Agent 火起来以后企业 AI 里出现了一种很容易让人上头的东西画布上 Agent 越多好像系统就越高级。销售一个、分析一个、审核一个、监督一个最后再安排一个 Manager Agent 负责指挥打开流程图颇有一种“数字公司已经开工”的气势。真正把业务拿过来一看事情往往没那么宏大。客户上传一份资料公司要做的可能只是读懂内容、检查缺项、整理几个字段有异常时找员工确认。业务本来只有五步技术方案却硬生生长成了十五步这时候复杂度已经开始反客为主。多 Agent 当然不是噱头。如果一项工作本来就包含完全不同的专业角色需要访问不同数据、调用不同工具、承担不同权限拆开反而更清楚。问题是很多十几二十人的公司最先值得自动化的工作根本没有复杂到这个程度。假设每天要审核一百份客户资料固定字段有没有缺失规则就能判断证书、说明材料需要理解再交给 AIAI 看不准的地方标出来让员工只处理异常。正常资料继续往后走异常资料停下来。整个过程不热闹却能实实在在少掉大量重复劳动。企业真正愿意长期付钱的不是后台到底站着几个 Agent而是以前一天要看一百件事的人现在是不是只需要看二十件真正有问题的事。多一个 Agent也并不是免费增加一个“数字员工”。它意味着多一次模型调用、多一次上下文交接、多一个错误可能发生的位置。第一个 Agent 把客户意图理解偏了第二个可能基于这个结果继续分析到了第三个那里错误甚至会被整理得逻辑严密、格式漂亮。这也是企业 AI 和演示最大的差别。演示时人们容易被“它们会互相讨论”吸引真正上线以后大家更关心的是为什么错、错在哪一步、一次任务要跑多久、成本多少、出了异常员工能不能看明白。所以真正成熟的架构通常没有那么爱炫技。能用规则解决的地方就用规则需要理解复杂内容再叫 AI状态变化只需要触发下一步就让工作流安静地处理。该聪明的地方聪明该笨的地方稳定本身就是一种系统能力。很多 AI 项目后来越来越重不是业务突然复杂了而是方案不断给自己加戏。加反思、加监督、加角色、加多轮讨论最后一个原本五分钟能给老板讲清楚的流程变成只有开发人员敢碰的黑盒。对 10—50 人的公司来说这种复杂度尤其昂贵因为真正稀缺的不是 Agent而是维护 Agent 的人。系统一旦出了问题如果每次都需要一个懂模型、懂代码、懂业务的人重新排查所谓自动化很快就会变成新的人工岗位。所以判断一个 Agent 方案好不好我反而喜欢看一件事**能不能删。**删掉一个角色结果有没有变化删掉一次模型调用能不能照样完成固定规则能不能替掉一次自由判断。能删到最后仍然稳定运行的部分通常才是这家公司真正需要的。复杂系统当然有它的位置但复杂不应该成为目标。复杂度应该是业务逼出来的而不是科技感堆出来的。真正高级的企业 AI往往没有八个 Agent 开会只是事情进来以后很安静地被处理完了。