跳转至

百度搭子Agent平台全面升级

Ch04.515 百度搭子Agent平台全面升级

📊 Level ⭐⭐ | 7.4KB | entities/刚刚百度搭子全面升级要让agent接住人类90以上的活.md

百度搭子Agent平台全面升级

百度搭子（Dazi）Agent 平台于 2026 年 7 月 10 日成都 AIDAY 上发布自 3 月底上线以来的最重磅升级，涵盖个人版全面升级、企业版正式亮相和搭子联盟三大板块。百度集团执行副总裁沈抖提出，未来 90% 的工作都可能有智能体深度参与协助完成，百度搭子要做的就是深入办公场景"真干活、真办事儿"。

主要升级

百度搭子平台在 Agent 的意图理解、任务规划、工具调用和执行反馈等核心环节进行了系统性优化。平台支持更复杂的多步骤任务编排，并增强了 Agent 在真实业务场景中的稳定性和可靠性。升级方向可概括为「大脑、手、技能与专业套件」四层。

架构特点

百度搭子采用了分层 Agent 架构，将意图识别、任务分解、工具调用和结果验证等环节分离，提升整体系统的可维护性和扩展性。具体技术方案包括 Harness 引擎升级引入的环境路由机制，以及多端共享记忆实现的跨设备连续性。

深度分析

环境路由：Agent 执行环境的智能编排

百度搭子此次升级的核心技术亮点是 Harness 引擎引入的"环境路由"机制。系统根据任务的计算需求、响应速度要求和数据安全等级，在云端沙箱、本地沙箱以及 Chat 模式之间自动选择合适的执行环境：需要高算力时调用云端资源，强调低延迟或数据安全时切换到本地环境。这种动态环境编排机制使任务平均耗时降低 20%，Token 利用率提升 25%。

从 Harness Engineering 视角分析，环境路由本质上是将执行环境的异构性从用户侧抽象掉，让 Agent 在统一语义层上运行，底层资源调度由框架自动完成。这与 Agent Harness 上下文管理工作集 的设计思路一致——将基础设施的复杂性封装在引擎层，暴露给上层应用的始终是简洁的编程接口。

企业版 Skill 接入标准：Agent 互联的桥梁架构

企业版发布的行业首个企业级 Skill 接入标准，本质上解决了 Agent 生态中最棘手的「连接问题」——企业内部系统和第三方 SaaS 服务的接口碎片化。该标准在百度搭子技能体系与企业自有系统之间搭建了一座统一的桥梁，将内外部能力整合成标准化的可复用 Skill。

这一设计的工程价值在于：它把传统"每个系统单独对接 Agent"的 M×N 连接复杂度，降低为"一次对接标准、多次复用 Skill"的 M+N 复杂度。这与 MCP 协议设计 在工具调用标准化方面的思路一致，只是粒度从「工具」扩展到了「完整业务流程」。

Agent 资产沉淀循环：从个人效率到组织智能

百度搭子企业版设计了完整的三层资产沉淀机制：第一层，交付物统一归档，方便团队查找和二次复用；第二层，员工方法论沉淀为可复用 Skill，即使人员流动能力仍留在组织中；第三层，企业文档和项目资料汇入专属知识库，为后续任务提供持续可调用的组织记忆。

这套机制构成了一个"执行→沉淀→复用→更高效执行"的正反馈循环。从知识管理角度看，它解决了 Agent 在企业落地中最核心的隐形成本——每当新员工或新任务启动时，不必从零积累。这也呼应了李彦宏在 Create 2026 上提出的智能体新度量衡 DAA（日活智能体数），强调 Agent 实际交付结果的数量而非 Token 消耗量。

多端共享记忆与技能生态的协同效应

个人版升级中的多端共享记忆使电脑和手机之间做到任务无缝衔接——用户在电脑上做到一半的方案，切换到手机后可以继续追问、修改。同时，技能生态通过全自动化 Skill 上线流程引入了百度一镜、灵医等生态 Skill 以及美团红包等第三方服务，将 Agent 的能力边界从信息处理延伸到生活服务、内容创作和办公协作。

这种"记忆连续性×技能可扩展性"的组合效应，使 Agent 从单次任务的执行工具进化为持续在线的生产力搭档。在工程实践中，这种设计模式降低了用户的认知切换成本，提高了 Agent 的使用粘性。

实践启示

  1. 环境感知的资源调度：百度搭子环境路由证明，Agent 平台不应只关注模型能力提升，执行环境的智能编排同样能带来 20%+ 的效率增益。任何 Agent 平台设计都应考虑任务维度的资源异构性，将环境选择从用户心智模型中移除。

  2. 标准化接入是生态杠杆：Skill 接入标准的 M+N 复杂度模型相比传统 M×N 模型，是 Agent 生态规模化的关键工程决策。在建设 Agent 平台时，优先确立接入标准，而非逐个对接具体系统。

  3. 资产沉淀是 ToB Agent 的护城河：企业采购 Agent 平台的核心诉求不仅是工具效率，更是组织经验的数字化沉淀。平台设计应内置"执行→沉淀→复用"的循环机制，将用户使用行为转化为不可迁移的资产沉淀。

  4. DAA 而非 Token 作为度量衡：李彦宏提出的 DAA 指标反映了产业界对 Agent 价值评估的转变——真正有价值的是 Agent 实际完成的任务数，而非模型调用量。平台运营应关注任务完成率、闭环率等业务指标。

  5. Agent 平台的金三角：个人版（能力密度）× 企业版（场景深度）× 联盟（生态广度）三者的接续推进模式，为 Agent 平台从 C 端到 B 端再到产业端的规模化路径提供了可参考的演进模型。

相关实体

→ 原文存档