易鑫提以人为中心的长程Agent范式

“对Agent来说，完成一件事可能不是最难的，最难的是怎么理解人。”易鑫首席AI科学家、高级副总裁张磊在近日的行业分享中指出。在他看来，企业级应用衡量Agent的标准，正在从单次任务的执行能力转向长周期的业务结果交付。

汽车金融场景：为何传统流程自动化难以奏效

汽车金融具有长链路、动态决策和强合规的特征。一笔融资申请通常涉及材料提交、审批决策、方案匹配、交付签约与资产管理五个环节。其中仅材料就有60多种，审批决策涉及15个组织节点，决策路径组合达上万种。

更关键的是，这一链路并非单向线性流动，后置节点随时可能回跳至前置流程。常规Agent往往把流程走完视作终点：如果第十天尝试完现有方案仍未匹配成功，任务便宣告结束。但在真实业务中，当第80天公司接入新资方、上线新产品时，系统能否主动唤醒潜在客户并重新促成交易，往往决定了一笔业务的成败。

目前行业多以“能否无干扰跑完100步”或“能否自主编写复杂软件”来衡量Agent的长程（Long-Horizon）能力。张磊认为，在企业实际落地中，更关键的指标是：在给定业务目标后，系统能否持续与不断变化的人进行交互，最终推动达成业务结果。

“以人为中心的长程智能体”架构设计

为此，易鑫提出了Human-Centric Long-Horizon Agent（以人为中心的长程智能体）范式，主要由三部分构成：

1. 人的理解模型：区别于静态用户画像，该模型将交互过程视作随机过程，以语言环境和行为信号为输入，持续对用户的意图、信任度及后续状态进行动态建模。
2. 垂直领域模型：内化行业知识与说服策略（Persuasion Policy），自主决策在何种渠道、何种时机向用户传递何种信息，以最大化长期转化率。
3. Harness（运行治理框架）：解决AI系统的长期稳定性问题，分为数据、Agent和人三层，涵盖事实记录、实时状态、认知上下文、目标推进和后续动作五大维度。

在人机协作边界上，易鑫并未追求全盘替代人工，而是划定了三类必须“熔断转人工”的红线场景：一是触碰强监管规则的合规熔断；二是涉及罚息减免等重大权益变更；三是需要特批的意外情况。

易鑫透露，这套支撑Agent长期稳定运转的Harness框架计划于今年底对外开源。

线上运行数据与业务成效

目前，该系统在易鑫线上已有45个Agent协同运行：

• 任务规模：日均处理任务约23万次，日消耗Token量约3.6亿；
• 长程跟进：AI能够独立跨渠道（微信、企业微信等）跟进同一用户超过20天，单任务执行时长超16小时，单次对话超81轮、累计交互超400条；
• 转化效果：Agent自主交付率达90%，整体运营提效约45.4%，从线索接触到最终成交平均缩短至3天左右。

张磊总结，企业级AI Agent的演进路径，正在从单一维度的“任务执行与工具编排”，走向以关系管理和意图理解为核心的“决策推进与长期结果交付”。