Action Agent

在 AI 从“辅助问答”迈向“自主执行”的关键转折点，企业 AI 公司 Writer 正式发布 Action Agent——一个能独立完成复杂多步骤任务的自主代理。

这不仅是一次功能升级，更是对企业 AI 定位的根本性转变：从“告诉我怎么做”，到“我来帮你做完”。

该代理可在数百个软件平台间自主协调，浏览网页、分析数据、生成报告、编写代码，全程无需人工干预。其背后是 Writer 对企业级 AI 的深度思考：安全性、可审计性、可控性，比单纯的“智能”更重要。

什么是 Action Agent？

Action Agent 并非传统意义上的聊天机器人，而是一个运行在独立虚拟环境中的自主执行系统。它被设计用于执行完整的业务流程，例如：

“分析过去三个月的客户评论，识别主要痛点，并为管理层生成一份带数据可视化的演示文稿。”

传统 AI 工具会列出步骤或提供草稿，而 Action Agent 会直接完成整个任务：抓取数据、执行情感分析、生成 PPT 并保存至指定位置。

这种能力源于 Writer 所称的“第四级编排（Level 4 Orchestration）”——当前企业 AI 自动化的最高层级。

Action Agent 是目前少数达到 Level 4 的系统之一。

技术实力：在关键基准上超越 OpenAI

Writer 的声明得到了权威基准测试的支持。

📊 GAIA Level 3 测试

• 得分：61%
• 超过 OpenAI 的 Deep Research 等竞争系统
• GAIA Level 3 要求代理：
  • 跨多个工具和数据源操作
  • 综合信息并做出推理
  • 完成复杂、开放式的多步骤任务

🖥️ CUB（Computer Use Benchmark）

• 得分：10.4%
• 在浏览器与操作系统交互任务中位列顶尖
• 证明其具备真实的“计算机使用”能力，而非仅文本生成

这些成绩的背后是 Writer 的 Palmyra X5 模型，其拥有百万级上下文窗口，可同时处理数百页文档、完整代码库或大型数据集，始终保持任务连贯性。

企业级安全：与消费者 AI 的根本区别

与 ChatGPT、Copilot 等面向消费者的工具不同，Action Agent 从设计之初就聚焦企业需求。

🔐 核心安全特性

“在银行、制药或医疗行业，不透明的‘黑箱’AI 是不可接受的。”Writer 产品负责人 Matan-Paul Shetrit 强调。

连接 600+ 工具，用 MCP 实现企业级集成

Action Agent 已预集成超过 600 个企业工具，覆盖 CRM、ERP、代码仓库、设计平台、财务系统等。

其集成基于 模型上下文协议（MCP）——一个新兴的 AI 工具互联标准。但 Writer 并未止步于此，而是通过以下方式将其提升至企业级：

• 按代理授权：权限不仅基于用户，还可精确到具体代理
• 动态策略控制：IT 管理员可设置数据访问策略与操作白名单
• 与 AWS 等合作：共同推动 MCP 成为企业标准

“MCP 还需要努力才能达到企业级。”Shetrit 指出，“我们正在填补这一空白。”

免费提供：挑战传统软件定价模式

一个令人意外的决定是：Action Agent 将向现有客户免费提供。

这在高计算成本的 AI 时代显得尤为激进。但 Writer 的逻辑清晰：

“企业需要可预测的预算。基于 token 的计费模式对大型组织来说风险过高。”

这一策略的背后是 Writer 在模型训练上的成本效率优势：

• Palmyra X4 模型训练成本仅 70 万美元
• 相比之下，OpenAI 同等规模模型估算成本达 460 万美元
• 差距源于合成数据与创新训练方法

“我们认为，这展示了平台的全部价值。”Shetrit 表示，“我们正在兑现 AI 的承诺。”

与 Uber 合作：在真实场景中打磨代理

Writer 与 Uber 的合作是其“真实世界验证”策略的典范。

Uber 的 AI 团队为其提供了：

• 跨复杂系统的高质量数据标注经验
• 对代理在生产环境中的表现验证

Uber AI 解决方案负责人 Megha Yethadka 表示：

“我们的合作帮助塑造了一个能应对最复杂企业挑战的代理。”

这种伙伴关系确保 Action Agent 解决的是真实业务问题，而非理论用例。

适用场景：从优化到创造

Shetrit 将企业 AI 用例分为两类：

后者才是 Action Agent 的真正潜力所在。

“能力不再是瓶颈。”Shetrit 分享了一个内部案例：

当产品经理说“没时间”时，他用 Action Agent 生成了 70% 的工作成果。

这标志着组织从“稀缺心态”向“充裕心态”的转变。