问题模型越来越便宜Agent 项目为什么还是落不了地2026 年开放权重模型和低价 API 越来越多模型选型的门槛明显降低。但不少企业的 Agent 项目依旧停在 Demo技术评估开了三轮上线后没人用或者上线后团队变成人工复核 AI总工时不降反升。一个更实用的判断是先选流程再选模型。真正决定 Agent 能不能上线的是这段业务工作能不能被拆成三件事——可交给智能体执行、可验收、出错可追责。本文整理一套流程准入判据、一张决策矩阵和一个两小时就能跑完的选型 SOP。一、为什么模型选型的权重在下降两组关于开放权重 / 国产模型份额的数据经常被放在一起引用但数字对不上说法一开放权重模型在 2026 年 6 月处理了经生产网关路由的全部 AI token 的 29%4 月时约为九分之一Computing.co.uk 引述行业报告。说法二基于 OpenRouter 2026 年 1–6 月约 4.5 万亿 token 的数据中国模型份额在 6 月初超过美国模型另有分析称 5 月已升至 45% 以上36氪等对 OpenRouter 公开数据的分析。差异来自口径口径维度说法一29%说法二45%统计对象开放权重模型不分国别中国厂商模型含闭源采样渠道企业生产网关OpenRouter 开发者平台用户结构企业已上线的生产负载开发者试验与小规模应用对工程团队更有用的解读是开发者换模型只改一行配置企业换模型要重跑评测和合规。开发者平台上的份额大致领先企业侧一到两个季度。一个一两个季度就会被追平的模型差距不值得花三个月开评估会。另一个信号来自产品侧2026 年 7 月世界人工智能大会期间阿里云发布了多智能体协作治理平台 AgentTeams 和观测优化平台 AgentLoop据南华早报报道。当厂商开始把协作治理观测评估做成产品说明生成本身已不是稀缺能力管住一群 Agent、验证它们的输出才是。一个自查方法翻一遍 AI 立项材料数一数讲模型参数、上下文长度、推理成本的页数和讲上线后谁的哪个动作会改变的页数。前者远多于后者项目大概率会做成能演示、没人用的东西。二、流程准入的三条判据在选模型之前先给候选流程打分三条全中才交给 Agent。判据 1有没有明确的完成标准问一句这件事做完了怎么算做对如果答案是看情况“得有经验的人看一眼”现在不适合交给 Agent。不是 Agent 做不了而是你没法验收——无法验收的自动化会退化成人工复核效率净负。对应到工程实现没有完成标准就写不出 eval 用例、断言和验收脚本。判据 2出错后能否在下一个环节被发现这条最容易被跳过也最致命。Agent 出错不可怕可怕的是错了没人知道。报价单算错下游审批会发现一段客户洞察分析编错可能一路走进管理层的汇报材料。下游没有天然纠错点的流程自动化的风险敞口没有上限。对应到工程实现链路上是否存在校验节点审批、对账、规则校验、人工终审是否有可观测的日志和回溯能力。判据 3结果能否归因到一个人出了事谁负责。一段流程如果由三个部门共同拥有、谁都不完全负责加上 Agent 只会让责任更分散。Runwise 的分析里提到这一条是后补的——被前两条放行、最后仍烂尾的项目几乎都死在技术跑通了没人愿意为输出签字。三、决策矩阵自动化、辅助还是先别动完成标准明确下游可发现错误可归因到人结论✓✓✓做试点可全自动✓✓✗先理清归属再动手✓✗✓只做辅助人必须终审✗任意任意别动先把完成标准写出来注意第三行下游缺纠错点时Agent 的输出应设计为建议而不是结论由人做最终确认。四、两小时选型 SOP参与者一名熟悉端到端流程的业务负责人、一名能拍板的人、一块白板。该方法特别建议技术人员不参加避免话题被带回模型选型。第 1 步列候选20 分钟输入各部门主管写下本部门重复度最高的三件事动作汇总去重只保留每周发生 3 次以上的完成标准每一行都能写成谁在什么触发条件下做什么交给谁。写不完整的删掉——写不清楚的流程一定自动化不了这个句式其实就是 Agent 的输入、触发器、动作和输出契约写得出来才谈得上后续编排。第 2 步三条判据打分40 分钟每条只填 ✓ 或 ✗不允许部分符合完成标准全 ✓ 的流程在 1–5 条之间超过 10 条说明打分放水重打一条都没有跳到第 4 步第 3 步只选一条30 分钟在全 ✓ 的流程里选发生频次最高、且失败后果最小的那条——不是最有价值的而是最安全的。首个试点的目的是建立方法和信心输出一条流程 一个负责人姓名 一个 30 天验收指标完成标准负责人当场认领验收指标是一个数字不是提升效率第 4 步一条都没有时30 分钟这说明当前瓶颈不是 AI而是流程标准缺失。从候选里选最痛的一条先写一页以内的完成标准。If-Then 决策点全 ✓ 的流程 ≥3 条 → 仍然只做一条其余排队30 天验收指标读不出数 → 换流程读不出数的试点没有停止条件两小时选不出来 → 散会下周再开选不出通常意味着在场的人对流程理解不一致五、三种常见失败模式从模型选型开始比较三个月模型上线后发现流程没人愿意改。识别信号项目周报连续四周只讲技术没讲业务流程。Agent 的输出没人能判断对错上线三个月实际工作变成人复核 AI总工时上升。这是判据 2 失守。应对退回辅助模式把输出改成建议同时补一个下游校验点。三条线同时启动“三个部门都痛就一起上”结果资源摊薄、六个月后三条都是半成品内部对 AI 的信任破产。应对只做一条做完再说。六、这套判据什么时候会失效这套判据自带一个明确的推翻条件如果 Agent 的自我评估能力强到能对自己的输出给出可信置信度——“错了它自己知道”——判据 2 就不再是硬门槛可自动化的流程范围会显著扩大。可以观察的信号是AgentLoop 这类观测平台是否从帮人做评估转向智能体自评并主动拦截。在那之前把可验收性、可发现性、可归因性当作 Agent 上线的准入条件比再开一轮模型评测更能决定项目成败。完整的判据推导和市场数据口径说明可以看 Runwise 的原文《模型全都快免费了你的 AI 项目还是做不出来——因为你选错了东西》。注文中市场份额数据截至原文发布时数据截止 2026 年 8 月 3 日来源口径如上表所示引用前建议核对原始报告。