AI智能体从理论走向实践的步伐在加快。Anthropic公司近日基于数百万次真实人机交互数据，首次系统性地揭示了智能体在实际部署环境中的自主程度、风险分布与监督特征，为业界理解智能体发展现状提供了重要参考。 自主能力在明显提升。根据报告数据，Claude Code的单次连续自主运行时长在三个月内翻倍增长。2025年10月至2026年1月期间，其运行时长第99.9百分位从不足25分钟上升至超过45分钟。处理高难度任务的成功率也随之翻倍，平均每个会话中的人工干预次数从5.4次下降至3.3次。这表明智能体在实际应用中的自主空间可能高于用户当前赋予的水平。 用户信任度与使用习惯紧密对应的。数据显示，经验丰富的用户更愿意采用"全自动模式"让智能体自主运行。新用户仅在20%的会话中启用全自动模式，而使用次数超过750次的老用户该比例上升至40%以上。同时，用户中途打断模型执行的比例也从约5%上升至约9%。这种差异反映出用户信任的逐步积累，也说明智能体的可靠性在不断改善。 自主性与安全性的平衡成为关键课题。不容忽视的是，模型本身也在主动限制自主性。在复杂任务中，Claude Code因不确定而暂停请求澄清的次数，是人类打断次数的两倍以上。这种主动确认机制是部署系统中的重要监督手段，表明了智能体在追求自主的同时对安全边界的自我约束。 应用领域分布不均。软件工程占所有智能体活动的近50%，成为绝对主导领域。但医疗、金融和网络安全等高价值领域的应用仍处于萌芽阶段。在风险评估上，大多数通过公共API执行的操作风险较低且可逆——但高风险操作一旦出错——后果可能相当严重。这种应用生态的不均衡既反映了技术成熟度的差异，也暗示着垂直领域的巨大潜力。 报告同时指出了研究的局限性，包括仅能分析单一模型提供商的流量、对公共API的会话级行为缺乏完整可见性等。基于这些发现，Anthropic向行业提出建议：模型开发者应投资于部署后监控基础设施，训练模型识别自身不确定性；产品开发者应设计支持用户有效监督的交互工具；政策制定者应避免过早强制规定具体的交互模式，为技术创新留出空间。
智能体走向现实应用，真正的考验不在于能否完成一次漂亮的任务，而在于能否在长期、复杂、多人协作的环境中保持可控、可信与可追责。让智能体发挥效率价值，既需要技术持续提升，更需要制度、产品与使用习惯共同塑造的监督体系。把风险当作设计前提，把透明当作运行常态，才能让智能体从"新鲜工具"成长为"可靠基础设施"。