从WorkBuddy看Agentic AI：从“回答问题”到“完成任务”
Agentic AI正在改变什么？
2026.08.19
了解详情 >
新一轮大模型升级
大模型升级在哪里？
Part.1
OpenAI于9月3日发布的GPT-6 Astra，定位为面向高难度端到端工作的旗舰模型。
根据官方OpenAI文档，GPT-6 Astra拥有105万Token上下文窗口，最大输出长度为12.8万Token，支持复杂推理、代码开发、研究、文档生成和计算机操作。通过Responses API，还可以使用网页搜索、文件搜索、代码解释器、托管Shell、Computer Use和MCP等工具。
这些能力组合在一起，意味着模型可以在较长时间内读取大量材料，制定执行计划，调用多个工具，并根据执行结果调整后续操作。
Google于9月2日发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber。
Gemini 3.8 Flash重点提升软件工程、多步骤推理和Agent任务能力，保持Flash系列相对较低的调用成本。
Gemini 3.8 Flash Cyber则面向漏洞发现与自动补丁，通过受控项目向政府机构、关键基础设施运营方和软件维护者提供。
Google的产品路线体现出两个方向：
一是让较强的Agent能力进入高频业务场景；
二是针对网络安全等专业领域设置独立模型和访问机制。
Anthropic于9月1日发布Claude Fable 5.1和Claude Mythos 5.1。两者使用相同的基础模型，但采用不同的安全控制方式。
Fable 5.1面向编码、知识工作和长时间运行任务。Mythos 5.1主要服务于网络安全、生命科学等需要严格准入的专业场景。
在Anthropic披露的企业测试中，Fable 5.1被用于复杂生产事故分析、跨代码库依赖梳理和长时间无人值守任务。
上月，DeepSeek发布V4-Pro正式版，重点加强Agent任务和分级推理，并支持OpenAI Responses API。
8月21日推出的V4-Flash-Vision-Exp增加了图像输入、Files API和多模态工具调用能力。
同月，通义千问发布的Qwen 3.8-Max，强化编码和协同办公能力；发布的Qwen 3.8-Flash-Next，采用多模态混合专家架构，并预览Qwen4的部分技术方向。
综合来看，各家模型的重点有所不同，但升级方向较为一致：更长的任务周期、更丰富的工具调用、更完整的多模态输入，以及更严格的安全和成本控制。
从发布潮中看到的技术趋势
Part.2
模型评估
传统评测多以知识问答、数学推理和代码生成准确率为主。进入Agent应用阶段后，单次答案正确无法代表模型能够完成完整业务任务。
企业需要增加新的评估指标，包括端到端任务成功率、工具调用准确率、失败恢复能力、人工接管率、执行时间和单位任务成本。
例如，一个模型可能准确判断出故障原因，却没有选择正确的处理工具；也可能完成了配置修改，却未验证服务是否恢复。
这些情况在传统评测中不易体现，却会直接影响生产环境。
Computer Use与MCP
Computer Use允许模型浏览、操作浏览器和桌面界面。MCP（模型上下文协议）则用于连接数据源、工具和业务系统。
两者解决的问题不同。Computer Use适合缺少标准接口的系统，API和MCP更适合结构化、可审计的系统调用。企业实际建设中，应优先采用稳定接口，将界面操作作为补充方案。
模型接入ITSM、监控、CMDB、自动化运维和知识平台后，才能从生成建议扩展到执行任务。
模型双轨发展
通用模型覆盖多类复杂任务，另有专业版本则针对安全、科研等高风险场景提供专门能力与访问限制。
企业模型架构会逐步采用分层调用：
简单任务使用轻量模型
复杂分析使用旗舰模型
专业任务使用领域模型
敏感任务使用私有化模型……
这种方式能够兼顾效果、成本和数据安全，也可以降低对单一供应商的依赖。
真实运维流程
IT运维中存在大量非结构化信息，例如监控截图、网络拓扑、设备照片、报错页面、会议录音和操作视频。
多模态模型可以将这些材料与工单、日志和资产信息结合分析。用户只提交一张报错截图时，服务台可以识别错误代码、应用名称和页面状态；现场人员上传设备照片时，系统可以辅助识别告警灯、接口状态和设备型号。
多模态能力提升了信息采集效率，但关键结论仍需结合配置数据和实时状态验证。
安全、成本和可治理性
模型能够调用工具后，错误输出可能转化为真实系统操作。企业必须管理Agent身份、访问范围、审批节点、操作留痕和异常回退。
成本治理同样重要。长上下文、多轮推理和反复调用工具都会增加费用。企业需要按任务类型设置模型、推理强度和最大执行步数，并对单次任务成本建立监控。
模型能力越强，权限边界和审计要求也越具体。
ITSM正在发生四个变化
Part.3
当前许多AI服务台主要用于回答常见问题、推荐知识和生成工单摘要。新一代Agent可以读取用户身份、设备信息和历史记录，并调用系统完成标准化操作。
以账号解锁为例，Agent可以核验用户身份，查询账号状态，判断是否符合自助处理条件，调用目录服务执行解锁，再检查登录状态并更新工单。
服务台指标也有相应调整，如回答准确率、一次解决率、自动闭环率、人工接管率和平均解决时间。
发生生产故障后，运维人员通常需要在监控、日志、链路追踪、CMDB和变更系统之间反复查询。
Agent可以根据事件时间和受影响服务，操作完整流程，包括信息收集、原因分析、方案生成、操作执行、恢复验证和记录回写。对明确、低风险且具备回退条件的操作，可以在审批后执行。
需注意：任何环节缺少验证，都不能视为事件闭环。
问题管理需要从大量历史事件中识别重复模式。模型可以跨工单分析共同组件、相似日志和变更记录，帮助发现长期存在但未被单独事件暴露的系统问题。
在变更管理中，Agent可以综合CMDB依赖、历史变更结果、当前告警、测试报告和业务时段，生成影响范围、风险等级、验证计划和回退方案。
当AI参与服务交付，ITSM平台需要管理新的执行主体。
平台应明确每个Agent能够读取哪些数据、调用哪些工具、处理哪些服务目录，以及在哪些节点必须转交人工，并配置更严格的审批规则。
同时，每次模型判断、工具调用、参数输入、执行结果和人工干预都应保留记录，沉淀智能资产。
在这一体系中，大模型提供理解、推理和执行能力，ITSM提供流程、权限、责任和审计机制。两者结合后，企业才可能建立可控的自动化闭环。
GPT-6 Astra、Gemini 3.8和同期模型的升级，对ITSM而言，短期变化将集中在知识检索、工单处理、事件调查和变更分析。随着工具连接、数据质量和治理机制逐步完善，部分标准化、低风险服务可以实现自动闭环。
模型决定可实现的能力范围，而ITSM则决定这些能力能否以可控、可审计的方式进入企业生产流程。
