智能体装好了该怎么用？拿它干啥？
编者按：这篇文章来自公众号「i龙虾」，把”装好智能体之后到底该拿它干啥”这个几乎所有新手都会卡住的问题，讲得又透又接地气。我们做 Hermes Agent / 智能体相关业务的同学，拿它当一份给客户的”入门心智手册”再合适不过——所以搬过来略作排版优化，分享给同样在摸索的人。
前几天刷到一个数据，OpenClaw 那个 Agent（智能体）社交网络最火的时候，注册了 160 万个 Agent。听起来很唬人对吧？但后面还有半句：这里面很多人一个任务都没跑过。
我当时看着自己终端里那个已经配好、跑得好好的 Hermes，突然有点心虚。因为我太理解这种状态了——你把它装好，配好模型，接上微信、飞书和 Telegram，然后对着屏幕坐了五分钟，脑子里只有一个问题：
那……我拿它干啥？
这不是你不会用工具。这也不是你没想象力。说白了，这是一道我们这代人从来没做过的题。
以前”想事情”是绑在人身上的
我后来想明白一件事。AI 出现之前，你要把”思考”用到一个问题上，只有两条路：要么花钱雇个脑子帮你想，要么等自己有空了自己想。
思考这东西，一直是长在人身上的。人贵、难招、会累、会睡着、要吃饭、还得给人家讲清楚需求。所以”要不要为这件事投入思考”，本质上是”值不值得为它雇个人”，这个账我们心里门儿清。
但现在变了。思考被拆成了按 token 计价的东西。你可以买一点点，你可以买订阅，也可以买一大堆，甚至可以为一个下午才冒出来的问题，今晚就买一堆思考砸进去。
问题是，没有人是带着这种直觉长大的，包括我。从来没有人需要问自己：我这一周里，哪件事值得花 50 块钱”购买来的思考”？这个问题，一年前根本不存在。
所以你对着崭新的 Agent 发懵，太正常了。这不是工具的问题，是我们手里还没有那把”该往哪儿花”的尺子。
我这段时间摸下来，慢慢攒了两把尺子，一把管”选哪件事”，一把管”该不该交、交给几个”。分享给你。
第一把尺子：先选对那件事
有个博主讲了三个问题，我照着问了自己一遍，确实挖出了之前没想到的东西。
第一个问题：你在逃避什么？
就是那种你明知道该做、却一直往后拖的事。一想到就心里打结，甚至动过”要不花钱找人做”念头的那种。
对我来说，之前一直是公众号这件事。我知道该把它做得更系统、多花时间写点自己真正想写的，但每次一想到就烦，就往后推。后来我干脆让 Agent 从这儿切进去——不是让它替我写，是让它帮我把卡住的那一步先撬开。开头难，开了头后面就顺了。
拖延的地方，往往就是杠杆最大的地方。因为你逃避它，说明它对你重要，又确实难。
第二个问题：什么事你愿意花钱雇人做？
如果你脑子里冒出过”要是有个助理、有个实习生能干这个就好了，因为我知道它该怎么做、我能带会他”——那这活就能交给 Agent。你能给实习生讲明白的流程，就能给 Agent 讲明白。
第三个问题：什么事能让你离目标更近？
别去做那些”有了也不错”的锦上添花。最典型的就是”给我来个每日早报”——很多人第一反应都是这个，我一开始也想过。但说实话，那种早报我看一次就再没看过。它不痛不痒，不解决任何真问题。
把这三个问题过一遍，你要交给 Agent 的，就不该是凭空想出来的 nice-to-have，而是真正推着你往前走的那件事。
第二把尺子：判断这活到底该怎么交
选好事之后，还有一步很多人跳过了：这件事，到底是随便聊两句就行、还是派一个 Agent、还是得组个团队、甚至根本不该用 AI？
你看任何一件桌上的活，估这四个维度就够了。
一是大小。
这活一个 Agent 的”脑容量”装得下吗？你的日历，装得下，一个上下文窗口的角落就够了。但一千份文档的文件夹，装不下，它会溢出来。
二是独立性。
这活能拆成互不干扰的小块吗？读一堆文档就特别好拆——一个 Agent 读一份，谁也不用跟谁商量。有些事拆不开，前一步不定后一步没法动。
三是分工。
这活里有没有哪几步，天生就得由不同的”脑子”来做？不是因为一个脑子能力不够，是因为它们会互相污染。自己记账的人没法当自己的审计，写论文的人没法给自己做同行评审。而 Agent 头一回给了我们一样以前没有的东西：随叫随到的新鲜眼睛。你自己的产品页看过一千遍，永远没法像陌生人那样看它；但你现在能开一个从没见过它的 Agent，让它用全新的视角替你看。
四是可验证。
这是最关键的一维。检查一个答案，是不是比生产一个答案便宜得多？有没有一个测试、一个报错码、一份可以指着说”对”或”错”的源文件？
为什么这条最要命？我看到一个特别反直觉的数据。斯坦福 2024 年拿一个便宜的编码模型，每个 bug 只让它试一次，修好了 15.9%；同一个模型，每个 bug 让它试 250 次，直接飙到 56%——啥都没换，就是多试几次，还超过了当时花钱能买到的最强模型的 43%。
听起来结论是”多花 token 就行”对吧？但还有后半句没人提：试到一万次的时候，超过 95% 的答案堆里其实都藏着正确答案。
问题是你捞不出来。
没有一个自动检查器帮你判对错，你就永远不知道那堆答案里哪个是对的。花出去的每一块钱，都在生成一个你永远找不到的正确答案。
所以这四个维度过完，结论就出来了：小事，聊两句就行；装得下、能自查、干得动的，一个 Agent 带个目标去干；装不下、或者需要不同视角互相把关的，才上多 Agent 团队。
还有第四种结论，也是最省钱的一种——可能你压根不该用 AI。
有些事，AI 真不该碰
招哪个候选人、给产品起什么名、公司往哪个方向走——这类判断题，我见过太多人直接甩给 AI。
真别这么干。
我不是说 AI 不能帮你查资料、不能陪你聊、不能给建议，这些都行。但如果你自己对”什么是对的”都没有一个强直觉，又不肯用自己的判断去拍板，那你多半会出错。因为在一个专家最擅长的领域里，没有哪个前沿模型能赢过他。
我见过一些各自领域的高手，他们确实在用最新的模型，但用法是”拿它当一面墙，把想法弹回来听听”，最后拍板的还是自己。两个同样优秀的候选人之间，那种”我从面试里看出这人有我想要的品格”的判断，AI 给不了。
有时候最便宜的做法，就是把 AI 推到一边，自己坐下来，把答案敲出来。
写在最后
我越用 Agent 越觉得，工具本身反而是最不用操心的部分。今天你用的那个模型、那套多 Agent 配置，过几个月都会被换掉。
真正不会过时的，是那几个问题——你在逃避什么、你愿意为什么花钱、这活多大、能不能拆、要不要分工、验不验得了。这些描述的是”活”本身，不是那些一直在变的工具。
160 万人把 Agent 装好了，然后停在了”拿它干啥”这一步。差的从来不是工具，是那把尺子。
—— 本文整理自公众号「i龙虾」，原文链接：https://mp.weixin.qq.com/s/0uBrQHsnFYPd4jQ8GNV9xA
