人类学研究员 Erik Schluntz 分享了他观察到的人们在构建智能体（AI Agent）时最常见错误。
开发者们在与 AI 模型打交道时往往表现出矛盾的态度。他们会投入大量精力来优化提示词，精心设计每一个指令的措辞和结构，但在开发供模型使用的工具接口时，却常常草草了事，仅用简单的 A、B 来命名参数，甚至完全忽略文档说明。
这种做法折射出开发者在认知上的一个盲点。如果一个普通工程师面对没有文档的函数接口都会感到困惑，那么对于 AI 模型来说，理解和正确使用这些 "黑盒工具" 的难度只会更大。本质上，这反映了一些开发者仍未完全理解 AI 模型的特性，依然停留在传统编程思维中。他们似乎忘记了，模型并不是一个简单的程序执行器，而是需要通过自然语言来理解任务的智能系统。
Cognition 发布 Windsurf 2.0，深度整合 Devin 实现本地思考与云端执行分工。新版推出 Agent Command Center 支持多智能体可视化管理，搭载自研 SWE-1.5 模型大幅提升代码定位与编辑速度，并引入 Spaces 容器解决上下文延续问题。Pro 版调整为日配额制且包含 Devin 功能。相比 Cursor 3，Windsurf 2.0 凭借自研模型与云端执行能力，更适合处理陌生代码库及长任务自动化场景。
Anthropic 研究显示，多智能体系统性能比单智能体提升 90.2%，其核心在于主智能体拆解任务与子智能体并行执行。尽管该架构 token 消耗约为单智能体的 15 倍，但在复杂任务中优势显著。业界已总结出五种协作模式，并有 n8n、CAMEL-AI 等落地案例。然而，多智能体仍面临调试难、输出不稳定等挑战。建议仅在任务复杂需并行、分工明确且能承担高成本时采用，简单任务直接使用强模型即可。
Anthropic 在发布新 Claude 模型前，通过头部客户极限测试验证真实业务表现，比单纯跑分更具参考价值。借助 Agent 能力，新模型在起草法律文件等复杂任务中成功率提升约 20%，实现持续准确输出。当前大模型发展重心已转向 Agent 在垂直场景的落地，边缘案例为下一代优化指明方向。这种与客户深度共创的模式建立了高信任壁垒，值得产品团队借鉴。
围绕《人们在构建智能体（AI Agent）时最常犯的错误》展开交流，未登录用户可浏览评论，登录后可参与讨论。
