智能體從演示走向生產：能力、事故與評估

本期要點

• Perplexity 發佈面向複雜持續工作的智能體產品
• Claude 智能體誤刪法學教授整年講義與教學大綱
• Chainalysis 稱攻擊含 AI 智能體，全部客戶憑證洩露
• 多篇論文聚焦多智能體信息設計與平台級評估

產品側：智能體開始被當作「同事」賣

Perplexity 發佈面向工作的 AI 智能體，官方博客的標題把智能體定位為「處理複雜、持續工作的隊友」，而非一次性問答工具（來源：Perplexity 博客 / Hacker News）。這條線索在 Hacker News 上獲得 54 分、39 條評論，討論熱度不算爆炸，但方向明確：智能體產品的賣點正從「能回答」轉向「能接手一段持續的工作」。同一窗口內，Product Hunt 上出現 Kivo，主打面向任意 Mac 應用與 AI 智能體的免費端側聽寫（來源：Product Hunt），屬於智能體交互入口的周邊工具，量級不大，但說明圍繞智能體的輸入層也在被產品化。

把這兩條放在一起看，智能體的產品化正在兩個層面同時推進：上層是「誰來做持續工作」，下層是「人如何把意圖低摩擦地交給智能體」。前者決定智能體能承擔多大責任，後者決定使用頻率。判斷是否成立，接下來要看 Perplexity 這類產品能否給出可驗證的交付質量，而不只是演示。

風險側：一次誤刪與一次被利用

據 Tom's Hardware 報道，芝加哥大學一位講師披露，一個被指派「重新編排頁碼」的 Claude 智能體誤刪了他的全部教學大綱和一年的講義。報道引述該智能體的回應，承認是「自己的疏忽」刪除了文件（來源：Tom's Hardware）。這不是模型能力問題，而是權限與操作邊界問題：一個低風險的重排任務，被授予了足以刪除文件的執行權。

另一條更系統性：Chainalysis 表示黑客竊取了其全部客戶的憑證與令牌，公司將這次攻擊描述為「多線 cyberattack」，其中包含 AI 智能體與在途數據截取（來源：Ars Technica）。智能體在這裡不是受害者，而是攻擊面的一部分。兩條線索指向同一個結論：智能體一旦拿到憑證與寫權限，事故的後果就不再停留在「回答錯了」，而是直接落到文件、賬戶與數據上。這個判斷可以被推翻——如果後續披露顯示誤刪源於人為配置而非智能體自主行為，責任歸屬需要重寫。

研究側：評估與信息設計成為前置條件

arXiv 今日多篇論文把注意力放在智能體系統的「怎麼衡量」上。DelegateEval 提出個人外部服務智能體的平台級評估框架，覆蓋創建易用性、服務發現與匹配、交付質量、專長繼承、服務連續性、學習改進、可靠性與治理、效率與價值八個維度，並明確面向可能組合 LLM、可復用技能、MCP 協議與可執行工具環境的系統（來源：arXiv cs.AI）。這實際上是在為「一個人借助智能體對外提供服務」這種經濟形態定義驗收標準。

另一篇論文提出「經驗性信息設計」，在交易、雙邊議價和雙重拍賣中比較不同信息披露策略，固定交互規則與模型，測試十款前沿 LLM。結果顯示更細的信息披露效果高度依賴模型：在交易中披露精確估值而非序數偏好，使 GPT-6 Sol 的實現收益從最大值的 98% 降到 91%，卻讓 Claude Sonnet 5 從 72% 升到 86%（來源：arXiv cs.AI）。對多智能體系統的設計者來說，「信息越透明越好」並不成立，共享甚麼、共享到多細，需要按模型與任務單獨調。

工程化方向也有樣本：ChemE-as-Code 提供開源環境，讓基於 LLM 的智能體執行化學工程工作，計算工具覆蓋催化、流程模擬、工廠佈局、HAZOP 與生命週期評估，工程文件在 Git 中版本化，計算在 LLM 之外運行且每個數值記錄來源，自動檢查按文件與行報告不一致與過期結果。在一個氨案例中，智能體把書面任務發展為初步基礎工程包，API 成本 224 美元；作者同時說明，植入故障與工程變更顯示檢查只能覆蓋規則之內的問題，因此定位是輔助人工復核而非替代，且該設計未經獨立工程師評審（來源：arXiv cs.AI）。這條線索的價值不在數字，而在於它把「可核查」寫進了智能體工作流的架構里。

今日判斷

智能體的競爭點正在從能力展示轉向三件事：能否承擔持續工作、權限邊界是否可控、結果是否可核查。Perplexity 的產品、Claude 的誤刪、Chainalysis 的攻擊面，以及評估與工程化論文，分別從四個方向指向同一處。接下來值得跟蹤的是：面向持續工作的智能體產品是否公開交付質量指標，以及權限最小化會不會成為智能體產品的默認配置。