案为什么能做、为什么不稳定,以及应该在哪个环节增加约束。
同时,Vibe-Coding 和 Agent 开发工具也会让 PM 更容易自己做原型。原型可能不再只是一套页面,而是一个能调用真实工具、跑完整任务链的小 Agent。
![]()
product-tech-boundary
其他可能的奇怪的变化
再往远一点猜:
• 一些产品的页面访问量可能下降,但实际使用量增加。
• 一些功能对人来说体验普通,对 Agent 来说非常好用,反而获得更多调用。
• 大量相似的轻工具可能被 Agent 层屏蔽,用户不再关心背后用了哪一个。
• 产品品牌可能弱化,能力、数据和服务质量变得更重要。
• Agent 平台可能掌握分发权,应用重新经历一轮“被入口抽成”。
• 企业购买软件时,会开始问“能不能接入我们的 Agent”,类似过去询问有没有 API、能不能单点登录。
• 产品经理的一部分工作,会从设计固定流程转向设计 Agent 可以活动的边界。
一句还不太成熟的概括:过去 PM 设计的是用户完成任务的路径;以后还要设计 Agent 代替用户完成任务的条件、工具和边界。
补课吧,产品经理!
对产品经理来说,充分且透彻的理解 Tool Use、MCP、Skills 这些基本范式已经没啥可讨论得了。
如果你不知道 Agent 如何调用工具,你几乎不可能设计出能被 Agent 调用的工具。
初次之外,还有一部分更重要、但更容易被忽略的:要像过去研究用户心理和用户行为一样,研究 LLM 的基本特性。
比如:
• AI 拥有大量知识,但反倒更不可靠
• 它为什么会把“听起来合理”当成“正确”
• 哪些任务适合完整交给它,哪些环节用程序更合适?
• 需要提供什么上下文,它才能把事情做对?
• 怎么拆任务、加约束、设检查点,减少它一路错下去?
• 产品要提供哪些工具、权限和反馈,Agent 才能稳定工作?
• 一百万超长上下文,注意力机制为什么反倒更重要了?
• ……
将来做产品,可能不只是研究“用户想怎么操作”,还得研究“Agent 要怎样才能完成操作”(这两个对象的特性差异其实挺大,应该会冒出不少新的产品方法)。
这些 Agent 时代产品经理需要掌握的基本功,我都压缩到《AI 产品经理转型实战营》线下课了。
两天课程,包括:
• 大模型的基本原理、缺陷和使用边界(顺便学会用 AI 做市场调研、写 PRD、画高保真原型)
• Workflow、RAG 和上下文工程(掌握 AI 赋能&Agent 赋能的关键能力原子化拆解)
• API 调用、Tool Use 和 Agent 循环(上手开发一个真能干活的 Agent 程序)
• MCP、Skill、CLI,以及怎样让产品对 Agent 更友好
• Vibe-Coding 实战,从想法到可运行应用(三个 AI 赋能场景,交付完整作品)
第一期已经在过去的 1 个月完成交付,广受好评:
![]()
第二期开始招募,安排如下:
城市
时间
状态
北京-2期
8月01-02日
已满
深圳-2期
8月15-16日
招募中
上海-2期
8月22-23日
招募中
课程原价 3999 元,限时早鸟价 2999 元将在二期开营前结束。
扫码可以查看课程详细内容、上课方式与详细安排。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.