代理范式转变：从等待指令到主动行动

本周人工智能领域的核心变化在于，AI不再被动等待提示词输入，而是开始在用户提出请求之前主动工作。这种转变标志着从传统的聊天机器人向个人代理（Personal Agent）的演进，其本质区别在于代理会观察、优先排序并执行任务。Anthropic于10月22日发布的Claude Duet是这一趋势的代表，它基于Opus 5.5模型运行，能够监控连接的应用程序并筛选关键信息。然而，这种便利性伴随着风险：用户必须赋予软件访问电子邮件、日历和文件的权限。Anthropic强调，Duet的关键特性并非速度，而是许可机制（Permission）。该代理会在执行某些操作前请求批准，这一设计比任何演示都更重要。未经审批即可发送邮件或移动文件的代理是风险而非助手，批准网关才是让代理安全处理实际工作的关键。目前该功能处于研究预览阶段，仅面向美国Pro和Max订阅用户开放等待名单。

多云合作与开源标准：打破厂商锁定

竞争对手之间的云合作正在成为常态。OpenAI于10月21日宣布其模型将进入Google Cloud，包括前沿模型和Codex工作流。这一举措并非与Microsoft的决裂，而是扩展策略。企业客户希望模型部署在数据已有的云环境中，以避免重建安全设置和实现集中计费。原生访问控制和统一账单消除了跨厂商集成的摩擦。在Google Cloud中，这些模型将以GPT-6 Astra、GPT-6.1 Sol和GPT-6 Luna的名称进行私人预览，但需注意这些名称仅为厂商报告，尚未有独立基准测试证实。与此同时，Anthropic将Agent Skill Standard捐赠给Linux基金会旗下的Aigenic AI Foundation。技能（Skills）被定义为代理的指令包，它将一次性提示转化为可重复的能力，类似于应用商店但针对代理优化。目前已有70多个平台采用该标准，Anthropic报告称约有100万技能和2.8亿次安装（均为厂商自报数据）。开放标准的重要性在于防止代理成为单一供应商的“人质”，确保技能可在不同平台间迁移。

实用工具与本地模型：开发者与新用户的选择

本周还有两项针对开发者和普通用户的务实发布。首先是Decisions API于10月22日达到通用可用性，运行在GPT-6 Luna上。该API专注于有界问题（Bounded Questions），如概率、选择或评分，单次请求最多处理400个问题。它不用于聊天，而是用于管道中的分类、路由和评分任务，例如判断评论情感或交易风险。其定价约为每100万输入令牌10美分，输出免费（厂商报告数据）。其次是Recursive发布的Flint模型，这是一个专为本地硬件快速编码设计的混合专家（MoE）模型。该模型总参数为400亿，但每个令牌仅激活25亿。Flint由小团队在不到4个月内从零构建，完全免费且可在本地运行，代码无需离开笔记本电脑。厂商报告其在M4 Pro MacBook Pro上速度超过每秒125个令牌，在64GB RTX Spark机器上短上下文下超过每秒150个令牌。本地模型消除了订阅费和云账单，为低收入连接环境下的学生和独立开发者降低了入门门槛。

治理建议与政策影响：控制权是便利的代价

随着代理能力的增强，用户需采取主动措施以保障安全。对于构建者而言，在设计任何代理时必须在发货前设置许可网关，确保用户批准敏感操作；构建应基于Agent Skill等开放标准以抵御厂商变动风险；并在付费云调用前测试本地模型。对于普通用户，应期待每日简报代理进入收件箱，并逐一检查授予的应用权限；在涉及金钱、邮件和消息时保持人工介入。正如视频所言：“便利性是真实的，但控制权是有代价的。要有意地支付它，而不是意外地失去它。”此外，政策层面也在收紧：10月20日，美国国土安全部命令联邦文职机构排除并移除Deep Seek产品及其第三方衍生产品。政府正在为强大的代理能力划定界限，这提醒我们AI治理已进入实质性阶段。

代理技能标准的确立：从随机请求到可重复配方

本周最重要的发布并非某个单一模型，而是代理技能标准（Agent Skills Standard）。这一标准的意义在于它超越了具体模型的生命周期，因为“标准比模型更持久”（Standards outlive models）。目前已有超过70个平台报告支持该标准。所谓“技能”，本质上是将任务指令、可运行脚本示例和参考文件打包在一起的结构化配方。当用户向代理提供技能时，不再是发出一个模糊的请求，而是赋予其一套固定的执行逻辑。以“费用报告技能”为例，它明确了收集收据、匹配类别、标记超限项并起草报告的步骤。这种机制确保了代理在处理每位员工的报告时都能遵循相同的步骤，从而消除随机性并减少错误。相比之下，没有技能支持的代理每次都需要从零开始理解任务，极易产生偏差。因此，技能的普及将使AI工作流从不可控的随机生成转变为可重复、标准化的操作。尽管具体数据由供应商报告，但这一标准化趋势标志着AI应用进入成熟期。对于开发者而言，理解技能的结构是构建可靠自动化流程的基础。

Duet与OpenAI：主动代理的隐私边界与市场格局

Duet作为等待名单预览版的主动型代理（Proactive Agent），其核心差异在于它能在用户提问前采取行动。虽然其他助手主要处于被动等待状态，但竞争对手正在迅速跟进这一功能，因此先发优势仅以月计而非年计。评估Duet的关键应在于其审批门控（approval gates）和准确性，而非是否最早推出。在启用任何主动代理前，必须明确隐私问题：它能读取哪些应用？能修改哪些数据？数据流向何处？ 一个权限不清的代理是披着便利外衣的责任隐患。与此同时，OpenAI宣布其模型将在数周内通过Google Cloud提供通用可用性（GA）。对于持有美国地区Claude Pro或Max计划的用户，建议加入Duet的等待名单。这一领域的竞争焦点正从单纯的速度转向信任与权限管理。供应商声称的Flint速度仅适用于短上下文，而Duet的实际表现需通过官方页面验证。用户应警惕营销话术，关注“信任标签而非标题”（Trust labels, not headlines），因为代理时代的赢家将是那些懂得询问权限、解释自身行为并尊重限制的公司。

Decisions API与Flint：成本效益分析与本地部署策略

Decisions API通过提供有界答案（Bounded Answers），以极低的成本处理大规模分类任务。例如，面对400张支持工单，API可快速区分紧急/常规、退款/技术或高风险/低风险。以每次请求50个输入令牌计算，400次查询仅消耗20,000个令牌。按每百万输入令牌10美分计费，单次请求成本不到一分钱。真正的挑战不在于API调用费用，而在于构建围绕它的管道。对于周末测试计划，建议代码开发者下载Flint——一款免费且本地的编码模型。在本地运行前，需诚实评估硬件：强效笔记本可流畅运行，而旧机器在处理长代码会话时可能吃力。“小本地模型胜过你负担不起的大云模型”。测试应从函数修复或小bug入手，若表现良好再逐步扩展。本地部署的优势在于隐私、无账单且无需连接，适合私密代码和预算紧张场景；而云端则在处理最复杂问题时拥有原始算力优势。大多数构建者将混合使用两者以应对不同任务。此外，必须警惕提示注入风险：文档中隐藏的指令可能劫持代理。防御措施包括在发送前设置审批门控和人工审查，绝不让代理盲目行动。

权限清单与未来展望：代理取代应用还是增强人类？

在使用代理时，应遵循七项权限检查清单：邮件发送、日历更改、文件访问、支付、消息传递、代码执行和网络购买。建议从只读权限开始，仅在代理证明自身价值后才添加写入权限。信任是分阶段建立的。关于未来趋势，“用户胜在标准保持开放”，因为他们的技能和流程能抵御供应商变更。代理不会取代应用，而是使用应用作为工具。拥有清晰接口和权限的应用将繁荣，而隐藏数据的应用将被淘汰。在就业方面，代理接管任务而非整个工作。起草、排序和摘要等重复性工作移交AI，而判断力、人际关系和监督仍由人类保留。新角色将围绕代理监督出现。“最安全的技能是学会用清晰的指令和严格的限制来指导代理”。随着Duet访问权限的开放，接下来的重点将是压力测试其声称的能力。用户应记录测试结果并在评论区分享，因为你的真实测试速度胜过所有供应商演示。代理时代已来，问题不再是AI能做什么，而是你允许它做什么。

结论

AI正从被动交互转向主动代理，Anthropic Duet通过审批门控确立安全范式，OpenAI与Google Cloud合作打破厂商锁定。Agent Skill Standard推动技能标准化，确保跨平台迁移能力。

技术层面，Decisions API以低成本处理有界分类任务，Flint模型凭借本地运行优势降低门槛。核心结论是：代理的价值取决于权限管理与开放标准，而非单纯速度。用户需通过审批机制控制风险，开发者应结合本地与云端优势构建混合工作流。

最终，AI治理进入实质阶段，控制权是便利的代价。代理接管重复任务而非整个工作，人类保留判断与监督角色。信任标签优于营销标题，清晰指令和严格限制是指导代理的最安全技能。