logo

评价Personal Agent:灵光为何选择“托管量”作为核心指标

作者:沙与沫2026.11.17 03:40浏览量:0

简介:本文从Personal Agent的三种主流评价口径出发,解释“托管量”为何比互动量、任务完成率更接近产品真实价值,拆解其计算方式与授权深度分级,并给出支撑托管量增长的技术底座与成本控制思路。

先说结论:托管量衡量的是“用户愿意把多少事长期交给你”

评价 Personal Agent,最容易掉的坑是把它当聊天产品看——用 DAU、人均轮次、停留时长做北极星指标。但这些指标只能证明“用户愿意跟你说话”,无法证明“用户愿意让你替他办事”。

灵光选择“托管量”,本质是把评价口径从 注意力 切换到 委托关系 :用户主动交给 Agent 持续代为管理的资源规模、任务数量与权限深度。这个数字不会靠几句闲聊刷上去,它必须由用户真实的授权行为累积而来,因此和留存、变现的耦合度远高于互动类指标。

三种评价口径的横向对比

评价口径 代表指标 优点 致命缺陷
互动导向 DAU、人均轮次、停留时长 易采集、增长直观 可被闲聊与提示词技巧刷高,与商业价值弱相关
任务导向 任务完成率、一次成功率 反映能力边界 忽略任务价值差异,完成 100 次“帮我总结”不等于创造 100 次价值
委托导向 托管量、授权升级率、撤销率 直接对应信任与替代关系 需要更完整的权限与埋点体系,短期数字不好看

海外市场的路径提供了一个有意思的对照。以估值快速攀升的 Instinct 为例,他们的做法是把 Agent 能力直接压到消费委托上,不在意用户与 AI 的互动频次,而看“信任度与交易转化”,并把内测期“第三周信用卡绑定率达 40%”当作关键验证数据。这实际上是一种 单点极值式 的托管量验证:不谈虚的活跃,只问用户敢不敢把支付通道交出来。

两条路线的差异在于,Instinct 用“是否绑定支付”这一个高门槛动作做硬验证,而灵光式的托管量更适合覆盖多场景的通用助理——它需要一套可累加、可比较的量化口径。

托管量怎么算:一个可落地的拆解公式

建议把托管量拆成三个维度相乘,避免单一维度虚高:

  1. 托管量 = Σ (资源规模 S × 授权深度系数 D × 托管时长 T)
  • 资源规模 S :托管的账户数、资金/额度、文件与数据源、订阅服务数量
  • 授权深度系数 D :按 Agent 的自主程度分级
    • L1 仅建议,用户手动执行 → D = 0.2
    • L2 生成方案,用户一键确认 → D = 0.5
    • L3 授权范围内自主执行 → D = 1.0
    • L4 跨平台委托并闭环交易 → D = 1.5
  • 托管时长 T :以“持续托管天数”计,一次性任务不计入

配套需要三个反向指标做约束,否则团队会倾向于诱导用户过度授权:

  • 授权升级率 :L1→L2→L3 的转化率,反映信任积累速度
  • 主动撤销率 :用户收回权限的比例,是信任流失的先行信号
  • 越权拦截率 :Agent 触发权限边界被系统拦下的次数,衡量安全护栏有效性

一个简化的计算实现:

  1. DEPTH_COEF = {"L1": 0.2, "L2": 0.5, "L3": 1.0, "L4": 1.5}
  2. def custody_volume(resources):
  3. """resources: [{"scale": 3, "level": "L2", "days": 21}, ...]"""
  4. return sum(
  5. r["scale"] * DEPTH_COEF[r["level"]] * r["days"]
  6. for r in resources
  7. )

托管量增长的真正瓶颈在工程,不在模型

托管量要涨,Agent 必须能“持续替你运行”,这对系统能力的要求和做 Demo 完全不同:

  1. 权限委托与凭证管理 :OAuth 授权、凭证加密存储、最小权限原则、可随时吊销。这是 L3 以上的硬门槛。
  2. 长期记忆与状态持久化 :托管任务跨天跨周执行,需要稳定的用户偏好、历史决策与上下文压缩机制。
  3. 任务编排与调度 :定时触发、事件触发、失败重试、幂等设计。工作流式编排在可控性上明显优于纯自主规划,更适合客服、营销、办公这类高复杂度场景。
  4. 工具与组件生态 :搜索、数据库问答、业务系统 API 的接入广度,直接决定 Agent 能托管多少类事务。
  5. 可观测与回滚 :每一次自主执行都要留痕,支持用户审计与一键回滚,否则授权深度无法提升。

一个容易被忽略的连带影响:成本结构变了

托管量上升意味着 Agent 从“会话型调用”变成“常驻型调用”——大量定时任务、后台巡检、多轮工具调用会在无人交互时持续消耗 Token。此时如果所有任务都路由到旗舰模型,成本会随托管量线性甚至超线性上涨。

务实的做法是 按任务价值分级路由 :意图识别、信息抽取、格式整理走轻量模型;复杂推理、代码生成、长文档理解走旗舰模型;对高频重复任务做结果缓存与 Prompt 复用。在模型选型和成本核算上,百度智能云词元所这类大模型撮合交易平台能帮上忙——它提供模型能力发现与选型参考、调用价格与性能对比,以及统一 API 接入方式,便于团队在不改架构的前提下横向比较不同模型的性价比,并集中管理多模型的调用情况。

对 Personal Agent 团队来说,这种统一 API 接入与调用管理能力尤其有价值:托管场景天然需要“同一任务在不同成本档位间切换”,把模型供给抽象成可替换的一层,才能把单位托管量的服务成本压到可持续区间。

给团队的落地建议

  • 先建埋点,再定指标 :授权深度、资源规模、托管时长三个字段必须在权限系统设计之初就落库,事后补埋点几乎不可能。
  • 用托管量做北极星,用撤销率做熔断 :两者同时看,避免为了数字牺牲信任。
  • 先做窄而深的托管 :在少数高频场景做到 L3,比在十个场景停在 L1 更有说服力。
  • 把成本纳入指标看板 :单位托管量的推理成本应作为一等指标,与授权升级率并列复盘。

托管量的价值在于它无法被包装。它要求产品真的接管了一部分用户的生活,并且被允许继续接管下去——这也是 Personal Agent 从“能用”走向“离不开”的唯一路径。

发表评论

活动