过去一年，企业落地智能体（Agent）的热情肉眼可见地升温。但一个容易被忽略的事实是：大多数企业评估 Agent 时，目光只停留在”看得见的入口”——一个能对话、能写稿、能查数据的助手。真正的分水岭，藏在水面之下。把近期围绕 Agent 的系列发布拆开看，会发现它早已不是单一产品，而是一套覆盖应用、数据、安全、工程四层的”全栈”体系。看懂这四层，才知道企业选平台到底该看什么。

一、最可见的应用层，恰恰最不该被当成全部

以 WorkBuddy 为工作台的一体化套件 Buddy One，把腾讯文档、网盘、乐享、设计工具连成一张协同网，让 Agent 从”个人助手”变成”团队助理”。这层最容易被看见，也最容易让人误以为”上了 Agent”。但应用只是入口——Agent 要真正干活，必须先穿过后面三层隐蔽的门槛。

二、Agent 答错，常在数据层，不在模型层

这是最反直觉的一点。企业让 Agent 查内部数据，常得到错误结果：有企业让 Agent 自写 SQL 核算营收，实际 1136 万美元，Agent 却多算 350 万——原因是没关联退款表、把已取消和待处理的订单也计入。问题出在”数据没准备好”，而非”模型不够聪明”。

解法是在大模型与底层数据之间建立统一语义层：把”折扣是否计入、退款口径怎么算”这类业务规则讲给 Agent 听。内部测试显示，加入语义层后，Agent 问数准确率从 83.5% 提升到 95.9%；某头部银行接入超 100TB 数据后，查询从分钟级缩到秒级。这层回答的是：Agent 能不能”读懂业务”。

三、”敢放权”比”能用”更难

当 Agent 能自主调用工具、访问数据，企业首先问的不是”它多能干”，而是”它会不会越权”。已有真实案例：某全球平台因 Agent 失控，向大批无权限员工泄露了系统级敏感数据。要让企业放手，必须先看清有哪些 Agent 在跑、调了什么工具、做了什么操作，并在异常时即时阻断。其天御风控 Agent 在一次大促演示中，30 秒内检索 37 条风险情报、扫描 2140 万笔订单，自动生成风控策略，组合拦截率 98.2%。这层回答的是：Agent 能不能”安全托付”。

四、规模化是另一场考试

当 Agent 从几个增加到几十、上百、上万个，”谁在调用、花了多少成本”必须是一本清楚的账。更底层的挑战是运行环境：若每个 Agent 都需要独立执行环境，10 万个”数字员工”背后可能意味着 10 万个沙箱。围绕运行、治理、进化三域的 Agent Runtime 基础设施——隔离执行环境、统一纳管云端与本地 Agent 的权限与用量、让多智能体共享数据——回答的是：Agent 能不能”持续、稳定、算得清地跑”。

五、企业自检：你的 Agent 缺哪一层

把四层摊开，企业评估 Agent 平台的标准就清晰了：应用层解决”接不进工作流”，数据层解决”听不听得懂业务”，安全层解决”敢不敢放权”，工程层解决”能不能规模化”。只盯入口、忽视后三层的平台，迟早会在真实业务里卡住。

而这恰恰是企业自己最难补的一层——通用平台能解决技术栈，却补不上”行业业务规则”。零售企业最清楚的那些”只可意会”的经验——订单路由策略、库存调度逻辑、B2B 授信返利规则、全渠道对账口径——正是需要被翻译成 Agent 能理解的语义。把这套零售行话封装成可复用、可分发、可迭代的标准 Skill，让通用智能体真正”听得懂零售”，才是垂直伙伴的价值所在。