AI办公Agent的 Evolution × Delegation 产业框架——高价值工作、Evals、工作经验复利与组织智能的系统研究。
过去十年,AI办公的主线是让人工作得更高效;未来十年,主线将转向让Agent承担越来越多的工作,并在工作中不断进化。真正的产品代际差异,将来自 能力增长机制,而不是功能数量。本报告给出这套机制的完整结构,以及它在企业侧可被验证、可被证伪的度量方式。
前三个是存量,能被一次尽调看清;只有 Learning Velocity(同类任务 Evals 的改善速度)是导数——它是唯一能区分"已经很好的产品"与"会越来越好的公司"的变量。一个 Evals 分数很高但改善速度为零的 Agent,是一个好工具,不是一个进化系统。
同一类任务上,三个月前后的 Evals 分数差是多少?如果拿不出这条曲线,"持续进化"就只是叙事。
产品核心架构是围绕 Task → Eval → Data → Learning → Improvement 设计的,还是围绕功能清单设计的。
本报告的全部推演,可以压缩成以下九条。每一条在正文中都有完整的机制说明与可验证的度量方式。
| 阶段 | 谁是执行主体 | 能力增长来自哪里 | 代际分野 |
|---|---|---|---|
| AI Tool | 人 | 厂商版本迭代 | 功能数量 |
| Copilot | 人(AI 参与工作) | 厂商版本迭代 | 上下文接入 |
| Agent | Agent 自主闭环 | 厂商迭代 + 工程调优 | 执行边界 |
| Evolving Agent | Agent,且在工作中学习 | 真实工作 → 评价 → 策略更新 | 能力增长机制 |
Agent Productivity = Delegation × Evolution。委派回答"敢不敢交给它",进化回答"它会不会变强"。任何一项为零,Agent 生产力即为零——这条恒等式不可直接测量,作用是为下层所有指标提供归属。
企业交给 Agent 的最小完整单位沿 Task → Workflow → Work → Role 上移。这也是本报告使用"高价值工作"而非"高价值任务"的原因——停在 Task 层会系统性低估 Agent 的委派上限。
还需同时满足可验证、可低成本探索、明确业务价值、高频四项过滤。甜点区回答"进化什么",四个过滤条件回答"从哪一个开始"。
高频工作 × 经验密集 × 高度可观测 × 反馈密集 × 技能可跨任务迁移。第五条最容易被低估,也正是它让办公 Agent 有可能不只是一个应用 Agent,而是通用工作能力的进化平台。
对 Agent 它回答"这次做得好不好",对企业它回答"能不能放心让你做更多"。没有 Evals,Agent 只能积累经验;有了 Evals,经验才可能被系统性地转化成能力。
Task / Context / Trajectory / Outcome / Feedback / Reflection 六层。Reflection 是唯一由 Agent 自己生成而非从工作中采集的一层——它把前五层从"记录"变成"学习"。
快回路让同类任务的经验立即复用;慢回路经由 Experience Compounding 与 Cross-Task Transfer 形成组织级能力。只画一条数据飞轮的图,会漏掉复利真正发生的那一条。
Delegation = f(Trust, Governance, Reliability, Permission)。Control Plane 不在回路之内,而是决定回路能转到多大半径的纵向平面。
能力、数据、商业三层度量的都是存量,只有它度量变化率。它是唯一同时出现在三层度量中的变量,也是唯一能区分"已经很好的产品"与"会越来越好的公司"的量。
结论先给:AI办公的产业机会不是一次 SaaS 升级,而是一次人类工作经验的数字化与机器能力的进化。竞争最终不落在"谁接了更多工具",而落在谁建立了一个持续运转的系统——让 Agent 获得真实工作、积累经验、接受评价、形成技能、跨任务迁移,并在此基础上不断获得更多信任与权限。
AI办公经历了清晰的阶段迁移。每一次代际跃迁改变的都不是能力清单,而是"工作由谁来做"这个前提。
写作、总结、翻译、搜索、生成PPT、分析数据。人做工作,AI提供帮助。
AI进入办公软件与企业工作流,开始理解文档、邮件、日历、客户、项目与企业知识。从"回答问题"变成"参与工作",但主体仍是人。
围绕目标自主闭环:Plan → Act → Observe → Evaluate → Re-plan。不再告诉人应该怎么做,而是真正执行工作。
在执行中积累轨迹、接受评价、形成技能,并把一次工作的经验迁移到下一类工作。
Agent 表面上竞争的是模型、工具、Workflow、Memory 和 UI;但从企业视角看,真正的问题只有一个:"我愿意把什么工作交给它?"因此 Agent 成熟度可以理解为一条不断向上扩大的委派阶梯。
但这条阶梯真正在爬升的是什么?是委派单位本身。企业交给 Agent 的最小完整单位,会随能力提升而不断放大——这也是本报告使用"高价值工作"而非"高价值任务"的原因。
一次可界定的动作或产出。起点,但若理论停在这里会低估Agent的委派上限。
一条有前后依赖的流程,跨多个工具与角色。
一个完整业务闭环,含判断与协商,以业务结果收敛。
一段持续存在的岗位职责,而非一次交付。委派的终点形态。
以销售报价为例:客户需求理解 → 历史报价分析 → 产品组合 → 价格策略 → 审批 → 报价生成 → 客户沟通 → 跟进 → 成交结果。用"Task"描述它会丢失全部的判断与协商环节,从而系统性低估 Agent 需要具备的能力,也低估企业需要让渡的授权。
v3.1 补充 · Role 需要一个技术形式。阶梯的前两格(Task / Workflow)可以由一个"以使用者身份运行"的 Agent 承担;但 Work 与 Role 不行。Work 要求 Agent 持有一个跨会话、跨人的工作上下文;Role 更进一步——它要求一个持续存在的职责承担者:有自己的账号、自己的记忆、自己的预算额度、可被审计也可被撤销。
这正是 2026 年上半年被称为 agent identity 的那套模型所提供的东西。它的实践含义很直接:当 Agent 仍在借用某个人的身份行动时,委派阶梯在架构上就封顶在第二格——不是能力不足,是没有一个可以承载"职责"的主体。相关论证见配套研究《隔舱:Native AI 办公 Agent 的权限换根》。
仅仅扩大委派边界并不能构成长期能力。一个 Agent 如果永远依赖同样的策略、无法从失败中学习、无法吸收人的反馈、无法形成新的技能、无法把经验迁移到其他任务,它的能力终将撞上上限。
由信任、权限、可靠性与治理边界决定。回答的是"敢不敢交给它"。
由经验、评价、学习与技能迁移决定。回答的是"它会不会变强"。
只有 Delegation,Agent 会在高价值任务上反复暴露同样的失败;只有 Evolution,Agent 的能力永远没有真实工作的输入。两者是乘数关系——任何一项为零,Agent 生产力即为零。
真正的进化必须能被观察、验证和复现。因此第一步不是找方法,而是先给出一个可证伪的工作定义,再回答"应该进化什么"。
智能体自进化 = 利用任务结果、用户反馈与环境信息,持续调整未来行为策略,并在同类任务的可验证指标上获得稳定改善。
这个定义的关键约束在最后半句:改善必须发生在"同类任务"上,并且必须是"可验证指标"。只在单次任务中表现更好是运气,只在主观感受上更好是错觉——两者都不是进化。
Agent"记住过去"并不等于 Agent"真正进化"。四个概念常被混用,但它们处在完全不同的层级上。
记住过去发生过什么。
知道过去什么方法有效。
能够稳定复现有效的方法。
基于真实任务与反馈,持续改变执行策略并形成新的能力。
核心不是"存储更多数据",而是把工作经验转化成可复用、可验证、可迁移的能力。
任务越难并不意味着越值得优化。设 d 为任务难度、τ 为"AI已足够好"的阈值、c 为当前能力前沿,则最优进化区间是 τ < d < c——AI 已经会做,但还明显不够好的任务。
但 τ < d < c 只是必要条件。一个真正值得投入的进化任务还必须同时满足三项:
存在明确的成功标准,改善能够被指标捕捉,而不只是被感受到。
失败代价可控,允许Agent在真实工作中试错并回滚。
指标改善能够连接到时间、成本、收入或风险中的至少一项。
样本量足以让改善从噪声中被区分出来——低频任务无法形成学习信号。
这四个过滤条件构成了落地路线中"Find Work"阶段的实际筛选器:甜点区回答"进化什么",四个过滤条件回答"从哪一个开始"。
过去谈AI办公通常只强调"高频场景",但高频本身不足以解释办公的战略价值。真正特殊的是,办公同时具备五个条件——而 B 端决定这五个条件能否闭合成回路。
邮件、会议、文档、汇报、数据分析、销售、客服、项目管理、信息整理、流程执行——Agent可以持续获得真实任务。
写作、分析、沟通、商务判断、项目管理、销售技巧、汇报技巧、决策经验、专业知识;且已大量沉淀为Email / PPT / Doc / Spreadsheet / Meeting / CRM / Knowledge Base / Approval / Historical Cases 等数字资产。
形成完整轨迹而非单次问答:Goal → Context → Plan → Tool → Action → Observation → Decision → Result → Human Feedback。
用户修改、Manager修改、客户回复、审批结果、销售结果、项目结果、KPI、最终Business Outcome——Agent能不断回答"我刚才这样做,到底好不好"。
邮件中习得的信息组织能力可迁移到PPT、报告、客服与销售;项目管理中习得的优先级判断能力可迁移到邮件、日程、客户管理与工作规划。这意味着办公Agent可能不只是一个应用Agent,而是通用工作能力的进化平台。
办公回答的是"哪一类工作",B 端回答的是"在谁那里"。两者叠加,才构成完整的进化环境。
进化与委派各自成环,但它们共享同一个输入(高价值工作)、同一个汇合点(更多真实工作),以及同一个目标函数——Evals。这一节把它们合成为一张图。
Evals 不是开发结束后的测试工具,而是 Agent 持续进化过程中的目标函数。它同时回答两个不同主体的问题——对 Agent:"你这次做得好不好?"对企业:"我是否可以放心让你做更多?"
但 Evals 不是单一层次。可执行的 Evals 体系至少分三层,评估方式与成本各不相同:
正确性、完整性、格式、事实一致性、合规性。成本最低,可全量覆盖。
逻辑性、专业判断、策略合理性、个性化程度。需要抽样与人工校准。
成交率、风险漏检率、项目延期率、处理时间、成本。滞后但唯一真实。
若第一层改善而第三层不动,说明Evals在优化代理指标而非真实价值——这是最常见的失败模式。
真实工作 → 工作轨迹 → 结果 → 反馈 → Evals → 失败分析 → 策略优化 → Skill形成 → 能力提升 → 更好的执行 ↺
Agent执行 → 结果验证 → 可靠性提升 → Trust → Permission → Autonomy → 更高价值工作 → 更高Business Outcome ↺
这里有一个容易被忽略的前提:Agent 做得越多,并不意味着它自然变强。只有当工作结果被系统性评价,并进一步转化为策略、技能与能力时,Work Experience 才会真正变成 Agent Evolution。缺少评价环节的"多做",只是数据堆积。
两个回路共享同一个输入(高价值工作)与同一个汇合点(More Real Work),因此可以合成为一张总图。这也是整份报告若只保留一张图时应保留的那张。
与常见的单一数据飞轮相比,这张图有三处结构性差异:其一,回流不是一条而是两条——快回路让同类任务的经验立即复用,慢回路经由跨任务迁移形成组织级能力,两者时间常数相差一个数量级;其二,Evals 不属于任何一侧,它横跨两个回路,是唯一的共享基础设施;其三,Control Plane 不在回路之内,而是一个决定回路能转到多大半径的纵向平面。
两个飞轮之间还缺一个变量:Agent 嵌入真实工作的深度。它既决定 Evolution 能拿到多完整的上下文,也决定 Delegation 能扩展到多深的流程——因此它是双飞轮的耦合项,而非某一侧的子项。
从"用户打开AI"变成"AI在任务发生时主动介入"。
连接CRM、ERP、邮件、文档、BI与知识库,获得完整上下文。
进入人与人、Agent与Agent的协作网络,获得组织级经验。
融合深度不改变飞轮结构,只改变它转多快——这也是它容易被误当作"集成能力"的原因。
很多人把 Agent 的目标理解为 Maximum Autonomy。但企业真正需要的是 Optimal Autonomy——在风险、可靠性与治理边界内,最大化有效自主性。
Autonomy 并不是模型天然拥有的属性,而是能力、经验、验证、信任与授权共同形成的系统属性。把它当作起点去设计产品,通常导致企业侧的信任透支;把它当作结果去经营,才可能持续扩大边界。
关键在于数据是否与任务、行为、反馈和业务结果建立连接。传统企业AI关注 Knowledge Base;Agent 时代关注 Work Experience Base。
| 层次 | 核心问题 | 沉淀内容 | 对进化的价值 |
|---|---|---|---|
| Task | 做什么? | 目标、任务类型、成功标准、约束 | 定义学习对象 |
| Context | 为什么做? | 角色、项目、历史文档、业务环境 | 理解真实情境 |
| Trajectory | 怎么做? | 工具、动作序列、决策路径、观察结果 | 分析策略 |
| Outcome | 做得怎么样? | 交付物、业务结果、后续影响、KPI | 连接真正业务价值 |
| Feedback | 人怎么看? | 修改、拒绝、采纳、人工纠正、审批 | 提供高密度学习信号 |
| Reflection | 为什么好或不好? | 失败归因、策略比较、自我评估 | 驱动策略更新 |
用户 → 数据 → 网络效应
模型 → 数据 → 模型能力
真实工作 → 工作经验 → 技能 → 更好执行 → 更多真实工作
若经验能跨任务迁移,则随工作覆盖范围扩大产生复利。
一个 Agent 连接 100 个 SaaS,并不意味着它真正理解企业。Agent 能力至少应分为六层,而集成只是最底下的一层。
知道软件怎么操作。
知道企业有什么知识。
知道工作如何流转。
知道过去什么方法有效。
能够稳定执行。
知道什么情况下应该采用什么方法。
Multi-Agent 既不是理论起点,也不是终点。它是当单体 Agent 的 Work Intelligence 不足以覆盖工作复杂度之后,出现的组织化能力——因此它在本框架中被放在 Skill 与 Cross-Task Transfer 之后,而不是作为架构选型的起手式。
真正重要的不是 Agent 数量增加,而是学习的对象发生了变化。
v3.1 补充 · 组织智能需要一个聚合单位。本报告此前留下过一处未解的张力:可证伪的进化需要足够的样本密度,而单个使用者在单个场景上的月样本量,往往不足以把改善从噪声中区分出来;若向上聚合到全公司,又会撞上数据隔离与合规边界。这一度被判定为无解。
补充的答案是:不必在"个人"与"公司"之间二选一。学习信号的聚合单位应当是一个比人大、比公司小的工作空间——一个四十人的销售空间,样本密度是单人的四十倍,而其合规边界比全公司清晰得多。
由此得到一条更准确的表述:Evolution 回路在"以设备或个人为边界"的架构下不成立,但在"以工作空间为边界"的架构下成立。关键不是数据出不出设备,而是有没有一个可以承载聚合的中间层。仍未解决的部分是跨企业的模型级进化——那是另一个量级的问题。
Agent 越强,权限越大;权限越大,风险越高。因此存在一条硬约束:Evolution 越快,Governance 越重要;Delegation 越大,Control Plane 越重要。
Agent是谁、能碰什么、在什么策略下行动。
工具授权范围与记忆的读写边界。
过程可观测、结果可验证、事后可追溯。
何时必须交回人手,以及交回给谁。
这个展开式修正了一个常见误解:Governance 不是限制 Agent 增长的东西,而是 Delegation 得以增长的基础设施。若 Evolution ↑、Delegation ↑ 而 Governance 不变,系统一定在某个节点上以事故的形式重新校准授权——而事故性的回撤,比缓慢的授权扩张代价高得多。
所以企业级 Agent 最终要回答的不是"Agent 能不能做",而是"Agent 能做什么、在什么条件下做、做到什么程度、出了问题谁负责"。
v3.1 补充 · 展开式的四项第一次全部可配置。这个式子长期以来有一个实践缺口:Governance 与 Permission 在多数产品里是厂商预置的常量——安全确认策略不可调、权限只能给到账号级全量,于是 Reliability 提升并不会换来 Permission 扩张,展开式实际退化成了一个静态配置。
2026 年落地的分级授权模型改变了这一点:管理员在组织级定义基线身份,每个工作空间默认继承并可覆盖;同一服务在不同空间可以持有不同权限等级的凭据;并进一步走向即时授权(当下批准单次敏感操作而不永久扩大范围)与双重校验(空间配置与请求者本人权限同时满足才行动)。
前面所有论证都停留在"应该如何"。这一节回答"如何验证",以及验证结果如何反过来改变成熟度判断与商业模式。
四个层级各自回答一个不同的问题,缺任一层,进化叙事都无法被证伪。
| 层级 | 关键指标 | 核心问题 |
|---|---|---|
| 能力 | Task Success、Evals Score、纠正率、重试率 | Agent现在做得怎么样? |
| 进化 | 同类任务的Evals改善速度(Learning Velocity) | Agent是否真的越来越好? |
| 数据 | 反馈率、Outcome覆盖率、有效样本率 | 是否拥有足够的学习信号? |
| 商业 | 节省时间、任务单位成本、收入、风险、留存 | 能力改善是否转化为业务价值? |
Agent是否真正进化,不看它调用了多少Token,而看同类任务的单位成本是否下降、质量是否提升、人工介入是否减少、业务结果是否改善。
其中"进化层"是唯一的导数指标——其余三层度量的是状态(stock),只有它度量的是变化率(flow)。一个 Evals 分数很高但改善速度为零的 Agent,是一个好工具,不是一个进化系统。
只看自主程度会误判。更合理的模型是把工作委派与Agent进化作为两个正交维度同时评估。
| 阶段 | 工作委派 · Delegation | Agent进化 · Evolution | 企业状态 |
|---|---|---|---|
| M0 | 无 | 无 | AI实验 |
| M1 | 辅助 | 静态 | Copilot |
| M2 | 单任务 | 有限学习 | Task Agent |
| M3 | Workflow | 持续优化 | Workflow Agent |
| M4 | 多任务 | 技能迁移 | Agent Team |
| M5 | 高价值工作 | 持续进化 | Agent Workforce |
| M6 | 组织级 | 跨任务 + 组织级进化 | Agentic Enterprise |
SaaS 卖软件,AI 卖智能使用量,Agent 最终卖工作结果。同时,Agent 引入了一个传统软件没有的价值变量:Future Capability Value——如果 Agent 能随客户真实工作不断进化,客户购买的就不只是今天的自动化能力,也包括未来不断增长的工作能力。
这也是"持续进化"必须成为商业模式组成部分、而不只是技术叙事的原因。
记录企业发生了什么。
帮助企业理解发生了什么。
直接参与工作如何发生。
记录工作 → 执行工作 → 评价工作 → 学习工作 → 优化工作。
未来办公软件最重要的变化,可能不是功能越来越多,而是软件开始理解、执行并学习企业的工作。
目标 · 判断 · 责任 · 复杂关系 · 战略决策
信息处理 · 执行 · 协作 · 分析 · 沟通 · 流程 · 专业任务——并在过程中持续学习
组织形态从 Manager → Employees → Software 转向 Human Leadership → Human + Agents → Agent Orchestration → Digital Workforce → Business Outcome → Continuous Learning ↺。
这一节做三件事:给出最终的产业判断、显式分层框架的四层构件与三个公式、把它落成企业可执行的九阶段路线与不同参与者的视角。
如果只把 AI 办公看成一个软件市场,它是一个巨大的 SaaS 升级机会。但从 Agent Evolution 的角度看,它更可能是一个巨大的"人类工作经验数字化与机器能力进化"机会。
| 办公的条件 | 对Agent的意义 |
|---|---|
| 高频工作 | 提供大量真实任务,让改善能从噪声中被区分 |
| 丰富经验 | 提供大量专业技能与甜点区任务 |
| 高度数字化 | 产生大量可观测轨迹 |
| 持续反馈 | 提供高密度学习信号 |
| 跨任务迁移 | 让能力产生复利 |
| 高价值工作 | 支撑不断扩大委派边界 |
本报告的构件分属四个不同层次。混层是最常见的表述失误——把工程模型当产业理论用,会显得单薄;把产业理论当工程指标用,则无法落地。因此在此显式分层。
企业不应该从"部署多少 Agent"开始,而应该从"什么工作值得交给 Agent"开始。
顺序本身携带信息:P2 必须在 P3 之前——没有 Evals 定义的成功标准,后续所有经验沉淀都无法转化为能力;P7 必须在 P5 之后——授权扩张若不以可验证的进化闭环为前提,就是把风险当成信任。
是否围绕 Task → Eval → Data → Learning → Improvement 设计产品核心架构,而非围绕功能清单?
是否具备 Eval Infrastructure、Feedback Pipeline、Observability 与 Learning Loop 四件套?
能否从"功能销售"转向"Evals与业务结果销售"?能否与客户共同定义Baseline?
是否先确定3—5个可验证的甜点区任务,而不是采购一个"万能助手"?
High-Value Task Density(甜点区任务密度)· Feedback Density(反馈信号密度)· Workflow Penetration(场景融合深度)· Learning Velocity(同类任务Evals改善速度)。前三者是存量,最后一项是导数——只有它能区分"已经很好的产品"与"会越来越好的公司"。
Work → Experience → Eval → Reflection → Learning → Skill → Better Execution
Execution → Outcome → Trust → Permission → Autonomy → More Valuable Work
委派单位沿 Task → Workflow → Work → Role 放大;耦合项是场景融合深度;可观测的核心变量是Learning Velocity;扩张边界由 Control Plane 决定;起点是进化甜点区里的一件工作。
过去,AI 帮助人工作;现在,Agent 开始替人工作;下一阶段,Agent 在替人工作的过程中,学习如何把工作做得更好。
因此,Agent 时代真正的竞争不只是"谁能让企业把更多工作交给 AI",而是谁能建立一个持续运转的系统,让 Agent 获得真实工作、积累经验、接受评价、形成技能、跨任务迁移,并在此基础上不断获得更多信任与权限。
而办公之所以具有特殊战略价值,是因为它同时拥有:高频工作 × 丰富经验 × 显性知识 × 数字轨迹 × 持续反馈 × 跨任务技能迁移。
所以,AI 办公的终局不只是更智能的软件,也不只是更自主的 Agent,而是一个能够持续学习企业工作方式、优化执行策略、协调多个数字角色,并不断沉淀组织经验的数字劳动力系统。人负责目标、判断与责任;Agent 负责执行、协作与学习;企业围绕 Human + Agent 重新组织工作。