这两天看到三件事，凑在一起看挺有意思。

第一件，有个叫阿布（Abu）的桌面办公助手开源了。它不是你问一句它答一句的那种聊天框，而是能自己规划任务、读写本地文件、执行命令。最有意思的是它有个"自进化"的设定：你让它跑完一套复杂流程，跑通之后它会主动问一句，要不要把这套流程固化成一个技能？你点头，它就生成草稿，你审一遍上架，下次直接调用。相当于把一次性的操作，攒成了自己的工作流资产。它内置了 28 个技能，从 Office 文档到浏览器自动化都有，还能通过 MCP 接数据库、搜索引擎、GitHub。关键是数据和密钥都留在本地，企业还能私有部署，带 token 管理和权限管理。

第二件，GitHub 上有个项目叫 AutoHedge，介绍写得挺唬人：几分钟搭一个自主对冲基金。它用的是一群 AI agent 协作，市场分析、风险管理、交易执行全链路自动化。这东西离真金白银拿去用还远，但方向摆出来了——不是让 AI 给你写份研报，是让一堆 AI 各管一段，把整条决策链跑完。

第三件更简单，OpenAI 把 plugins 相关的仓库开了出来。插件这个词现在听着有点旧，但它背后的逻辑一直没变：模型自己不干活，得靠外面接的那些工具干活。谁把接口标准定下来，谁就握着入口。

三件事拼一块儿，指向同一个转变：AI 的价值重心，正在从"回答得好不好"挪到"能不能真把事办完"。

这个转变有个绕不开的代价。

要办事，就得给权限。Abu 要读写你的本地文件、执行命令；AutoHedge 那套东西要碰交易账户；插件要连你的数据库。以前 AI 说错话，最坏的结果是你被误导；现在 AI 做错事，删的是真文件，下的是真单子。风险的性质变了。

所以你会发现，这批工具都在很努力地强调同一件事——本地优先、私有部署、密钥不出内网、权限分级、token 管理。这些听起来一点都不性感的功能，恰恰是它能不能进企业门的关键。能力上限是模型给的，能力下限是权限设计给的。

从招人的角度看，这事就更直接了。

前两年招"会用 AI 的人"，标准很虚，会写提示词就算。现在要求变具体了：你得知道给 agent 开多大权限，哪些操作必须留人工卡点，出了问题怎么回滚，密钥放哪儿，日志留不留。这些都不是模型能力，是工程判断和责任意识。

最近接触到的岗位需求，明显在往这个方向走。企业不缺会调 API 的人，缺的是敢