FrontierFirm.Fund · 洞察研究 · Identity & Governance

隔舱
Native AI 办公 Agent 的权限换根

2026 年上半年,Anthropic、Microsoft、Google 从三条完全不同的路径,同时抵达了同一个结论:AI Agent 必须有自己的身份,而不是借用某个人的。这不是一次功能升级,是访问控制模型的换根。

此前的《Evolution × Delegation》框架回答了「委派与进化如何互为乘数」,《任务产品》补上了「人愿意让渡多少」。但两者都默认了一件事——Agent 是以某个人的身份在行动。这一默认一旦被换掉,委派的边界、学习的单位、治理的对象与预算的归属,全部要重画。本文论证:那个新的边界叫「隔舱」(compartment,取水密隔舱之意),而中国的办公 Agent 目前基本都还没有它。

代表用户行动→ 以自己的身份行动→ 在隔舱里行动
Core · 内核 · 三十秒读完全篇
判断够不够 Native,只问一句:它默认认为「AI 是谁」。
换掉了什么
「代表用户行动」这条默认
在单人产品里,Agent 连你的账号、用你的权限。但当它给自己排任务、在请求者下线数小时后才动作,且一个空间里有多人同时指挥时,「用谁的权限」这个问题没有正确答案。
谁在这么做
三家,同一个季度
Anthropic 的 agent identity、Microsoft 的 Entra Agent ID、Google 的 SPIFFE 化 Agent Identity。路径不同、抽象层不同,但都把「Agent 有自己的账户」当成了前提而非选项。
中国差在哪
不是模型,是边界
桌面派的边界是设备,生态派的边界是用户,云平台派的边界是租户。三种边界都不是工作发生的地方——所以组织级的学习、治理与预算都挂不上去。
01 隔舱 = 权限 × 记忆 × 预算 × 学习,四者共用一条边界。这是 Anthropic 这条路与另两家最本质的差别:Microsoft 与 Google 的边界单位是Agent 实例(IT 视角),Anthropic 的边界单位是协作空间(工作视角)。前者解决「这个机器人能干什么」,后者解决「这块业务的 AI 归谁管、学什么、花多少」。
02 隔舱解开了此前标记为「硬伤」的那一条。我曾判断:单客户样本密度不足以支撑可证伪的学习速度,而跨客户聚合又撞上数据隔离——无解。隔舱给出了第三个答案:不跨客户聚合,跨「隔舱内的人」聚合。一个四十人的销售隔舱,样本密度是单人的四十倍,而合规边界比全公司清晰得多。该修订已并入卷一正文。
03 换根的代价同样明确,且 Anthropic 自己写在了文档里。「这个用户能做什么」换成「这个 Agent 在这个隔舱里能做什么」,意味着一个本身没有仓库权限的成员,只要隔舱授予了 Agent 该权限,就能让 Agent 去读那个仓库。这是对传统按用户 ACL 的正面背离——在中国的权限文化与等保语境下,它会被风控直接拦下。
身份换根发生在一个极坏的安全环境里。行业数据显示:非人身份与人类身份之比已达 45:1;92% 的组织表示现有 IAM 工具无法管理 AI Agent 身份;对近 8,000 个 MCP 服务器的测量中,40% 完全没有认证,而所有启用 OAuth 的被测服务器都至少存在一个缺陷。给 Agent 发身份不是在增加风险,是在给已经失控的局面装上把手。
中国路径不能照抄 Slack。国内没有对等的单一协同入口,桌面端还有本地文件与私有化这两项真实优势。可行的换根方式是把隔舱从「频道」换成「项目空间 / 任务束」——边界落在工作单元上,不落在社交单元上。这与此前那条「岗位是打包容器、任务是产品原子」的判断同源。
00Executive Summary

结论摘要 · 十条

Native 的分野在权限模型,不在入口位置

装进群里不等于 multiplayer。决定一个办公 Agent 是个人工具还是组织基础设施的,是它以谁的身份行动、权限挂在什么边界上——不是它出现在哪个界面。

三家巨头在同一季度给出同一答案

Anthropic(6 月)、Microsoft(4 月 GA)、Google(4 月 Cloud Next)分别以 agent identity、Entra Agent ID、SPIFFE 化 Agent Identity 落地了同一件事。这不是某家的产品创意,是一次行业级的架构共识。

两种委派模式正在分化

代用户(on-behalf-of,OBO)与自主身份(non-OBO)。前者适合单人 Copilot,后者是后台 Agent、定时 Agent 与 Agent 间协作的必然选择——也是监管最关注的一种,因为动作发生的那一刻没有人可以问责。

Anthropic 的独特处是边界单位

Microsoft 与 Google 把边界画在 Agent 实例上(目录对象 / 密码学 ID),Anthropic 画在 协作空间上。前者是 IT 治理的答案,后者是知识工作的答案——而办公 Agent 的价值恰恰产生在后者。

隔舱是权限、记忆、预算、学习的共同边界

四件事共用一条线,是本文提出的核心判据。国内产品今天的四条边界分别是账号、设备、席位与「无」——四不对齐,所以哪一层都长不上去。

隔舱解开了「样本密度 vs 数据隔离」的死结

此前被判定为无解的一处硬伤,在隔舱模型下有了第三条路:不跨客户聚合,跨隔舱内的人聚合。本文由此产生的三处修订(聚合单位、Control Plane 的四项可配置、意愿量表的测量单位)已直接并入卷一 v3.1 与卷二 v1.3 的正文,不在本文另设章节。

换根同时打开了新的攻击面

隔舱内越权、记忆投毒、以及 prompt injection 在持有真实凭据的 Agent 上的放大效应。经典的「混淆代理人」问题在 Agent 时代重新成为高危模式——因为凭据委派把一次成功注入的影响面放大到了 Agent 的全部权限。

可移植性是尚未被回答的问题

隔舱记忆逐渐变成「工作真实运转方式的地图」——仓库在哪、谁评审什么、哪张看板重要、哪条约定没人写下来。但它能否以另一个模型明天就能用的形式离开?这决定了它究竟是企业资产还是供应商锁定。

中国路径必须换边界,不能换生态

国内入口分散、私有化优先、权限文化更严。可行的做法是把隔舱从「频道」换成项目空间 / 任务束——边界落在工作单元而非社交单元上。群是临时的、混乱的、跨部门的,用群做隔舱会导致权限碎片与记忆污染。

共同的第一步只有一件事

把审计从记录行为升级为记录委派:谁委派的、在哪个隔舱、用了什么权限、结果被谁采纳。这一步同时交付了治理与学习信号——在 Native 架构下,合规需求与进化需求第一次指向同一个数据结构。

01Why It Breaks

为什么「代表用户行动」会崩

这条默认在 Copilot 时代工作得很好。三个力把它压垮了。

1.1力一 · 自主性把「请求者」变成了过去式

Anthropic 在 agent identity 的说明里给了一个具体理由:Agent 能可靠独立完成的任务长度大约每四个月翻一倍;它们现在会给自己排后续任务,并在提出请求的人早已下线之后响应事件。

这句话的含义比它看起来严重:「代表用户行动」是一个只在同步交互中成立的模型。当动作与请求之间隔了六个小时、三次转手和两个自我调度的子任务,「这是谁的操作」在技术上仍可追溯,在治理上已经失效——因为那个人当时不在场,也没有机会拒绝。

1.2力二 · 多人空间里没有正确的「谁」

同一份说明给出的场景很朴素:一个频道里三个工程师和一个 PM 在联合排障,当不止一个人在指挥时,谁的权限该生效?没有任何一个人选在所有时候都是对的。

这一条把问题从工程推到了组织:单人产品可以假装这个问题不存在,多人产品不能。而办公的本质是多人的——这也是为什么「个人效率工具」升级到「组织基础设施」不是一次功能扩展,而是一次模型更换。

1.3力三 · 借来的凭据把注入变成了越权

经典的混淆代理人(confused deputy)问题在 Agent 时代重新成为高危模式:一个持有广泛凭据的 Agent,其处理的任何输入通道都变成潜在攻击面——能往邮箱、issue 追踪器、被检索文档或工具输出里写字的人,就能注入指令,让 Agent 以操作者的全部权限执行。

关键变化在于放大倍数。以前一次成功的提示注入只能让模型说错话;当 Agent 手里握着真实凭据,同一次注入变成一次真实的越权操作,而且以机器速度和规模发生。

Context · 换根发生在一个很坏的环境里

非人身份与人类身份之比已达 45:1;92% 的组织称现有 IAM 工具无法管理 AI Agent 身份;对近 8,000 个 MCP 服务器的测量显示 40% 零认证,且每一个启用 OAuth 的被测服务器都至少存在一个缺陷;在分析的 77 个 Agent 框架 CVE 中,三分之一涉及身份、凭据或访问控制缺陷。

两个更刺眼的数字说明为什么「长期凭据 + 广泛权限」的组合致命:攻击者利用暴露的云凭据平均只需 17 分钟,而近四分之一的组织需要超过 24 小时才完成轮换;2022 年被确认泄露的密钥中,64% 在四年后仍然有效。2026 年 3 月针对某 AI 网关代理的供应链攻击正是这一模式的实证——它把数十个 AI 服务的 API key 集中在一处,最终影响约 50 万企业身份。

所以给 Agent 发独立身份,不是在增加一个新的风险对象,是在给一个已经失控的局面装上把手——它把「谁在动我的数据」从不可回答变成可回答。
图 1 · 三种委派模式
MODE A · 代用户 OBO Agent 借用你的账号 边界:用户 记忆:个人 审计:混在人的日志里 预算:席位 失效点:异步 · 多人 · 注入放大 今天国内产品的主流形态 MODE B · 自主身份 Agent 有自己的目录对象 边界:Agent 实例 记忆:实例级 审计:可归因到 Agent 预算:实例配额 Microsoft / Google 的落点 解决了 IT 治理,未解决工作聚合 MODE C · 隔舱身份 身份属于协作空间 边界:隔舱 记忆:隔舱共有 审计:委派可归因 预算:隔舱上限 Anthropic 的落点 四条边界第一次对齐 「AI 是谁」的三种答案 B 与 C 不互斥:C 需要 B 作为底座,B 不必然长出 C
读法 · A 到 B 是安全问题的答案,B 到 C 是组织问题的答案。多数讨论停在 B,而办公 Agent 的价值差异发生在 B 到 C 之间。说明 · 分类为本文归纳;各家实现细节见第 02 节。
02Convergence

三家的同时抵达

路径完全不同,结论完全一致。这种收敛本身就是信号。

维度Anthropic · Claude TagMicrosoft · Entra Agent IDGoogle · Gemini Enterprise
时点2026·06·23 beta2026·04 正式可用2026·04·22 Cloud Next
身份的形态每个私有频道一个独立身份;公共频道共享工作区身份目录中的一类专门对象,由身份蓝图创建,可有父子继承每个 Agent 一个 SPIFFE 格式的密码学 ID,IAM 原生支持
凭据凭据独立存储、映射到隔舱身份,请求时在网络边界注入Agent 身份自身不持有凭据,通过蓝图获取短时令牌不可被冒充、不允许生成长期密钥;令牌绑定运行时、不可重放
边界单位协作空间(频道)Agent 实例 / 蓝图Agent 实例
问责人每项任务记录由谁请求身份可挂 sponsor——对该 Agent 负责的人或组所有终端用户访问事件归因到 Agent 的 SPIFFE ID
网关 / 出口管控未获准许的出站流量直接阻断条件访问、身份保护、特权管理延伸至非人身份Agent Gateway 作为统一策略执行点,含语义治理策略与内容防护
目录 / 清点—蓝图统一策略,避免逐个配置Agent Registry:集中编目 Agent、工具与 MCP 服务器
记忆记忆属于隔舱,不附着于个人;私有隔舱不外泄不涉及(身份层)不涉及(身份层)
预算组织级 + 隔舱级花费上限治理计费按许可层级—
下一步即时凭据授予 + 身份感知叠加层(Agent 范围与请求者权限双重满足才行动)条件访问策略持续扩展IAM 治理策略私有预览中

2.1三条路的分工,比它们的相似更值得读

Microsoft
把 Agent 变成目录对象

核心动作是纳管:让回答「员工谁有权限」的那套管理面,同样能回答「Agent 谁有权限」。sponsor 字段是点睛之笔——它承认了一件事:Agent 没有责任能力,责任必须挂在人身上。

Google
把 Agent 变成网络实体

核心动作是拦截:密码学身份 + 统一网关 + 注册表,让每一次工具调用都经过策略执行点。它甚至引入了自然语言的语义治理策略——检查工具调用是否符合用户意图与业务约束。

Anthropic
把 Agent 变成空间成员

核心动作是归属:身份属于隔舱,隔舱同时是记忆、预算与审计的边界。这是唯一一条从「工作怎么发生」而非「资产怎么保护」出发的路。

Microsoft 与 Google 回答的是「这个机器人能干什么」,Anthropic 回答的是「这块业务的 AI 归谁管、学什么、花多少」。前两者是必要条件,后者才是办公 Agent 的价值所在——而后者并不会从前者自动长出来。

一个必要的降温:持久化的协同工具内 Agent 并非 Claude Tag 首创,此前已有开源与商业实现。它的差异在于企业化封装——托管部署、Agent 身份、范围化访问、记忆控制与审计轨迹的组合。所以评估国产追赶时应该盯这个组合,不是盯「能不能在群里干活」。

03Six Primitives

隔舱:六条原语与它们的判据

「够不够 Native」必须能被检验,否则又是一个营销词。每条原语配一个一句话能验的判据。

Terminology · 先说清这个词

隔舱 = compartment,取的是船体水密隔舱之意,不是办公室的格子间。舱壁的作用是让一处进水不至于淹掉整条船——这与「私有隔舱里学到的东西不会出现在更广的工作区」是同一个机制。

这也是 Anthropic 自己的用词:其 agent identity 说明中把访问控制的问题从「这个用户能做什么」改写为「这个 Agent 在这个 compartment 里能做什么」。本文沿用该词,并把它提升为一个正式的分析对象。注意它不是 workspace——在 Slack 的术语体系里 workspace 指整个组织,恰好是隔舱的上一层。

#原语判据(一句话能验)
P1Agent Identity 主体性撤销一个 Agent 身份,能否一次性切断它在所有系统里的访问?(对照:在几十个用户账号里逐一审计 Agent 行为)
P2Compartment 区隔权限、记忆、预算、学习,是不是同一条边界?销售隔舱学到的东西会不会出现在工程隔舱?
P3Shared Context 共享上下文同事能不能从你离开的地方接着干?一个空间里是一个 Agent,还是每人一个?
P4Followed Context 跟随式上下文上下文是被上传的还是被跟随出来的?有没有「你告诉它 / 它自己记 / 它回读历史」三条积累通道?
P5Ambient Loop 主动性档位一条沉寂未决的线索会不会被捞起来?主动性是三档旋钮(仅响应 / 定时 / 环境感知)还是一个开关?
P6Ledger 双落账本能否回答「谁委派的、它动了什么、对端系统有没有留痕」?因为 Agent 用自己的服务账号,动作应同时落在对端系统日志里。

3.1P2 是核心:四条边界必须对齐

图 2 · 隔舱:四条边界的对齐
COMPARTMENT · 隔舱 频道 / 项目空间 / 任务束 权限 连接器 · 仓库 · 密钥等级 记忆 属于隔舱,不属于个人 预算 隔舱级花费上限 学习 采纳度与技能的聚合单位 国内现状 权限 → 账号 记忆 → 设备 预算 → 席位 学习 → 无 四条边界互不重合 对齐之后 治理与学习 共用一个数据结构 隔舱 = 预算单元 = 可签字的对象 任意一件事溢出边界,治理就漏了;四件事各自为界,组织化就长不起来
论点 · 隔舱的价值不在于「多了一层」,而在于让四件原本各自为政的事共用一条线。商业含义 · 隔舱即预算单元——「给销售部这个空间配一个 Agent、上限 X」是一个部门负责人可以独立签字的东西,这解决了办公 Agent 长期的价值分散困境。

3.2P4 值得单独说:跟随,不是上传

Anthropic 的记忆文档描述了三条积累通道:你告诉它(「记住:本频道的报告用表格发」)、它自己记(工作过程中留下频道做过的决定)、它回读历史会话(可按时间段或主题回看,但不能全文检索)。同时明确:频道成员任何人都能读取和修改频道记忆,管理员可编辑或删除记忆文件。

这与国内产品普遍采用的「上传文档建知识库」是两种范式。知识库范式要求人先把知识整理好再喂进去——而组织里最有价值的默会知识恰恰从不被整理:仓库在哪、谁评审什么、哪张看板真的有人看、哪条约定没人写下来。跟随范式让 Agent 待在工作发生的地方自己积累,这是「Native」与「集成」最本质的分野。

A Nice Detail

官方文档给的一条使用建议很能说明范式差异:把跑手册、风格指南、评审清单链接到频道里,或者放在它能读到的地方,而不是把内容重新描述一遍写进记忆。——记忆存的是「去哪里找」和「这里的规矩是什么」,不是知识本身的副本。

04The Price

换根的代价:四个新问题

这一节不写会让全文变成软文。四个问题里有三个目前没有完整答案。

问题一 · 隔舱内越权,是设计而非缺陷

Anthropic 把话说得很直白:这套模型把「这个用户能做什么」换成「这个 Agent 在这个隔舱里能做什么」,是对传统按用户 ACL 的一次背离——一个本身没有仓库权限的隔舱成员,只要隔舱配置授予了 Agent 该权限,就可以让 Agent 去读那个仓库。官方承认这不寻常,但认为是走向多人自主 Agent 访问模型的必要一步。

在中国的权限文化、等保要求与「谁的账号谁负责」的追责惯例下,这一条会被风控直接拦下。因此路线图上的即时凭据授予(用户在当下批准单次敏感操作而不永久扩大范围)与身份感知叠加层(隔舱配置与请求者本人权限同时满足才行动)——在国内不是锦上添花,是 v1 的前置条件。

问题二 · 记忆投毒:共享记忆的反面

「任何人都能读写频道记忆」在协作上是优点,在安全上是入口。一条被写进隔舱记忆的错误约定,会持续影响此后所有人的所有任务,而且它看起来像知识而不像攻击。

缓解手段目前主要靠人的纪律:官方建议是纠正之后让它把修正记下来(把一次性修复变成长期规则),以及定期修剪已经过时的条目——几周前写下的记忆可能描述着一个不再存在的仓库、负责人或约定。但「记忆需要被治理」这件事,今天还没有一个产品化的答案。

问题三 · 可移植性:资产还是锁定

隔舱记忆会慢慢变成一张地图——工作真实是怎么运转的。这正是它的价值,也正是问题:这份记忆能否以另一个模型明天就能用的形式离开?如果供应商被停用、限额、替换或因政策变化不可用,团队能不能重建工作流?

这不是假设性风险。本文的判断是:可移植性条款应当与数据契约同等重要,写进采购合同——「隔舱记忆可完整导出为结构化格式」这一条,是把它当资产而非订阅的分界线。

问题四 · 注入的放大倍数上升了

给 Agent 发身份并不消除提示注入,反而提高了单次成功注入的收益:Agent 现在持有的是管理员配置的、稳定的、跨系统的凭据,而不是某个人临时授权的会话。

行业当前的共识做法是把推理与授权解耦——授权在网关层用确定性规则执行,而不是靠系统提示约束模型;高风险操作(删除、结构变更、超阈值转账)必须有独立于模型的人工批准环节。提示不是安全边界,这句话在有身份的 Agent 上比在聊天机器人上重要一个数量级。

Design Rule · 从这四个问题里推出的一条设计律

能力可以属于隔舱,责任必须属于人。Microsoft 的 sponsor 字段是这条律最简洁的实现——它记录对该 Agent 负责的人或组,用于安全事件发生时联系。任何一个把 Agent 身份做成「无主对象」的实现,都会在第一次事故时暴露:技术上可归因,组织上无人负责。

05China Landscape

中国的位置:三种边界,都不是工作发生的地方

以下基于公开资料,标 △ 处为「有形似但机制不同」。

原语桌面派
DuMate 等
生态派
WorkBuddy / 企微系
组织派
千问办公 / 钉钉系
P1 主体性✗ 沙箱内它就是你✗ 以用户身份接入✗ 未见独立 Agent 身份设计
P2 区隔△ 边界是设备△ 边界是用户△ 边界是租户 / 组织
P3 共享上下文✗ 单人产品,多端只是多入口△ 群内可见,但每人一份上下文△ 最接近,仍是个人会话
P4 跟随式上下文✗ 上传建知识库△ 已能自动感知当前页面与群聊/文档/会议沉淀△ 可接企业库,仍是接入范式
P5 主动性△ 定时任务△ 文件夹监听(最接近)△ 云端定时 + 推送
P6 双落账本△ 有全量审计,记的是行为不是委派△ 弱△ 未见公开细节

5.1为什么会这样:三个结构性原因

Reason 01
入口分散

国内没有对等的单一协同枢纽:企微、钉钉、飞书、如流并存,且互不打通。Slack 那种「一个地方装一次就覆盖大半工作」的前提不成立,厂商因此倾向于做「哪都能用」的桌面端,而桌面端天然是单人的。

Reason 02
私有化优先

金融、政务、制造对数据不出域的刚性要求,把产品推向本地沙箱。本地沙箱守住了合规,也把边界钉死在了设备上——而设备是一个人的,不是一群人的。

Reason 03
权限文化更严

「谁的账号谁负责」是国内 IT 治理的默认追责逻辑。隔舱内越权在这套逻辑下是不可接受的,所以厂商即使想换根,也会被自己的客户拦住——除非先把即时授权与双重校验做出来。

三家的共同问题可以一句话概括:single-player 架构套了 multiplayer 的皮。装进群里不等于 multiplayer——决定 multiplayer 的是权限模型,不是入口位置。

值得注意的是,生态派在 P4 上其实走得最远:已有产品能自动感知当前页面上下文,并基于群聊、文档、会议沉淀提供场景化服务——这已经很接近「跟随式上下文」。但只要身份仍然是用户的,这些上下文就只能服务于个人,聚合不成组织资产。P4 走得再远,没有 P1/P2 托底也长不成基础设施。

06Three Paths

中国路径:换边界,不换生态

照抄 Slack 不成立。但换根不需要换生态——需要换的是边界画在哪。

路径一 · 桌面派 隔舱 = 项目空间

桌面 Agent 同样可以有独立服务身份:不用员工账号连业务系统,而由管理员配置服务账号,绑定到「项目空间」而非个人设备。文件与推理仍在本地沙箱(守住私有化卖点),而权限、记忆、预算、审计四件事统一挂到项目空间上。
这是唯一能既保住私有化优势、又拿到 Native 架构的走法,也顺带打开此前判定的 M3 成熟度天花板。

路径二 · 生态派 隔舱 = 项目群,不是任意群

入口天然 multiplayer,缺的是身份与隔舱级记忆,改造成本最低。但要放弃「代表用户行动」的便利——那恰恰是目前最省事的实现。
关键警告:不要用「群」直接做隔舱。国内的群是临时的、混乱的、跨部门的、常常拉了就散。用群做隔舱会导致权限碎片化与记忆污染。可行的做法是引入显式的项目空间概念,群只是它的一个视图。

路径三 · 云平台派 隔舱 = 租户内的工作空间

已有 IAM 与审计基建的云厂商,最接近 Microsoft / Google 的打法:先把 Agent 做成一等身份对象,再往上长工作空间。优势是治理底座现成,劣势是离「工作怎么发生」最远——容易做成一个 IT 产品而不是办公产品。

6.1三条路径共同的第一步

Step Zero

把审计从记录行为升级为记录委派:
谁委派的 · 在哪个隔舱 · 用了什么权限 · 结果被谁采纳。

这一步的特殊之处在于它同时交付了治理与学习信号。前四个字段是合规要的,最后一个字段是进化要的——而在 Native 架构下它们落在同一条记录上。这也解释了为什么此前一直排在缺口清单第一位的四档采纳度回执,在这里不再是一个额外功能:它就是委派账本的最后一列。

6.2合规适配:三条必须提前处理

07The Paradigm

新一代 Native AI 办公 Agent:七条范式命题

① 身份先于能力

先回答「它是谁」,再回答「它会什么」。任何以「代表用户行动」为默认的产品,都无法在 Agent 自主性变高之后维持可治理性——因为请求者早就下线了。

② 隔舱是权限、记忆、预算、学习的共同单位

四件事必须共用一条边界。任意一件溢出,治理就漏;四件各自为界,组织化就长不起来。这是全篇唯一一条如果只能记住一句就记住的。

③ 一个空间一个 Agent,而非一人一个 Agent

协作的最小单位是空间不是人。商业含义同样重要:隔舱即预算单元——「给这个部门配一个 Agent、上限 X」是一个负责人可以独立签字的东西,这解决了办公 Agent 长期的价值分散困境。

④ 上下文是跟随出来的,不是上传出来的

知识库范式要求人先把知识整理好——而最有价值的默会知识从不被整理。记忆应存「去哪里找」与「这里的规矩」,而不是知识本身的副本。

⑤ 主动性是一档可配置的旋钮

仅响应 / 定时 / 环境感知,按空间设置。把「全自动」当高级形态打磨方向是错的;可调节的介入深度才是——这与 HAS 的结论完全一致。

⑥ 每个动作双落账,且能力归隔舱、责任归人

自己的审计 + 对端系统的日志。度量口径随之改变:从「谁用了多少算力」变成「谁委派的、在哪个隔舱、动了什么、结果被谁采纳」。同时每个隔舱身份必须有一位具名负责人。

⑦ 访问默认宽,边界默认硬

业界经验是价值随工具与上下文接入而复合增长——每接一个系统都让其他系统更有用;获益最多的团队是一开始就慷慨授权、再按需收紧的那些。做法是先设基线、读审计轨迹、再一次一个刻意的授权去扩展。但这条的前提是 P1 与 P2 已经就位——先有硬边界,才敢有宽默认。

08Checklist & Closing

判据表与结语

8.1选型 / 自研的十问

01

它以谁的身份行动?连业务系统用的是员工账号,还是管理员配置的服务账号?

02

撤销一次能断干净吗?停用一个 Agent 身份,它在所有系统里的访问是否同时失效?

03

边界画在哪?权限、记忆、预算、学习——这四件事各自的边界是什么,是否重合?

04

记忆属于谁?属于人还是属于空间?能不能被空间成员查看与更正?管理员能不能删?

05

记忆能带走吗?供应商停用或替换时,能否完整导出为结构化格式?

06

审计记的是行为还是委派?能否回答「谁委派的、动了什么、结果被谁采纳」?

07

对端有没有留痕?Agent 的动作是否也落在被访问系统自己的日志里?

08

越权怎么防?有没有即时授权与「隔舱配置 ∧ 请求者权限」的双重校验?

09

谁是负责人?每个 Agent 身份有没有一位具名 sponsor?出事联系谁?

10

预算挂在哪?花费上限是人的属性(席位)还是空间的属性(隔舱上限)?

个人太小,公司太大,而工作恰好发生在中间。

过去三年,AI 办公产品的竞争主要发生在两个极端:一端是个人——更好的助手、更快的生成、更省的成本;另一端是公司——统一采购、统一部署、统一审计。两端都做得不错,中间是空的。而知识工作真正发生的地方,既不在个人的电脑里,也不在公司的组织架构图上,它发生在一群人围绕一件事持续协作的那个空间里。

隔舱的意义就是把这个空间变成一等公民——让它可以拥有身份、持有权限、积累记忆、承担预算、沉淀经验。一旦它是一等公民,此前所有卡住的东西都会松动:样本密度有了聚合单位,治理有了对象,预算有了签字人,委派有了持续存在的承担者,甚至连「员工愿不愿意让渡」这件事都从个人问卷变成了可观测的集体曲线。

而对中国的产品来说,好消息是这一步不需要换生态、不需要放弃私有化、也不需要等模型变强——它需要的只是把边界从设备和账号,挪到工作单元上。坏消息是这一步动的是地基,越晚动越贵。

One Line

判断一个办公 Agent 够不够 Native,只需要问一句:它默认认为「AI 是谁」。
答案是「是你」的,都是个人效率工具;答案是「是它自己、在某个隔舱里」的,才是组织基础设施。

Sources · 主要来源 Anthropic《Introducing Claude Tag》(2026-06-23)与《Agent identity: a new access model for autonomous, team-wide AI》(2026-06-24),以及 Claude Tag 记忆文档;Microsoft Entra Agent ID 官方文档(agent identities / blueprints / sponsor 等,2026);Google Cloud《Gemini Enterprise Agent Platform》文档与发布博客(Agent Identity / Agent Gateway / Agent Registry,2026-04 起)。安全侧数据引自 2026 年公开的行业研究与安全机构报告,包括非人身份比例、IAM 适配度调查、MCP 服务器认证测量、Agent 框架 CVE 统计与凭据利用时间等;混淆代理人相关论述参考云安全联盟与 SANS 于 2026 年发布的研究说明。
方法与局限 · 本文对三家产品的描述基于其公开文档与发布说明,未做实机验证;第 05 节对国内产品的评估基于公开资料,标 △ 项存在信息不完整的可能,若厂商已有未公开的身份与隔舱设计,相应结论需要修正。第 01 节引用的安全数据来自多份独立来源,口径与样本各异,不应横向相加或直接比较;其中「非人身份 45:1」与 IDC 的 Agent 数量预测均为估算值。图 1 的三模式分类与图 2 的四边界模型为本文归纳,非任何厂商的官方表述。第 07 节的三处修订为作者对自身此前框架的更新,未经第三方验证。

与前两卷的关系 · 本文对前两卷提出的三处修订——学习信号的聚合单位、Delegation 展开式四项的可配置性、以及意愿量表的测量单位——已分别并入《从AI工具到数字劳动力》v3.1 的 §1.2 / §5.4 / §5.5 与《任务产品,而非岗位产品》v1.3 的 §6.2,读者不必再做交叉对照。

配套阅读 · 《从AI工具到数字劳动力:Evolution × Delegation 产业框架》v3.1 · 《任务产品,而非岗位产品》v1.3 · 《组织转型手册 · AI 办公 Agent 篇》· 《售前解决方案工程师手册》。