假期看 Agent 分化：ToC、专家与 ToB 协作，哪条路能跑通？

最近 Agent 也像以前的一些软件一样出现了分化，越来越走向专业化的场景。

1. ToC 生活、简易工作类 Agent

从 OpenClaw 开始，到 WorkBuddy 等，都是瞄准 C 端非专业用户设计的场景。特别是最近 Muse 和 dot 这类线上工具，把使用难度从线下搬到云端，进一步降低了上手门槛。

只需要通过对话就能完成任务，确实从 IT 行业触达到了各行各业。

2. 面向专家与专业技能人群的 Agent

这部分属于排头兵。交互逻辑、设计理念不同，衍生出非常多的 Agent，各有千秋。

主打一个极致的自定义和丰富的自我构建，让专家和拥有专业技能的人能根据场景和需求快速构建自己的 Agent。

底层框架除了 ClaudeSDK 和 OpenAI Agent SDK 这类以外，deepseek harness 和 PI 是我最为关注的。最近 Claude 推出的 Mods 功能也开始走插件模式，允许用户通过自然语言构建自己的工具并内嵌在 Agent 里，甚至可以更改 Agent 的界面，从而更改 Agent 的体系和系统。

还有一种思路是通过 ACP 协议将 Claude/Codex 等作为底层 Agent Runtime 进行统一调度，充分利用你的各种套餐；使用 local-first 理念来做 workspace 共享。之前也分享过 Tutti 等工具，利用这种思路构建自己的个人工作台还是不错的。毕竟工作也有很多场景，可以按场景切换不同模式。

3. ToB Agent：注重团队协作的 Agent

这类 Agent 就更专业了。可以理解为在上一类 Agent 的基础上，做更深层次的团队协作设计。最简便的方式就是拿专业 Agent 作为 Runtime，团队内部以 AI 资产的共享和分发为主。AI 资产包含但不限于规范、skills 等工具。

这类产品的核心是任务驱动。其中最容易入门的就是 Multica 这种任务看板驱动的框架，它支持本地和协作模式：本地通过 ACP 跑 Agent Runtime，协作则共享任务的上下文状态，甚至还做了个小工具帮你把目标拆解为任务。

另外，Claude 最开始推进的通过 IM 将 Agent 作为虚拟员工进行 @ 讨论和派发任务的模式，也是一个方向。

之前我分享过几种人与 Agent 的协作模式，无外乎人 + Agent 共生、人指挥一堆 Agent、Agent 反过来给人派活。每个模式下都有各自的代表产品，这也是不同设计理念的产物。

往好了看，现在类似于 Agent 的百家争鸣时代，各种理念都能快速跑出来。但哪条路能像儒家一样“货与帝王家”，还未可知，期待一下。

还是不太习惯用悲观思维来看待目前的卷王模式，哈哈。各位假期快乐，脑子放空时的随笔。