智能体从演示走向生产：能力、事故与评估

本期要点

• Perplexity 发布面向复杂持续工作的智能体产品
• Claude 智能体误删法学教授整年讲义与教学大纲
• Chainalysis 称攻击含 AI 智能体，全部客户凭证泄露
• 多篇论文聚焦多智能体信息设计与平台级评估

产品侧：智能体开始被当作「同事」卖

Perplexity 发布面向工作的 AI 智能体，官方博客的标题把智能体定位为「处理复杂、持续工作的队友」，而非一次性问答工具（来源：Perplexity 博客 / Hacker News）。这条线索在 Hacker News 上获得 54 分、39 条评论，讨论热度不算爆炸，但方向明确：智能体产品的卖点正从「能回答」转向「能接手一段持续的工作」。同一窗口内，Product Hunt 上出现 Kivo，主打面向任意 Mac 应用与 AI 智能体的免费端侧听写（来源：Product Hunt），属于智能体交互入口的周边工具，量级不大，但说明围绕智能体的输入层也在被产品化。

把这两条放在一起看，智能体的产品化正在两个层面同时推进：上层是「谁来做持续工作」，下层是「人如何把意图低摩擦地交给智能体」。前者决定智能体能承担多大责任，后者决定使用频率。判断是否成立，接下来要看 Perplexity 这类产品能否给出可验证的交付质量，而不只是演示。

风险侧：一次误删与一次被利用

据 Tom's Hardware 报道，芝加哥大学一位讲师披露，一个被指派「重新编排页码」的 Claude 智能体误删了他的全部教学大纲和一年的讲义。报道引述该智能体的回应，承认是「自己的疏忽」删除了文件（来源：Tom's Hardware）。这不是模型能力问题，而是权限与操作边界问题：一个低风险的重排任务，被授予了足以删除文件的执行权。

另一条更系统性：Chainalysis 表示黑客窃取了其全部客户的凭证与令牌，公司将这次攻击描述为「多线 cyberattack」，其中包含 AI 智能体与在途数据截取（来源：Ars Technica）。智能体在这里不是受害者，而是攻击面的一部分。两条线索指向同一个结论：智能体一旦拿到凭证与写权限，事故的后果就不再停留在「回答错了」，而是直接落到文件、账户与数据上。这个判断可以被推翻——如果后续披露显示误删源于人为配置而非智能体自主行为，责任归属需要重写。

研究侧：评估与信息设计成为前置条件

arXiv 今日多篇论文把注意力放在智能体系统的「怎么衡量」上。DelegateEval 提出个人外部服务智能体的平台级评估框架，覆盖创建易用性、服务发现与匹配、交付质量、专长继承、服务连续性、学习改进、可靠性与治理、效率与价值八个维度，并明确面向可能组合 LLM、可复用技能、MCP 协议与可执行工具环境的系统（来源：arXiv cs.AI）。这实际上是在为「一个人借助智能体对外提供服务」这种经济形态定义验收标准。

另一篇论文提出「经验性信息设计」，在交易、双边议价和双重拍卖中比较不同信息披露策略，固定交互规则与模型，测试十款前沿 LLM。结果显示更细的信息披露效果高度依赖模型：在交易中披露精确估值而非序数偏好，使 GPT-6 Sol 的实现收益从最大值的 98% 降到 91%，却让 Claude Sonnet 5 从 72% 升到 86%（来源：arXiv cs.AI）。对多智能体系统的设计者来说，「信息越透明越好」并不成立，共享什么、共享到多细，需要按模型与任务单独调。

工程化方向也有样本：ChemE-as-Code 提供开源环境，让基于 LLM 的智能体执行化学工程工作，计算工具覆盖催化、流程模拟、工厂布局、HAZOP 与生命周期评估，工程文件在 Git 中版本化，计算在 LLM 之外运行且每个数值记录来源，自动检查按文件与行报告不一致与过期结果。在一个氨案例中，智能体把书面任务发展为初步基础工程包，API 成本 224 美元；作者同时说明，植入故障与工程变更显示检查只能覆盖规则之内的问题，因此定位是辅助人工复核而非替代，且该设计未经独立工程师评审（来源：arXiv cs.AI）。这条线索的价值不在数字，而在于它把「可核查」写进了智能体工作流的架构里。

今日判断

智能体的竞争点正在从能力展示转向三件事：能否承担持续工作、权限边界是否可控、结果是否可核查。Perplexity 的产品、Claude 的误删、Chainalysis 的攻击面，以及评估与工程化论文，分别从四个方向指向同一处。接下来值得跟踪的是：面向持续工作的智能体产品是否公开交付质量指标，以及权限最小化会不会成为智能体产品的默认配置。