從龍蝦熱到 QoderWake，阿里給 AI 發了一張工牌

作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

過去一年，國內 Agent 市場經歷了幾次明顯的拐點。

先是各種 Agent 項目它讓很多人意識到，AI 不只是一個聊天機器人，而是一個可以拆任務、交付結果的行動系統。再往后，是 OpenClaw 帶來的“龍蝦熱”，當一個 AI 可以接管瀏覽器、讀寫文件、執行代碼、調用終端，很多人第一次感覺到：AI 不再只是回答問題，它開始真的“動手”了。

但熱鬧之后，行業很快碰到下一堵墻：會做事，不等于能上崗。

企業滿懷期待地給員工配上 Agent 工具，以為效率會成倍提升，結果卻發現：每個人都變快了，公司并沒有。

一個四十年前的判斷，恰好解釋了今天的悖論。

1984 年，管理學家高德拉特在《目標》里提出約束理論：系統的產出由最慢的環節決定，優化非瓶頸環節，對整體產出幾乎沒有幫助。

一個需求從產品提出，到工程師理解，到代碼實現，到測試驗證，到上線發布，寫代碼只占其中一段。AI 把這一段從 30 分鐘壓縮到 10 分鐘，但需求評審、上下文同步、權限確認、測試驗證、返工修復、文檔同步這些環節，并不會自動跟著變快。

慢的地方不再是“誰來寫代碼”，而是任務怎么流轉、信息怎么同步、問題怎么分診、經驗怎么沉淀。

這正是 Agent 行業今天面臨的核心問題。

過去大家主要看模型，誰接入了更強的底模，誰就顯得更聰明。但現在，模型已經不是唯一變量。真正決定 Agent 能不能進入生產環境的，是模型外面的那套 Harness。

同一個模型，放在聊天框里只能回答問題，放進成熟的 Harness 里，才可能變成一個可以長期工作的數字員工。

1

從工具到崗位：QoderWake 跨過了什么

4 月 30 日，阿里發布全新 Agent 產品 QoderWake，定位是“生產可用、安全可控、自進化的數字員工”。它不是再做一個“更聰明的 AI 助手”，而是試圖回答一個更難的問題：Agent 如何從工具變成崗位。

兩者的區別非常大，Agent 工具的邏輯是：用戶下指令，Agent 開始工作。數字員工的邏輯是：事件發生，員工自主接手。

比如線上用戶反饋來了，數字程序員自動分類問題、讀取日志、定位根因、生成修復建議。客戶群里出現投訴，數字客戶經理先完成分診、檢索歷史記錄、判斷是否需要升級。

這里的關鍵不是“AI 會不會寫一段代碼”，而是它能不能長期值守，能不能理解邊界，能不能遵守權限，能不能在一次次任務里沉淀經驗。

OpenClaw 證明了 AI 可以動手，Hermes 證明了 Agent 可以自我進化，但它們的前提更多是個人場景。

公司場景完全不同， 企業不能把一個高權限 Agent 直接扔進郵箱、代碼倉庫、客戶群里。沒有權限邊界，越強的 Agent 越危險。

QoderWake 選擇的不是給個人 Agent 打補丁，而是從“員工”這個隱喻倒推產品形態。

一名數字員工至少需要六件事：

首先是崗位制，不是通用聊天機器人，而是明確崗位，程序員理解從編碼到部署的全生命周期，分析師、客戶經理、內容編輯則各自攜帶專業工作流。

在此之上，是長期身份：員工有持續的“職業身份”，用戶可與其長期共事，它知道自己的邊界、熟悉團隊結構、理解項目歷史，每次交互都基于累積的共識，而非從零開始的試探。與長期身份配套的是長期記憶，跨會話、跨任務的持久記憶讓它記得你的代碼風格、項目背景、歷史決策，回應了傳統 Agent“用完即忘”的痛點。

光有記憶還不夠，還需要技能庫，可調用的模塊化技能集合，代碼審查、日志分析、根因定位，每個技能獨立完成單一功能，多個技能可串聯成復雜工作流。

能力邊界則由權限紅線劃定，運行在獨立權限沙盒里，操作邊界清晰，不能越權，給員工發工牌，而不是把全公司的鑰匙都交給他。最后一件，是事件觸發：不用等用戶下指令，監控系統告警、新工單進來、定時任務到了，Agent 自己接手推進。從“人找 AI”變成“AI 主動找人”，這是數字員工區別于數字工具的本質特征。

這六件事合在一起，形成一個可以描述的成長路徑：越用越懂你，只是 AI 助手，越用越懂團隊、越用越懂公司，才是數字員工。

1

QoderWake 如何實現數字員工？

但“數字員工”終究是個比喻，落到工程層面，它意味著什么？

第一個問題是控制權。現在的大模型太自由了，你讓它寫代碼，它可能順手把配置文件也改了。QoderWake 的做法是把“想”和“做”拆開。

編排器負責制定計劃、把控流程，模型只負責理解意圖、推理復雜問題。兩者通過一個叫 Session 的獨立賬本溝通，所有操作、狀態、上下文都記在里面。萬一某個組件崩潰，重啟后翻開賬本就能知道做到哪一步、接下來該干什么，不失憶，也不亂來。

執行之后是驗證。QoderWake 設計了雙層機制：執行器做完先自檢，再由獨立驗證器審查整體結果。驗證不通過，自動打回重做，失敗原因被記錄下來，下次遇到類似情況直接規避。

系統會從多次失敗里提煉規律，比如從反復出錯的代碼審查中歸納出“支付模塊的變更必須保持事務結構”。這種經驗在單次任務里看不出來，只有跨任務的長期積累才能發現。

QoderWake 給每位數字員工配了獨立權限沙盒，每一步操作都進審計日志，出了問題能追溯到具體哪一步、誰授權的。企業最怕的不是 Agent 犯錯，而是犯了錯找不到根因、追不回損失。

最隱蔽的問題是能力腐化。一個 Agent 剛上線時很靈光，用久了反而變笨，記了一堆過時信息，學了互相矛盾的技能。

QoderWake 用 Critic-Refiner 機制應對：任務完成后系統自動復盤，哪些步驟多余、哪個判斷偏了。復盤結果被統一成結構化的學習信號，系統判斷這條經驗該存進記憶、變成技能，還是寫入工作流。

同時定期“體檢”，長期未使用的記憶淘汰，互相沖突的技能合并或降級。記住更多不代表做得更好，只有持續清理過的知識，才能轉化為真正增長的能力。

這種自我修正，不只發生在記憶層面。QoderWake 的進化是多維的：記憶進化讓它越用越懂你，技能進化讓它越用越知道哪些工具有效，流程進化讓它越用越懂團隊，組織進化讓它越用越懂公司。四個層次疊在一起，才構成真正的崗位級成長。

1

從工具到崗位，再到一張更大的藍圖

從 Qoder 產品矩陣看，進化路線很清晰。

Qoder IDE/CLI 是程序員身邊的 AI 助手，解決開發者如何更快完成編碼和調試。QoderWork 再往前走一步，把 AI Agent 能力從代碼領域擴展到大眾辦公場景，通過自然語言直接操作本地文件、生成 Office 文檔。

QoderWake 又往前走了一步，把能力從“輔助一個人辦公”擴展到“承擔一個崗位”，7×24 小時值守的數字員工。

從開發者工具，到桌面辦公助手，再到數字員工，Qoder 家族正在形成一套完整的 AI 工作體系。

這一定位，恰好落在阿里今天最大的戰略版圖里，即以Token作為核心，串聯大模型、Agent、云等業務板塊。

當數字員工開始 7×24 小時處理反饋、分析日志、生成代碼等，它消耗的 Token 就不再只是聊天成本，也不再只是 API 調用量，而會變成生產過程本身的一部分。

Token 開始從“技術預算”變成“生產成本”。

站在更長的時間軸上看，這件事的意義不只是一款產品。

未來的公司不會只有真人員工和軟件工具，中間會多出一層：數字員工。組織會從“真人員工協作”，走向“真人員工 + 數字員工混編”。過去是把合適的事交給合適的人，未來是把合適的事交給合適的人，也交給合適的生產級數字員工。

點個“愛心”，再走 吧