我很少写这类文章。一是自己没做过企业级AI落地，不想误导别人；二是怕说得太轻巧，显得站着说话不腰疼。

但最近读到一篇文章，讲企业AI落地为什么90%的公司卡在半路。里面很多观点，和我这大半年搞AI agent落地的体感特别像。所以还是想结合自己的经历，聊聊真实感受。

搞AI agent大半年，最开始也是冲着"让AI帮我干活"去的，结果发现真正难的不是让AI跑起来，而是让它跑在正确的地方。

下面用几个亲身踩过的坑，说说我的想法。

一个错觉

很多人（包括我）一开始对AI agent的想象是：一个能处理所有任务的超级助手，从写文章到查资料，从管服务器到发消息，无所不能。

我第一个搞的AI agent是写作助手。想法很简单——让它理解需求，输出文章。结果呢？写出来的东西永远在"正确但平庸"的区间里打转。什么都能写，但什么都差点意思。

后来想明白了一件事：AI agent的价值不是"什么都会"，而是"在特定领域做到极致"。

一个agent什么都能干，但什么都干不精。真正的AI agent应该在某个极窄的领域里，把上下文、规则、工具调用都磨到极致。写作agent不需要知道怎么查天气，也不需要懂怎么操作服务器。它只需要知道怎么把一篇文章写好。

你给它的任务边界越清晰，它表现越好。这个道理听起来简单，但真正做到很难。因为人总是贪心的，总觉得"顺便把那个也做了吧"。

一个教训

我踩过最深的坑，是试图让AI agent去解决"所有相关但不紧急"的事情。

比如搞了个"信息收集agent"，让它去抓各种资讯、整理成摘要。听起来很有用对吧？但实际上，我根本没想清楚这些信息最终给谁用、用在哪。结果就是：agent跑得很勤快，产出一堆没人看的markdown文件。

不是技术不行，是没想清楚"为什么做"。

后来我给自己立了个规矩：每个AI agent上线前，必须回答三个问题——

1. 它解决的具体痛点是什么？
2. 谁会用它的产出？
3. 不用它的话，现在是怎么解决的？

答不上来就不做。听起来像废话，但真的省了很多无用功。

一种能力

搞AI agent越久，越觉得有件事特别重要：你得先自己手动跑一遍完整流程，再让agent接手。

不是不信任AI，而是只有自己真正做过，才知道哪里容易出问题、哪里需要人工兜底。

我之前搞过一个翻译agent，让它自动把英文视频转成中文配音。结果翻车翻得很彻底——不是翻译质量差，而是它根本不懂"配音"这个场景的特殊要求。语速、停顿、语气词、文化适配，这些东西不是翻译对了就行的。

翻译不是逐字对应，是场景还原。这个判断，AI做不了，得人来把关。

同一个AI agent，不同的人用，产出天差地别。不是因为prompt写得不一样，而是因为用的人对"好"的定义不一样。知道什么该保留、什么该删掉、什么时候该推翻重来——这些判断，AI给不了。

懂业务的人用AI，如虎添翼；不懂业务的人用AI，加速制造垃圾。

一种姿态

我试过搞一个"独立运行"的agent——让它自己去抓数据、自己分析、自己生成报告。听起来很自动化对吧？但实际用的时候发现，它产出的东西总是"差那么一点"。不是数据不对，也不是分析有误，而是它不懂我的上下文、不懂我最近在关注什么、不懂哪些信息对我有用。

后来改成"半自动"模式：agent负责抓数据和初筛，我来做最终判断和调整。效率反而高了很多，因为它干它擅长的（重复劳动），我干我擅长的（价值判断）。

这可能就是AI agent落地最务实的姿态：不追求全自动，追求"刚好够用"。

最后

企业级AI落地和个人级AI agent落地，底层逻辑是相通的。

都是关于认知、关于标准化、关于嵌入真实流程、关于承认AI的边界。

区别只是规模不同。企业要搞定的是组织架构、部门墙、数据孤岛；我要搞定的是prompt调优、工具链打通、上下文管理。

但核心问题都是同一个：你愿不愿意为了用好AI，重新审视自己的工作方式？

愿意，就能跑通。不愿意，就只是在玩一个看起来很酷的玩具。

---

受《企业AI落地真相：90%的公司为何卡在半路，又该如何破局》 [https://yunpan.plus/t/24750-1-1 ]启发，结合个人实践写成。感谢原文作者的深度思考。