本文介绍 Ben Clavié 在 AI Engineer World's Fair 的演讲，主张知识型 Agent 不应照搬 Coding Agent 范式。核心观点：编程智能体的成功源于代码环境的结构化红利；而法律、医疗、投研等知识任务的难点在于正确定位、理解和验证证据。要构建可用的知识 Agent，需具备面向任务的高质量检索工具（含图表、扫描件等多模态内容），以及主智能体负责任务分解、子智能体承担专业分工的编排架构。文章还给出企业级建设的优先级建议：定义可验证任务、建设证据层、按需拆分智能体、多维度评估并保留人工审核。
作者重读Notion创始人Ivan Zhao被读600万次的名文《蒸汽、钢铁与无限心智》，梳理其核心观点：每个时代由'奇迹材料'塑造，钢铁造就镀金时代，而AI正以'无限心智'形态到来。文章评价：个人层面，10倍工程师通过指挥多个AI智能体成为30-40倍工程师，但'无限心智'受限于人类有限的验证注意力；组织层面，AI如同组织的钢铁，能极大提升效率，但我们仍处于'替换水车'阶段，且概率性材料盖确定性高楼需更深地基；经济层面，知识经济将如城市从佛罗伦萨演进为东京。作者同时警示：脱离一线的监督者会失去质量手感，年轻人的手艺底子可能变空。
本文系统梳理了2026年Agent评估领域的全景图，指出Agent Eval正从'任务能否完成'转向'结果是否有效、过程是否可靠、系统是否值得部署'。文章从通用Agent、软件工程、GUI与SaaS、工具与事务、知识工作（Deep Research、数据分析、预测）、多模态内容生产、科研优化、组件与记忆、多Agent系统等赛道，介绍了代表benchmark及其演进，并强调了可靠性、成本、轨迹审计与证据包成为评估的新基本单位。
文章指出咨询及知识工作者晋升失败的核心原因：一个反复出现的弱点会让高层怀疑其能否胜任下一级别工作而无需“救援”。作者提出“救援测试”方法，通过识别上级反复介入保护成果的场景，将晋升瓶颈归类为五种类型：问题定义（Framing）、会议掌控（Presence）、利益联盟（Stakeholder Algebra）、综合判断（Synthesis）和复用能力。传统模糊的反馈如“培养高管气场”缺乏可操作性，而针对真正的约束进行改进才是晋升的关键。
当 AI 的知识广度远超人类时，传统的人机协同面临挑战。文章指出，AI 易提升人的输出能力，但未必提升判断能力。为避免人类沦为“橡皮图章”，作者建议将 AI 定位为认知脚手架、反方辩手或审计员，而非简单的答案机器。真正有效的协同，在于利用 AI 帮助人建立判断力并保持决策的可审计性与责任归属。
