雇佣智能体（Agents for Hire）

原文：https://every.to/context-window/agents-for-hire 作者：Katie Parrott（凯蒂·帕罗特） 日期：2026-08-11

信号 Signal

雇佣智能体不止一种方式

Shopify 用 River 帮助工程师交付代码。Stripe 用 Kai 把公司数据转化为仪表盘和文档。我们正在构建 Every Agent，把团队知识编码进一个共享智能体（agent）。没错：公司级智能体的时代已经到来。

这个说法让人以为这是一个全新的软件类别，但它实际上是一条所有权光谱。一家公司可以自建整个系统，可以租用底层基础设施，也可以直接购买一个已经驻留在 Slack 或 Notion 里的智能体。对你所在组织而言，正确选择取决于你希望智能体做什么、它在哪里运行，以及上线后你愿意承担多少维护工作。

把一个机器人放进 Slack 是容易的部分——至少我们在构建 Every Agent 时发现的情况是这样。设计智能体的大部分工作都在界面之后：决定哪些数据源是权威的、维护各种连接、教会智能体公司是如何运作的，以及限制它在未经批准的情况下能做什么。正因如此，演示中看起来相似的产品，对客户要求的投入却可能截然不同。

Shopify 和 Stripe 都处于高所有权一端。River 依托 Shopify 的单一版本控制仓库、一致的开发环境、公开的 Slack，以及一套识别可重复工作流并将其转化为技能的流程。Stripe 基于 LangChain 构建了 Kai。LangChain 是一个提供开源工具和托管基础设施的平台，用于构建和运行 AI 智能体。LangChain 表示，一名工程师在一周内就交付了 Kai 的第一个版本，但这种速度背后是公司十多年来积累的内部工具和安全基础设施。Kai 现在拥有 500 多个工具和 1,000 项技能。这些工具把 Kai 连接到 Stripe 的数据仓库、智能仪表盘和项目管理系统；技能则覆盖一些具体任务，例如在销售电话之前研究客户账户，或对账单升级进行分诊。当智能体的优势来自专有系统，而且你的公司能让工具、技能和权限持续正常运行时，就该在这一层面自行构建。

LangChain 服务这个市场的两个部分。Stripe 使用了 Deep Agents——LangChain 的开源框架——搭建了一个很大程度上归自己所有的系统。托管版 Deep Agents（Managed Deep Agents）则面向那些仍然想要定制智能体、但不想自己运行基础设施的公司。LangChain 负责运行持久化、记忆、技能加载、沙盒、部署和评估。使用它的公司仍然需要提供模型、提示词（prompts）、工具和规则。

Notion、Lindy 和 Viktor 位于“自建到购买”光谱中更靠近购买的一端。供应商承担更多智能体基础设施的工作，而客户负责提供智能体应该具备的知识、指令和权限。

当相关知识已经存在于 Notion 中，而且任务有清晰的输入和输出时，Notion 自定义智能体（Notion Custom Agents） 就很有意义：准备每周优先事项、分诊反馈、更新数据库。Lindy 对一个已知 Slack 工作流提供更多控制，包括触发器、频道、过滤器和知识库。Viktor 走的是广度路线，承诺在 Slack 或 Microsoft Teams 中提供共享智能体，并连接数千种工具。供应商提供的系统部分越多，团队启动就越快——但也应该越仔细地审视供应商的记忆、权限和输出质量。

公司很可能会混合使用这些方法。Kai 已经是这样了：它是一个建立在供应商框架之上的定制智能体。一家公司可以对员工开放一个共享智能体，同时在背后运行专项智能体和托管基础设施。“公司级”描述的往往是前门，而不是其背后的系统。换句话说，所谓“公司级”更多是员工看到的那扇统一入口，背后则是复杂的所有权组合。

该怎么做： 在比较供应商之前，先写下四件事：同事会在哪些平台或工作区使用这个智能体（例如 Slack、Notion 或 Teams）、它需要哪些公司知识、由谁来维护这些背景信息，以及哪些操作需要审批。这些答案会告诉你，哪些应该自建、哪些应该租用，哪些可以直接购买现成的。

偷学这个工作流 Steal this workflow

让编码智能体会话保持存活

关闭终端窗口不应该杀死一个长时间运行的智能体任务，也不应该打断你的思路。Every 的视频负责人兰迪·康斯曼（Randy Counsman）有几次不小心退出了 Warp，重新打开后发现一堆颜色编码的标签页、分屏窗口和失效会话。于是他去试了 Herdr。Herdr 能在客户端被关闭时保持会话继续运行，在创建标签页时提示他为标签页命名，并把他的智能体列在左下角，让他更容易从上次中断的地方继续。【补充】Warp 是一款现代化的终端模拟器。

你需要： macOS 或 Linux、Homebrew、一个终端，以及一个你已经在使用 Claude Code 或 Codex 的项目。【补充】Claude Code 是 Anthropic 推出的终端 AI 编程工具；Codex 是 OpenAI 的同类产品。 Windows 原生支持仍处于预览阶段。从一个非敏感的仓库开始。

安装 Herdr。

brew install herdr

从你的项目启动一个 Herdr 会话。

cd /path/to/project
herdr

在会话中运行你的编码智能体。

claude

如果你用的是 Codex 作为你的智能体，那就运行 codex。

分离并回来。 按 ctrl+b q，关闭终端窗口，之后再次从项目运行 herdr。

当你想要真正结束实时会话时，运行 herdr server stop。关键在于：关闭终端窗口是安全的；停止 Herdr 则不安全。如果你分离，你的程序会继续运行；如果你停止或重启服务器，只有窗口布局会恢复。Pane 历史（分屏历史）默认关闭，因为终端输出可能包含密码、令牌、提示词和命令输出。

试试看： 在一个低风险的仓库上，让智能体运行测试套件并总结失败原因。在它工作时分离，然后再重新连接。在依赖它处理重要事情之前，你就能确切知道哪些状态能存活。

讨论 Discuss

“花在写文档上的时间，应该比花在读文档上的时间更多。”

——克莱公司级 AI 写作政策，由**苏菲·阿尔珀特（Sophie Alpert）为工程团队撰写；联合创始人兼运营主管瓦伦·阿南德（Varun Anand）**在克莱将政策扩展至全公司后分享了它。

克莱的这条规则承认了一个被 AI 生成文本淹没的世界所呈现的现实。如今，AI 让作者生成一篇文档的速度远快于同事阅读它的速度。这条政策并不禁止 AI，它让作者对思考、编辑以及他们传播出去的每一个句子负责。

在 Every，我们也发布了自己的关于“用 AI 写作、也写 AI”的编辑指南。和克莱一样，我们的指南不排斥使用 AI，但强调无论内容是如何制作的，人类作者都必须为内容的每一个字负责。本质上，这条规则的核心不是反对 AI，而是把作者责任重新放在中心位置——这可能是 AI 时代写作规范的一条重要原则。

围绕新技术确立规范需要时间。通过像克莱这样的故事，我们看到规范是如何一条政策一条政策地逐步成形的。

我们在读什么 What we're reading

扎克伯格的个人超级智能计划

马克·扎克伯格（Mark Zuckerberg） 的新声明阐述了 Meta 的 AI 政策：通过 Meta 已经拥有的产品，把个人智能体交到数十亿人手中。

“未来属于每个人”（“The Future is for Everyone”，原文如此 [sic]）声称超级智能应该为个人服务。在扎克伯格的未来图景中，每个人都有一个了解自己关心什么、并在工作、金钱、健康、人际关系和创意项目上提供帮助的个人智能体。他辩称，将如此强大的系统普及到数十亿人手中，比让少数实验室、公司或政府控制它们更安全。关于工作，他也提出了类似的论点：如果 AI 在自动化人们现有工作之前，先扩展人们的发明和建设能力，转型就会进行得更顺利。

Meta 计划让数十亿人和小企业使用个人超级智能，保持免费或低价，恢复部分开源发布，并创建一个 Meta 自身都无法检查的私密模式。扎克伯格表示，Meta 的独立董事会将批准模型发布的安全标准，并审查每次发布是否符合标准。他还希望前沿实验室提前向美国政府提供模型检查点（checkpoints），以便美国政府在为安全风险做准备的同时，不推迟公开发布。

其中几项承诺与 Meta 已经在做的事情相符。Meta AI 可以连接电子邮件和日历、制定计划，并代表用户采取行动。Meta 的大语言模型 Muse Spark 正在进入 WhatsApp、Instagram、Facebook、Messenger 和 Meta 的智能眼镜。该公司预计今年资本支出将达到 1150 亿至 1350 亿美元，增加的支出大部分流向其超级智能实验室和核心业务。开源承诺则更加模糊。Muse Spark 目前仍仅限于选定的 API 合作伙伴，Meta 只表示希望在未来版本中开源。

扎克伯格称这一计划是权力分散，但 Meta 仍将拥有这些权力所通过的很多关键应用、模型和基础设施。他没有在声明中回应这一张力。换句话说，权力分散的承诺与所有权的集中之间，仍有需要回应的矛盾。

值得点击的链接 Links worth a click

在 Anthropic 对 Claude Code 自动模式的受控测试中，付费专业测试人员只有在 13.6% 的时间里发现了被替换的危险命令。METR 的独立调查蓝图列出了外部研究人员在评估一家公司的智能体是否撒谎、作弊或绕过安全护栏时所需要的条件。OpenAI 的学术研究人员公告为科学家交给 AI 完成的各类工作赋予了数字：重度用户提交预估需要 4 小时或更长时间任务的几率几乎是其他用户的两倍。AI Agent Index 比较了 45 个字段中的 30 个已部署智能体，涵盖自主性、安全性、架构和透明度等维度。当你有半小时可以理性地“浪费”时，去逛逛吧。

核心启示：公司级 AI 智能体的时代已经到来，但“公司级”往往只是前门。真正的问题不是“自建还是购买”，而是在自建到购买的光谱上，找到由数据位置、运行场所、维护投入和审批机制共同决定的那个位置——与此同时，无论是 AI 写作政策还是智能体工作流，新技术的规范正在一个个具体政策与实践中逐步成形。

Agents for Hire 的发芽报告

材料核心

这篇文章宣布“全员 Agent”时刻到来：从 Shopify 的 River、Stripe 的 Kai，到 Notion、Lindy、Viktor，公司级 AI 代理正在成为新品类，但真正的论点是——这不是一个统一品类，而是一条从自建、租用到购买的所有权光谱；演示里相似的 Agent，对客户的实际承诺可能天差地别。围绕这条光谱，文章给出了四个判断问题，并延伸到 Herdr 的会话保持技巧、Clay 的 AI 写作规范与 Meta 的个人超级智能声明。

发芽 01：演示的是微笑，账单藏在界面背后

种子

这篇文章最锋利的一句话是："products that look similar in a demo can require very different commitments from the customer." 这句写在 Agent 市场里的提醒，其实是企业 IT 经济学里最古老教训的重演——购买标价从来不是真实成本。

1980 年代末，Gartner 开始在 IT 领域推广 Total Cost of Ownership（TCO）概念。背景是 PC 正大规模占领办公室：一台桌面电脑标价几千美元，管理者以为自己捡了便宜。Gartner 的 TCO 模型把硬件之外的维护、支持、培训、停机、升级全部摊开，估算一台 PC 每年真实成本可达上万美元级——是标价的数倍。这个“冰山账单”直接催生了 1990 年代的外包浪潮与后来的 right-sourcing 讨论：企业只应自建真正差异化的系统，其余能租就租。

Agent 正在重演这段历史，但多了一层代际差异。文章说，"Most of the work of designing the agent sits behind the interface"：决定哪些数据源是权威的、维护连接、教会 Agent 公司如何运转、限制它在未经批准时能做什么。前两项可以像 TCO 一样外包给 Notion 或 Lindy，后两项却无法外包——因为“教会 Agent 公司如何运转”的前提，是你必须先知道自己公司如何运转。

Aha 瞬间

"PC 时代的隐藏账单是维护，Agent 时代的隐藏账单是语义——机器可以租，但'你公司到底是什么意思'，只能自己教。"

发芽 02：租下无关紧要的，建起真正的护城河

种子

文章把自建-租用-购买呈现为一条光谱，但光谱只是菜单，不是判断标准。真正的决策原则藏在案例的对比里：为什么 Shopify 几乎全自建，Stripe 租用 LangChain 却自建 500 个工具和 1,000 个技能，而 Notion、Lindy、Viktor 对某些团队才是合理选择？

2006 年，AWS 还没有成为今天的庞然大物时，亚马逊 CTO Werner Vogels 就提出了一个贯穿此后二十年的判断标准：开发者应当把所有 undifferentiated heavy lifting——服务器、存储、带宽这些谁都需要、但谁都靠它赢不了客户的东西——租出去，只做差异化的重活。这句话最初是在解释 AWS 为什么存在，但它其实是一部更长的经济史。福特 1920 年代建成 River Rouge 工厂，铁矿石、橡胶、玻璃从一端进，整车从另一端出——因为当时不存在成熟的 Tier-1 供应商体系，纵向一体化本身就是护城河。今天没有车企会自己炼钢，它们保留品牌、设计、发动机与软件，其余上千个零件从 Bosch 这样的供应商采购。基础设施越成熟，你可以外包的就越多。

把这条原则放回文章：Shopify 的 River 得以全自建，是因为它长在 Shopify 特有的单一版本仓库、一致的开发环境和公开 Slack 上——这些不是通用基础设施，而是工程师文化本身，是护城河的一部分。Stripe 的 Kai 把 LangChain 当作 Tier-1 供应商租用框架，但装进 500 个工具和 1,000 个技能的是 Stripe 独有的支付、风控与销售知识。如果你的 Agent 任务只是 prepare weekly priorities 或 triage feedback，购买 Notion 或 Viktor 就是理性选择——你没有需要维护的护城河。文章末尾的四个问题（在哪里使用、需要什么知识、谁来维护、哪些动作需要批准）本质上是在问同一件事：你公司到底在哪里不可替代？

Aha 瞬间

"build-rent-buy 光谱不是科技菜单，而是护城河地图：任何竞争对手都能租到的东西，别自建；只有你公司才有的东西，别外包。"

发芽 03：当平台说“把权力交给每个人”，先问谁握着插头

种子

文章对 Zuckerberg 的声明留下了一句冷静的观察："Zuckerberg calls this plan a distribution of power, yet Meta would still own the apps, models, and infrastructure through which much of that power arrives." 作者没有展开，但这句话点破了硅谷历代平台重复的一个结构：分发权力的通道，由同一家公司持有。

1995 年，伦敦《Mute》杂志发表了 Richard Barbrook 与 Andy Cameron 的《The Californian Ideology》。他们指出，硅谷把 1960 年代反文化的“个人解放”语言与自由市场资本主义搅拌成一种新信仰：只要联上网，自由与民主就会自然发生。问题是，这种叙事忽略了网络基础设施正被少数大公司垄断。科技史一再重演这个矛盾：1970 年代末，苹果用 Apple II 把“个人计算”推向大众，口号是“把计算工具交给普通人”，同时握住硬件与操作系统；2010 年代，AWS 号称“民主化基础设施”，自己却成为基础设施本身；现在轮到 Agent：Zuckerberg 承诺把个人超级智能交给每个人，入口却是 Meta 自己的 WhatsApp、Instagram、Messenger、智能眼镜和 Muse Spark——每个“赋权”都插在 Meta 的插板上。

而且这次的分发不只是一个词的问题。当 agent 能连接邮箱和日历、替用户执行操作（文章确认 Meta AI 已经在做），“free or cheap”的补贴意味着 agent 的优化目标不可能只等于用户利益。Zuckerberg 用“私人模式”回应——Meta 自己也看不见——但“看不见”是产品设计承诺，不是制度约束：谁来审计 Meta 对自己基础设施的访问权？独立董事会审查听起来像治理机制，但董事会由 Meta 任命与支付，这与安然丑闻后“独立董事”改革的困境同构：形式独立不等于实质独立。区别是，这次被治理的不是财务报告，而是能替十亿人行动的系统。

Aha 瞬间

"把使用权分发下去，不等于把权力分发下去。每一代平台都说要让人人强大，真正该问的是：那个 agent，站在用户这边，还是站在平台这边？"

你的思考空间

  • 用 "own the moat, rent the machinery" 原则检验你团队的 Agent 计划：哪些部分是只有你们公司才有的知识，哪些只是任何供应商都能提供的通用管道？
  • 如果对 Agent 做一次 TCO 式盘点，“教会 Agent 你公司如何运转”的时间与维护成本是否已经列入预算？谁来为这个角色负责？
  • Clay 的规则把写作成本与阅读成本倒转了过来（"More time should be spent writing a document than consuming it"）——当 AI 让产出比阅读更便宜时，你的组织用什么机制保护读者的注意力？
  • Herdr 把“会话”从终端窗口中解放了出来——如果把你与平台的任何一场“会话”也 detach 出去，你希望哪部分继续运行、哪部分立即停止？
  • Zuckerberg 说人人都会有自己的 agent，且 Meta 提供“自己也无法查看”的私人模式——你会把它当作可靠的制度承诺，还是产品安慰剂？什么样的机制才能让用户相信平台真的看不见？