一个忘关的开关，与企业Agent的全栈技术账单
云栖大会企业级 Agent 论坛开场前，极客邦科技创始人霍太稳接到一通电话：上月上线的 AI 应用，Token 预估一万、结算三万，原因只是一个开关忘了关。关掉开关止住了支出，却留下一串追问——谁启动的、跑了多久、费用算谁的、为什么月底才发现。
这通电话是整篇文章的题眼。它指向的不是模型能力，而是工程治理：系统不仅要能做事，还要能解释做了什么、约束怎么做。Agent 接到任务后会连续检索、调用工具、调整计划、发起重试，一次委托产生多少调用、占用多少资源，往往要跑起来才知道。结果不确定、成本也不确定——这才是企业落地的真实起点。
1 走向生产后，Agent 效果公式不断变长
IDC 预测 2029 年全球 AI 智能体超 10 亿个（2025 年的 40 倍），Gartner 同时预测到 2027 年底超四成 Agentic AI 项目会因成本、价值或风险失控被取消。两组数字不矛盾：部署数量能膨胀，单个项目仍可能难以为继。
技术圈惯用"模型 + Harness"概括 Agent——Harness 负责组织上下文、调度工具、记录状态、处理异常。基元律动韩凯的说法是"模型决定智能上限，Harness 保障端到端交付"。但在企业环境里这两项远远不够。满帮 AI 算法总监高艺铭把业务目标、上下文、Harness、运行环境和持续维护都纳入交付条件：先定义什么算完成，再配置数据工具资源，上线后持续检验。满帮的 Agent 涉及加价、成交、电话沟通，要查询货源车辆、核实价格权限、写入交易系统，条件变化时决定继续、撤回还是转人工——"错误一次，可能几百次正确都难以挽回。"
易方达基金 CIO 刘硕凌博士补了一刀：选型不能只看上限，更要看下限。金融系统要"四个 9"可用性，高可用与结果准确是不同维度，却共同指向"既要持续可用，也要限制错误损失"。企业对 Agent 的评估因此要超出演示成功率：失败能否及时发现？高风险操作能否拦截？中断后能否恢复？争议时能否查清发生了什么？这些问题，模型能力无法单独回答。
2 数据未必是护城河，关键问题在各层之间
满帮连接货主与司机，一趟运费可达上万，找货找车议价履约需要反复沟通。Agent 进来后必须同时理解人的意图和交易当前状态。高艺铭拆了几类问题，都超出模型本身能力。
上下文： 物流对话很少按预设顺序展开，用户可能中途补条件、改要求，也可能一句话里同时询价议价要求执行。团队试过把任务拆成单一意图提高确定性，结果反而限制了模型对完整任务的理解——"真实场景里几乎不存在纯粹的单意图。"任务仍需拆解，但步骤之间必须共享同一份业务状态：哪些条件已确认、哪些要求刚变、哪些操作已完成。否则每步各自合理，合起来执行了用户从未要求的事。上下文工程的本质，是让模型在每一步拿到相关且有效的信息。
业务含义： 高艺铭举了"标箱车"——满帮语境里通常指运输标准集装箱的平板车，通用模型却可能理解成厢式货车。模型看得懂文字，不等于能准确使用行业术语。把内部文档一股脑塞知识库也不行：有些文档记录的是"利用心理学技巧议价"的经验，员工在特定场合用过的方法，是否适合让 Agent 自动执行，需要重新判断。知识进系统前必须区分业务定义、操作规则与个人经验，标注来源、适用条件、有效期和权限。
执行规模： 这是 Rainsho 这类前端工程师最容易低估的一点——Agent 系统本质上是高并发系统。满帮第一次把 Agent 扩展到 2000 个时，原本服务数百万用户的系统竟然出了故障。人会停下来等、会阅读、会思考；Agent 则可能持续检查状态、调用接口、发起重试。沿用面向真人的容量假设，很可能低估压力。运行平台因此要保存任务状态、等待时挂起、收到事件后恢复，并设置队列、限流与重试上限。单纯堆叠模型算力，消除不了业务接口上的拥堵。
满帮最终形成了"一朵云、两套生产系统、一层桥接"的架构：传统系统处理交易规则和确定流程；Agent 系统承担长时任务与多 Agent 编排；桥接层负责鉴权、风控、语义转换和沙箱隔离。一个具体例子——传统系统返回"219 错误"，Agent 不知如何继续，桥接层转译为"车长字段缺失，需要补充"。模型可以提出操作，执行服务仍需核对身份、参数和业务条件。"Agent 处理不确定性，工程保证确定性"在这里有了具体含义：能明确校验的交给机制，无法可靠处理的交回人手。
维护： 满帮每天收到数千个失败案例，团队不断调整框架、增加工具、补充技能，第一代 Agent 评测成绩却逐渐停滞。为单个问题新增的规则可能与已有规则冲突，为旧模型设计的补偿机制可能在升级后失效。修复一个案例还得回到原有任务集重新检验。维护不只是修新问题，也是简化旧设计、持续做熵减。这些问题在同一条任务链上彼此牵连：错误的车辆知识引发无效查询，无效查询触发重试，最终表现为延时拉长、成本上升。各层只盯局部指标，企业就难以还原整个过程。
3 阿里云争取的，正是系统协同的位置
问题跨越模型、数据和业务系统时，企业必须取舍：哪些能力自己建，哪些交给平台，衔接之后的结果谁来负责。这给阿里云打开了新市场空间——提供的不仅是模型与算力，还有企业把 Agent 接入生产环境所需的运行和治理能力。
阿里巴巴 2025 年 2 月宣布未来三年至少投入 3800 亿元建云和 AI 基础设施，2026 云栖大会进一步提出到 2032 年全球数据中心规模扩至 20GW 以上，把芯片、云、模型、模型服务和智能体应用纳入全栈布局。产品基础已经铺开：Agent 运行时以沙箱隔离和弹性扩缩容支撑工具可靠执行；Router、Planner、上下文管理、身份权限与计量计费构成编排控制层，让模型在授权边界内调用数据；千问 AI 平台把生产、评测、发布串成可回溯链路；AI 应用安全、数据安全、合规治理三条纵深贯穿其中。能否转化为客户在集成、运维和迭代中的实际收益，仍要在真实业务中检验。
阿里云刘伟光在论坛上的说法值得记住：有效 Agent 需要模型、合作伙伴和数据共同演进，"不是把产品卖给客户就结束了。"模型会升级，业务规则会变化，真实使用会不断暴露新问题，交付因此要延伸到上线之后。
AI Coding 的对照： 小红书质效 & AI 应用总架构师飞鸿把问题问得直接——"大家确实变快了，但变快的是价值，还是生产垃圾的速度？"团队已经很少手写代码，接下来的重点是建立验证机制，检查架构、编码过程与最终产物。生成与验证共同决定交付效率：错误代码不断流入后续流程，前端省下的时间，终将变成后端的返工。这句话对 Rainsho 这种前端工程师尤其刺耳，但也最该听进去。
Patrick 与身份管理： 阿里云内部曾为公共云事业部总裁构建一个名为 Patrick 的"领导力分身"——整理经营看板、生成早报、调查数据波动、同步任务给执行人、一周后回收结果。Patrick 拥有独立工号，能被拉进钉钉群、被同事 @，两三个月后该事业部已有 60 个拥有工号的 Agent。工号让 Agent 被组织识别，但真正划定行动边界的是授权：它代表谁操作、能读哪些数据、调用哪些工具、出错后由谁接管。Patrick 每次调用 MCP 工具都需要鉴权，身份信息贯穿整条交互链路，用的是当前对话人身份而非公共账号。当 Agent 开始独立承担任务，人的职责随之转移：更多精力用于授权、监督、验收和处理例外。越接近交易、医疗、金融等核心业务，这些职责越需要落实到系统规则中。
4 算清每项任务的成本，才谈得上持续运行
系统接通之后，企业还得回答开头那通电话的问题：钱花在了哪里，换回了什么，下一次超支能否提前拦住。
阿里云资深技术专家孙廷韬把 Agent 观测分三层：并发、吞吐、延时和 Token 等运行指标；任务从开始到结束的执行轨迹；技术指标与业务结果的关联。三者回答不同问题——运行指标提示哪里异常，轨迹帮助定位具体调用，业务结果说明这些调用是否完成了有价值的工作。连起来，企业才能区分一次合理的高成本任务与一段没有产出的反复重试。记录需要保留模型版本、输入输出、工具调用、重试和异常，并按权限处理数据。轨迹能帮重建系统做过什么，但模型生成的解释不能独自证明判断正确，结果仍要经过规则、测试或业务人员检验。
成本归属： 小红书把 AI 费用分摊到业务经营单元，让使用部门看到消耗了多少 Token、完成了什么工作，再决定是否继续投入。评估回报时还要计入工具服务、基础设施、人工复核和失败重做的费用。企业真正该比较的，是每完成一项合格任务的总成本。
预算约束： 企业可按用户、任务和时间周期设置预算，限制执行时长、调用次数与重试次数——接近阈值告警，达到阈值暂停或转交。前提是身份系统、任务调度和计费记录必须认得同一项任务，这些限制才能生效。
上下文治理与模型路由： 前者清理当前步骤不再需要的信息，同时保留重新读取原始记录的入口；后者按任务要求选择模型，并为无法处理的情况设置升级路径。飞鸿分享的数据很硬：通过裁剪低价值调用记录、保留恢复指针，部分峰值场景上下文成本降约 20%；模型路由曾带来约 69% 的成本下降，且未观察到明显体验下滑。众阳健康郭龙领则划了红线：医疗应用不可以牺牲诊疗质量换取 Token 消耗降低，成本优化必须在保障业务质量前提下开展。
系统升级成本——最容易被忽略的一笔： 高艺铭称之为"水涨船高"。底层模型和框架可能每几个月迭代一次，企业架构必须允许 Harness 和模型被快速替换。满帮曾更换过一次基座模型——适配良好的 Agent 成本降到原来的四分之一；堆满补丁、与旧模型深度耦合的 Agent，成本没下降，准确率反而变差。孙廷韬因此提出把记忆、Skills、Tool Proxy 和 LLM Router 等能力服务化，让 Agent Core 可以热切换，即使行业出现新框架也要争取一周内完成替换上线。成本管理不能是一次性调优，而应成为持续享受技术进步的架构能力。
高艺铭的收尾比喻值得记住："传统 App 功能上线，可能已经完成 80%；Agent 上线，就像种下一颗种子。"它此后还要持续接收反馈、修正行为、清理技术债、更新知识。刘硕凌说得更直接："过去很多工作在上线前完成，现在越来越觉得，上线才是工作的开始。"
回到霍太稳那通电话。关掉开关解决了当时的支出，但要避免下一次超支，需要多个环节共同起作用：预算对应任务，任务对应身份，执行留下记录，异常触发处置。更强的模型让企业有理由把更多工作交给 Agent；委托范围扩大的同时，企业也需要把相应的责任落实到系统中。模型完成一次推理之后，由此产生的操作、成本与业务结果，终究要有人负责。