看到这份《中国办公Agent用户行为不完全报告》，大部分数据都在情理之中。
不过还是被这条数据小震惊了一下：
“单次任务的规模每3个月翻一倍用户敢交给Agent的任务越来越重”
也就是说：人们交给AI的任务颗粒度越来越大了。
想了一下我自己也是这样。从一开始也就是用AI改个小问题、问个什么事情，到现在则是能用Agnet搞定的就直接交给Agent。一个任务来了给它个需求，然后塞给它一堆资料，就看着它吭哧吭哧的干活了。。然后我就趁这时候离开工位下去溜一圈，后来看看效果，做得好那就是我自己的功劳。做得不好就继续pua一下Agent。。再不爽就换个（高价）模型。。深刻体会到了当资本家的感觉。
这个数据也和其他数据能互相印衬验证，比如办公时段之外token消耗接近60%。比如周末活跃用户只有工作日的63%,但周末用户人均日消耗高出 28%。
当然这背后是最近半年Agent能力的突飞猛进~
相比之前，Agent 更会保存进度、交接任务了。 把任务目标、阶段结果、待办事项和失败线索存到文件里，配合上下文压缩和结构化交接，换一轮上下文也能接着干~
以及更强调检查和恢复了。 用 verifier 检查结果，用 checkpoint 保存状态，配合版本管理回退修改，再根据失败反馈 replan。任务开始形成“执行—验收—修复—继续”的循环。
还有模型本身更能持续推进复杂工作了。 长上下文里的目标保持、代码理解、调试和多步工具调用都有改善，一些过去需要框架反复提醒的任务，现在模型能连续完成更大一段。
按这个趋势的话，以后会长程任务会越来越多。任务中间需要人工干预的也越来越少~每个人都可以带一只Agent团队，完成过去多人才能完成的工作。
大家可能都需要提前准备、适应这个趋势了。
当然也不用急，报告里还有一个数据：前5% 的用户消耗了大概50%的Token，只要你现在已经在大量用AI干活，那基本就是100人里Top5级别的。已经属于在起跑线上领先啦
未来，如何和Agent搭配着干活，也许是一门新的学问~报告里还有一些有意思的数据，都放图里了。有兴趣的看看#LobsterAI##办公Agent用户行为不完全报告#