What the Best Agents Share — Mardu Swanepoel, Flinn AI

从毕加索的“偷窃”哲学看 Agent 设计

在探讨最佳 AI Agent 的设计之前，演讲者 Mardu Swanepoel 引用了巴勃罗·毕加索的一句名言作为核心指导思想：“好的艺术家复制，伟大的艺术家偷窃”。这里的“偷窃”并非指物理上的窃取或剽窃，而是指深入观察、研究并理解现有事物，将其内化后创造出更独特、更优秀的作品。这一过程强调通过深度剖析现有优秀案例，提炼其内在逻辑，从而指导自身 Agent 的开发。演讲者计划通过深入研究当前市场上四个被认为是最优秀的 Agent，分析它们所采用的四种特定模式，旨在帮助开发者构建出质量更高、体验更好的 Agent 系统。这种学习方法论的核心在于从模仿到超越，通过解构优秀产品的行为模式，找到提升自身产品性能的关键路径。

模式一：聚焦模式（Focus Modes）的约束与优化

第一种关键模式是聚焦模式，其核心在于通过限制 Agent 的动作空间和输入空间，将其置于特定的工作语境中，例如“规划模式”或“研究模式”。这种设计带来的首要价值是提升工程师对输出质量的掌控力。通过缩小动作空间，工程师可以更精准地优化系统提示词（System Prompt）、精简工具集并细化评估指标（Evals），从而在小范围内实现极致表现。其次，从用户视角来看，聚焦模式能有效对齐用户预期。在通用的“全能型”Agent 界面中，用户往往不清楚如何获得最佳结果，且期望过高。通过切换特定模式，Agent 能够引导用户输入特定的行为和数据，从而获得更匹配的反馈。

以 Cursor 编辑器为例，其右侧聊天界面提供了清晰的模式下拉切换功能。在“规划模式”下，Agent 不编写任何代码，仅生成计划并提问，用户需接受这一特定行为。而在“调试模式”中，Agent 采用假设驱动的方法，启动专用调试服务器并推送日志以定位代码问题。这种模式切换使得 Cursor 能够在特定任务上做到极致的专业性和准确性，避免了通用模式下可能出现的杂乱和无序。

模式二：透明执行（Transparent Execution）建立信任

第二种模式是透明执行，旨在让用户清晰看到 Agent 的思考过程、所用工具及当前状态。这一模式的核心目标是从“委托”转向“协作”，让用户成为过程的一部分，而非仅仅接收最终结果。透明性带来的最大益处是建立信任。如果 Agent 仅返回结果，用户往往持怀疑态度；但若展示其阅读了哪些文档、做出了哪些假设、存在哪些不确定性，用户便更容易信任最终产出。此外，透明执行还允许用户在早期阶段进行干预。例如，若发现 Agent 在第二步错误地读取了 Notion 文档 A 和 B，用户可立即叫停并调整方向，从而减少资源浪费和时间成本。

Claude 的“Co-Work”功能很好地体现了这一模式。其界面顶部展示了进度列表或待办事项，明确标示出 Agent 即将执行的步骤。同时，它详细展示了上下文信息、调用的技能以及工具调用的输入和输出。Manifold 也采用了类似策略，提供任务进度视图，并清晰展示 Agent 查看了哪些内容及其处理结果。这种全流程的可视化让用户能够实时掌握 Agent 的执行逻辑，增强了人机协作的效率和可控性。

模式三：个性化（Personalization）加速理解速度

第三种模式是个性化，即赋予 Agent 用户特有的思维体系、知识原则和工作模式。其根本目的是优化 Agent 的“理解速度”，而不仅仅是“产出速度”。许多 Agent 仅优化了生成结果的速度，却忽略了理解用户隐性需求和偏好的速度，导致输出虽然快但不符合用户期望，最终变得无用。个性化通过模拟用户自身的处理方式，帮助 Agent 快速捕捉细微差别和隐含意图，从而确保做出“正确的事”而非仅仅“做某事”。

以 Harvey 为例，它通过深度集成用户的专业知识和工作流，实现了高度的个性化。虽然字幕在此处中断，但前文已明确指出，这种个性化设计旨在让 Agent 像用户一样思考，从而在复杂任务中提供更精准、更符合用户习惯的解决方案。这种对“理解速度”的优化，是区分普通 Agent 与卓越 Agent 的关键分水岭，它确保了 Agent 的输出不仅高效，而且高度契合用户的特定语境和需求。

法律代理的标准化与记忆机制

在构建专业领域的 AI 代理（Agent）时，“剧本”（Playbook） 是一个核心概念，尤其适用于法律事务所等对流程严谨性要求极高的场景。虽然演讲者自谦并非法律专家，但他指出，法律行业有一套既定的方法和原则，例如如何审查特定类型的合同。通过 Harvey 平台，用户可以创建这些“剧本”，使得 AI 代理能够以与人类律师完全相同的方式执行任务，从而确保输出的一致性和专业性。

"You can create these playbooks in Harvey, and the agent would then do it in the same way as what your legal firm would have done it."

除了标准化的操作流程，记忆（Memory） 是另一个关键特性。Harvey 能够在交互过程中动态创建记忆，并根据用户的指令不断积累。在后续的交互中，代理可以调用这些历史记忆，从而提供更个性化、更连贯的服务。这种机制使得 AI 不仅仅是一个单次问答工具，而是一个能够随着使用深入而不断进化的智能助手。

技能扩展与可逆性设计的核心价值

为了进一步提升代理的能力，技能（Skills）、连接器（Connectors） 和 系统（Systems） 被引入以扩展知识库。通过连接外部系统，代理能够获取实时数据或特定领域的专业知识，从而显著增强其个性化服务能力。然而，比能力扩展更重要的是 可逆性（Reversibility）。

可逆性是指用户能够撤销或回退代理所执行的操作。这一功能的核心价值在于 绑定错误的成本（Binding the cost of our mistakes）。当用户清楚知道最坏情况下的后果或下行成本时，计算投资回报率（ROI）变得容易得多。如果下行风险可控，用户更愿意授权代理执行任务，从而变得更大胆，敢于尝试更高价值的使用场景。

"Reversibility is really the ability for the user to be able to reverse or undo the actions that the agent has done... it makes the ROI calculation much easier."

Cursor 的多粒度可逆性实践

Cursor 在实现可逆性方面做得非常出色，它提供了不同粒度的控制选项，让用户能够精细地管理代理的输出结果：

1. 行级控制：在界面左上角，用户可以逐行审查代理生成的代码或文本，选择接受或拒绝特定行。
2. 文件级控制：在界面左下角，用户可以对整个文件进行接受或拒绝操作，适合处理较大的改动块。
3. 对话状态回退：在界面右下角，用户可以回溯到对话的特定节点，撤销最近几条消息引发的所有更改，实现“时光倒流”。

此外，Cursor 还支持 并行输出 功能。用户可以使用不同的模型对同一输入生成多个输出，然后从中选择最有价值的一个，而无需担心其他输出的负面影响。这种机制极大地降低了试错成本，鼓励用户进行更多实验。

Harvey 与 Word 原生集成的可逆性

Harvey 同样在可逆性设计上表现出色，其独特之处在于与 Microsoft Word 的原生集成。Harvey 作为一个 Word 插件运行，直接调用 Word 的原生 API，实现了与 Word 内置的“修订模式”（Track Changes）和“审阅者视图”完全一致的体验。

这种集成方式意味着，用户可以在熟悉的 Word 界面中，以传统编辑审阅的方式查看、接受或拒绝 AI 代理对文档所做的更改。这种方式不仅降低了用户的学习成本，还确保了法律文档修改的合规性和可追溯性。通过将 AI 操作映射到用户已有的工作流中，Harvey 成功地将技术能力无缝融入专业场景。

"They actually integrate with the native Word API in order to have this doing of your changes and viewing of your changes in Microsoft Word as a reviewer or editor would natively using Word."

综上所述，无论是 Cursor 的多粒度代码回退，还是 Harvey 的 Word 原生修订集成，其核心逻辑都是通过 降低下行风险 来 提升用户信任 和 尝试意愿。这种设计哲学是构建高价值 AI 代理的关键所在。