他每天产出4000条广告，却劝你别急着让AI“更聪明”

当整个行业都在狂奔向更大模型、更长上下文、更强Agent时，一位每天用AI生产4000条广告素材的AI负责人却公开泼冷水：慢一点，限制一点，反而更有效。这场关于“有界自主性”的演讲，几乎句句都在挑战AI从业者的直觉。

最反直觉的开场：别再迷信“更聪明的模型”

Angus McLean一上来就抛出一个让人不舒服的判断：今天的大语言模型，其实并不“理解”它们处理的数据。它们看起来越来越聪明，很大程度上只是因为算力更猛、参数更多、上下文更长。

这句话之所以刺耳，是因为它直接戳中了当下AI应用的主流叙事——仿佛只要模型再升级一代，所有问题都会自然消失。但在他看来，这种期待本身就是危险的。模型的能力增长，并不等同于你系统的可靠性增长。

他的第一个建议简单到近乎反常识：慢下来。在引入Agent、自动化复杂流程之前，先确认你真的理解模型在做什么，而不是被“它居然能做到”的表象迷惑。

为什么广告公司，比大多数AI团队更早撞上现实

Angus的背景很关键。他所在的广告代理公司，每天为200多个品牌生成大约4000个内容资产。这不是实验室里的demo，而是高频、高风险、直接影响商业结果的真实环境。

在这里，创意和策略曾经被认为是“纯知识工作”，现在却正在变成“agentic workflow”——一系列由AI半自动或自动执行的决策链条。一旦出错，不只是模型效果不好，而是真金白银的损失。

正因为反馈来得足够快，他们很早就意识到：问题不在于Agent能不能做更多事，而在于你给了它多少不受约束的自由。完全放飞的Agent，看似高效，实际上更容易制造灾难。

上下文窗口越大，Agent真的越聪明吗？

过去几年，Agent能力的提升，几乎可以和“上下文窗口变大”画等号。从最初的“信息不够”，走向今天的“信息过载”。

Angus提出了一个关键洞察：上下文不仅是能力来源，也是限制本身。它和安全护栏一样，会在无形中塑造模型的行为边界。更大的上下文，并不意味着更好的决策，反而可能让模型在噪音中迷失。

于是，他们开始反向操作：主动削减上下文，重新引入约束。结果很反直觉——输出质量反而更稳定了。正如他那句被反复引用的话：约束不是创造力的敌人，约束本身就是创造力的来源。

真正有用的Agent设计原则，其实很“保守”

整场演讲中，最实操的部分反而听起来一点都不酷。

第一，保持简单。Angus直言：“就算你拥有神的力量，也不代表你该用尽它。”一个能稳定工作的简单系统，远胜一个复杂但不可控的Agent网络。

第二，理解AI的本质。他认为AI的核心能力其实是“翻译”——把不同模态、不同结构的数据，映射到统一的内部表示。真正有价值的系统，不是堆功能，而是合理利用多种表示结构。

第三，别跳过人。不要自动化一个你自己做不了的工作。因为一旦系统出错，你将连判断错误从哪来的能力都没有。

总结

这场关于“有界自主性”的分享，真正想传达的并不是一个新概念，而是一种成熟的心态：不要急着把控制权交给AI。对从业者来说，下一阶段的竞争力不在于谁的Agent最复杂，而在于谁能设计出边界清晰、反馈可控、真正为业务负责的系统。

如果你正在构建Agent，不妨反问自己三个问题：我是否真的需要这么多上下文？这个系统失控时我能不能及时发现？如果今天AI下线，我还能不能把这件事做完？答案，可能比模型版本更重要。

关键词： 有界自主性， AI Agent， 大语言模型， 上下文窗口， AI应用

事实核查备注： 需要核查：1）Angus McLean的职位与公司名称（AI Director at Oliver）；2）每日生成约4000个广告资产、服务200多个品牌的数据；3）演讲标题与发布时间（2026-05-25）；4）关于上下文窗口与Agent能力关系的原始表述。