精华速览

在1024模力工场AI社区日主论坛上，贝联珠贯创始人兼CEO毕玄以SREAgent为例，分享了对垂类Agent竞争力的判断。他坦言，团队曾将长程任务执行和通用工具使用视为核心壁垒，但随着大模型能力快速提升，这些正逐渐成为模型自身的能力，只能带来短期优势。他认为，垂类Agent公司的长期竞争力在于处理具体业务中的“脏活累活”：接入非通用数据、对日志等专有数据做专业处理、结合客户业务建模，并让模型随业务变化持续自我迭代。SREAgent 3.0已支持用自然语言生成Skill以降低数据接入门槛，但毕玄也承认这类功能容易被同行追上。最终检验标准是Agent能否高质量解决问题、运行可靠且行为受控。

要点透视

  • 毕玄在1024模力工场AI社区日主论坛发表题为《以SREAgent为例：看垂类Agent的竞争力》的演讲，SREAgent是面向企业IT系统的AI运维助手，可分析监控数据和日志以排查故障。
  • 毕玄透露，团队去年10月曾判断长程任务执行和通用工具使用是Agent公司的核心竞争壁垒，但到今年已完全改变看法，认为这两项将回归大模型公司自身能力。
  • SREAgent 3.0尝试让客户用自然语言描述数据接入需求，由系统生成Skill，替代此前需客户自行编写Skill的方式；毕玄称该功能发布后已有友商跟进，壁垒有限。
  • 毕玄以自身使用Codex为例，称可一次性让模型执行12至20小时的任务，过程中无需人工干预，仅受Token额度限制，说明大模型长程任务能力已显著进步。
  • 毕玄认为，运维场景中每家企业的监控系统、数据来源和采集方式各不相同，通用工具难以覆盖，垂类公司需自建数据接入层。
  • 毕玄提出垂类Agent的四个关键层面：数据采集、数据处理、数据建模和模型迭代；其中模型能否随业务系统变化自我演进，是拉开差距的关键。
  • 毕玄强调Agent的最终检验标准是三点：高质量解决问题、运行可靠、行为受控，其中受控正变得越来越重要。
  • 毕玄以PPT制作为例，称其演讲PPT全部由Codex生成，文字和图表均未自行修改，以此说明通用工具能力正快速被大模型覆盖。

文章拆解

毕玄的分享触及了垂类Agent创业公司当前最核心的焦虑：当大模型自身能力快速膨胀，应用层公司的生存空间在哪里。他的判断基于一个动态观察——去年还被Agent公司视为技术门槛的长程任务执行和通用工具调用，今年已明显被大模型厂商内化。Codex可连续运行十余小时、PPT可由模型直接生成，这些案例说明通用能力层正在被上游吞并。对垂类公司而言，继续在这两个方向投入，短期或可形成差异，但长期难以构成护城河。

由此推导出的核心逻辑是：垂类Agent的价值必须建立在大模型“天然做不好”的地方。运维场景的典型特征是数据源高度碎片化，每家企业的监控系统、日志格式和采集方式都不同，通用工具无法一次性覆盖。这要求垂类公司深入客户现场，完成数据接入、清洗、处理和业务建模的“脏活累活”。毕玄将这一链条拆为数据采集、数据处理、数据建模和模型迭代四个层面，其中前三个层面依赖专有知识和私有数据，第四个层面则决定模型能否随业务变化持续生效。这一框架的合理性在于，它把竞争焦点从模型能力转向了业务理解与数据工程，而这恰恰是通用大模型厂商难以规模化复制的部分。

对行业和用户的影响体现在两方面。一方面，垂类Agent公司需要重新配置资源，减少在通用工具和长程任务框架上的投入，转向数据管道和业务模型建设；另一方面，客户在选择Agent产品时，应更关注其数据接入的深度和模型迭代机制，而非单纯看任务执行时长或工具数量。SREAgent 3.0用自然语言生成Skill降低了客户门槛，但毕玄也承认该功能容易被同行追上，说明交互层的创新难以成为长期壁垒。

值得关注的变量包括：大模型厂商是否会上移进入垂直业务建模层，毕玄判断模型厂商会不断向上延伸，因为越贴近业务价值越大，这意味着垂类公司与模型厂商之间存在动态博弈；模型自我演进的技术路径尚不明确，毕玄提到大模型可能提供记忆和迭代的基础能力，但具体实现“还得自己做好”，这一环节的成熟度尚待确认；此外，垂类Agent的“受控”要求如何与模型自进化能力平衡，也是尚未充分展开的风险点。潜在风险在于，如果垂类公司过度依赖定制化项目，可能陷入规模不经济的困境，而通用能力的快速进步又可能压缩其生存窗口。毕玄本人也承认，AI发展太快，今天的判断可能很快被推翻，因此保持独立判断力比判断正确与否更重要。

查看原文