计算机行业智能体应用研究系列：Harness筑基Agent奔赴自主执行时代

正文目录一、Agent概览与工程演进 5Agent简介 5提示词与上下文工程 5驾驭工程 6驾驭工程介绍 6驾驭工程案例 7Agent工程小结与展望 10二、Agent产品的迭代演进 11Copilot嵌入式助手 12CodingAgent 13ClaudeCode 14Codex 15Cursor 17CodingAgent工程化落地客户案例 19垂类流程Agent 20客服与销售（Sierra） 21法律（Harvey） 23医疗（OpenEvidence） 24金融服务（AlphaSense） 24ComputerUse 25三、投资建议与风险提示 30投资建议 30风险提示 30图表目录图1：基于LLM的Agent系统概览 5图2：上下文工程的主要类别 6图3：LangChain编程智能体排名跃升 8图4：Agent工程的嵌套关系 10图5：智能体循环 11图6：LLM-Harness训练反馈循环 11图7：GithubCopilot自动代码补全示例 12图8：GitHub于2023年发布的GitHubCopilot代码补全建议生成机制 13图9：2025年以来，Anthropic内部开发者季度代码量跃升 14图10：ClaudeCode的终端、编辑器和浏览器界面 14图11：Codex的APP、编辑器和终端界面 15图12：Codex桌面文件 16图13：Codex操作Chrome浏览器、制作贪吃蛇游戏 16图14：Codex与ClaudeCode桌面端界面对比 17图15：Composer2.5在主流CodingAgentBenchmark中接近头部模型水平 18图16：Composer2.5在CursorBench3.1上展现更优性能/成本比 18图17：Respiro交互界面 19图18：BorisCherny展示其移动端Claude会话 20图19：Sierra的Agent产品服务多个行业 21图20：Sierra智能查询网购订单状态 22图21：Sierra人工客服辅助 22图22：Harvey定制法律Agent工作流 23图23：Harvey测算为企业节省非计费事务性工作后的RoI 24图24：OpenEvidence的医学问答聊天框 24图25：AlphaSense的智能数据库检索 25图26：ComputerUse实现机制 26图27：Codex利用ComputerUse自动测试并修复井字棋应用 27图28：ClaudeCowork操作桌面文件 27图29：Dispatch远程调用ComputerUse能力 28图30：ClaudeComputerUse权限授权与风险提示界面 29图31：Agent能力演进路径：从人机协同到Agent自我迭代 29表1：提示词与上下文工程局限性 7表2：驾驭工程为Agent补齐的6大核心能力 7表3：OpenAI百万行代码实践的验证指标 9表4：Anthropic复古游戏案例中单智能体与完整Harness效果对比 9表5：Copilot式智能助手 12表6：CodingAgent的典型能力 13表7：ClaudeCode发展历程 15表8：Cursor发展历程（SpaceX收购前） 17表9：垂类流程Agent行业产品概览 20表10：Sierra的多层级Agent服务平台 21表11：固定计价、用量计价和按结果定价模式对比 23表12：各类厂商积极布局ComputerUse功能品类 26表13：ClaudeCowork执行层级 28一、Agent概览与工程演进Agent简介一、Agent概览与工程演进AIAgent（智能体）是一种能够感知环境、进行决策并执行动作的自主系统。OpenAIAgent大语言模型）规划）Memory（记忆）Tools（工具）。其中，LLMAgent的“大脑”，负责理解指令、推理分析与生成输出；Planning负责任务拆解与步骤规划；Memory用于保存上下文和外部知识；ToolsAgentAPI等能力。因此，Agent作为模型驱动的智能执行系统，得以为用户开展邮件处理、网页浏览、报告生成等工作，而非仅是聊天机器人式的对话。图1：基于LLM的Agent系统概览资料来源：LLMPoweredAutonomousAgents、AgentAgent故行业先后经历了提示词工（Prompt（Context（HarnessEngineering）Agent按照用户需求精确交付执行长周期的复杂任务的能力。提示词与上下文工程提示词和上下文工程侧重优化指令和任务流程中的信息供给策略。1.提示词工程（2022-2024）：优化指令2022Chain-of-ThoughtPromptingElicitsReasoninginLLM上下文工程（2025）：优化信息环境上下文工程注重构建动态系统，以合适格式向模型提供完成任务所需的正确信息token集合（相关、精确等），以在长链路任务中为模型补齐知识和缓解上下文腐烂等问题。例如，LangChain围绕写入、选择、压缩、隔离四个检索增强生成图2：上下文工程的主要类别资料来源：LangChain、Anthropic20259EffectiveContextEngineeringforAIAgentsClaudeCode的上下文工程优化策略：预检索与渐进式披露结合：CLAUDE.md等文件置入上下globgrepAgent按需自主检索，兼顾任务效率LLMbug5个文件继续执行；低风险压缩对象包括深层历史中的工具调用和原始数据。记忆管理如NOTES.md，形成长期记忆并按需调回，适合阶段性推进和跨会话任务。子Agent架构：Agent拥有独立上下文窗口，专注特定任务，并向主Agent返回任务摘要（1,000-2,000tokens），主Agent则负责协调和决策。Agent凭借正确理解用户意图和精确调取有效信息而提升交付质量。驾驭工程驾驭工程介绍Agent提示词和上下文工程是以模型为中心的工Agent在工作流Agent执行任务时的Agent的工作能力和交付效果。问题 描述 影响表1：提示词与上下文工程局限性问题 描述 影响Prompt约束脆弱 Prompt对措辞高度敏感缺乏刚性约束力复杂场景下易出现指令遵循失败上下文窗口局限 对话、中间结果等持续累积，造成信息过载接近窗口上限时，模型倾向提前收尾多Agent协调 多Agent协作带来的异步协调责任边界划分代理间上下文干扰问题

差等问题式报错，难以及时发现决策偏差增多，调试和归因难度显著提升资料来源：Anthropic、LangChain、OpenAI、OntheWorstPromptPerformanceofLargeLanguageModels、Harness是当前AgentLangChainHarnessAgentLLMHarnessAgent除模型外一切使之具备任务执行AgentLangChain发表的文章《TheAnatomyofanAgentHarnessAgent的核心能力。能力类别 核心内容 主要作用 典型工程手段表2：驾驭工程为Agent补齐的6大核心能力能力类别 核心内容 主要作用 典型工程手段给Agent提供持久的外部

为Agent提供读写数据的工作

文件系统（Filesystem）、版本控持久存储

存储载体使Agent能自主解决问题，

多Agent/多人协作内置bash工具，使模型实现

制（Git）、进度文件通用执行能力

作设计专门工具

自主编写并执行代码 Bash+Code出知识延展 出知识延展 通过上下文向模型注入外更新并完善模型知识信息，减记忆文件（如AGENTS.md）、网部信息少幻觉络搜索工具、MCP上下文治理 控制进入模型上下文的信缓解上下文腐化，提升推理稳压缩、Skills、工具调用卸载（Tool息规模与结构定性CallOffloading）长时程自主执行 支持Agent在复杂长链路防止过早结束任务、任务漂移文件系统、Git、RalphLoops、任任务中自主持续推进和跨上下文失序（Self-Verification）

Agent带默认工具链的执行环境

保证代码与任务在安全环境

钩子/中间件资料来源：LangChain、Agent理与决策，Harness则为其补足上下文管理、工具调用、约束框架、反馈回路等各要素的系统能力。驾驭工程案例当模型能力逐步收敛，驾驭工程才是构筑竞争壁垒的关键(TheModelisCommodity.TheHarnessisMoat)。大模型和HarnessCPU和操CPULangChain、OpenAI、AnthropicHarnessAgent交付。LangChain：CodingAgent性能排名大幅提升20262LangChainImprovingDeepAgentswithHarnessEngineering》，介绍公司于TerminalBench2.0评测中，在不改变底层模型（GPT-5.2HarnessCodingAgent得分52.8%66.5%305。图3：LangChain编程智能体排名跃升资料来源：LangChain、LangChain在此次Harness设计中，将优化聚焦于系统提示词、工具体系、围绕模型和工具调用的中间件：强制Agent自检：在提示词中补充规划方案、构建代码、验证结果、修复报错的问题求解框架，并加入完结前检查中间件。上下文注入：（1）插入本地环境中间件，由系统替Agent运行地图，减少无效搜索；（2）在提示词中明确代码自动评估标准，促使Agent直接写出可测代码；（3）提示词中注入时间预算提醒，推动Agent及时收敛并切换到验证阶段。循环探测中间件：Agent重新审视整体方案，而不是继续局部修补，防止陷入死循环。算力分配：在简单步骤降低大模型推理强度档位，防止在简单步骤耗时过长导致任务超时。不过，LangChain用ClaudeOpus测试同一套Harness，得分低于Codex，体现Harness架构非通用，需为不同基座定制Harness体系的工程原则。OpenAI：Agent自主编写百万行代码OpenAI于2026年2月发布文章《HarnessEngineering:LeveragingCodexinanAgent-firstWorld》，透露其在一项内部实验中，由7人团队耗时5个月，利用Codex造出百万行代码产品。全过程中，工程师仅提供提示词与反馈，由Codex智能体自主迭代完成各项任务。类别内容意义开发周期5个月类别内容意义开发周期5个月从零开发能力验证代码生成零人工写码从辅助编程走向主导生产产品规模代码量超100万行可支撑大型工程开发效率耗时约为人工1/10人效提升产品落地已有内测与外测用户具备真实可用性运维能力 发布、部署、修复均由Agent完成资料来源：OpenAI、

软件全生命周期管理能力OpenAI在此次Harness工程中，主要围绕上下文工程、架构约束（ArchitecturalConstraints）、熵管理（EntropyManagement）进行优化。渐进式披露优化AGENTS.md100行，知识库位于结docs/目录中，AgentAGENTS.md按需读取知识库内容。单向依赖链与分层架构：实施严格的分层架构，类型（Types）→配置（Config）→仓库（Repo）→服务（Service）→运行时（Runtime）→用LinterAgent、钩子等，实现架构执行的校验与约束。熵管理：Agents以保持代码库健康，分别关注文档一致性、违规扫描、模式执行和依赖审计。最后，OpenAI总结其Harness设计的挑战集中于设计环境、反馈回路和控制系统方面，以使Agent可大规模构建和维护复杂、可靠的软件。Anthropic：实现长时自主运行的Agent框架Anthropic20263月发表文章《HarnessDesignforLong-runningApplicationDevelopmentHarnessClaude在前端设计和prompt，而无后续人工干预，6小时、200美元，制作出可流畅运行的复古游戏编辑器；相较之下，未被AgentPrompt下，做出产品的核心功能无法运行。指标单Agent完整Harness耗时20分钟指标单Agent完整Harness耗时20分钟6小时成本9美元200美元界面效果 布局浪费空间，流较僵硬功能完成度 实际游戏存在故障核心功能无法响应

视觉风格统一付完成度更高扩展能力 主要停留在基础编与试玩资料来源：Anthropic、

额外纳入动画、行为模板、音效、导出分享等能力Anthropic的Harness架构优化聚焦于解决Agent在长时自主任务中的自我评估偏差和上下文焦虑问题：Agent架构：设置生成-Agent三个+5-15次迭代。SprintContract：每一轮实现SprintAgent提出完成标准Agent（硬Pass/Fail门槛）。上下文重置：Agent的Agent；同压缩的区别在于会话重置，给予Agent干净的开始(cleanslate)，代价是编排复杂度和延迟。此外，Anthropicharness如伴随模型上下文焦虑减弱，AnthropicSonnet4.5阶段的上下文重置，过渡Opus4.5+但模型进化也会带动任务前沿同步上移，推动新的harness复杂度产生。因此，harness并非一次性搭建完成的静态系统，而是会随模型与任务演进持续重构。Agent工程小结与展望Agent工程经历提示词、上下文、驾驭工程的演进，体现从单轮提示词优化，演进到“给什么”的信息组织和“怎么跑”的系统级治理。提示词、上下文、驾驭工程呈递进的嵌套关系。提示词工程适用于单轮/局部交互；上下文工程则补充Agent被应用于长链路、低容错的真实场景中时，Harness作为前两个工程的延伸，提供可长期维护的运AgentAgent图4：Agent工程的嵌套关系资料来源：Agent执行任务的核心机制是Agentic智能体循环“理解目标—收集上下文—规划行动—调用工具—验证结果—迭代修正”工作流实质是在“模型推理+Agent执行”的框架下，根据用户目标主动获取信Agentic循环以调整流程进展方向等。图5：智能体循环资料来源：Anthropic、Harness融入大模型后训练中，促使其原生支持一定Agent能力。ClaudeCodeCodexAgentharness环境中一并后训练，使其能harnessbashAgent—首先在真实场景中发现高价值基础组件（skills,压缩），harness，随后让下一harnessAgent图6：LLM-Harness训练反馈循环资料来源：LangChain、二、二、Agent产品的迭代演进从交付的结果上看，Agent历经从Copilot嵌入式助手到CodingAgent等单任务ComputerUse/GUIAgent实现类似人的通用Multi-Agent分工协作组织迭代演进。CopilotAgentIDEWordCRMAgent因高度结构化和天然的自反馈环境成为率先成熟的单任DeepResearchAgentBrowserAgent等；垂类流程智能体具备专业领域的自主执行能力，跨系统完成端到端流AgentComputerUse/GUIAgentAgentMulti-AgentAgenticAI基础设施的搭建，AgentAI-native数字组织的具体执行单元。Copilot嵌入式助手副驾驶AIAgentAgent，Copilothumanintheloop（人类参与工作循环），整体工作流程仍由用户主导，AI则承担辅助和局部执行角色。具体来看，Copilot典GitHubCopilotMicrosoft365CopilotSalesforceEinsteinCopilot等，分别对应软件开发、办公应用程序、企业业务流程场景。场景 代表产品 发布时间 核心能力 产品分析表5：Copilot式智能助手场景 代表产品 发布时间 核心能力 产品分析代码开发 GitHubCopilot 2021年6月技术预

代码补全、整行PR辅助等文档生成、邮件总结、会议

IDEGitHubAIpairprogrammer”（AI结对程序员）形态降低重复编码和代码检索成本，后续逐步向代码审查、跨文件修改演进深度嵌入Word、Excel、PowerPoint、办公软件 Microsoft365Copilot

20233月发布

PPTExcel企业知识问答等

Outlook、Teams等高频入口，核心价值在于连接Microsoft办公软件与企业数据，提升工作效率企业业务流程

SalesforceEinstein 20242月公测Copilot

CRM辅助、客户数据检索、销售邮件生成、业务问答等

CopilotAI嵌入销售、客服、营销等业务流程，从通用问答转向岗位级流程提效资料来源：GitHub、Microsoft、Salesforce、图7：GithubCopilot自动代码补全示例资料来源：GitHubCopilotGitHubOpenAI早期合作推出的AI编程产品。GitHub在OpenAIGPT-3后，判断开发者会受益于专门面向编码任务的大模型产品，故参与了OpenAICodexCodexCopilotIDE（集成开发环境）AI基于当前代码上下文直接给出建议。Copilot2021620226VSCodeNeovimJetBrainsCopilotAPIPR辅助等能力。图8：GitHub于2023年发布的GitHubCopilot代码补全建议生成机制资料来源：GitHub、ClaudeCodexAgent选择，收费主要采取“基础订阅+tokenGitHubCopilot已在Copilot25%67%5,000/200名开发者使用Copilo200/120万行AICodingAgentCoding编程智能体编辑文件、运行指令、交付PR（PullRequest）等，并与开发工具集成，使AI编程工具从单纯的开发者辅助，开始转向自主化的软件工程执行。能力模块 核心内容 典型价值表6：CodingAgent的典型能力能力模块 核心内容 典型价值陌生代码库理解 搜索代码库、追踪依赖关系，帮助团队快速理解项目结构与系统架构全代码库开发 构建代码上下文，理解模块连接关系；支持跨文件创建和编辑Git

降低新开发者项目学习成本，提升代码库理解效率支持新功能开发和多文件重构，节省工程开发时间降低工具链使用门槛，提升工跨工具链执行测试运行与持续集成（CI）修复

Kubernetes、GitHubCLI等工具并执行命令。读取测试或CI报错，修复代码并重新运行验证，直至测试通过。

程操作效率形成“报错分析—代码修复—测试验证”的自动化闭环CodingAgent能力快速提升，催生商业化最清晰的Agent赛道。伴随基模能力Agent框架优化，CodingAgent2025年起编码水平高速迭代，已成为Anthropc于206年6月发布数据显示其26Q22021-20258CodingAgent极快的发展速度和提效能力。同时，CodingAgent兼具任务边界清晰、工具链成熟、ROIClaudeCode（Anthropic旗下）、Codex（OpenAI旗下）、Cursor等。图9：2025年以来，Anthropic内部开发者季度代码量跃升资料来源：Anthropic、ClaudeCodeClaudeCodeAnthropic20252Claude3.7Sonnet发布，最初定位为CodingAgentPR交付的端到端能力。开发者热度方面，ClaudeCode通过npm1,100Code20262ARR25API调用、Claude会员捆绑销售（C端）、企业席位订阅等收费模式。图10：ClaudeCode的终端、编辑器和浏览器界面ClaudeCodeCLI工具5月，ClaudeCodeClaude4系列发布后转为通用，并进一步接VSCode、JetBrainsIDEClaudeCodeSDK，开始从单一终端工具向开发者工作流和生态扩展。20259月至今，ClaudeCode加快开发能力优化与应用场景扩张，逐步形成支持多入口、多任务协同和外部生态集成的工程Agent平台。能力层面，ClaudeCode通过终端界面升级（2.0版本）harnesscheckpoints机制支持开发ClaudeCodeWebSkillsSlackChromeCodingAgent融入实际工作流程的能力。阶段 产品演进 意义表7：ClaudeCode发展历程阶段 产品演进 意义产品验证（2025.2-2025.4）工作流嵌入（2025.5-2025.8）平台化扩张至今）

研究预览版发布，运行于终端环境，初步具备CodingAgent能力ClaudeCodeIDE并发布ClaudeCodeSDK上线ClaudeCode2.0版本和checkpoints等机ClaudeCodeWeb/移动端/桌面端，并推出多场景插件

验证了ClaudeCode在真实代码库和开发场景下的工程能力适配开发者工作需求，承接付费使用与企业采购，商业化加速升级为多入口Agent平台，降低使用门槛并纵深拓展工程协作能力资料来源：Anthropic、CodexCodexOpenAICodexGPT-5.3-Codex起停更，GPT-5.5及以后的主模型。20255月，OpenAICodex，可解答代码库问题、bugPRCLIIDE6IntelligenceatWorkCodex500万人（ARR未披露），20%为3150%40OpenAICodexCodexAPI调用、ChatGPT会员捆绑销售、企业席位订阅等。图11：Codex的APP、编辑器和终端界面资料来源：OpenAI、AIOpenAI正逐步围绕CodexAgent能力集成平台。Codex具备独立桌面应用，并通过统一入口整ComputerUse和各类插件能力，体现出聚合多类任务执行能力的平台化设计OpenAI（5月OpenAIIntelligenceatWork（6月2026AIChatGPTCodex合并为面向所有用户的统一智能CodexChatGPT应用中，CodexOpenAIAgent相比之下，AnthropicClaude桌面应ChatbtClaudeCodClaudeCowork（面向非技术人员办公），每条产品线针对特定用户群体/场景设计。图12：Codex桌面文件资料来源：图13：Codex操作Chrome浏览器、制作贪吃蛇游戏资料来源：图14：Codex与ClaudeCode桌面端界面对比资料来源：CursorCursorAnysphere（2022年成立AIVSCode生态构建，最初可借助外部模型实现代码库理解和自然语言编程，并逐步TabPR等能力。202510月，Cursor发布ComposerCursor50%自动补全请求，在常见任务上完成质量匹配ClaudeSonnet206Cursor发布omposer2.02.5CloudAgent（后台云端代理ComputerUseJetBrains插主要采用基于用量的个人/2026年2月实现超20亿美元ARR（较25年11月翻倍）。2026年6月16日，SpaceX宣布以600亿美元全股票交易收购Cursor母公司Anysphere，SpaceX预计交易在26Q3完成。本研报对Cursor的分析主要基于SpaceX收购前的情况。阶段 产品演进 意义表8：Cursor发展历程（SpaceX收购前）阶段 产品演进 意义产品验证（2022.1-2024.7）

AnysphereCursorTab13×

AIIDETab模型验证底层技术能力补全能力增强与早期扩张（2024.8-2025.5）

Supermaven自主循环模式上线；ARR5亿美元

SaaS之一平台建设与模型自主化（2025.6至今）

Cursor1.0发布，BugBotBackgroundAgentMCPCloudAgent、ComputerUse等功能和JetBrainsComposer模型

Agent资料来源：Cursor、TechCrunch、Saastr、原生IDE契合开发者使用习惯，多模型策略实现成本和性能分层匹配。CursorVSCodeAI补全和编辑代码等功能，在兼容开发者习惯的同时显著提高手写代码效率。Cursor自由选择GPT-5.5、ClaudeOpus4.8、Gemini3.1Pro等前沿模型，或Kimi、Composer等更具性价比的模型，实现高难度任务能力上限与高频常规任务成本效率的平衡。CursorComposer2.5KimiK2.5检查点构建，通过“以代码数据为主（data+Cursor会话场景强化学习”的训练路Coding能力部分指标在主流评测中接近头部模型。同时，Composer与外部模型采用两Composer2.5标准版$0.50/tokens$2.50/Cursor而言也通过自主模型改善高频推理毛利结构，并形成用户数据反哺模型迭代的正向循环。图15：Composer2.5在主流CodingAgentBenchmark中接近头部模型水平资料来源：Cursor、图16：Composer2.5在CursorBench3.1上展现更优性能/成本比资料来源：Cursor、通过收购进一步绑定SpaceX生态，资源上限有效抬升。Cursor被收购前已与SpaceXAIColossus2H100SpaceX（X平台）的战略支持。CodingAgent工程化落地客户案例提升工程场景开发效率，嵌入企业工作流实现场景提效。以ClaudeCode为例，日本科技公司Rakuten与Anthropic合作推进前者“AI-nization”（AI化）战略。ClaudeCodeRakuten245（Code7小时自主编码，修改准99.9%PendoSkill，ClaudeCodememo和创建数据面板等，赋能非开发者团队办公效率。将非技术人员转化为可交付软件构建者。Anthropic4月发布案例，一名ClaudeCode用约6周完成了压力管理iOS应用RespiroAppStore上线的完整流程，上线后获得数百名用户。CodeAppleAPICodeAppStoreAgentCodingAgent应用市场。图17：Respiro交互界面资料来源：APPStore、手机端远程任务管理，CodingAgent向全时空生产力系统演进。伴随CodingAgent自主长时工作能力增强，ClaudeCode和Codex均上线了移动端遥控功能，Agent（PR），还可同时远程管理多Agent项目，显著提升个人生产力上限。例如，ClaudeCode项目开发BorisCherny20265月访谈中表示，手机已成为其主要工作设备。Claude手机应用中的代码标签页，可同时管理5-10Agent。BorisPR，单150个，CodingAgent与移动端协同显著放大个人并行开发能力。图18：BorisCherny展示其移动端Claude会话资料来源：Youtube、垂类流程AgentAgent是为在特定行业或专业领域内执行具体任务和职能而设计的专门化AI系统也被称为“领域专属（domain-specific）Agent”或“职能专属（function-focused）Agent”。据AgentMarketCap基于Tracxn等公开数据，剔除Anthropic等基模公司后，2026年AgenticAI公司1-4月合计融资26.6亿美元，2025年同期10.9亿美元，其中除软件开发外，垂类Agent公司方向集中在客服与销售、法律、医疗、金融服务等方向。目前，伴随Agent自主长时工作能力逐渐增强，垂类领域Agent正从普通的问答式助手，升级为嵌入客户具体工作流并执行任务的提效工具。场景 代表产品 核心能力 赛道格局概述表9：垂类流程Agent行业产品概览场景 代表产品 核心能力 赛道格局概述客服与销售 Sierra、Decagon、11xSalesforceAgentforce

跨对话/邮件/短信的自主客服;业务系统内执行动作(订单、订阅、退货);线索资格判定、自动外呼

SierraDecagon规模最大,分别估值15045亿美元;11x主打AI销售开发代表（SDR）;AgentforceSalesforceCRMAgent平台法律 Harvey、Legora、CoCounsel医疗 OpenEvidence、AbridgeHippocraticAI

判例检索临床对话实时转结构化病历(SOAP)、EHR深度集成、临床决策支持、患者侧语音随访

Harvey和Legora分别估值110和55.5亿美元，主要服务企业法务、律所等OpenEvidence(120亿美元）做临床决策；Abridge(53亿美元)做临床记录；Hippocratic（35亿美元）做患者沟通金融服务 AlphaSense、Rogo 公司研究文档分析财务建模尽调、交易筛选资料来源：各公司官网、Crunchbase、Reuters、LinkedIn、

AlphaSenseRogo7520亿美元，以服务投行、投研等工作为主Agent客服与销售（Sierra）Sierra2023BretTaylorClayBavorSalesforce联席CEOFacebookGoogle18GmailGoogleDrive、GoogleLens等项目。公司最早以零售行业的高频客服交互场景为切入口，协助图19：Sierra的Agent产品服务多个行业资料来源：Sierra、Sierra采用由前沿模型、开源权重模型和自研模型共同组成的大模型底座，正服20Fortune50企业，已支撑数十亿次客户交互；202621.5ARR。估值上，20265月，Sierra完成最新一轮9.5亿美元融资，投后150亿美元。Agent平台。SierraAgentAgent道承接并执行客户需求，并大幅提升企业工作效率。服务层级 产品模块 定位 核心功能 主要价值表10：Sierra的多层级Agent服务平台服务层级 产品模块 定位 核心功能 主要价值Agent构建

AgentStudio 面向业务团队的Agent构建平台

通过自然语言生成或修改Agent工作 降低Agent构建和维护门槛，使运营流，并支持模拟测试 队也能参与Agent配置和优化AgentSDK 面向开发者的Agent开发工具

支持用代码定义Agent工作流 满足大型企业IT团队对深度集成和可扩展性的需求客户交互

Meetyour

面向终端客户服务的Agent入口

支持软件聊天框、短信、邮件等多渠道交互；可回答客户问题、调用企业系统并执行任务支持电话场景下的低延迟语音交互，

将传统客服机器人从“问答工具”升级为gen”解决率和客户体验替代传统IVR和部分电话客服，覆盖高Voice 语音服务

具备打断处理、背景噪音识别、实时情绪判断等能力

频电话服务场景，降低呼叫中心成本人工协同 LiveAssist 人工客服辅助Agent运营分析与

为人工客服实时提供下一步建议、回在复杂问题中辅助人工快速完成处理跟踪客户满意度评分、工单解决率等

不是完全替代人工，而是提升人工客服效率，适合复杂、高价值或高风险客户问题帮助企业衡量Agent效果，并基于真实运营优化 Insights

优化平台

指标，自动分析客户对话并标记问题类型

交互数据优化工作流和业务策略安全与合规 Trust&Reliability 安全合规与治基础设施

支付安全等可靠性保障

解决大型企业部署Agent时的安全、隐私和合规问题资料来源：Sierra、图20：Sierra智能查询网购订单状态资料来源：Sierra、图21：Sierra人工客服辅助资料来源：Sierra、（outcome-basedpricing）”Agent提效能力强SaaS主要在软件达成具体且有价值的结果时AIROIAgent通过逐步深度客户嵌入工作流形成置换壁垒。定价模式类型潜在浪费支出计量方式定价模式类型潜在浪费支出计量方式示例传统定价固定高按席位收费或固定费率应用软件（CRM、ATS）按使用量定价可变中 按使用量计费（API调用 基础设施即服务（计算资源量、平台使用时长）按结果定价可变低 已解决的对话电商购买 在线营销（按转化付费转化、会员保留资料来源：Sierra、法律（Harvey）Harvey成立于2022AIOpenAIStartupAI解决方案，客户HarveyHarveyAgent25,000Agent，服务多数AmLaw100500+50+2025年底ARR1.9202632110亿美元。图22：Harvey定制法律Agent工作流资料来源：Harvey、Agent则使律师解ROIHarveyAgent付费意愿较强，主要客户包括A&OShearman、PwC、KKR、桥水、德国电信等。图23：Harvey测算为企业节省非计费事务性工作后的RoI资料来源：Harvey、医疗（OpenEvidence）OpenEvidence2022年，核心定位为“AI搜索与临床知识助手”。OpenEvidence最初切入医学知识问答，通过自然语言问答降低诊疗NEJM、JAMA、NCCN、Cochrane等权威期刊、指南2025Agent，进一步嵌入临床实践。OpenEvidence对医生免费开放，快速扩大产品渗透率形成用户流量，再以药企、医疗器械公司的广告和医学营销实现收入；目前，OpenEvidence40%22025ARR120261D2.5120亿美元。图24：OpenEvidence的医学问答聊天框资料来源：OpenEvidence、金融服务（AlphaSense）AlphaSense20112023年起陆续推出生成式AI问答、深度研究、批量文档分析、定时/Agent赋AlphaSense+AI检索+研究工作流”5档等专业商业资料，为自动化研究提供丰富可靠的信息支撑。AlphaSense主要采用企业订阅和功能增值的商业模式，服务资管、投行、咨询、7,00085%S&P100公司，包括亚马逊、2026Q1ARR6亿美元。AlphaSense202663.575亿美元。图25：AlphaSense的智能数据库检索资料来源：AlphaSense、ComputerUseComputerUse（计算机操作）指模型能够像人类一样观察并操作计算机界面，其核心在于APIMCPGUI中的按钮、菜单等元素后，动态规划操作路径并执行，提升模型处理非标准化工作的能力。ComputerUse实现路径可概括为“输入—模型决策—任务执行—状态回传—验证迭代”。以Gemini官方技术文档介绍的ComputerUse流程为例：用户提出初始任务后，系统将任务指令、当前屏幕截图和历史上下文发送给模型；function_call”形式输出点击、输入、滚动等动作，同时由安全系统判断是否需要用户确认；客户端在浏览器或受控计算机环境中执行动作后，再捕获新的屏幕状态、URL和执行结果，并作为“function_response”回传给模型；上述流程持续迭代，直至任务完成、出错或因安全/用户决策终止。图26：ComputerUse实现机制资料来源：Google、ComputerUse广受基模公司、云厂商及创业团队关注，成为Agent能力突破重自2024年AnthropicClaudeComputerUseBetaComputerUeAIAgent在本地、浏览器等OpenAICUA模型推动网页浏览与在线任ProjectMarinerBrowserAgent则以云端AgentMyComputerAgent向多环境自主执行方向演进。代表产品厂商厂商类型发布时间产品特点AnthropicClaudeComputerUse代表产品厂商厂商类型发布时间产品特点AnthropicClaudeComputerUseAnthropic前沿AI模型公司2024年10月业界首个公开发布的computeruse功能，提供基于屏幕理解执行GUI操作的能力，可完成网页导航、应用操作及多步骤任务执行由CUA（Computer-UsingAgent）模型驱动，OpenAIOperator OpenAI 前沿AI模型公司 2025年1

并结合了GPT-4o的视觉识别能力和基于强化学习的高级推理功能，可自主执行网页浏览、点击、输入、搜索与表单填写等在线任务作为Chrome浏览器扩展，Mariner在真实浏览GoogleGemini2.5ComputerUse/ ProjectMarinerMicrosoftCopilotStudioComputer

云厂商与前沿AI 2024年12模型公司

Gemini2.5ComputerUse模型首次将ComputerUseAndroidWeb一操作将ComputerUse能力与企业级RPA（机器人Use Microsoft 云厂商 2025年4ManusAgent Manus AIAgent创业公司 2025年3PerplexityAIComet Perplexity AI搜索创业公司 2025年7月资料来源：各公司官网、

流程自动化）深度整合，并支持Office与企业系统流程自动化AIAgent加速ComputerUse26MyComputerAI对本地计算环务自主执行。AI助手集成到浏览器中；Comet能够“看到填写表单等完整工作流ComputerUse