人人想造Codex，但Agent正在接管的不只是你的代碼 | ToB產業觀察

伴隨AI編程工具從Copilot輔助模式升級到Agent自主模式，人工智慧正逐步進入企業工作流程與辦公場景，扮演起組織內「數字員工」的角色。去年業界普遍認為，AI在編程領域的落地速度遠快於銷售或客服，代碼生成帶來的開發效率提升已被大量實戰驗證。然而，Agent能力的快速進化正在扭轉這個局面：AI不僅能寫程式，還能跨應用執行任務、處理報表、製作簡報，甚至直接交付完整文檔。與功能擴張形成對比的，是企業在部署Agent時的諸多困惑——要讓AI從單純的工具變成能交付確定性結果的執行者，挑戰不僅來自技術，更涉及組織慣性、隱性知識的萃取以及成本回報的綜合權衡。 就在上週，Cursor、Anthropic、OpenAI接連對其AI產品進行重大迭代，指向一個共同趨勢：AI編程工具不再是開發者專用的IDE，正快速轉變為非技術人員日常工作的通用助手。Cursor內部正在測試一款代號「Sand」的新產品，據接近Cursor的人士透露，CEO Michael Truell已在5月全員大會上明確表示，下一個增長機會來自「非開發人員的商業用戶」，客戶確實需要這類產品。這是Cursor自2022年成立以來最重要的戰略轉向。與此同時，Anthropic對其通用任務執行型Agent——Claude Cowork進行了重大更新，核心變化是從桌面端轉為跨設備、全天候運行的模式。該產品早在今年1月就因桌面版本引發關注，如今用戶可以在本地執行Excel數據處理、社群媒體資訊獲取等任務。OpenAI也推出類似產品ChatGPT Work，專為自主拆解多步驟複雜任務、跨應用收集上下文、長期運行並直接交付文檔、表格、簡報或網頁成品而設計，並計畫將ChatGPT Work與Codex入口合併。Codex最初定位為AI編程工具，但越來越多的非IT人士將其用於報告、試算表、簡報、研究與數據分析，最新數據顯示其周活用戶已突破500萬。 這種能力溢出並非偶然。「氛圍編程」提出者Andrej Karpathy曾揭示，當AI能透過對話理解並生成程式碼時，本質上已掌握將模糊意圖轉化為結構化產出的能力。將這種能力從結構嚴密的程式語言遷移到同樣遵循邏輯結構但更依賴模板的簡報製作、報表生成，在技術路徑上存在可遷移甚至降維的空間。中國市場也出現一批同類產品：阿里Qoder團隊推出Agent QoderWork、騰訊雲CodeBuddy團隊推出WorkBuddy、騰訊應用寶的Marvis、Kimi有Agent Kimi Work、字節跳動有TRAE Work，此外還有智譜AutoClaw、階躍的AI桌面夥伴、豆包專業版等。據悉，創業公司滴普科技也即將發表一款定位企業日常辦公AI入口的Agent產品。辦公Agent賽道已湧入大量產品，海內外探索十分活躍。一位金融行業技術總監梁文指出，隨著AI發展，其他場景的使用量將逐步超過編碼場景，目前使用AI的主力仍是程式設計師，最快到明年，生產業務領域的AI使用量就可能超越編碼場景。在他所在的企業，AI已從單點試點演進為公司級基礎能力，研發、產品、業務、數據團隊深度依賴，部分業務流程離開AI支撐無法正常運轉。不過新的挑戰也隨之而來：編程環境有編譯器即時校驗，而企業辦公場景的校驗來自模糊的商業判斷與審美偏好，後者因人而異、因企業各異。 要理解Agent如何成為「數字員工」，必須先看懂Harness——即Agent的運行時框架，連接基礎模型與真實環境的執行層，決定Agent能否感知環境、調用工具、執行命令並驗證結果。Claude Code的Harness設計原則強調深度自主：Anthropic聯合創始人Jared Kaplan曾力排眾議，堅持用真實世界的髒代碼而非競賽題訓練模型，結果Claude Code擅長在遺留系統中自主進行跨文件重構，API調用量一年增長17倍。全球GitHub公開提交中約4%由Claude Code參與完成，Anthropic預計到2026年底這一比例將超過20%。但這種設計的代價是可能導致不可預知的操作風險，需要嚴格的人工審批流程。Cursor則強調駕駛艙模式，其Harness更像精心設計的輔助駕駛系統，深度整合在IDE內，強調用戶對每一步的感知與控制，對前端開發和日常迭代極為友好，但在處理需要全局視角的後端複雜工程時，自主決策能力相對保守。被譽為中國版Codex的WorkBuddy，則可能構建更龐大複雜的Harness生態，採用SkillHub平臺封裝超過7萬個技能的標準化接口，內置11款主流大模型實現智能調度，並依託企業微信等騰訊系生態產品放大Agent能力觸達。然而，企業辦公場景的流程如報銷、審批遠比編寫代碼模糊，更依賴隱性知識。 何為隱性知識？網易智企·雲信CTO徐杭生曾指出，編程容易被取代是因為邏輯性強、流程性強，有規範可循；相反，沒有教學過程、純靠經驗累積的場景更難被取代。這種隱性規則的量化、建模與動態更新，是企業Agent落地的主要障礙之一。海外公司已開始應對：Anthropic透過Snorkel AI啟動代號「Marlin」的項目，僱用約1000名資深軟體工程師，以每任務280美元/1小時的報酬對Claude Code的輸出進行A/B測試與評審。他們購買的不是代碼，而是工程師審查代碼時頭腦中閃過的「這樣寫更好」的工程直覺。WorkBuddy則採用騰訊內部數萬員工使用其工具時產生的、經過脫敏與標註的真實工作過程數據，例如一個優秀市場方案從提綱、素材蒐集到初稿、反覆修改成型的過程。這種過程數據的獲取在通用辦公場景下極為困難，因為大量知識工作者的核心工作過程（如思考、決策）並不在數字工具上留下痕跡，這也是辦公Agent相較於編程Agent的先天數據劣勢。 效率提升並非終點，Agent還需與真人比較價值。我們曾報導，企業整合GitHub Copilot後編碼時間雖減少50%，Bug卻增加41%。這說明傳統效率標尺如代碼行數、編碼耗時已難以衡量Agent價值，辦公場景的Agent同樣需要合適的衡量標尺。Gartner今年5月報告指出，儘管90%的工程領導者報告AI編程Agent帶來效率提升，但平均淨提升僅為19.3%，遠低於產品宣傳的「倍數級」效果。Stack Overflow調查顯示超過70%的開發者使用AI工具，主要擔憂仍是代碼質量難以控制與引入安全漏洞。梁文也觀察到，許多硅谷企業無法透過消耗更多Token持續穩定轉化為新需求，可能導致生產過剩。當所有人開始使用AI並將其融入業務流程，卻不能保證帶來真正的業務增長，過程中許多非標準化、非結構化的流程被固化由AI完成，又無法打開增量，就可能引發裁員問題。這意味著Agent的價值必須投射到組織原有的業務價值流中，而非製造一套獨立的AI效率數字。 與此同時，Token消耗呈指數級增長，成本可能很快超過被替代的人力成本。國內某軟體企業每月Token消耗已達數百億。模型性能對Agent產品體驗有重要影響，但當前最主要制約仍是高昂的Token成本。今年6月GitHub Copilot正式告別包月模式，改為按Token計費，有開發者測算重度使用下月費可能從約50美元飆升至近3000美元。Gartner預測，到2028年AI編程成本將超過普通開發者的平均薪資。企業將像管理雲計算資源一樣，為不同難度任務分配不同檔次模型以實現成本最優。國內某開發者社區實戰覆盤顯示，有團隊將12名開發者的編碼後端重定向至基於Claude Code協議的自定義工作流，透過混用不同型號模型，在提升32%效能的同時優化預算。許多技術人士不約而同提到統一搭建算力網關，對內部各產品線進行模型供應商管理，以實現成本、質量與穩定性的最優組合。部分企業還採用多Agent架構，讓不同Agent分別執行具體任務、數據查詢、安全檢查、性能監測等，任務更垂直單一，技術難度與複雜度被分攤，有助於降低整體成本與風險。 成本結構的正倒逼企業重新審視Agent部署策略。過去編程因為任務邊界清晰、反饋閉環迅速，成為Agent落地的天然試驗場；當Agent試圖進入更廣闊的企業辦公場景時，需要解決更根本的問題——當Agent像一個合格員工一樣工作，你可能不再關心它有多聰明，而是它的成本究竟值不值得。這個問題沒有標準答案，但從Cursor、Anthropic到騰訊、字節、Kimi等業者紛紛投入辦公Agent的趨勢來看，答案正在被快速書寫。