摘要

Vercel 正在把持久化工作流变成生产级 Agents 的日常基础能力。 其开源 Workflow Development Kit 允许代码暂停数天且不产生算力成本，重试失败步骤、从 Webhook 恢复执行，并支持人工审批，同时代码形态仍像普通应用。Malte Ubl 的目标，是让工作流“真正成为你每天都会做的事”，而不是需要15份设计文档的架构。Malte 还表示，Vercel 的开源模式是在做大整体市场，同时保有大致相称的份额，并预计部分用户会自行运行这套软件。
AI SDK 6 是在重复使用模式逐渐稳定后，才加入了 Agent 抽象。 Vercel 刻意让早期版本保持底层化，因为与成熟的 Web 开发不同，“我们对 AI 应用最终会长什么样，绝对一无所知”；这一抽象其实已在 AI SDK 5 中试验性出现。Malte 接受模型需要自由控制工具调用，但他认为被忽视的平台问题，是如何将这种行为嵌入应用，并处理流式输出、控制机制和应用集成。
Vercel 最强的 Agent 优势，可能是独立工具无法同时拥有的应用上下文。 Vercel Agent 可以读取运行时数据、日志、部署信息、开发服务器的启动方式以及已有密钥。其 DevOps Agent 将传统异常检测与调查型 LLM 结合：先激进标记异常，再让 Agent 调查约2分钟，只有判断需要升级时才唤醒人工，从而缓解召回率与精确率之间的权衡。
Vercel 正在严格区分狭窄领域内的 Agent 能力与不安全的自主性。 Malte 认为，Agents 同时“极其有效，也依然极其无效”：筛选销售线索、准备滥用调查、查询文档完善的数据仓库语义都可行；修改防火墙或执行 DNS 迁移，目前还不属于可自主处理的范围。其工作方法很简单：去问员工，“你工作中最讨厌什么？”
“Agent on Every Desk”既是企业采用策略，也是产品学习闭环。 Vercel 要求参与企业承诺构建3个 Agent：第一个由 Vercel 打造，第二个由 Vercel 深度支持客户完成，第三个则预期由客户独立构建。初创公司则应直接使用开源示例，将其交给 coding agent，再自行适配，无需派驻团队。
Vercel 正在将平台从 TypeScript 扩展到 Python。 它已推出 Flask 和 FastAPI 的零配置部署及 Python SDK；Fluid Compute 只对活跃 CPU 时间收费，当 AI 后端需要30秒响应时尤其合适。Malte 预计未来会支持 PHP 和 Ruby，但他说，真正限制进度的是原生开发体验，而不是虚拟机层面的可行性。
AI 辅助编程迫使基础设施同时不信任开发者和生成出来的应用。 Vercel 希望系统即使在“开发者不知道自己在做什么”、AI 也同样不知道的情况下仍然安全，因此将身份验证和数据访问控制移到应用可控代码之外。从战略上看，这使安全部署，而不只是代码生成，成为 Agent 原生技术栈的关键一层。

精读

1. 持久化工作流让长时运行的 Agents 变成普通应用代码

Malte 在会议上的核心表述刻意保持具体：Agents 之所以令人兴奋，是因为“你真的可以把它们做出来”。Vercel 先构建客户产品和内部运营 Agents，再从这些应用中提炼抽象，而不是从理论出发设计。
Workflow Development Kit 让持久化、可恢复、可流式执行变得符合惯用开发方式。一个函数可以近乎无限期运行，在步骤之间暂停而不消耗算力，数天后恢复执行；某一步失败时还会自动重试，无需开发者自行拼装队列、状态表和故障恢复 cron 任务。
主持人给出的实用心智模型是“一直运行下去的”无服务器函数。需要人工审批时，工作流会创建一个临时 Webhook、保存其 URL，免费等待回调；用户在2小时后——甚至更久——批准项目后，流程继续执行。
主持人指出，生产环境用户希望拥有控制权、可审计性以及自行托管的选项；Malte 认可用户会自行运行这套软件。他将 Vercel 的开源模式与仅提供支持服务和 open-core 模式作比较：软件确实可以运行，从而做大整体市场，同时让 Vercel 的份额大致保持相称。

2. AI SDK 在 Agent 模式形成抽象前始终保持轻量

AI SDK 6 beta 推出了直接的 Agent 抽象，这一能力此前已在 AI SDK 5 中试验性存在。过去，开发者会把 Agent 写成一个配备工具的 streamText 循环，通过控制机制准备每一步并选择工具；其他框架则可以、也经常会在其上构建更厚重的抽象。
Malte 对这种克制的解释是：2025年的 Web 框架作者已经知道用户会构建什么，而 AI 应用仍处于剧烈变化之中。“我们绝对一无所知，而且现在依然一无所知”，因此厚重且带有强烈预设的抽象，极有可能把错误假设固化下来。
主持人反驳说，前沿模型实验室有意偏好一种“好莱坞原则”式框架：把方向盘交给模型，让模型自行选择工具和推理路径。Malte 同意开发者必须“放手，让模型在某种程度上接管”，尤其是对 coding agents 而言；但他将模型自主性与应用层如何嵌入并运行这种能力区分开来。
流式输出体现了应用层的价值：过去 Web 开发者会因为500毫秒的延迟而放弃功能，而模型响应可能需要30秒。Vercel 先专注于让流式输出变得直观，再通过内部实践验证抽象——AI SDK 源自 v0，随后 Vercel 又投入大量工作，让 v0 完整迁回 AI SDK。

3. 应用上下文将异常告警转化为 Agent 调查

Malte 将内部定制 Agents 与 Vercel Agent 区分开来，后者是一款“Agent as a service”产品。它的优势在于集成式上下文：Vercel 已经拥有运行时遥测、错误日志、部署数据、开发服务器启动知识和密钥，避免用户像“招一名初级员工”一样重新培训外部 Agent。
新近公布的 DevOps Agent 接入了 Vercel 的异常检测系统。当生产环境行为偏离正常轨迹时，Agent 可以构建并执行可观测性查询，检查时间序列切片，深入分析日志，并同时展示诊断结论和所依据的图表；Malte 称，它“几乎每次都能”非常精准地识别发生了什么。
主持人的质疑值得保留：语言模型并不是天然的时间序列模型，告警偏好因团队而异，SRE 团队还可能陷入“总是在应对上一场战争”。Malte 澄清，LLM 并不负责检测异常：Vercel 的时间序列数据库上有独立的数据处理管道完成检测，之后 Agent 再通过查询工具和文本日志展开调查。
这种分工改善了经典的召回率—精确率权衡。检测系统可以调得更激进，而不必因为一次由 newsletter 驱动、实际无害的流量峰值就呼叫人工；一个“没有睡眠问题的同事”可以花2分钟调查，再决定是否升级。未来如果能访问源代码，偶尔生成修复 PR 或许可行，但 Malte 目前还不会允许它修改防火墙——或迁移 DNS。

4. 最好的内部 Agent 消除讨厌的工作，而不是消除判断

Malte 的发现问题是：“你工作中最讨厌什么？”答案通常是重复、文本密集型任务，需要足够判断力，难以通过传统自动化处理，但又消耗足够多员工时间，能够带来实质性的业务影响。
Vercel 的销售线索筛选 Agent 会通过 LinkedIn、Google 等工具研究新收到的联系销售请求，按照公司的筛选标准进行判断，并将误投的支持请求重新分流。Malte 认为，这是相对直接、风险较低的 Agent 使用场景，Vercel 已将其实现开源。
其滥用分析 Agent 负责前置调查，而不是做最终决定：它会访问被举报的网站，检查账户年龄和账单历史，并能够识别出类似 Facebook 登录页面的内容。人工仍会审阅整理好的证据，并决定采取何种处置措施。
开源数据分析 Agent 所体现的则是一个更有条件的判断。Vercel 并不承诺仅凭数据库 schema 就能实现神奇的 prompt-to-SQL；它建立了一套结构化方法，用于记录数据仓库语义，为 Agent 提供必要上下文，使其能够足够可靠地回答内部问题，进入日常使用。

5. 派驻团队帮助企业学会构建第二和第三个 Agent

“Agent on Every Desk”面向大型企业：这些公司潜在效率提升巨大，却没有把握选择并交付第一个项目。派驻工程师会帮助识别既有高影响力、又具备可行性的工作，再在客户环境中实现初始 Agent。
合约本身编码了能力转移路径：客户承诺构建3个 Agent；Vercel 负责第一个，与客户并肩完成第二个，并假定第三个几乎不需要帮助。“我们不想一直停留在那里”——最终目标是让企业具备自行构建定制 Agent 的能力。
Malte 不会把这种模式推荐给初创公司。他给出的替代方案是开源成果加 coding agent：把示例交给 Claude Code，说明企业自身的差异，再从中构建。与此同时，企业项目也将 Vercel 的内部实践闭环延伸到“500人初创公司”独自很难遇到的问题。

6. Python 支持与安全护栏拓宽 AI 平台边界

Vercel 已为 Flask、FastAPI 及其他主流 Python 框架提供零配置支持，并推出用于调用其 API 的 Python SDK。在 Fluid Compute 上，按活跃 CPU 时间计费意味着 Python 服务只在计算时付费、空闲时不付费；当 AI 后端需要30秒响应时，这一点尤其重要。
Malte 将 Fluid Compute 与持久化工作流区分开来：工作流步骤之间“字面意义上什么都没有在运行”，而 Fluid 会保持一台 VM 可用，以支持更敏捷的工作负载。他指出，截至今天，TypeScript 已成为 GitHub 上规模最大的语言，但 Vercel 认为两个生态都足够庞大且重要；PHP 和 Ruby 应在开发体验达到原生水平后跟进。
他更广泛的管理经验来自于用符合自身基因的下注，推动一家前 ChatGPT 时代的公司转型：v0 起初是网页创建工具，AI SDK 则延续了 Vercel 作为框架公司的定位。他还为强大的个人贡献者晋升体系辩护，让优秀工程师不必在薪酬停滞和成为“一个可能非常糟糕的经理”之间二选一。
随着设计师、产品经理及其他员工开始贡献 AI 生成代码，Vercel 正在按照开发者和模型都不被假定为胜任的威胁模型进行设计。对可见数据的身份验证和授权必须置于应用可控逻辑之外，从而提供“一定程度上完全独立于应用质量的最低安全保障”。

Sarah Paine——俄罗斯如何破坏中国崛起 Marc Andreessen 与 Ben Horowitz 谈 AI 现状