那个让你崩溃的 30 分钟

如果你用过复杂的长程 Agent，大概率经历过这个场景：

Agent 开始工作——读文件、搜索网页、启动子 Agent、写代码、再读文件、再写文件……30 分钟后，终于给出一份合同。

你一看：第三条不太对。

"这里有个错误，能看看另一份文档吗？"

然后你看到了那个画面——Context Compaction（上下文压缩）。你知道完了，它要把之前的一切都忘掉了。

它继续跑，给了你第二版合同。改了第三条吗？大概率不止。整份合同面目全非。

这就是今天复杂 Agent 的现状。

Verifier's Rule：任务的可验证性决定一切

这是 Jason 提出的 Verifier's Rule：如果一个任务可解决且易验证，AI 最终会解决它。

这个规则对 Agent 同样适用——只要你能把任务变得可验证，就可以让 Agent 循环跑，告诉它"这里错了，改"，它迟早会对。

但不同行业、不同任务，在"可验证性光谱"上的位置天差地别。

拿法律行业举例：

  • 定义检查：超级简单验证——这个术语有没有被定义？定义是否一致？写个 linter 就能搞定。
  • 合同撰写：容易解决，但极难验证。你写了一份合同，怎么知道它写得好？只有当它上了法庭、被法官判定有效时，你才能真正验证。而那是几年后的事了。
  • 诉讼策略：几乎无法验证。你问五个律师该用什么策略，会得到五个不同的答案。没有客观真相，AI 也很难做好。

对比编程：写一个可运行的消费者 App 很容易，但验证它"成功"几乎不可能——用户体验、市场反应、竞争格局，全是无法量化的维度。

这意味着：垂直 AI 的核心任务，不是让 AI 干所有事，而是找到人类真正该介入的地方。

两个核心维度：Trust 和 Control

Human-Agent 协作有两个彼此正交的维度：

Trust（信任）—— 任务能否交给 Agent 闭环完成？

Trust 决定你需要多少 Review。如果 Trust 很低，你会逐条审查每一步 trace；如果 Trust 很高，你直接看结果。

提高 Trust 的方法：

1. 降低任务的验证难度

比如做功能开发，加上测试驱动、加上浏览器自动化，任务就变成了可验证的——测试过了就算成功。Agent 在高验证性条件下表现会好得多。

在法律场景里，合同本身难验证，但可以找验证代理——拿历史合同做参照，新合同是否与已知有效的合同结构相似？这就是一个可量化的代理指标。

2. 任务分解

把"写一份合同"拆成多个子任务：定义检查（容易验证）、格式标准化（容易验证）、风险条款判断（需要人工）——让 Agent 只做它能做好的那部分。

3. 加上护栏（Guardrails）

限制 Agent 能做的事：只能编辑这三个文件、只能读取这个目录、只能搜索这几个网站。限制即信任——你知道它不会做出格的事。

Control（控制）—— 你能把你的判断有效地灌入 Agent 的工作流吗？

复杂 Agent 的工作本质上是一棵 DAG（有向无环图）：研究 → 审阅 → 起草 → 审核 → 输出。

Control 的演进阶段：

  • 无 Control：Agent 拿到任务后闷头干，最后给你结果。你只能在根节点输入，之后就是黑箱。
  • Planning（规划）：Agent 先跟你对齐方案，再动手。比无 Control 好，但你依然只能做全有或全无的选择——要么接受整个计划，要么从头再来。而且规划阶段 Agent 必须把所有问题都问完，但有些信息它还没读到文件时是不知道的。
  • Skills（技能）：把人类判断编码成技能，写进 DAG 的各个节点。比如"审阅保密条款时，用这套特定方法"，Agent 执行到该节点时自动调用。Skills 支持** contingencies（偶发情况处理）**——预判到某些特殊情况时，知道该怎么处理。
  • Elicitation（追问）：Agent 遇到不会的情况，主动来问你。不是阻塞等待，而是记录自己的决策后继续推进，并把决策日志留给你事后审查。

Chat 是最低效的协作界面

这是我认为最反直觉、也最重要的观点：Chat 是人类受限的接口，不应该成为 Agent 的限制。

当你的任务树有 10 层、100 个节点、50 个需要人工判断的节点时，Chat 根本无法承载。你面对的将是一条无限长的聊天记录，不知道该从哪里回答、该提供什么上下文。

Chat 是一维的、低带宽的——它把所有树状的工作流强行压成一条线。

那该用什么？

高带宽、持久化的协作媒介。在不同的垂直领域，这会不同：

  • 在法律行业，是文档——你可以只高亮第三条，它只改第三条；可以加评论；可以标记需要人工审核的段落；可以把特定章节分配给专门的 Agent。
  • 也可以是表格化的审阅视图——Agent 批量处理完所有合同，高亮出需要你判断的几个关键点，你快速扫完，直接 kick off 下一阶段。
  • 在代码场景，可能是结构化的 PR diff、测试报告，而不是一条聊天记录。

这些 Artifact 是持久化的——Agent 和人类都可以回头看、增量更新、局部修改，而不是每次都要从头交代上下文。

语言是人类受限的接口，Agent 不该被它束缚

一个有趣的类比：

我今天跟一个候选人描述我们公司的组织架构，受限于语言，我只能用手比划——我真希望能画一张组织图让他直接操作。但我是人类，我被语言所限。

Agent 不受这个限制。

语言是人类发明的通用接口，因为它是我们能彼此交流的唯一方式。但 Agent 不是人类——它们可以处理结构化的、视觉的、多模态的信息。把 Agent 限制在自然语言里，就像让一个能读 X 光片的医生只能用文字描述病情。

自然语言适合作为输入层（用户告诉 Agent 要什么），但不适合作为唯一的输出和协作层。

写在最后

垂直 AI 的机会，不是让 AI 替代人类完成所有工作——而是在可验证的地方放手，在需要判断的地方保持控制。

做到这一点，需要两件事：

  1. 理解你的垂直领域在可验证性光谱上的位置——知道什么能自动化，什么必须留给人。
  2. 设计合适的协作界面——让人类和 Agent 在高带宽的 Artifact 里协作，而不是在低带宽的 Chat 里互相折磨。

Chat 是起点，不是终点。