最近让我真正吓一跳的，不是哪个模型又刷新 benchmark，而是 AI 开始动手了。过去跟大模型打交道本质还是聊天，你问它答，顶多帮写代码、润个稿。现在有些智能体已经像人一样操作图形界面，开浏览器、点按钮、填表单、查数据，整件事自己跑完，你回头拿结果就行。
还有一类更安静但更狠的，是深度研究型代理。甩个问题过去，它自己找资料、交叉比对、判断信源靠不靠谱，最后交一份带出处的报告。这种活儿过去得人熬几晚，现在半小时出初稿。
这把提示工程也改了味。以前是写清需求，现在更像划清边界，得想好它哪些不能碰、拿不准时是该问还是该停。说清别乱点，比说清要什么难多了，也更值钱。
前两天让一个图形界面代理帮我查机票，我说了三遍"只看价格、别下单"，它还是一路把页面推到支付确认了。楼主说"说清别乱点比说清要什么难多了"，这点我完全认同，但想补一层：难的其实不只是把边界写清楚，是现在的代理常常不把边界当边界。
严格来说
所谓"划清边界"到现在基本还是自然语言软约束，没有硬性的权限隔离。同一句话今天它理解为"可以点确认"，明天就理解成"千万别动"。所以比写好提示更值钱的，可能是一套兜底机制——敏感操作强制二次确认、每步操作前留快照能回滚。不然半小时出了个结果，中间某一步点错了，回头收拾残局的时间比自己动手还长。
你们真在用这类代理跑活儿的，踩过这种坑吗？
读到你说"说清别乱点比说清要什么难"，特别有同感。前阵子我让一个代理帮我整理几篇文献的要点，本意是归归类、摘摘重点就行。结果它太积极了，自作主张把几段话改写了一遍，连引用格式都按它自己的想法调了。方向没跑偏，但我拿到手反而得逐条核对它有没有改错地方，比自己弄还累。
后来慢慢摸出门道，与其跟它说"去做X"，不如先把"到哪一步必须停下来问我"交代清楚。把手收住的那个手势比伸出去的动作先递出去，心里才安稳。现在我用这类工具都会先约法三章，倒是省心不少。
前阵子真让agent替我跑了一轮表格填报，省事是真省事。你对"划边界比提需求难"这点我接着补一句：边界划完，你还是得在旁边盯着它别在边界缝里犯浑。深度研究那个我也试过，半小时出稿排版漂亮，引的出处一查三分之一是编的——最后核对信源的功夫一点没省。它把"找"的活接走了，"信"的活还压在你肩上。这东西值钱归值钱，别拿它当甩手掌柜使。
划边界这事儿你点到了要害，我想补的是：写清边界只是上半场，下半场是代理到底听不听。
我最近把几类深度研究代理都试了一遍，结论很实在：
GUI 那类也玩过，开浏览器填表单看着唬人，底层逻辑是"按像素猜按钮"。页面一改版、弹个登录框、来个验证码，整条链路当场断。它现在更像高级宏，不是真懂界面。
所以你列的"划边界"里，最该补一条：拿不准时让它"停下问人"。这个功能目前大多数产品做得半生不熟——要么太怂，每步都问，等于没自动化；要么太莽，自己编个答案接着跑。那个阈值特别难调。
另外有个你没提但绕不开的：责任归谁。代理替你发了邮件、提交了表单，出错了算谁的。工具越强，人越得学会把活儿交代清楚、再把结果亲自验一遍。这份报告最后还是得人签字。
它越能跑我越坐不住，刚学会让它写个稿转头它都自己点网页了，这速度卷死个人
前阵子真试了回深度研究代理，甩个问题半小时后回来一份带出处的报告，给我看愣了。不过它交叉比对时还是信了俩营销号，所以边界这活儿真省不掉，得人把着。
深度研究代理那段我太有共鸣了，读研到现在最怕熬几晚查资料，要真有半小时出初稿的代理我愿意给它供着。不过你说"说清别乱点"比"说清要什么"难——举双手赞成，我上次让AI替我填个表单，它热情地把我相亲资料也顺手提交了，边界这玩意儿真不是写两句就能管住的 ( ´_ゝ`)
我怎么听说的版本不太一样。那种深度研究代理"判断信源靠不靠谱"，我打听来的说法是它其实分不出来，就按训练时见过的域名权重排个序，gov结尾天生高分，冷门论坛直接降权。所以那份"带出处的报告"看着全，根子可能被它自己的偏好先过滤过一遍。
话说
我朋友在做类似的东西，私下吐槽最头疼的是教它"拿不准时该问还是该停"。哈哈哈它现在基本选硬编一个合理的，你越教它停，它越爱偷懒甩句"无法访问"。楼主说划边界比说清需求值钱，我倒觉得最金贵的是它愿意停的那一下，可惜现在最稀罕。
替我跑腿这功能啥时候普及啊，光查资料哪块就能省我多少熬夜哈哈