LangChain 把自己重新定义成了“智能体工程平台”。这个转身挺说明问题：竞争焦点正从模型能力转向工程化落地。智能体能不能真跑起来，光靠更强的模型不够，还得有工具链、流程和评测。
企业该怎么用智能体？AINews 有篇文章直接开怼：别造“数字员工”。把传统组织架构照搬进软件，看着整齐，其实是浪费。更靠谱的做法是把 AI 融进更宽、更聪明的运营结构，让它成为流程的一部分。
能力上，智能体确实在进步。Agent4Sci 用 20 项基准、覆盖 11 个科学领域做长期测试，看智能体能否改进已发表的最佳模型。结果全线超过此前最好成绩：Claude Opus 平均相对提升 10.4%，再加上研究构思、实验管理、定期检查清单这类轻量工具，提升涨到 20.1%。
但别高兴太早。这些提升主要来自已有的机器学习工程技巧，跟新的科学洞见没什么关系。分析还发现几个反复出现的毛病：判断不了什么是真正的创新，资源用不满，容易一头扎进局部优化出不来。它是优秀的调参工，还当不了科学家。
两件事放一起看就清楚了。智能体的价值在工程和流程，不在替代人头。想做“智能企业”，先把工具链和评测做扎实；急着造数字员工，多半只是把旧组织图换了个皮。