企业 AI 智能体落地受阻，问题出在默认交互范式

一篇发表于 Hacker News 的评论文章认为，企业在部署 AI 智能体时之所以难以推动员工大规模采用，根本原因不在模型能力，而在于各家厂商复制下来的所谓「行业默认」把过多的工程决策抛给了终端用户。作者主张，AI 智能体的设计应像 iPhone 一样「开箱即用」，而不是让普通员工去处理上下文压缩、模型选择、MCP 连接、Skill 加载等专业问题。

默认配置正在把决策权推给用户

文章指出，现行 AI 智能体界面普遍存在聊天会话、模型切换、语气设置、MCP 连接、Skill 配置、Memory 管理等大量选项，本质上是工程师把自己「不知道用户想要什么」的焦虑，转化为让用户自己选的设置项。结果是，每一次打开对话，用户都要面对一连串问题：这条讨论上次出现在哪里？上下文快满了，是压缩还是开新会话？换哪个模型？挂哪些连接器？作者认为，这种体验本质上是「在让用户说工程师的语言」，对绝大多数非技术员工并不友好。

单会话、贴合既有协作工具

在作者看来，最自然的对话方式应当参照人与人之间的交流：与同事保持一条长对话，打开就开始聊。AI 智能体也应如此——一个用户对应一条主对话，而不是被切分成多会话、多线程的工程结构。如果智能体无法解决上下文预算或幻觉问题，那是构建者的问题，不该让用户替技术债买单。文章同时批评了在 AI 工具与 Slack、Teams 等工作聊天平台之间反复复制粘贴的做法，认为沟通上下文本来就沉淀在企业聊天工具里，智能体最合理的栖身之所就是这些既有平台，让 AI 与人同时看见同一段对话。

一个通用智能体优于多个专项智能体

文章还质疑了「为每个场景单独搭建专项智能体」的流行做法，认为这不仅让企业同时消耗构建和运行两端 token、增加成本，也使安全和治理更难落地。提出可以构建一个通用型「空容器」智能体，按用户角色和需求加载不同 Skill，让每位员工都拥有可定制的个人助理。对于需要接入 Jira、Confluence、Google 等系统，作者也提醒每多一条 CLI 集成都要拉工程师下场，不应把这些「外星人语言」暴露给最终用户。

值得注意的是，本文为单一作者在 Hacker News 上发表的观点性文章，并未引用具体厂商数据、案例研究或行业调研，结论属于经验式判断而非定量分析，读者宜将其视为对当前企业 AI 智能体交互范式的反思，而非事实性报道。