工作流正在成为 AI 的产品界面

真正重要的不是模型能处理更多任务，而是厂商正在把执行本身包装成工作流产品，因为路由、回放和审批边界比单纯的聊天能力更值钱。

这个变化在这几天的产品更新里已经很明显。Google 在 6 月 AI 总结里把 Gemini 3.5 Flash 的 computer use、NotebookLM 的结构化研究环境、以及面向设备和浏览器的代理能力放到同一叙事里，重点不是“能不能聊”，而是“能不能直接做事”。OpenAI 的 Enterprise / Edu 更新则把 model picker 做得更细，并明确推出了 Codex 的 Record & Replay：先演示一次工作流，再把它变成可复用的技能。Anthropic 的 newsroom 也在推动和其他厂商一起给 jailbreak 严重度建立统一评分框架。三家看似讲的是不同东西，底层其实是同一个方向：语言生成和可靠执行正在被拆开。

这件事的关键在于，agentic 不是一个足够好卖的抽象词。一个能浏览网页、能点按钮的 demo，并不等于一个能放进真实组织流程的系统。真实工作流要的是可重复、可授权、可追踪、可回退。只要厂商开始提供 replay、routing 和 admin controls，就等于承认真正的难点不是“做成一次”，而是“让它稳定到可以被运营团队长期使用”。

这背后的机制也很清楚。过去的产品思路是：模型是核心，应用只是包一层壳。现在更像是：模型只是控制平面里的一个组件。控制平面负责决定任务走快路径还是慢路径、哪些步骤需要人工审批、哪些流程可以录制复用、失败后是重试还是终止。于是，产品差异化开始从“你用的是什么模型”移动到“你如何管理执行边界”。

这也是为什么安全和管理能力会和 agent demo 一起出现。系统越会做事，买方就越想知道谁能用、能碰什么、怎么受控。OpenAI 的 model picker 细分，不只是体验优化，而是在把不同推理档位当成一种可管理资源。Google 强调 computer use，也不只是能力展示，而是在把桌面和浏览器动作打包成一种可治理的自动化层。Anthropic 推 severity scoring，则是在提醒市场：如果 agent 要行动，行业就得有统一语言来描述风险。

第二层影响更重要：所谓“最佳模型”会变成更弱的采购标准。一个团队就算在 demo 里很喜欢某个模型，只要它的工作流脆、成本高、审计难，就可能在正式采购里被否掉。于是，厂商竞争的核心开始转向可度量的执行指标：任务成功率、可回放性、权限处理、审计能力，以及“看起来成功但最后还要多少人返工”。

对 builder 来说，这个结论很具体：不要把 orchestration 当成模型外面的一层薄包装，而要把它当成真正的价值层。要 instrument 的不是“回答得好不好”，而是“哪一步开始回退、哪里需要人工接管、哪些任务可以 replay、多少成功运行最终还是要修补”。这些指标会告诉你，你做出来的是一个玩具助手，还是一个能嵌入运营流程的工作流系统。

这也解释了为什么应该把 AI 产品和传统 workflow software 放在一起比较。一个能点网页的模型，不如一个能在权限变化、登录失效、审批链路变动时依然稳住的系统。组织愿不愿意信任它，看的不是“它会不会做”，而是“整条执行路线能不能被真正接管”。

如果这个趋势继续往前走，接下来会越来越多看到厂商不再只讲“自治”，而是讲执行原语：回放日志、审批层级、策略感知路由、技能库、管理员可见的动作历史。那才是市场从“展示智能”转向“交付可运营性”的信号。

延伸阅读可以看 IDE 正在成为 AI 模型路由器 和 智能体安全正在变成运行时产品。前者讲的是控制权如何下沉到界面层，后者讲的是安全如何从政策文本变成实时运行层。如果想看基础设施版本， Inference Is Becoming the Product Roadmap 仍然是最清楚的一例。

Read in English →