为什么今天你还可以做agent产品？
当你有Codex/Claude Code的时候，为什么你还是应该/可以做agent产品？理论上，你的agent产品能做的，Codex/Claude Code都能做。特别是，当你的agent产品实际上都是Codex/Claude Code写出来的时候，你可以很容易提出一个抽象推论：即便你做的这些产品，somehow增加了某种价值，因为你是Codex/Claude Code写出来的，难道他们不可能完全动态的根据用户意图生成出来吗？即便今天还有某种技术上的限制，但是这显然是原则上成立的，那么为什么你还可以/应该做自己的agent产品呢？而如果你要做agent产品，它应该具备什么样的基本形态？
我想这是一个非常深刻的问题。
我是这么想的：产品的本质，不只是实现客观世界（不管是数字世界还是原子世界）的功能组合，它首先是人（的意识）通往“客观世界”的接口，这意味着它首先是概念，是一个我们的认知用来组织我们生活和活动的工具，例如“数据分析”，数据分析并不是一个客观世界的范畴，它是一个认知组织的范畴，因为客观世界并没有办法界定什么是数据分析，数据分析基本上是算术、逻辑、统计学和机器学习在我们的意图组织下的组合，对这种观念活动的打包，就是一种观念产品，在什么意义上叫观念“产品”呢？因为人们会说，做一下“数据分析”，用“数据分析”支持一下决策，我们的思维在把它作为一个工具去调用。
当我们有这样的观念产品，我们就在现实世界物化它。最简单的数据分析产品是表格，这个产品最初仅仅是一个观念形式，就是把信息按照格子去编排，让同一列和同一行共享某种语义，that’s it，这就是UI的基本形式（最初它是在纸上），然后围绕这个基本形式，人们给它附加种种功能，自动化、简化围绕表格的基本功能，从而创造了历史上最伟大的软件：Excel，Relational Database etc。我说这些的意思是什么呢？如果我们从今天往回看，我们容易把这些产品看作表格上面的功能，但是在最基本的层面，这些产品在最底层的意义上，首先表格本身，我们要有这些产品，首先不是因为我们要完成这些任务，而是因为人按照表格的形式组织自己对世界的认知！正是因为我们的思维调用表格这个形式来做一些事情，围绕表格的那些观念形式和物理功能才涌现出来。
数学、统计学、逻辑这些更通用的工具在某种意义上容纳了数据分析，但我们仍然需要数据分析。我们需要有一个观念工具，来组织特定上下文中的特定任务集合，没有这个工具，我们甚至不能够大致地理解和沟通我们要做什么。这就是为什么人类组织中存在数据部门，而软件产品中存在“数据分析”产品 — 当然，软件产品的粒度要比数据分析还小一些，这是过去物理世界能力的限制。今天我们的物理世界演进到了agent世界，它使得独立于人的物理世界，很大程度上可以端到端的完成一些智能任务。那么我们就会提出这样的问题：
还有agent产品吗？如果我们把agent理解为达成人意图的工具，那么它将在多大程度上“端到端”？是越“端到端”越好吗？它还有某种领域划分的存在吗？还是one agent for everything ？ chatbot是它的基本形式吗？
我认为这些问题都是非常难的问题，回答这些问题我们需要两个方面的知识，一方面是人类观念形式的知识（与其说知识，不如说理解），所有我在上面的论述，都是为了说明产品首先是一种物理世界和观念世界沟通的接口，是对人如何认知和操纵世界的设计，因此，理解人，是理解这些问题的第一个方面；第二个方面是世界的物理约束，例如我们问多大程度上“端到端”，这显然和ai的能力有关，agent产品的基本形式，也和ai的能力有关，例如，今天的数据分析agent产品（例如data copilot）不以显式表格作为基本的产品形式，是因为ai的动态UI生成能力很好，它可以随时在问答中生成表格UI，这些都会改变产品的设计和产品的边界。
基于我的理解，以下是我对这些问题的回答：
首先，今天还是会有agent产品，明天也会有，更远的以后会不会有？我不知道。
为什么会有呢？
第一，赋予agent一个名字，一个领域的边界，它首先是一种认知接口。我们做的Data Copilot就是这样，它给了一个概念，一个场所，让用户去做他们脑袋中已经认知到的“数据工作”。在这个意义上它是一种品牌和观念复用。就像我们去便利店说买可乐，不会说买甜水，我们甚至不再产生买甜水的念头，因为可乐是一种有效的、成功的认知压缩。Data Copilot也是，你的一天从Data Copilot开始，你很清楚你要做什么，这个名字已经给了你的思维一个边界，一个形状，从另一个通用agent开始，你则需要自己给你的思维一个边界，一个形状，这不是多数人类被设计的工作方式。
第二，通用agent有所有的能力，也就意味着它有所有的perspective，它工作在一个更大的任务空间，这意味着当我们需要它做“数据分析”或者其他特定任务的时候，我们需要为它提供额外的上下文。而领域agent，就是预先定义的任务空间（一组相对有限的任务），预先定义的角度，预先定义的UI形式，我们把这些叫做领域agent的UI，没有这个UI，用户也必须要ad-hoc的想象和发明这些UI，这是不工作的，也是低效的。这里我可以举出很多例子，在Data Copilot上用户问的每个问题几乎都是例子，它们在一个通用agent上一定会有一个不同的回答，而这个问答，在模型能力相等的情况下，几乎总是更偏离用户意图的。在最基本的层面上，用户也几乎总是要去界定通用agent要怎么展示数据，怎么做可视化，怎么组织数据相关的信息 —— 这些当然是可以做的，但是它将是很多工作，而当用户做完这些工作的时候，它实际上就是on-the-fly的构建了一个数据分析的agent，这个agent在其他任务上又表现出用户不想要的UI。
因此，as far as data analysis这个概念本身还存在于人的脑子和人类组织，data agent这个产品是成立的，当然，它未必需要是独立的产品，但它一定是产品结构里面不可规约的一部分，因为人的思想里还没有规约这个观念。
这些UI看上去是trivial的，实际上正是今天用户使用vs不使用某个agent产品的gap。例如，Data Copilot做了非常好的Asana和Slack集成，你可以在你现在工作的地方，最近的地方引入数据分析能力，看上去make sense对吗？实际上用户从这些地方使用的很少，包括我自己，我宁愿去浏览器打开Data Copilot，把Asana链接粘贴过去，也很少直接在Asana用Data Copilot。首先是认知路径上的负担，我们的大脑并不是喜欢最短的操作路径，我们喜欢的是最短、最确定的认知路径。同时也有UI的因素，有的人不用Slack/Asana是因为他们显示不好表格和图表，一些小的UI差异，really matters。
第三，我曾经指出，领域智能=通用智能+领域知识+能力集合。领域知识的生成和组织、能力集合的构建和orchestration，是领域相关的，这是agent产品需要被构造的第三个原因。
参考我的文章：
https://blog.dreambubble.ai/posts/from-agent-to-domain-intelligence-a-self-evolving-knowledge-engine
https://blog.dreambubble.ai/posts/environment-as-a-service-agent-as-the-interface
简单来说，所谓领域智能，就是通用智能不能开箱就做好的任务集合，而通用智能和领域智能之间的gap，就是领域知识和能力集合。我在SEKE这篇文章中指出：自演化知识引擎（SEKE）是领域智能在知识问题上的答案，这当然是我的个人观点，但是我想所有人都会同意我的领域智能=通用智能+领域知识+能力集合的公式，同时同意，领域知识将按照领域知识的方式组织，那么领域知识作为一种基础设施将是存在的，as far as该领域存在，当然，为了完成领域相关的工作，agent还需要一组能力，例如对于数据agent来说，需要访问数据库的能力，访问数据仓库的能力，访问数据管线的能力等等，能力和知识打包在一起，就是领域智能的基础设施，不管我们是不是用UI暴露它，它都需要存在并被调用，这在一定的意义上也叫做产品。
因此，我认为今天和明天还会有agent产品，我这里说agent产品，就是说领域agent产品。
关于UI的形式。很远的未来，我不知道，今天和明天，我想chatbot是最基本的形式，因为chatbot是几千年来对人类来说最自然的组织沟通的形式，它满足了持续性和上下文的隔离，也非常自然的符合人类认知有context window这个基本事实。另一种思路是用人类协作的模型去构建agent matrix的UI，这样它就可能长得像某种任务管理平台或者工作流平台，但我不会bet on这个方向，我认为这些orchestration并不具备长期的产品价值，因为产品最终是关于人的，而不是关于物理世界本身的，就像HTTP，TCP不是产品一样，agent orchestration本身不是产品，尽管它可能是重要的基础设施。
最后，agent端到端的程度，则决定于人类能在什么端到端的程度上verify它。我的猜想是，它可能在短期不像我们想象的那么端到端，例如在数据分析任务上，我们恐怕不能指望“帮我对这个问题做分析，决定下一步”，因为这种端到端的任务，不只是智能问题，还是组织意图的问题，同样的问题，同样的数据，在不同的上下文（组织背景）下，人们期待的结果可能完全不同，而组织意图流动到人工智能是困难的，这就导致这个时代的agent更多的会是执行者，而不是主导者。
这个问题会不会改变呢？我想，新一代的组织和产品可能会改变，因为新一代的产品和组织，在开始的时候就会按照如何让AI得到全部的上下文来做端到端优化来设计，这种范式革命，就是消灭旧领域，创造新领域的革命。而在新的领域中，我们就会看见新的产品形态，我们今天当然不知道那是什么，但那一定非常不同，不同到只有今天我们认为错的东西，才可能在未来是对的。