共计 1201 个字符，预计需要花费 4 分钟才能阅读完成。
从工具到原生, 汽车金融全链路的 Agent 革命
当行业还在比拼 Agent 能不能一口气跑完 100 步、写复杂软件时, 易鑫首席 AI 科学家、高级副总裁张磊给出了不同判断: 在企业级应用里 , 最难的不是完成任务, 而是理解人。
📌 汽车金融为什么需要新型 Agent
汽车金融是一类典型的长链路业务。 一笔融资申请要经过材料提交、审批决策、方案匹配、交付签约、资产管理五个大环节 , 光材料就有 60 多种, 审批涉及 15 个组织节点, 路径组合上万种。更棘手的是, 这条链路并非线性推进, 任何一个节点都可能回跳到前面任意环节。
张磊举例: 用户第一天进来, 第三天补资料 , 第七天额度变化走审批, 第十天所有方案试过都不合适。常规 Agent 到此就会宣告“任务结束”, 但真正的 Agent 会在第 80 天公司接入新资方、新产品后, 重新找到这位客户。一笔业务的成败, 往往就分在第十天和第八十天之间。
🔍 Human-Centric Long-Horizon Agent 是什么
为此, 易鑫提出了一套新范式——Human-Centric Long-Horizon Agent, 即“以人为中心的长程智能体”。它由三部分组成: 人的理解模型、垂直领域模型, 以及 Harness。Harness 又分三层: 数据 Harness、Agent Harness 和人的 Harness。前两者解决“懂人”, 后者解决“能不能长期稳定地跑”。
让 Agent 出结果并不难, 难的是它怎么长期稳定运行, 这才是 Harness 在企业的价值。
张磊透露, 这套 Harness 框架计划在年底开源。
💡 人的位置被明确保留
易鑫并不认为 Agent 应该包办一切。 在其框架中 , 三类场景必须转人工: 合规熔断、重大权益 (如罚息减免)、特批等意外场景。这既是对强监管的回应, 也说明企业级 Agent 的边界在于人机协同, 而非完全替代。
📊 线上运转数据与看点
目前这套系统在线上的运转情况如下:
- 45 个 Agent 同时运行, 日均处理任务约 23 万次
- 每天消耗约 3.6 亿 Token
- AI 能独立跟进同一用户超过 20 天
- 单个任务执行超过 16 小时, 单次对话超过 81 轮
- 横跨企业微信、微信等渠道
这些数字指向一个趋势: 企业级 Agent 的竞争, 正在从“能不能做”转向“能不能持续做对”。
🚀 从任务执行到关系管理
张磊认为, 传统 Agent 优化的是任务执行和工具编排 , 成功与否取决于任务是否完成; 而以人为中心的 Agent 优化的是人的决策过程, 需要持久化用户记忆、建模信任与意图、管理关系, 最终看的是有没有产生转化和收益。
换句话说, 未来 AI Agent 在企业里的应用, 会从任务执行过渡到 Harness——持续运行、持续反馈、持续优化。谁能更好地理解人, 谁就更有可能拿到业务结果。企业级 Agent 的竞争, 本质上是对人的理解深度的竞争。
