Agent-native 落地案例与评测账本
本页是 Agent-native Architecture 的案例账本:每个案例记录「暴露了什么能力面 / 证据强度 / 验证状态」。原则见 product-trends/agent-native-architecture-principles;组织维度见 product-trends/agent-native-org-model。
What it is
原则页回答「怎么算 agent-native」;本页回答「谁已经做了、做到什么程度、还有哪些宣称未验证」。所有案例均附带证据强度标注——多数来自时间线转述、厂商公告或个人经验,缺跨产品统一任务集的独立测量。
案例账本
共享工件工作面(人 + agent 共同编辑状态)
- SVG editor / tldraw offline / Gemini Notebook(2026-09-09, Ben's Bites):人和模型共同编辑同一份 SVG / 画布 / notebook;Gemini Notebook 让研究 notebook 获得安全云端计算机。验证状态:Notebook 分阶段开放,不能假设当前账户已有云端执行能力。
- OpenShip(2026-09-09):代码仓库、immutable artifact、容器、日志、回滚、MCP 控制面成为 agent 可操作但不可任意越权的 primitives。MCP 与 rollback 是产品页声明,需真实实例验证。
- Horizon by Sierra(2026-09-09):agent 跨电话、短信、邮件、公司系统持续推进业务目标,按结果而非 token 计费。细节只来自 newsletter 摘要,Sierra 页面抓取超时。
- OpenClaw Dashboard / Every 项目文件夹(2026-09-10):prompt 构建小应用;指令、项目知识、架构、事故历史在 agent 启动时可见但不无条件全量加载。预告阶段,未证明已在真实团队可靠运行;prompt-built app 仍需数据权限、审计、回滚。
企业基础设施与平台运行时
- Stripe company brain(2026-09-08):项目治理、技能路由、遥测、面向大量同事的 skills platform。信息来自时间线转述,无独立架构/安全审计。
- afkpilot(2026-09-08):远程 Linux 环境承载多种 agent CLI;服务商订阅、设备确认、harness 支持范围必须明确。
- Agent runtime 平台化(2026-09-11 afternoon):OpenAI scaled on-demand agents as API surface;Vercel regional computers for agents;Cursor Projects 协调者 agent;Box 安全内容接入 ChatGPT。测试从「agent 能否用产品」扩展为「运行时、状态、身份、部署、审计是否都是 primitives」。多为厂商公告,非独立验证的生产案例;区域运行时和协调者角色提高吞吐的同时增加权限、成本、状态一致性复杂度。
- Managed Agents(Claude)(2026-09-09、2026-10-09、2026-10-10):凭证、记忆、定时触发持续运行;dynamic workflows 执行可拆分任务。
- Replit Desktop(2026-10-10):隔离 sandbox + 跨项目对话。
- Spond 的 Agent-First 软件组织(2026-10-31):@bylixing 的中文长帖转述 Spond 案例:共享上下文、频繁全量测试、可回滚改动,以及对敏感操作加强控制。帖子还称团队有 10 人、月 token 支出约 320 万美元、一年 12 万次改动、0.9% 回滚率,并描述从问题发现到修复的闭环及 agent 过滤 CEO 日常决策。以上是二手转述;原文和数据口径未核验,不能作为生产率基准。可供后续检验的问题是:agent 执行与监控的责任边界、失败恢复和人工升级是否可审计。关联:product-trends/agent-native-org-model 与 product-trends/agent-native-architecture-principles。
个人执行面
- 常驻 Mac / Mac mini(2026-09-08 afternoon、2026-09-09):Codex 持续连接浏览器、iMessage、文件、桌面应用;任务历史分组、跨仓库代码搜索(Sourcebot)成为 agent 可整理的工作对象。局限:单用户工作流收益,不能推广到团队/高权限场景;本机登录态扩大凭证、误操作、隐私边界。
- ChatGPT Work 事务执行(2026-09-09 afternoon):agent 搜索邮件/短信收据,填写并提交报销界面;客服争议案例(Uber Eats 补偿,15 分钟主动工作 + 约 2.5 小时后台跟进,拿到 $95.46 Uber Cash)显示 agent 进入「高摩擦、多回合、跨应用」场景。来自时间线描述,缺权限、失败率、恢复记录;消费中介触及支付、广告、隐私、平台政策。
- DHH 的 Omarchy / Cloudflare CLI 例行工作(2026-09-09 afternoon/evening):agent 每天拉指标发通知;迁移构建流水线、agent runners、CDN。个人项目描述,无失败率与恢复记录;基础设施迁移成本与可靠性需实际运行指标验证。
- Basecamp MCP / Claude Code Projects / dot(2026-10-10):外部数据、Thread、执行状态接进同一工作面。
数据产品与商业发现
- Council Spend Map(Ben Tossell,2026-09-05):agent 收集/清洗/归一化/审计 107M 行公共支出数据,人类通过交互地图理解结果。产品契约:council/供应商/类别/时间可查询;原始文件、fingerprint、行号、聚合结果可追溯;collected/parked/incomplete/zero/excluded 状态区分;threshold filter 显式显示;独立 review 后发布。局限:公开数字版本不一致,公开数据产品需明确版本与时间窗口;agent 参与采集不自动保证来源正确。
- Amazon 封锁 Muse(2026-09-22):agentic commerce 的平台控制冲突——独立 agent 要跨平台比较和行动,平台保留身份、流量、商品排序、交易控制;Walmart 与 Google/OpenAI 合作接入 agentic shopping,Target 观察到外部 AI 流量增长。报道转述,未独立复核;平台开放接口 vs 屏蔽的利弊未定。
- Muse Connectors /「Slack agents 是新的网站」(2026-09-25):connector 可能成为 agent 的分发层,产品问题集中到权限、身份、可靠性、支付、回执、信任;here.now 把发布成本降到一句话,一次建站跨越 Astra(图像)/Codex(主体)/Luna(视频)/Droid(加固)/here.now(托管)五个 agent 产品。平台主管立场陈述 + 投资人利益关联,无采用数据;单篇构建实录不代表典型建站成本。
- ARM(Agent Relationship Management)(2026-09-04 evening):企业需要让个人 agent 能发现、信任、选择自己——机器可读证据、明确权限、可执行动作、失败恢复、可审计结果。单一创业者推测,无独立需求证据,不应直接升级为产品路线。
- Product Hunt 反例(2026-09-06 afternoon):面向人类浏览的发布平台若主要制造广告、付费推广和垃圾线索,不能成为 agent-native 商业发现的可靠入口;面向 agent 的发现需要机器可读证据、真实用户反馈、可执行试用路径、反垃圾边界。个人发布经历,不能代表所有品类。
物理、多模态与新入口
- Astra / CAD(2026-09-06 afternoon):照片、尺寸、描述 → CAD/Blender 初稿;关键产品面是照片上传、约束收集、可检查 CAD brief、人工 sanity check、交付追踪。创业设想,可交付性取决于制造、测量误差、责任边界、质检。
- Riley Brown 的 Gemini 视频分析 skill(2026-09-07 evening):能力封装进 Codex skill 放进剪辑工作流。「快约 2 倍」来自个人经验,无任务样本与基线;跨应用构建案例缺权限、数据质量、发布验收记录。
- 三种入口形态(2026-09-14、2026-09-17):Agent-first feed 主动提醒推进任务;浏览器代理替用户操作无 Agent API 的网站;桌面 app / PR / 自然语言入口。builder 观点,无采用率、任务成功率、留存数据;主动 feed 需要更高数据访问权限,授权可见性和暂停机制是产品的一部分。
价值转移与分发
- Peter Yang 的 Replit 对话(2026-08-30):代码便宜后持久价值移向 expertise、judgment、distribution、trust、infrastructure、systems of record、data、实体商品与服务;DHH 的 Omarchy 说明分发是独立变量(已有数万用户的产品也可因后来的项目突然显得成功)。数字均为推广性 podcast 自述,未独立验证;非代码护城河仍需需求验证、运营质量、所有权边界。
- Grok Bot 业务化(2026-10-09、2026-10-11):直接读取 X 回复转成用户研究,agent 进入发布、获客、交易。回复内容可做假设输入,不能自动等同代表性用户研究。
评测账本(Pending verification)
从原页各次「Pending Jean review」合并的待验证清单(状态全部为 pending):
- 测试一个支持的 Site Tools 页面:能力发现、权限、回退行为。
- 为一个 agent 工作流记录「显式工具 / 浏览器回退 / 人工批准」边界。
- 测试一个后台/WebMCP 工作流:能力发现、状态隔离、批准、回退、成本。
- 测试一个只读数据产品:能力发现、来源溯源、缺失数据状态、过滤范围、人工 review。
- 测试一个页面本地调试工具原型:发现、授权、证据、恢复。
- 为一个浏览器 agent 工作流画「身份、数据访问、会话隔离、证据、人工交接」图。
- 为一个本地 agent 工作流画「能力面、身份、运行时、证据、人工交接、回滚」图。
- 比较一个 chat-only 工作流与一个共享工件工作流:状态可见性、恢复、权限、accepted result。
- 用同一组工作流比较聊天、终端、Agent 控制面的可见性、接管速度、漏报、恢复成本。
- 设计一周个人 agent 工作流:主动通知、漏报、接管、暂停、长期结果。
- 选一个 system-of-record 工作流,定义成为 domain harness 所需的状态、规则、动作、审计、人工验收。
- 测试一个「早晨分诊」流程一周,记录误报与漏报。
- 把常驻 agent 权限写成一页纸:身份、可见数据、默认关闭的计费项、同事 @它 的含义。
- 画一个「意图 → connector → 权限 → 结果 → 回执」真实工作流。
- 评估是否把对话平台入口(Slack/微信)纳入自己的 intake 面设计。
- 决定 ARM / 平台参与 / 客户关系所有权是否成为 agentic commerce 的核心产品测试。
Open questions
- 案例多为厂商公告、时间线转述或个人经验,缺跨产品统一任务集的真实测量。
- 「accepted result」尚无跨案例的可比定义;工具数量增加不等于结果质量增加。
Related
- product-trends/agent-native-architecture — hub
- product-trends/agent-native-architecture-principles
- product-trends/agent-native-org-model
- product-trends/mercury-mcp-case-study
- product-trends/stripe-agent-native-economy
- product-trends/headless-mode-survival-requirement
Sources (2026-10-31 addendum)
- AI Briefing 2026-10-31 afternoon — summarizes a Chinese thread by @bylixing; the operating details and metrics are second-hand.
- @bylixing — Spond case summary
Pending Jean review
- product-trends/agent-native-cases-ledger — The 2026-10-31 Spond addition remains based on a second-hand thread summary; verify the original data before using its figures as benchmarks or treating the operating details as general conclusions.
2026-11-04 afternoon:Agent 发现是独立的产品能力面
@dani_avila7 描述 aitmpl.com 通过 API、MCP、WebMCP、CLI、llms.txt 和 Markdown 文档向 Agent 开放能力,并称该站点技能、MCP、设置与插件下载中 62% 来自 Agent、38% 来自人类。这是作者报告的单站数据;帖子没有给出时间窗、归因方法或独立核验,不能据此推断整体市场采用率。
可复用的产品检查是分别衡量 Agent 能否发现能力、完成任务,以及人类站点互动。它细化了本账本已有的能力发现测试;它仍是一个待验证案例,而非已证实的普遍趋势。关联:product-trends/agent-native-architecture-principles、product-trends/cli-as-agent-interface。
Counterpoints & Gaps
- 62% / 38% 的口径、样本和归因方式未披露;不应与其他网站或总体用户结构比较。
- 发现次数不等于任务成功、留存或业务价值;需分别测量。
Sources (2026-11-04 addendum)
- AI Briefing 2026-11-04 Afternoon — summarizes @dani_avila7; the download split is author-reported and site-specific.
- @dani_avila7 — Agent discovery and product interfaces
Pending Jean review
- product-trends/agent-native-cases-ledger — keep this as a site-specific case only; verify the denominator and attribution method before using the 62% / 38% split beyond this example.