结果所有权智能体(Outcome-Owning Agent)
| 分类 | 🏗️ 架构范式 |
| 阅读时间 | ⏱️ 16 分钟 |
| 更新时间 | 📅 2026-11-21 |
| 条目编号 | ENC-ARCH-26-outcome-owning-agent |
关键要点 ✦
- 结构分层:目标契约层(什么算达成、花多少、哪些动作要批)→ 编排层(常驻的 Bot 或 Mission,持有记忆与工具)→ 执行层(并行子会话,各自独立机器与工作区)→ 验收层(人工审批门加独立评审器)。
- 产品化节点:据 Cognition 2026-11-17 发布与产品文档,Devin Bots 让一个 Bot 持有工程目标并管理多个 Devin 会话;据 Replit 2026-11-17 官方博客,Missions 由用户设定目标、预算与边界,智能体集群规划构建测试,独立 AI 裁判按约定标准验收。
- 目标契约四要素:可测的成功标准、预算上限、边界与审批清单、可接受的权衡(如是否允许付费试点、是否允许折扣)。四者必须在开工前写定,否则验收会退化为事后解释。
- 终止条件显式化:据 Replit 说明,达标即标记完成,预算先耗尽则停止且结果仍未决;据 Cognition 文档,Bot 的消耗计入创建者配额,按计划设置用量上限。
- 厂商自报读数:Cognition 称一个 Android Bot 在 44 天内合并 1,134 个 PR、关闭 1,217 个工单,工程师期间只发 183 条消息;Replit 称两天、3,000 美元预算产出 DataCat,32 智能体集群在 13 项 NumPy 任务上取得最高 19 倍加速。均为厂商自测口径,未经独立复核。
- 边界辨析:常驻型智能体强调在线时长与触发方式,结果所有权强调验收闭环与预算;编排者-工作者模式是一次任务内的分解,结果所有权跨天跨周持续持有同一结果。
从派任务到派结果
据 Replit 官方博客,Missions 的出发点是一类团队长期没时间做的复杂工作:赢下十个企业客户、改善产品性能、替换遗留系统。用户不需要先决定打哪个行业、找哪类买家,这些判断本身被纳入委托范围;系统在设置阶段反问「什么算企业客户」「付费试点算不算」,把成功标准钉死,再进入执行。据 Cognition 发布说明与产品文档,Devin Bots 的说法更直接:给 Bot 一个目标而不是一串工单,例如「保持 Android 与 iOS 功能对齐」,由它自己判断该建什么、拆给哪几个子会话。
同一时期,据 Google Labs 2026-11-18 公告,Stitch Loop 把这条思路延伸到上线之后:连接代码库与产品数据(日志、用户行为、反馈),围绕安全、时延、可访问性等可测目标持续跑循环,提出改进、在沙箱里改代码、开 PR 供人审,合入后继续盯指标。三个产品形态不同,但共享一个前提——智能体的工作对象从「一次会话」变成「一段持续的责任」。
四层结构:契约、编排、执行、验收
把三个案例拆开,可以看到同一套四层结构。契约层是写在开工前的一份约定:成功标准必须可测,预算上限必须可执行,边界列明哪些动作需人工批,权衡项写明允许让渡什么。编排层是常驻主体,拥有自己的记忆、工具、连接与密钥,负责把结果拆成可并行的工作并持续跟踪。执行层是子会话或子智能体,各自跑在独立机器或沙箱里,避免互相污染工作区。验收层由两部分组成:人工审批门负责有后果的动作,独立评审器负责判断整体结果是否达标。
与既有范式相比,增量集中在验收层与契约层。本站编排者-工作者模式讨论的是一次任务内的任务分解与汇总,图架构讨论的是控制流显式化,人机回环讨论的是审批插入点;结果所有权把这三者组合起来,并额外引入两个变量——预算作为一等约束,以及「谁来判断完成」这一角色从执行者手中剥离。Replit 的表述是独立 AI 裁判按事先约定的标准检查结果,并用反馈驱动下一轮;这一点与让执行者自评有本质区别。
读数、口径与不该读出的东西
厂商口径值得逐条标注来源。据 Cognition 发布材料,一个负责 Android 应用的 Bot 在 44 天里关闭 1,217 个工单、合并 1,134 个 PR,工程师只发了 183 条消息,其中 22 天完全没有发言;另有一个单人工游戏工作室,把周 PR 产出从约 50 提到约 1,900。据 Replit 博客,DataCat 在两天与 3,000 美元预算内完成,故意埋入的数据库缺陷在 38 秒内告警(目标 60 秒),三小时压测存下 2,600 万条活动记录与 440 万条日志且无丢失;13 项 NumPy 优化任务中,单智能体最高 4 倍、16 个智能体 17 倍、32 个智能体 19 倍加速。
这些数字都不能直接换算成生产力。PR 数量不含改动规模与质量,工单关闭不等于需求被正确理解,加速比来自特定基准任务且由厂商自测。更值得注意的是分布而非均值:单智能体 4 倍到 32 个智能体 19 倍,说明并行在可分解任务上有边际收益,但同时意味着成本随规模上升——Replit 的预算上限设计正是对这一点的回应。本站对这类数字的立场是记录口径、标注来源、拒绝外推。
失效模式:目标、评审、预算与凭证
一类失效来自目标。若成功标准含糊,验收就只能靠事后解释,智能体会优化可测的代理指标而非真实意图,这是奖励劫持在组织层的翻版。第二类来自评审独立性:评审器若由同一模型、同一提示、同一上下文担任,容易与执行者共享盲区,Replit 强调独立裁判、Singularity-Bench 一类基准强调先给评分器做红队,指向的都是同一件事。
第三类来自预算与注意力。预算耗尽即停止,意味着系统会在「未完成」状态下交付半成品,需要有明确的中断处理;而持续运行的智能体会不断产出待审批项,人类注意力成为新瓶颈,审批疲劳会让人从「逐条判断」退化为「批量放行」。第四类来自凭证扩散:据 Cognition 文档提示,给 Bot 独立的 Slack 入口意味着接受外部消息,也就暴露于提示注入;共享 Bot 会把创建者的连接与密钥一并借给被共享者。这类风险不是提示词能解决的,需要权限最小化、按 Bot 隔离凭证与出网限制。
落地时的工程要点
可操作的做法有几条。先写成功标准再授权,标准要能被脚本或评审器判定,而不是靠形容词;把自动化边界从窄到宽,先只允许低风险改动自动合并,观察一段时间再放;让评审器与执行者在模型、上下文与工具上尽可能分离,至少保证评审看到的是产物与环境状态,而不是执行者的自述;把预算、停止条件与中断后的交接写进契约;按结果而非动作计量,让成本可见。
组织层面还有两个前置条件。其一是审计:每个子会话做了什么、谁批了什么、花了多少,需要能还原,否则出问题时无法定责。其二是责任归属:当 Bot 合并的代码引入事故,责任在创建者、审批者还是平台,目前行业没有统一答案。这两点决定了结果所有权能否从演示走进受监管行业。目前官方及行业暂未披露更多细节,后续将持续跟进迭代动态。
🎯 应用场景
✅ 最佳实践
- 开工前把成功标准写成可判定条件,并明确哪些指标只是代理指标。
- 评审器与执行者在模型、上下文与工具上分离,避免自证式验收。
- 自动合并范围从窄到宽推进,先积累对判断质量的信任再放权。
- 预算、停止条件与中断后的交接方式写入契约,避免半成品静默交付。
- 为每个 Bot 隔离凭证与出网策略,把外部消息入口视为提示注入面。
- 按结果与用量计量并保留审计轨迹,让成本与责任可还原。
🔮 未来展望
计量单位的变化可能比能力提升更影响行业结构:当计费从 token 与座位转向「完成的工作」,采购、验收与责任分配都要重写。验收层会成为竞争点——谁能提供可信、可审计、难以被刷的评审,谁就掌握了放权的前提。同时,持续运行的智能体会把人类角色推向两处:设定标准与处理例外。监管与合规压力也会随之上移,尤其是在需要留痕的行业。风险在于,如果验收标准长期无法标准化,结果所有权可能停留在少数高成熟度团队手里,而中小团队只能继续按任务采购。