软件时代的终结，正是驾驭时代的开端。

人工智能凭借其智能性，淘汰了那些工作流固定的 SaaS 托管数据库。AI 就像一匹野马，力量强大但桀骜不驯。要驾驭这股力量，就需要将其驯化。

这种驯化包含七个部分：

1. 上下文与记忆：通用模型需要定制化的检索。为放射科医生获取正确上下文的系统，与为律师助理获取上下文的系统截然不同。

   有时这需要大量的短期记忆：智能体在 45 秒前正在处理什么？其他时候，则可能是大规模图像检索，例如用于放射学或视频生成。还有些时候，它是在数十亿份文档中进行关键词搜索。这些系统将针对每个具体用例进行定制，以实现最佳准确性。

   与检索并存的还有上下文数据库，它就像每家企业的实际运营手册。我们每天带在脑中、带到工作中的标准操作流程，就是这些手册。最初捕获这些流程，并随着人员和流程的变化而不断演进，这正是上下文数据库的精髓所在。

2. 工具与行动：工具是智能体影响外部世界的方式。上下文数据库中的手册描述了要做什么，而工具则是实际执行这些操作所需的原料和器具。

   一个现代的驾驭系统通过注册表来暴露工具，验证模型传递的参数，调度调用，将敏感操作置于审批之后，并将结果解析回智能体的循环中。MCP 已成为连接各环节的纽带。驾驭系统的质量取决于它能安全暴露多少工具，以及处理工具失败时的干净利落程度。

3. 编排与循环：智能体的循环是思考、行动、观察、重复。规划、分解、子智能体、重试和停止条件，共同定义了工作如何完成。

   我们还期望软件能随着我们的使用而不断改进。能够从每次运行中学习的闭环模式，将成为区分不同供应商的关键。

4. 状态与持久化：在一个由众多不同人员共同开发的大型企业系统中，系统必须具备弹性。当某个执行框架在一个10步任务的第7步崩溃时，它应该能从第8步恢复，而不是从头开始。文件系统、检查点、会话线程和工件存储是防止工作丢失的机制。

5. 沙箱与计算：每个智能体都需要一个可供其运行的沙箱。隔离的Unix工作空间、受控的网络出口以及存在于模型之外的凭证，是确保沙箱在规模化运行时安全、保密且高效的关键。

6. 可观测性与治理：你无法信任你看不见的东西。追踪每一步、记录每一次工具调用、将评估作为回归测试运行，并在最高风险的决策中引入人工审核，这些是将演示系统转变为生产系统的关键。护栏强制执行策略。评估在客户发现之前捕捉回归问题。

7. 成本与工作流优化：第七项原则是架构判断。哪些应该是确定性的，哪些应该是非确定性的？对于每一步，哪个模型是合适的——是最先进的、中型的、小型的，还是经过微调的？哪些知识应该归属于技能，哪些又应该归属于记忆？

其结果是在软件领域形成了一种新的竞争态势。

这并非在所有类别中都适用。那些主要实验室优先关注的市场，将因其快速行动的能力以及对模型的直接控制而受益。但这同时也为初创公司留下了数千个独立的市场机会。

当每家公司都能使用相同的模型时，会发生什么？最优秀的驾驭者将胜出。