AI Agent的完美风暴：为何2025仍等不到那道闪电

在AI能力指数级增长的2025年，真正可用的AI Agent却迟迟未落地。Lux Capital合伙人Grace Isford用一个订机票的失败案例，拆解了Agent系统中被忽视的“累积误差”，并给出了构建下一代AI Agent的五条现实路径。

指数级进步下的错觉：我们真的站在AI Agent时代了吗？

为什么在所有人都谈论“AI Agent元年”的2025年，我们却几乎用不到真正可靠的Agent？Grace Isford一开始就给出了背景：自2022年Stable Diffusion以来，AI能力呈现出“曲棍球杆式”增长，尤其是过去18个月。模型不仅更强，而且更高效、更便宜，参与者也从OpenAI、Anthropic扩展到xAI、Mistral、DeepSeek等。

2025年开年更像是“狂野模式”：5000亿美元的Stargate项目、OpenAI o3在ARC AGI Challenge上超过人类表现、DeepSeek R1发布引发英伟达股价波动、法国在AI峰会上高调回归。这一切让Grace直言：“This is the perfect storm for AI agents。”推理模型、测试时算力（test-time compute）、工程优化、开源与闭源差距缩小、全球级基础设施投资，几乎所有条件都到位了。

但她紧接着泼了一盆冷水：“我们看到了很多雷声，但还没有看到那道闪电。”在她的定义中，真正的AI Agent必须是“LLMs可以自主决定并执行行动的完全自治系统”，而现实距离这一点，仍然很远。

一个订机票的失败实验，揭开AI Agent的真实短板

为了说明“为什么Agent还不工作”，Grace没有用抽象理论，而是讲了一个极其具体的故事：让OpenAI Operator帮她订一张纽约飞旧金山的机票。需求并不简单——周一下午3点后出发、避开高峰、优先联合航空/捷蓝/美航、500美元以内、靠走道且远离厕所、午夜前抵达。

第一次，Agent跳转到了Kayak，却没订成票；第二次换成Skyscanner，虽然找到了航班，却是下午5：30从JFK起飞——对纽约人来说，这是“灾难级”的交通时间，而且还无法选座。Grace总结得很直接：“It didn’t really work out based on my prompts.”

这个例子之所以重要，是因为它暴露的不是模型能力不足，而是Agent系统的复杂性。订机票看似简单，实则涉及多重隐含约束、实时信息和个人偏好。一旦Agent要跨网站执行、做多步决策，这些复杂性就会被无限放大。

被低估的杀手：AI Agent中的“累积误差”

Grace认为，行业过于关注“幻觉”，却忽视了更致命的问题——微小但持续的累积误差。她系统性地拆解了四类错误：第一是决策错误，比如把“San Francisco”理解成秘鲁而非加州；第二是实现错误，例如验证码、权限或接口问题直接中断执行；第三是启发式错误，Agent根本没考虑JFK交通时间；第四是品味错误，比如忽略她“绝不坐737 Max”的个人偏好。

更隐蔽的是她提到的“完美悖论”：我们一边在做近乎魔法的事情，一边却对Agent“像人一样慢”或“想太久”感到不耐烦。即便第一次做对了，Agent的不可重复性也会迅速消耗用户信任。

她用一个简单但残酷的对比说明问题：一个99%准确率的Agent，连续执行50步后，整体成功率会跌到约60%；而95%的Agent则几乎不可用。“The point here is that something simple is actually really complex when errors compound.”这也是多Agent、多步骤系统面临的核心挑战。

五条现实路径：如何把Agent从演示变成生产系统

尽管问题严峻，Grace并不悲观。她给出了五条正在被验证的实践路径。第一是数据策展（data curation）：Agent需要的不只是网页文本，而是多模态、专有且动态的数据，并从一开始就设计数据飞轮，让每次使用都反哺系统。

第二是评估（evals）。在数学等可验证领域很简单，但在“座位是否符合Grace偏好”这种非可验证场景中，评估必须引入人类反馈，甚至“vibe-based”的主观判断。第三是脚手架系统（scaffolding），通过基础设施与流程设计，防止单点失败级联扩散，必要时把人重新拉回决策链路。

第四是UX。Grace直言：“基础模型是当下贬值最快的资产。”真正拉开差距的是对用户工作流的理解。第五是多模态与新界面。她厌倦了聊天框，呼吁让Agent拥有“眼睛、耳朵、声音、触觉，甚至记忆”，通过语音、视觉、机器人等方式，重新定义人与AI的协作方式。

总结

Grace Isford的核心判断很清晰：2025年确实具备AI Agent爆发的所有外部条件，但真正的突破不会一蹴而就。阻碍Agent落地的不是单一模型能力，而是复杂系统中被忽视的累积误差。对从业者而言，机会不在于再包一层GPT，而在于数据、评估、系统设计、UX和多模态体验的长期打磨。那道闪电终会出现，但只会劈中真正理解复杂性的团队。

关键词： AI Agent， 累积误差， 推理模型， 多模态AI， 用户体验

事实核查备注： 演讲者：Grace Isford（Lux Capital合伙人）；时间节点：Stable Diffusion发布于2022年8月；2025事件：Stargate项目（5000亿美元）、OpenAI o3、DeepSeek R1、法国AI峰会；案例产品：OpenAI Operator、Kayak、Skyscanner；技术概念：test-time compute、AI Agent定义、99% vs 95%准确率50步示例；涉及公司与产品：OpenAI、Anthropic、DeepSeek、Mistral、NVIDIA、Gemini、Perplexity、Codeium