Blade Agent：别再让 AI 只负责出主意

聊天模型已经很会回答“怎么做”。问题是，工作往往从回答结束的地方才刚开始。

去年我们反复碰到同一种场面：让模型分析一份表格，它给出不错的分析步骤；让它做一个内部工具，它列出技术选型和目录结构；让它查网页，它告诉你该搜哪些关键词。答案通常没错，只是剩下的活儿还在你手上。

Blade Agent 从这个不太体面的缺口出发。我们想做的不是更会聊天的页面，而是一个能把任务接过去的人机工作台：读文件，执行命令，打开网页，调用公司里的业务系统，最后交回一个能继续使用的结果。

回答问题和完成任务，中间隔着很多脏活

拿“整理这周的客户反馈”来说，真正的过程可能包括下载聊天记录、去掉重复项、按产品模块归类、回看原始上下文、生成表格，再把需要跟进的事项写进任务系统。任何一步都可能卡住：文件编码不对，登录过期，页面按钮换了位置，或者同一个客户用了两个名字。

普通聊天产品会把这些麻烦留给用户。Blade Agent 把它们当作任务本身。

它有一个独立工作区，可以读写上传的资料；工具调用和子任务会显示在对话里，不藏在一句“正在思考”后面。需要网页操作时，智能体使用与用户可见界面相连的浏览器，点击、输入、下载之后还要核对页面是否真的变化。失败不是一句含糊的“请重试”，而是下一步该检查什么。

技能不是提示词收藏夹

我们把可重复的工作方法叫作 Skill。一个 Skill 可以写明什么时候使用、需要哪些输入、按什么顺序执行，以及交付物应该长什么样。它也可以绑定真实工具，例如飞书审批、日历、邮件或公司内部接口。

这比收藏一段 prompt 麻烦，但也更诚实。复杂工作不会因为一句措辞漂亮的提示词就变稳定；规则、异常处理和工具边界必须写清楚。Blade Agent 可以从一次做成功的对话里整理出 Skill 草稿，你再决定哪些经验值得留下。

软件工厂是最直接的试验场

“帮我做一个值班排班系统”很容易演示，难的是十分钟后还能不能改。软件工厂因此不只生成一屏代码：它接收一句需求、现有文件夹或 Git 地址，创建项目，在预览中持续修改，并把智能体能力接入应用。

我们保留了模板，但模板不是成品截图。它们是可以继续工作的骨架，包括数据看板、管理后台、全栈业务系统和带智能体编排的应用。用户可以从空白开始，也可以先拿一个骨架，再让智能体按业务规则拆掉重做。

可控比“全自动”重要

智能体会犯错，网页会变，第三方接口也会在凌晨超时。把这些事实藏起来，只会让自动化在最糟的时候失去可信度。

所以 Blade Agent 允许用户切换规划与执行模式，查看工具输入和返回结果，在智能体提问时补充条件，也可以中途接管。长任务结束后，产物以文件或网址卡片留下，而不是淹没在聊天记录里。记忆、模型、沙盒、OAuth 和监控均可配置；需要私有化时，数据和运行环境可以留在自己的基础设施内。

这套做法没有魔法。很多时候，它只是把过去由人手动串起来的步骤，变成一条可检查、能重跑的执行链。

我们接下来要解决的事

目前的 Blade Agent 已经能处理文件、浏览器、技能和软件开发，但“能做”离“每次都做对”仍有距离。我们正在继续收紧浏览器操作后的核对，改善长任务的成果汇总，让软件工厂生成的应用更容易接入真实用户和现有系统。

如果你第一次打开 Blade Agent，不妨别问它“你能做什么”。给它一份真实材料和一个拖了几天的任务。能不能把结果交回来，比功能列表更说明问题。