Agent 会以“被调用的能力”而非新网站的形式出现，入口可能还是 Codex、Claude Code 这类通用工具；学 Agent 不必先补概念，而是把一个真实任务交给它做完，在做的过程中建立判断。
AI根据立正公开的文章和视频整理，不是他本人回复。重要的判断，请回到出处核对。
Agent 更像被调用的能力，不是新入口
立正对终极形态也说不知道，但按他自己的使用习惯，调用 agent 会发生在 Codex、Claude Code 这类通用入口里：想处理播客，不想再打开播客网站，而是在 Codex 里说一句就办完，于是选哪家服务取决于它的程序化支持好不好1。这意味着软件的价值重心从“做一个好用的界面”转向“让 agent 能直接调用”，把能力做成标准化的 Skills 供 agent 驱动，而不是在旧系统上贴一个聊天框2。他也提到，这种高效入口目前主要被深度使用者接受，大众交互的产品形态还有很大空间1。所以“替代 SaaS”更准确的说法是：只提供逻辑层和界面的软件会被压缩，带核心推理价值的服务不一定3。
学 Agent 从交出一个真实任务开始
AI推演立正认为卡住很多人的不是名词不够，而是追着 RAG、agent 这类名词学，离把任务做完越来越远；真正决定用得好不好的是动作4。他给的学习方式是：把真实任务交给 AI，逐步积累它需要的上下文，再建立判断结果好坏的方法，否则知道很多工具名字，工作方式却没变5。一个具体做法是挑一件你本来要花时间处理的小事，比如从邮件里翻出某个账户信息并整理好，让 agent 从头做到尾，观察它卡在哪、你需要补什么上下文、你怎么判断结果对不对——这比先读完定义更能检验你的想法是否成立5。
概念模糊时，用做出来的东西校准判断
你担心自己只有一个模糊概念、不知道对错，这本身是正常的：立正给 Agentic AI 下定义时也强调，光有“LLM 在循环里调用工具”这类描述，没做过的人无法理解细节对应什么实现，也就无法有效提高6。他的定义把 agent 拆成三个特征——调用工具、多步决策、自我迭代——这可以作为你检验自己想法的一把尺子：你设想的“替代 SaaS 的 Agent”，是否真的能调外部系统、能拆成多步、能根据反馈修正6。做完上面那个小任务后，再回头看这三个特征，你对“Agent 是什么”的判断会比现在具体得多。
关于 Agent 最终产品形态，立正本人也明确说不知道终极形态，以上只是他基于使用习惯的判断，不是定论。
出处
- 1从结果确定性到通用智能：和韦晓亮老师聊AI、产品与教育
立正谈 agent 入口形态和自己调用习惯的原始表述，适合核对“Agent 以什么形式出现”。
- 2如果你在旧系统上贴个聊天框，那说明你们团队并不真懂AI
解释为什么要把软件做成 agent 可调用的 Skills，而非贴聊天框，适合理解替代 SaaS 的机制。
- 3Agent 时代的投资与生存法则｜Indigo 西雅图线下分享 Notes & Insights
可回到原文核对这部分判断
- 4AI的正确打开方式：不学概念，学动作
说明追名词与练动作的区别，适合回应“只有概念、不知怎么做”的困惑。
- 5从大厂高薪到自己赚钱，中间差的是什么？
给出把真实任务交给 AI、积累上下文并建立判断标准的学习路径，适合回答怎么学。
- 6AI Agents的第一性原理定义｜Define AI Agents
可回到原文核对这部分判断
追问2026年10月21日
那自己通过 Codex 或者 Claude Code 花几百亿 Token 去打造一个专属于自己的 Personal Agent 还有意义吗？有人花了一周左右的时间，花费了100多亿 token，把自己的 personal agent 搭出来。他将所有上下文整合到一个大的文件夹里，根据事项的具体大小衍生出四级和五级类目，把日常的所有场景分别分配给各种助理。他用嘴说，AI 助理就出来干活；出门时在飞书上指挥各个助理来干活，目前基本上能够实现一句话让助理把合作方案、分享文档等内容写好。他就这样搭了一个属于自己的 personal agent。那既然未来可能是发生在 Codex、Claude Code 这类通用入口里的话，那么他这样去搭建一个专属于自己的 personal agent 还有意义吗？或者说还有必要吗
有意义，但意义不在“造一个独立入口”，而在把上下文、流程和判断沉淀成可被 Codex、Claude Code 这类通用工具调用的资产；是否值得花上百亿 token，取决于它是否解决了你当前真正的瓶颈。
通用入口越强，沉淀下来的东西越值钱
立正判断 Agent 会成为软件的主要形态，未来调用软件的是 Agent，人只占少数，所以工具应该做成可被调用的能力，而不是等人登录的界面1。他也说 agent 方式才是用 AI 最有效的方式，建议从聊天框转向 Cursor、Codex 这类能直接干活的工具2,3。按这个逻辑，那位朋友搭的 personal agent 里真正值钱的不是“一个专属入口”，而是他把上下文、场景分配和做事流程整理成了 AI 能读、能调用的结构。这部分不会因为入口换成 Codex 就作废，反而更容易被通用工具复用。立正自己也把 context 公开，让别人在 Codex 或 Claude Code 里直接调用4。
该问的是它有没有改变你的关键约束
判断要不要投入，立正给的办法是：先看它改善的指标是不是你当前任务真正的瓶颈，再和“不用它时最合理的做法”比5。放到这里，如果那位朋友每天要反复写方案、发文档、协调多个事项，一句话让助理出活确实省下了他的时间，那这套搭建就有明确回报。反过来，如果他的需求只是偶尔写点东西，通用入口加几个文件和规则可能就够了，花一周和上百亿 token 换来的边际收益有限。token 数量和类目层级本身不构成理由，它们只说明投入规模。
可迁移的部分是规则和流程，不是目录结构
AI推演有材料主张，把踩过的坑写成规则、把验证过的做法变成模板，经验才能从个人技巧变成系统记忆；AGENTS.md 定义行为规范，MEMORY.md 沉淀判断原则和边界6。另一段讨论区分了文件是“有什么信息”、skill 是“如何做这件事的判断”、resolver 是“遇到任务怎么分配”7。那位朋友的四五级类目和助理分工，价值在于把这三层显性化了；但类目层级是手段，换成通用入口后，真正需要保留的是这些规则和流程。可以先挑一个最常做的任务，把它的上下文和判断写成一份规则文件，在 Codex 里跑一次，看输出是否接近他现在的效果，以此判断这套沉淀是否真的独立于那个专属外壳。
资料没有讨论那位朋友的具体搭建方式，也没有 token 成本与收益的对比数据；上面的判断是按立正的技术选型思路推演的。
出处
- 1如果你在旧系统上贴个聊天框，那说明你们团队并不真懂AI
解释为什么未来软件应做成可被 Agent 调用的能力，而非独立入口。
- 2#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾？
可回到原文核对这部分判断
- 3用豆包还是Codex，正在加速两极分化…
可回到原文核对这部分判断
- 4AI时代，为什么必须要做“个人网站”？
可回到原文核对这部分判断
- 5通过Jev，辨清AI新技术的叙事陷阱：谁替你决定了什么叫“厉害”？
提供判断新技术是否值得投入的标准：任务瓶颈与合理替代方案比较。
- 6AI User 与 AI Builder 的 5 个差距，和背后具体技术原因 | 科技大厂打工人版
说明上下文架构、AGENTS.md 与 MEMORY.md 如何把经验沉淀成系统资产。
- 7从焦虑到上手: 白领/投资者的AI实战第一课【串台课代表立正】
区分文件、skill 和 resolver 三层，对应个人助理搭建中的信息、流程与分配。
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 如何快速的成为大佬
立正不认为存在一条按步骤走就能快速成为大佬的确定路径；他更看重持续成长、对事情的信念和能拿出的实际结果，把大佬当作可合作的资源而非崇拜对象。
- 这是我写的一篇内容，我应该怎么去优化这篇文章，汽车摄影构图分享｜最近关于 AI 汽车内容的一点思考
最近一直在做其他项目，也在想 AI 内容还能往哪些方向拓展。
前几天突然翻到之前账号里做的汽车内容。再看那些画面，构图、调色和风格都有一些我现在不会再那么处理的地方。可能也是因为看画面的方式变了，之前觉得挺成立的东西，现在会忍不住多想一步。
尤其是当这些内容真的要用在自己的商业项目里，我会开始想：AI 汽车内容到底该怎么做？
以前会觉得，换一个场景、换一种风格，画面就有差异了。但回头看，山还是那个山，路还是那条路。大家用的“配菜”差不多，怎么做出让人记得住的内容，我还在琢磨。
而且车的内容也不能只顾着把画面做得不一样。做完之后，还得让人看得出这是哪个品牌的车。这个尺度其实挺难拿捏的。
想到这儿，我又会问自己：AI 是该先把摄影能解决的问题做得更好，还是去试试摄影和 CG 不太容易做到的方向？
我现在觉得这两条路都可以走。只是放进商业项目里，最后还是得看它解决了什么问题。对我来说，这也是做 AI 汽车内容最好玩的地方：画面可以一直往前试，但每次都要想清楚，它为什么要这么做。
这篇的素材和真实困惑都在，主要问题是开头先讲自己的犹豫、结尾又停在“两条路都可以走”，读者拿不到一个明确的判断。把“商业项目里看它解决了什么问题”提前成主线，全文会立起来。
- 这是我的最终版本 ： 案例背景: 我有 10 年 PM 经验，现在负责 Gemini enterprise agent 的 0 to 1 和 E2E quality。团队的底层架构每 1-3 个月重构一次，roadmap 最多只能规划 4–5 周。我入职后做的一版 roadmap方案，6 周后因为架构切换，大约一半作废。
难点在哪
技术发展太快，个人没有足够的agent框架前瞻vision 来决定哪些可以跨周期留下来，所以每一轮都接近从头开始。
能长期积累的东西（方法论、客户base）见效慢，绩效看的却是这个季度 ship 了什么。
团队规划roadmap 只看 5 周，我却要做 2–3 年职业规划，中间没有足够的深度沉淀。工作挤占大部分精力，留给生活和个人成长的时间较少。
想问导师什么
在Agent 框架高频变化的环境里，什么样的工作算真正的 impact？哪些东西值得深耕和沉淀？
公司规划周期很短的时候，个人的 2–3 年职业规划应该以什么为锚：岗位、能力，还是某个长期方向？
这种混乱是属于风险与机遇并存，我应该抓住哪个最主要的点来省耕挖掘机会？
假装你是career coach, 请帮我分析并提出建议
在框架高频变化的环境里，值得积累的是判断力和方法论这类不随版本失效的东西；2–3 年规划的锚可以放在能力与判断上，而不是某个具体框架或岗位头衔。
- 如何使用 AI？使用 AI 干什么？如何找需求？Vibe Coding 还有价值吗？我 Vibe Coding 出来的很多东西就只是一个 Demo 该如何提升？未来 SaaS 会消失吗？Agent 这种会被未来大模型的能力越来越强而被代替吗？
把 AI 用在“从想法到第一版”和“从第一版到可靠系统”两段路上：Vibe Coding 仍有价值，但价值在快速暴露真实需求，而非停在 Demo；需求从真实使用和错误版本里长出来…
- AI 时代，该创业还是工作
立正不把创业当成 AI 时代的普遍出路：创业不适合绝大多数人，但“拥有自己的用户和收入”这件事值得尽早尝试，工作也可以是积累这种能力的过渡。
- 我在做牵线宝，给婚恋门店的红娘老师用的工作台，不是给单身用户的交友软件。大约一个月里主要靠 AI
编程做出一版，还没成为老师的日常工具，功能主要在测试环境。里面有签单后的服务进度、AI 牵线建议、约见、跟进、关
单、脱单证、成功案例，以及老师审核后复制到企业微信的心动报告。它接在门店已有的会员和签单系统上。没有查到已经靠
它收到的服务费，也没有在服务会员数、客单价、成交率，或每人每天省下多少时间。花费没有一笔人民币账单，只有相关
AI 会话大约 2.82 亿 token 的估算，其中近一半花在很长的协调会话反复重放上文，不能把这个估算当成已经花掉的钱。
我已经得到的判断是：这更像一次买到判断的投入，还不是一门验证过的生意。回本时间算不出来，要先拿到门店真实使用后
的一个数，也就是老师省下的时间，或约见和成交有没有变化。请不要再重复这个结论。
我接下来要去线下门店，看老师真实干活，不是看功能演示。请直接告诉我这次寻访怎么做。去之前我要写下哪两个待检验的
假设。到店时跟着哪几件具体的事看和问，才能知道签单后的进度、约见记录、跟进、关单、心动报告这些环节，哪些是每天
真在做，哪些只在有人来看时才做。每件请写成能当场核对的问法：昨天那一位客户从哪一步开始记、记在哪、中间断过没有
、花了多久、不记会怎样。
老师不肯说的，请按私下、具体、不追责来设计问法。我要挖的是：如果这套东西真省了时间，省下的时间归谁；把自己跟客
户的经验写进系统，对她有什么好处和风险；她怕被替代、怕被加活、好处落不到自己身上时，我到店前该先给什么承诺或安
排。不要让我当众问“你们有什么痛点”。
请同时说明我心理上该怎么准备：卡点只是待检验的解释，不用她们对功能的评价代替事实。回来以后，用哪个数判断牵线宝
值不值得继续投；一家门店的小范围试用怎样才算看到省下了时间；如果她们说好用但不愿付钱，问题通常出在哪一环；收费
按什么单位比较站得住。材料不够就说明缺哪一个数，不要给一个具体的回本月数。
去之前写下两个待检验假设：一是老师每天真在用的环节，二是省下的时间归谁。到店后跟着昨天一位客户走完签单后全流程，逐环节核对记录在哪、断没断、花多久、不记会怎样。