毕玄：垂类Agent长期竞争力在业务模型演进

在1024模力工场·AI社区日主论坛上，贝联珠贯创始人兼CEO、前阿里巴巴集团研究员毕玄围绕SREAgent分享了对垂类Agent竞争力的判断。他认为，随着基础模型能力快速增强，垂类Agent公司需要重新寻找长期价值所在。

SREAgent面向企业IT运维场景，能够分析监控数据和日志，协助工程师排查故障、定位原因并处理问题。毕玄提出的核心问题是：当大模型越来越强时，客户为什么仍需要垂类Agent？团队过去曾把长时间执行任务、熟练调用通用工具视为关键优势，但这些能力正在逐步被模型自身吸收。

毕玄回顾称，Agent行业早期需要在基础模型之上自行搭建完整能力体系，包括长程任务执行、上下文和幻觉处理，以及浏览器、虚拟机和计算机操作等工具能力。Manus、Anthropic等公司的实践推动了相关方法发展，而客户专有数据和知识则构成更上层的应用基础。

随着大模型进步，Codex等工具已经可以在充分沟通需求后，连续运行12小时甚至20小时完成复杂任务，通用工具调用能力也持续提升。毕玄因此认为，长程任务和通用工具最多只能带来阶段性差异，长期来看会成为大模型厂商的基础能力，而不是垂类公司的核心壁垒。

垂直领域真正难以通用化的是业务工具和数据。以运维为例，不同企业的监控系统、日志来源和采集方式差异明显，垂类Agent必须自行完成数据接入、清洗和适配。SREAgent 3.0已支持客户用自然语言描述需求，由系统生成相应Skill，以降低接入门槛，但这类功能仍可能被竞争者复制。

更难复制的部分，是从大量日志中识别有效信息，结合企业实际业务建立运行模型，并让模型随系统和业务变化持续更新。毕玄认为，垂类公司的价值在于主动寻找大模型无法天然解决的“脏活累活”，沉淀领域知识、异构数据处理经验和业务耦合能力。最终判断标准仍是Agent能否可靠解决问题、运行稳定且行为可控。