标题：从辅助到执行：架构的转型

微软的 2026 年“智能体转型模式”（Agentic Transformation Patterns）指南详细阐述了必须如何重构 AI 智能体，使其从仅仅辅助用户转变为真正执行工作。它为这项工作给出了具体的成本估算——在交付第一个执行模式（execution-mode）的智能体之前，核心基础设施需要投入 26 到 60 个工程师周。忽视这一转变的企业可能会面临构建出无法安全自主行动的脆弱工具的风险。

企业目前正在尝试使用大语言模型（LLM）助手来起草电子邮件、建议代码片段或提取数据。这些智能体处于“辅助”模式：由人工检查每一项输出，并通过一个薄封装（thin wrapper）将请求路由到模型并返回响应。这种架构组装成本低且速度快，但它刻意将决策和数据写入留给了用户。

当组织希望智能体运行完整的业务流程时——例如填充数据库、触发下游流程或批准交易——模型就不能再是一个仅交付答案供人工验证的“黑盒”了。智能体必须作为一个自主服务运行，拥有自己的身份、持久化状态和内置的安全网。微软认为，旧有的仅限辅助的设计无法通过打补丁的方式升级为就绪执行系统；它需要在七大架构支柱上进行彻底的重新设计。

就绪执行型 AI 智能体的七大支柱

  • 权限 (Authority) – 从“用户授权”权限转向携带范围限制访问权的持久化智能体身份。智能体必须能够在无需人工令牌（token）的情况下，向下游服务进行身份验证。
  • 边界 (Boundaries) – 对于高风险计算，用确定性的代码路径取代临时的模型推理。任何需要精确性的任务——如财务计算、合规检查——都必须在经过审核的软件中运行，而不是从模型的输出中进行推断。
  • 模式 (Schemas) – 从松散类型的数据交换转向由指定数据管理员拥有的规范模式（canonical schema）。这可以防止智能体写入下游系统无法处理的格式错误记录。
  • 故障检测 (Failure Detection) – 用持续的遥测和业务结果监控取代人工监督。系统必须能够自动发现异常情况（例如异常的交易量），并在超过阈值时停止智能体运行。
  • 状态 (State) – 用存储在记录系统中的持久化、基于案例范围（case-scoped）的状态，取代短寿命的聊天会话。执行型智能体可能需要在几天或几周内回溯之前的步骤、审计轨迹或用户偏好。
  • 回滚 (Rollback) – 用事件溯源（event-sourcing）或补偿事务（compensating transactions）取代“重新运行提示词”，以便可靠地撤销操作。如果智能体犯了错，平台必须在无需人工干预的情况下撤销其产生的副作用。
  • 可审计性 (Auditability) – 从简单的聊天记录升级为针对每次操作的日志，将每项操作与特定的智能体版本和身份关联起来。这样，监管机构和内部审计人员就可以精确追踪智能体在何时、根据哪项策略执行了什么操作。

这些变化并非可选的附加功能；它们构成了一种全新的 AI 驱动自动化运营模式。微软估计，构建这一基础将耗费 26 到 60 个工程师周。

为什么成本至关重要

该指南警告称，不要将执行模式的智能体部署在只能为用户工作流节省几分钟的低价值任务中。这种工程投入将超过任何边际生产力的提升。应针对具有可衡量结果的流程——如订单履行、理赔裁定、合规报告——进行部署，在这些流程中，自主执行可以直接转化为成本节约或风险降低。

掌控数据模式的所有权需要管理层面的权威。

反方观点：仅限辅助是否足够？

对于许多内部支持场景——如起草会议纪要、检索知识库文章——人工验证仍然是一个实用的安全网。其代价是周期变长，且最终决策仍需依赖人力。

结论很明确：将 AI 智能体从辅助角色转变为自主角色并非简单的功能开关，而是一次彻底的架构重写。低估工程和治理需求的企业的风险在于，可能会发布出极其脆弱的机器人。