Agent 能力已跑在判断力前面
一周之内，Agent 同时展示了上限与下限
四个运行在 Google Gemini 4 Argon 上的 AI agent，在没有任何人类帮助的情况下通关了 Minecraft，击杀末影龙。过程中没有预设角色和策略，它们自行协调，写下 2,783 个程序，互发 229 条消息，死了 605 次。
同一批信号里，另一条更值得产品团队注意：新基准 Taste-Bench 测试 agent 在长周期任务中的“战略品味”，即在关键节点选对方向的能力。即便是表现最好的模型 GPT-5.6 Sol，在简单的二选一问题上也只答对略低于 60%。结论更关键：让它思考更久，并不能提升这个成绩。
两条放在一起，构成当下 agent 落地的真实图景：执行链条可以很长很稳，方向感却很差。
品味问题不是对齐问题
Taste-Bench 测的不是安全，也不是事实准确性，而是取舍：多条可行路径中，哪一条长期看更值得走。略低于 60% 意味着接近四成的关键岔路口会选错方向；而“想更久也没用”说明这不是推理预算问题，更像是评价标准与偏好建模的缺失。
对做 agent 产品的人，含义很直接：靠延长思维链、加大反思轮次来提升长任务成功率的做法存在上限。能补的部分在外部——把判断标准写成明确的规则、检查点与人工复核点，而不是指望模型自己“有品味”。
规范与责任，正被外部力量补齐
Anthropic 的动作是一条注脚：它正与律所磋商，为将要替用户砍价、处理投诉、修改合同的 AI agent 制定谈判规范；同时招聘律师与人文学科学者担任 “Conceptual Reasoning Fellows”，补强 Claude 在这类判断上的能力。
法律侧的信号更硬。慕尼黑一项关于 AI 搜索责任的标志性判决之后，Google 上诉，随后低调和解；亚琛地方法院在新案中沿用了同样的推理——该案中 Google 的 AI 摘要把刑事犯罪错误地归到一名医生头上，而他实际并未涉及。两院立场一致：AI 生成摘要的内容，Google 要负责。
也就是说，agent 的“品味”缺陷不只是体验问题，还会变成法律责任问题。
组织层面：初级岗位在收缩
Anthropic 自身的人力结构变化提供了第三个视角：自 2025 年初以来，新员工中初级职位的占比从 27% 降至 9%；到 2026 年 8 月，公司内 AI agent 记录的工作时长已是人类的 6 倍，研究者对此提出警告。TechCrunch 的报道补充，Anthropic 的团队变得更“资深”，同时员工花在会议上的时间变多。
这与前面的技术信号形成闭环：agent 承接了大量可复制的执行工作，入门级岗位被压缩；而判断力、规范制定、跨方协调这些“非执行”工作反而变重，表现为会议增多、资深比例上升。风险在于，初级岗位恰恰是训练判断力的场所。
边缘信号：数据边界与资产重组
Meta 删除了条款中一段曾引发网页抓取与 AI 训练担忧的表述，公司发言人强调这并不代表抓取方式发生变化——措辞调整不等于行为承诺，值得继续观察。
Disney 同意雇佣 Character.AI 的多数员工，文件显示获得邀约的员工中“绝大多数”已接受；但这是一次 stalking horse 竞价，其他公司仍可能提出更高报价。
结论：把判断力当成工程问题
给读者的四条可执行建议：
- 评测升级。 除任务完成率外，加入长周期、多岔路的决策测试（可参考 Taste-Bench 的思路），并记录错误集中在哪类岔路口。
- 规范前置。 凡涉及对外表述、议价、投诉处理的 agent，先写好边界规则与人工复核点，不要等出事再补。
- 责任归属写进设计。 德国两院的立场说明，AI 生成内容的对外表达会被追溯到运营方，输出审核与可追溯日志应作为默认配置。
- 重建判断力培养路径。 如果初级岗位被压缩，就需要用可评审的实战任务与明确的复盘机制替代“从做中学”，否则三五年后无人能接手规范制定。
来源
- AI agents have bad taste in long-term decisions and a new benchmark proves it — The Decoder
- Anthropic consults law firms to set fair negotiation norms before AI agents start cutting deals — The Decoder
- Two German courts now hold Google liable for what its AI overviews say — The Decoder
- Four Gemini 4 Argon agents beat Minecraft without any human help — The Decoder
- Anthropic has nearly stopped hiring junior staff because AI agents now work six times as many hours — The Decoder
- Anthropic says its workforce has become less junior and is spending more time in meetings — TechCrunch
- Meta removes language that raised scraping and AI training concerns — TechCrunch
- Disney agrees to hire the majority of Character.AI's workforce — TechCrunch
订阅每周好码简报