当下一步只能看到摘要时，什么取代了 Vercel 的链式数据智能体？

模型更弱的那个时期，每张桌子上的智能体

Andrew Qu 讲述的 Vercel 数据智能体，就按这个顺序展开。链式版本失败，是因为下一个智能体只看到摘要和一小段片段，没法回头看走到这一步的过程。他们用一个保留自己步骤的智能体替换了这条链，也就是一次很长的调用，出错后可以重试。早期用户仍然说这个工具很糟。构建者认为它通过了大约 30% 的评测集，而这个评测集他从未定义；真实问题却落在他们画好的场景之外。他当作飞跃的设计出现在这次失败之后：把仓库的语义层放进沙箱，让智能体用文件和 shell 工具去探索。Eve 是他的提议，用来声明这后一种文件系统加技能的模式，好让下一个构建者不必从一条原始提示重新开始。他安在这次跳跃上的分数，仍是他的分数。

他自我介绍是 Vercel 的软件负责人，工作横跨内部工程、外部实验，以及新的库和框架。这是他对这份工作的描述。他用同样的方式框定公司：Vercel 从让人们不必自己运维底层基础设施就能发布网站和 Web 应用开始，其中有一句说到可以扩到一百万再缩回零；他又说，过去想要页面的客户，现在想要智能体。两句都是定位，旁边没有测过的可靠性或规模结果。

AI SDK 是他举出的这种省事的例子。他说，共用一个模型接口，更换供应商大约就是一行，相对的是大约 300 到 400 行按供应商而不同的代码。这个行数是他的对照，旁边没有 SDK 基准测试。他还说，平台加上了模型回退、安全的代码执行、工作负载停着等待响应时更好的价格，以及持久性和可恢复性。他点出持久性和可恢复性，但没有定义，也没有给出价格或空闲计费条款。

实验是在演讲大约一年前开始的，他说。那段时期他称为 Sonnet 4，他认为当时的模型不如他说话时可用的模型有能力。他和 Vercel 的首席技术官——他没有点名——借用了他认为出自 Bill Gates 的 1980 年那一句：每张桌子上、每个家里都有一台计算机。他们的版本是每张桌子上一个智能体，从写代码延伸到设计、产品管理和其他工作。Gates 的措辞和年份是他的转述。他还说，下这个赌注的时候，智能体主要用于写代码和技术工作，扩展才刚刚开始。“大约一年前”是相对于这场演讲而言。录像于 2026 年 9 月 14 日发布，那是视频上传的日期。

• How We Solved Agent Building — Andrew Qu 在 AI Engineer 的演讲

把精干数据团队淹没的那个问题

Qu 说，他问过市场、销售、财务和法务，这份工作里他们最讨厌什么。他称为最有说服力的，是数据团队：人很少，而 Vercel 的客户、分析、指标和销售数据，增长得比那些必须把它变得可用的人更快。

他把这种打断说成具体的操作。市场或销售问起某个客户或产品，数据科学就得停下，写查询、做分析，再带着建议回来。他说这严重伤害了生产力，团队也不想让整天写查询成为自己的工作。随后他和 Vercel 的数据副总裁——同样没有点名——一起找另一种运转方式。这就是 D0 的动机。他没有给出工单数量、工时或人员审计。

第一版是一份模式转储，外加一次手工粘贴

第一次试验是一条超大提示。Qu 要来 Snowflake 模式的转储，也就是仓库对表和列的描述，把这份转储和问题粘进系统提示；模型返回 SQL 后，他复制查询，自己去跑。SQL 是仓库执行的语言。

他把结果说得很有限，后来的每一次成功说法都叠在这个起点上。他说模型当时没有那么好。这次试验只给了一点信心：把周围的上下文和护栏做好，也许能让它们变得可用。他没有给出仓库规模，没有说明谁被允许查询，也没有说明这次粘贴试验周围有什么安全控制。

D0 把分析师的循环串成链，然后丢掉了过程

Qu 接着画出那支团队里的人如何处理一个问题。他们接住问题，查看语义层和关联模式，运行 SQL，查询失败或代价太高就再试。按他的用法，语义层是分析师选定表之前要查阅的一组实体描述和关系。查询成功之后，他们做可视化、写成文字、再审阅，有时是一次回顾。

他和数据副总裁把这个循环拆成链式智能体，每一个都有狭窄的提示和狭窄的工具。他在这第二版里把数据智能体介绍为 D0，并说会沿用这个名字。他的顺序是从问题到查询智能体、规划智能体、执行智能体，然后是 SQL 和报告。这些名字在他讲述时是重叠的：他又说规划这一侧把答案交给“规划智能体”，然后再到 SQL 智能体和报告。

具体的工具例子是规划智能体。它可以读取实体 YAML，也就是描述一个实体的结构化文件，并搜索模式。他说，在有答案可以交出去之前，它只用这些能力。

他把收获当作定性的。这个循环可以从问题走到答案，不必再有人把 SQL 贴回去。他没有说出准确率。在他的叙述里，墙是交接。下一个智能体只收到摘要和一小段片段，所以没法回头看自己是怎么到那儿的。他们的结论是，应当由一个智能体持有完整上下文，管理自己的记忆，并反思通向当前这一点的步骤。这个结论来自使用 D0。

一次长调用可以重试，早期用户照样讨厌它

下一种设计是一次模型调用，在规划、构建、执行和报告之间切换，并自己管理这些状态。他把这次调用画成大约最多 100 步。这 100 是他对这次调用的描绘。他没有把它说成 Eve 的限制，也没有说成某个具名模型的限制。

他强调的是恢复。执行出错或关联不对之后，同一个智能体可以再去探索或阅读，弄清自己错在哪里。他们只给少数信任的人看。他称这个工具很强，并说他们让它远离不该用的人，也离开关键工作负载。他没有定义这条访问规则，也没有定义那些工作负载。

内部分数和反应是放在一起的。构建者认为智能体通过了大约 30% 的评测，也就是他们写下的测试题。第一批用户说它很糟。真实问题落在他们画好的场景之外，再用手去补画更多场景，看起来无法扩展。这 30% 没有定义好的评测集。它是当时他们的印象，就挨在那次反弹旁边。

他称之为飞跃的，是沙箱里的文件系统

Qu 说，Opus 4.5 和 Claude Code 一起到来之后，对他们的大多数问题答得远好于那个手工搭建的智能体。他把这一对称为，和他们以前有的东西相比，基本上就是 AGI。这句话是他的夸张。他没有给出正面比较的共同评测分数。

他画出的突破是一个文件系统和一小套工具：列出文件、读取文件，以及 bash——在那个环境里运行程序的 shell 命令——再加几个给数据智能体用的额外工具。他说，这些是智能体已经被训练得善于使用的工具，模型被留下来自己探索，而不是拿到一份规定好的菜单。他没有描述 Claude Code 的工具清单，也没有描述它的训练。

他们在沙箱里重建了 D0，也就是同一个数据智能体。沙箱是一个隔离环境。他们把整个语义层装进去，给智能体 bash、读取和写入，再加上几个 Vercel 专用工具。他把从单个智能体，到 Claude Code SDK 风格，再到文件系统智能体的这一步，称为最大的飞跃。他还说了 “fine-tuned or purpose-built.”。这读起来是一个按他们的情况塑造的智能体。他没有说明训练过一个定制模型。

在这个设计上，他说评测分数大致翻了一倍。基线、任务以及前后对照都没有说明，所以“翻倍”是他对一份内部分数的概括，而那份分数的内容他从未列出。按他的描述，实现是挂在沙箱上的一个 npm 上的 bash 工具辅助程序，智能体可以读取、写入并执行其中的文件。他没有给出精确到可以辨认的包名。这个结果之后，他写了一篇博客，并说当时仍在线上；他又说，文章发出的那一周约占 vercel.com 流量的 70%。这个占比是他的说法，那一周他没有给出日期，文章的标题和地址也都没有给。

重复的查询变成了一个 skills 文件夹

按他的讲述，对内更广泛地铺开之后，客户指标、销售指标、npm 下载、产品查询和账单，每天涌来数千条查询。每天数千条是他的量级说法。其中许多问题形状相同：聚合、查找，或是账单。

一个反复运行的作业取来近期查询，把它们提炼成技能。按他的用法，技能是为智能体已经处理过的那一类问题保存下来的上下文。他说他们大约有 100 个，从聚合一直到查找特定人物的数据。他的理由是，否则一次新的运行只有语义层和系统提示，而技能带着已经做过的工作。这是一个设计上的论点。他没有报告令牌或延迟上的节省，也没有描述这个作业的算法、谁来审技能、谁可以使用技能。

他把一个 skills 文件夹当作实际的补充，并说 Vercel 做了一个他称为 Skillsh 的工具。用他的话说，这是找到智能体技能并自己运行的最流行方式。这句流行是他的话。他给出的是 Skillsh 这个名字，没有目录地址，也没有安装步骤。

Eve 是他希望构建者当作起点的约定层

同事们不断 fork D0，把每一项改进重新发现一遍。Qu 问，新的构建者为什么要从一条原始提示或从第一性原理重新开始。这就是做一个框架的动机。

类比是 Next.js，他说这是 Vercel 做的。在他的解释里，放在正确约定里的文件会安排页面、无服务器函数和缓存，不必有人手动去接基础设施：页面到 CDN，函数在它们的位置，缓存在中间。他希望智能体也用同样的方式声明。这是他关于约定为何有用的说法，并不是 Next.js 当前的架构规格。

他提议的智能体版本是三个文件夹：skills、tools 和 channels。在这套说法里，渠道是人们已经在和智能体交谈的地方。框架应当把这份声明变成一个智能体。他说，被他称为智能体界的 Next.js 的 Eve，在演讲大约两周前发布，其中也包括一场伦敦活动。从一份示例模板出发，他说，你再加入自定义知识、工具和熟悉的渠道。这两周和伦敦活动，都是相对于这场演讲而言。

他心目中的智能体是运行时加上渠道。他点名的开源适配器有 Postgres、OpenAI 的 responses API、Docker，以及其他连接器。这些是他列出的插头。在 Vercel 上，他把持久性对应到 Workflows，把安全执行对应到 Sandbox，把短时连接令牌对应到 Connect，并说 Connect 刚刚发布。他称这些令牌为 ODC 令牌，没有展开这个缩写。Connect 的发布和这种令牌行为，仍以他的说法为准。

• 一个需要持久性、隔离环境、模型调用和连接的运行时
• 他点名的开源适配器：Postgres、OpenAI 的 responses API、Docker，以及其他连接器
• 按他在 Vercel 上的对应：Workflows 负责持久性，Sandbox 负责安全执行，Connect 负责短时的 ODC 连接令牌

用 Eve 重写的版本，以及没有分数的 Aura 故事

他们一边做 Eve，一边用 Eve 重写了 D0。名字仍然是 D0。他说，观众没有看到的早先代码缠在一起。他已经说过，线上的数据智能体带着大约 100 个提炼过的技能。他为这次重写展示的 Eve 文件树是系统指令、两个左右的技能和两个左右的工具，并说它们容易组合、容易修改。他没有解释，这两个左右的技能，和线上智能体那大约 100 个技能是什么关系。

在他定为大约两周前于伦敦进行的公开发布之前，少数测试客户已经有了 Eve。他没有给出客户数量。合作伙伴 Aura——他说与 Vercel 合作紧密——重建了一个小型的、类似 Claude 的智能体，它访问网站、安装服务，并试着使用这些服务。他说 Eve 版本需要的步骤更少，成功和洞察都好于直接拿来的 Claude Code。没有步骤数，没有任务定义，也没有独立测试。这是一则合作伙伴的轶事，他也没有说这个智能体安装的是什么。

他说，把 Eve 部署到 Vercel 上，会显示智能体运行、工具调用、步骤、估计成本和可能的优化。这份清单是他描述的部署视图。Qu 点出 eve.dev，并说人们可以克隆模板、部署或自托管。他没有描述许可证，也没有说明自托管包含什么。

• eve.dev，Qu 给出的模板、部署或自托管地址

他说仍然必须按公司来写的部分

在依靠自己的数据智能体之前，他说他们试过资金充足的初创公司的垂直 Snowflake 智能体，也就是用来把智能体对准一家公司的 Snowflake 仓库的产品。他一个名字都没点，也没有报告分数。他的结论是，有用的部分是 Vercel 专有的知识：查询什么，以及一家互联网公司的客户和属性如何相连。在这个讲述里，现成的智能体是起点。公司知识是他说仍然必须写进去的部分。

他声称大约有 20 个 Vercel 智能体具备他所谓不错的产品市场契合。这是他的标签，指的是在公司内部找到了真实用途的智能体，不是一个定义好的指标。他举的例子是市场回顾和外联、法务看到一场新谈判时给合同做的第一遍修订标注，以及这个数据智能体。

生产力的说法保持在定性层面。他说这些智能体节省很多时间，数据团队现在把时间花在 Snowflake 性能、缺失的数据源和缺口上，而不是整天写查询。他没有给出节省的小时数，没有给出查询量的下降，也没有给出仓库性能数字。

他以一个观点收尾。他说，任何规模的公司都可以把人们不想拿一整天去做的工作自动化。人事、财务和销售可以在一定程度上自动化，而 Eve 是今天构建这些智能体的最好方式。这是台上的号召。他没有展示这些职能已经被自动化，也没有把 Eve 和替代方案做过对照测量。