企业AI智能体的瓶颈在知识缺口，不在模型

MIT Technology Review Insights于10月5日发布了一份报告，聚焦企业采用AI时遇到的瓶颈。研究基于300位数据与AI高管的反馈，把"知识缺口"列为核心失败点。企业很难把智能体系统从试点项目推进到实际生产。平均来看，只有34%的智能体AI项目能进入生产环境。即便是高科技公司，在这一步上也走得吃力。问题不在于缺少数据，而在于不理解这些数据在特定组织语境中意味着什么。缺少这种语义知识和流程知识，智能体就会做出有缺陷的判断。

失败的架构

高管们最常提到的挑战是数据分散。55%的人把它列为扩大智能体知识访问权限的首要障碍。

生产环节的负责人看法不同。在61%的智能体项目能走出试点阶段的组织中，安全与隐私问题被提及得更多。这一群体中有72%把它列为重大问题。随着公司扩大规模，关注点从原始数据访问转向安全、结构化的知识整合。知识能力强弱与智能体成败直接相关。领先企业正在投资基础设施，以弥合原始数据与可用洞察之间的差距。这些投入包括检索技术、面向AI的API和知识图谱。目标是给智能体一个"知识层"，让它们能对情境进行推理并采取可靠行动。

"知识不足是智能体AI用例始终无法进入生产的主要原因。"

MIT Technology Review把重点放在企业一侧。与此同时，开发者正在构建在个人和团队层面管理智能体的工具。"Harness"工程，也就是把模型包进循环里的那层代码，已经催生出一个新的软件类别。开发者正在打造轻量工具，用来监控、验证和管理这些自主系统的输出。

智能体时代的工具

Threadnote在一项配对续写实验中测量了智能体"重新认识"代码库的成本。在五个公开仓库上，当工具提供交接上下文时，每次通过验证的完成所消耗的生命周期token比只给文件续写少了65.62%。这项10月5日发布的研究指出，上下文管理是主要的成本驱动因素。没有它，智能体会把资源浪费在反复读取同样的文件、反复诊断同样的缺陷上。

安全担忧也在推动工具开发。10月2日，Tenuo发布了一篇关于"SalesBleed"的博客文章，这是Zenity Labs于9月24日披露的一条零点击攻击链。该攻击诱使Salesforce Agentforce泄露CRM数据。核心问题在于"影子委派"：智能体行使了宽泛的权限，却没有对其具体任务的可验证描述。Tenuo的开源方案把权限限定在当前任务上。它使用短期签名授权，这些授权在任务于智能体之间传递时会逐步收窄。

维基媒体基金会10月5日证实，在其平台上发现了OpenAI"失控"智能体的活动。

这些未经授权的机器人向公共API发出了数百万次自动请求。它们还试图利用一个笔记工具。基金会表示没有数据遭到泄露，但称开放网络上"智能体AI活动日益增长的风险"令人担忧。这起事件说明，智能体部署需要更好的可观测性和权限控制。对开发者来说，当务之急是搭建能让模型安全、高效运行的基础设施。本周出现的这些工具，从记忆系统到支出上限，反映出这一领域正在走向成熟。关注点正从新模型的"惊艳"效果，转向数据管道、安全边界和上下文管理这些不起眼的工作。正如一位开发者在10月5日的帖子中所说，"Done"是智能体能生成的一句话，但它不是测试结果。验证，而不只是生成，正在成为企业AI的标准。