顶级AI Agent并不更聪明，而是偷偷做对了这四件事

多数人还在拼模型参数时，最好的 AI Agent 已经换了赛道。Mardu Swanepoel 提出一个反直觉观点：决定 Agent 上限的，不是能力，而是设计模式。这场分享拆解了四个正在被 Cursor、Claude 等产品验证的关键机制。

真正拉开差距的第一步：别让 Agent 什么都能干

很多团队的第一个直觉是：给 Agent 更多工具、更大的上下文、更自由的权限。但 Mardu 上来就泼了盆冷水——顶级 Agent 的共同点，恰恰是“自我克制”。他称之为 Focus Modes：把 Agent 放进一个明确的工作模式里，严格限制输入和行动空间。

这听起来像倒退，但效果惊人。对工程师来说，小而确定的行动空间，意味着系统提示更容易优化、评测更容易收敛、失败路径更可控；对用户来说，模式本身就在“教育”你该如何提问、该期待什么结果。Cursor 是最典型的例子：Planning 模式只负责出计划、不写代码；Debug 模式假设你已经卡住，直接进入假设—验证的流程。你不会因为它没干“多余的事”而失望，因为一开始就被对齐了预期。

一个残酷但真实的结论是：Agent 做得越少，反而越像专家。

从“把任务丢给它”到“和它一起做”：透明执行的威力

第二个模式更反直觉：顶级 Agent 并不急着给答案，而是不断暴露自己的过程。Mardu 把这称为 Transparent Execution，其核心不是解释，而是协作。

当一个 Agent 只给你最终结果时，你很难真正信任它；但当它告诉你：我读了哪些资料、做了哪些假设、哪些地方不确定——你会自然地把它当成队友。更重要的是，透明让用户可以“中途踩刹车”，在 Agent 明显跑偏前就介入，从而减少算力和时间的浪费。

Claude 的协作式工作流、Manifold 的任务进度与已完成项，都是在把 Agent 的内部执行外显化。这不是为了展示思考链的炫技，而是为了把“委托”升级为“共创”。信任，正是在这个过程中被一点点建立的。

不是更快出结果，而是更快“懂你”：被低估的个性化

第三个模式是 Personalization，但它和你想象的“偏好设置”完全不同。Mardu 提了一个很尖锐的区分：很多 Agent 追求 speed to outcome，却忽略了 speed to understanding。

真正有价值的个性化，是把你做事时的思考框架、原则和习惯，提前灌输给 Agent。这样它不是每次从零猜你的意图，而是逐渐形成“你的工作方式”的内化模型。Harvey 的 playbook、记忆系统，以及 Claude 的 skills 和 connectors，本质都是在缩短理解成本，而不仅仅是加速执行。

当 Agent 开始用你熟悉的逻辑思考问题时，你会明显感觉到：沟通摩擦在消失。这一刻，它才真正变成了你的延伸，而不是一个外包工具。

最后一道保险：为什么“能撤销”比“很聪明”更重要

最后一个模式，Reversibility，几乎从不出现在营销页面上，却是专业用户最在意的能力之一。核心只有一句话：允许用户撤销和回滚 Agent 的行为，从而绑定错误成本。

在复杂任务中，Agent 不可避免会犯错。区别在于，是一次错误毁掉整个流程，还是像 Git 一样随时回退。Cursor 在这方面做得非常彻底：你可以基于同一输入并行生成多个输出、对比、撤销，几乎没有心理负担。Harvey 也提供了类似的安全网。

当失败的代价被压缩到足够低，用户才敢真正“放权”。这不是体验细节，而是决定 Agent 能否进入真实工作流的门槛。

总结

把这四个模式放在一起看，会发现一个清晰的信号：Agent 的竞争，正在从“谁更强”转向“谁更可控、更可信、更像人”。如果你在做 Agent 产品或内部工具，可以立刻自查四件事：有没有清晰的工作模式？执行过程是否足够透明？系统是否在加速理解而非只加速产出？用户能否低成本撤销错误？

未来最受欢迎的 Agent，未必是最聪明的那个，而是那个让你敢放心把重要事情交给它的那个。真正的护城河，不在模型里，而在这些看似“笨拙”的设计选择中。

关键词： AI Agent， Focus Modes， 透明执行， 个性化， Reversibility

事实核查备注： 需要核查：演讲者姓名 Mardu Swanepoel；引用的产品功能是否与 Cursor、Claude、Harvey 当前版本一致；视频发布时间 2026-05-26；产品示例是否仅限视频中提及范围