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）
