文章目录 · 4 个章节
Hi，各位好，又到了每周更新的时间。在上一篇发出之后大家对我的写的内容有认可也有质疑，当然我觉得能有讨论都是好事，基于这个背景我接下的周更将紧密结合工程和实际的ShowCase来论证意图驱动是相对较为正确的答案。有人反馈说终局的自动化过于理想，这里我再说几个自动化进程难以逾越的几个高墙：组织结构、压力负载、管理手段。这几个都和人相关，没有一个系统能负载每天花2000w预算出去的压力（至少当前情况下是），这句本质是讲清投放负责人和自动化负责人的工作职责，为老板分忧也是很关键的，所以从压力负载看之前的系统过于理想和激进。但是从组织结构看AI势必会精简公司结构，我对AI的看法不是所谓提效，而是重塑生产流程。这个论点在于如果AI写的代码能够100%实现需求，那么会写代码就不是什么生产技能，所以程序员就是非必须的，程序员的角色在互联网的生产链条就被开除了。同样的，构建经营中台只是顺手解决其他角色罢了。我对构建这样的系统表示感到无奈，但是又不得不做。
当然，写文章的时候有点情感丰富了，我们重新把问题聚焦回当前的文章，文章我大概规划了8-10章，从架构、经营、内容、执行、资产、组织、安全多方面描述，直到看到意图驱动的增长Agent真正诞生。好了，废话不多说，我们进入今天的话题：投放系统的协议化重构与多 Agent 协作
开头直接放上视频版本（依旧斥巨资0.8元生成，发昏头的minimax还有变声期，看看吧）：
范式转移：为什么传统的“操作面板”失效了？
说实话，现在大部分做工具的人还没醒过味儿来。他们还在卷什么 UI 交互、卷什么数据大屏。但站在搞 AI 原生系统的视角看，这些东西全是累赘。
1. 工作流程是给“人”设计的，AI 不需要这套“裹脚布”
大家得搞清楚一个逻辑：现在的 B 端系统，不管是 CRM 还是投放后台，之所以设计成那样，是因为人在生理上有极限。人眼一眼看不了几千行数据，所以得做分页；人脑一次处理不了几十个变量，所以得做层级菜单。
但我的观点是：服务端才是唯一的真理，而现有的工作流程全是服务于人的“残障设施”。 AI 根本不需要看图表，也不需要点按钮。如果你还按照“人”的操作习惯去设计系统，那你就是在给 AI 拖后腿。我们要重塑的不是“怎么让操作更方便”，而是要把整套流程重塑成一个直接触发的逻辑网络。AI 进来直接调协议，那些为了照顾人而设计的“点击、跳转、确认”，通通该扔进历史的垃圾堆。
2. OpenClaw 只是个“助听器”，做不了“工业级大脑”
现在大家都在聊自动化，很多人会联想到 OpenClaw 这种模拟点击的方案。说实话，这东西在个人助手领域非常出色，它能帮员工处理那些重复的、没有 API 支持的琐碎杂事，是提效的利器。在前面的文章里,我提到过OpenClaw,当时我认为它能处理非标场景，目前看强度没有那么高（纯吃模型强度，不如ClaudeCodeCLI本地构建，成本也是麻的不行）
但如果把它放到工业级 Agent 编排里，它就显得力不从心了。
因为模拟 UI 操作的本质是“外挂”。你敢把每天花预算的决策链条，挂在一个模拟人工点击的脚本上吗？
我们要做的不是让 AI 像人一样去“学”怎么点后台，而是把系统的能力（改价、换素材、监控）直接打散成一个个标准的 MCP（模型上下文协议）工具包。
-
分工明确： 模拟点击去处理那些边缘的、碎片化的个人任务。
-
核心重塑： 真正的工业级编排，必须走协议握手。
把系统能力原子化，通过 MCP 进行功能分发。员工想用，调助手接入；Agent 协作，直接协议调取。这才是让 AI 真正进入系统底层、处理核心增长逻辑的正路子。
3. 在 Agent 逻辑下，B端前端影响力降低，转变为审计和报表中心
这句话可能挺得罪前端同学，但这就是现实。（听说得物已经是了）
既然我们推崇的是“意图驱动”，那“操作面板”这个词儿就不该存在了。以前投放员盯着屏幕点点点，现在负责人只要说一句：“ROI 守住 1.1，今天给我砸 500w 进去。”剩下的事儿，是后台一堆 Agent 跟逻辑网关在那儿每秒钟对齐几万次。
在这个过程里，哪儿还需要什么按钮？哪儿还需要什么表格？B端服务前端唯一的价值，就是留个“观察窗”给决策者看一眼进度，观测一下当前的经营情况。 所有的 UI 逻辑最后都会塌缩成一段 JSON 协议。当操作入口消失的时候，传统意义上的 B 端前端也只能到这了。
逻辑重构：将投放系统升级为“逻辑网关”
很多公司的投放系统其实就是个 API 转发器：前端传个 JSON，后端改改字段调媒体接口。这种架构下，Agent 进来就是灾难。我们要做的迁移，本质上是把 “控制权” 从人手里的 UI 面板，转移到一套 “协议解析器” 里。
1. 第一步：剥离业务逻辑，抽象“原子协议”（The DSL Layer）
现在系统里，改出价、关计划、换素材的代码肯定散落在各个 Service 里。迁移的第一步，就是把这些动作协议化。
别再去管什么 batchUpdateAdPrice 这种具体的函数。要定义一套领域特定语言（DSL）。 比如：{ "action": "ADJUST_BID", "target": "campaign_123", "value": "+10%", "condition": "ROI < 1.2" }。 不管是 Agent 发出的指令，还是那个快要被废弃的前端发出的指令，通通得转化成这套协议。这套协议就是系统的“通用语”，它屏蔽了字节、腾讯 那些傲慢且各异的接口定义（广点通听说本周也开通了MCP工具的能力）。
2. 第二步：构建“逻辑网关”——做个冷血的过滤器
逻辑网关（Logic Gateway）不是个简单的 Gateway，它是带状态感知的。 在我们的 Java 架构里，我会加一个校验链（Interceptor Chain）。Agent 的指令进来，必须横着过这几道关卡：
-
权限与配额层： 这个 Agent 有没有权限动这 500w 预算？
-
风控熔断层： 这是最关键的。我会在这里写死一些“硬逻辑”。比如：如果过去一小时内已经提价了 3 次，网关直接拦截第 4 次，管你 Agent 推理得再怎么天花乱坠，直接 403。
-
状态对齐层： Agent 以为计划是开启的，但实际媒体端已经关了。网关要负责这种“意图”与“现实”的最终一致性校验。
架构方案： 别在原来的单体服务里搞。单独起一个逻辑网关服务，通过 Redis 做实时的风控状态存储，用 Kafka 接收 Agent 的异步意图。
3. 迁移路径：别搞“大爆炸”，搞“影子执行”
我知道大家担心：1500w 预算，万一重构出 Bug 怎么办？ 我的迁移策略是：影子协议模式（Shadow Mode）。
-
第一阶段（只读接入）： 保持原有的 UI 操作不动。让 Agent 跑在后台，它生成的指令发给逻辑网关，网关只做记录和校验，但不真正下发给媒体 API。你通过日志看 Agent 的意图和你的逻辑网关拦截率。
-
第二阶段（MCP 灰度）： 选几个非核心的小账号，通过 MCP 把能力放出去。这时候，人还是负责人，Agent 像是实习生，指令过网关后，需要人在 UI 上点一下“准许”。
-
第三阶段（全自动意图驱动）： 当你发现网关的拦截规则已经能挡住 99% 的风险时，直接砍掉 UI 的确认按钮。这时候，前端正式“死亡”，系统进入 Agent + 逻辑网关的自循环。
-
4. 程序员的转型：从写 CRUD 到写“判定逻辑”
迁移完成后，后端团队就不再需要去对接什么新接口了。 工作变成了：不断完善逻辑网关里的规则引擎。 媒体接口变了？改协议适配器。 业务逻辑变了？改风控插件。 至于具体的投放怎么操作？那是 Agent 的事。
这也就是我说的，程序员的角色被重塑了。程序员不再是搬运 API 的苦力，而是那个构建规则、守护预算的“总设计师”。这种无奈的重塑，其实就是为了把人从那种低效的“搬砖”里彻底解脱出来。
5.权限重构：从“人看页面”到“Agent 调用功能”
别觉得重构就是重写。你现在的权限系统和自动化插件，其实就是逻辑网关的“前置胎盘”。我们要做的，是把这些散装的功能，聚合成一个具备 “主权” 的中心。现在的权限可能是控制“谁能看这个菜单”、“谁能点这个按钮”。Agent 进来之后，它根本不看菜单。你得把权限降维，从 页面级 全部压到 接口级（Action-Level）。别再分什么“投放经理”还是“投放助理”了。在网关层，你要定义的是 “功能权限包”。比如，“出价微调包”赋予 Agent 每小时 ±5% 的改价权，“素材替换包”赋予它调用素材库的权利。 现在的权限系统要加上 “环境感知”。人操作时，权限是宽松的；Agent 操作时，权限是受限的。这就是我说的“给 Agent 套笼子”。
6.架构落地：怎么把现有的 Controller 给办了？
这里我比较纠结的点是基于现有的系统直接抽MCP还是彻底的重塑底层原子能力，本周的时候我想了很久也没有得出明确结论。不过在我写的另外一个服务我直接用RPC+SSE搞了一个新的MCP服务，既承担了网关API的服务，也成了MCP的服务。这个问题下周我再回答。
多 Agent 体系下的“职能分解”
很多人搞多 Agent 喜欢在那儿卷开源模型、卷本地部署，说实话，在工业级投放这种每秒钟都在烧钱的场景下，那点算力成本根本不是大头， “决策准确率” 才是命门。我的思路很简单：全闭源，顶配拉满，然后用一套“双重校验（Double Check）”的逻辑，把这些大模型当成工具人来使。
在我的体系里，Agent 不是一个全能的“神”，而是一条流水线上的螺丝钉。别指望一个模型能把素材分析、策略推演、代码执行全干了。我们要的是职能分解，是把每个模型的长处榨干，同时用另一双眼睛盯着它。
1. 经营大脑：Claude 4.6 Opus (核心推理)
为什么选它？因为它的逻辑厚度目前是独一档的。
-
职责： 它负责吃进所有的业务背景——ROI 目标、大盘趋势、老板的战略意图。它产生的不是“点个按钮”这种指令，而是 “经营决策协议”。
-
它是这条链条上的“总指挥”，但它毕竟是个 AI，偶尔会产生那种“虽然逻辑自洽但业务自杀”的幻觉。所以，它绝对不能拥有最终执行权。
2. 关键决策验证：Codex 5.4 (Double Check 审计员)
这就是我说的全闭源双重校验。当 Claude 4.6 出了一个重大的调价或者预算分配决策时，我不直接下发，而是把这个决策连同当前的实时上下文，扔给 Codex 5.4。
- 逻辑： Codex 5.4 这种模型对逻辑边界极度敏感。它的任务只有一个：挑刺。 * 判定： 如果 Codex 觉得 Claude 的逻辑在参数范围、风险阈值上存在偏差，直接打回重推。两个模型必须在协议层面达成 Consensus（共识），指令才能流向逻辑网关。 这就是为了防止 Claude “犯傻”把 2000w 瞬间挥霍掉。
3. 素材感知：Gemini 1.5 Flash (切帧与多模态分析)
素材是投放的命脉。这里我不用笨重的本地方案，直接上 Gemini。
-
流程： 我们用 FFmpeg 自动对广告视频进行关键帧切片，然后进行图片+字幕输入的视频理解
-
职责： Gemini 1.5 Flash 的长处在于它那个恐怖的上下文窗口和低廉的价格。它负责扫描这些切帧，分析视频里的视觉元素、文案钩子、甚至是模特的表情。
-
输出： 它会把视频转化为一套 “素材特征标签”，回传给经营大脑。这也就是我说的重塑生产流程：你不需要人肉去刷视频，AI 已经帮你把视频看完了，并告诉大脑这个素材为什么起量。（各家云厂商视频VL的钱都很贵，后面我自己跑跑测算一下，比如降低分辨率节省Token之类都可以尝试）
4. 执行派发：MiniMax-m2.5-Highspeed (高速指令官)
到了最后一步往媒体接口灌数据的时候，脑子已经不重要了，快和便宜才是王道。
-
职责： 它的任务是把前面两道审计通过的“经营协议”，翻译成具体渠道的媒体 API 指令。
-
优势： MiniMax 这款模型在指令遵循和吞吐量上非常出色，而且成本极低。它就是逻辑网关前的“传声筒”，负责把高层意图快速、准确地压进各平台的 API 里。
关于闭源模型的安全问题：本质上是把 AI 当成了 “外聘的专家”。我请它来出主意，给它看独立的报表，但我不给它我保险柜的钥匙，也不带它去见我的客户，各个Agent之间权限收敛，行为可追溯，理论上无严重的安全风险（记得不要用不靠谱的中转站）
演进路径：从“辅助手”到“数字经营者”
从传统的配置面板进化到 Agent 自治，不是一蹴而就的，这中间涉及到控制权的逐步让渡，以及系统对风险承载能力的量化过程。
1. L1：规则驱动的“被动防御”
这是大家目前最熟悉的阶段。系统里跑着一堆“死规则”：ROI 低于 1.2 就关计划，消耗超过 500 就报警。
-
逻辑核心： 这时候的系统本质上是个 “带保险丝的插座”。它没有思考能力，所有的动作都是基于既定阈值的条件反射。
-
现状： 人依然是操作的主体，系统只是在最极端的情况下负责断电保命。
2. L2：Agent 介入的“影子决策”
这是重构逻辑网关后的第一步，也是建立信任的关键期。
-
逻辑核心： 经营大脑（Claude 4.6） 开始根据实时数据输出调优指令，并由 Codex 5.4 进行逻辑审计。
-
控制权： 指令到了逻辑网关后会停住，在前端弹出一个“确认”框。
-
实操意义： 这个阶段是为了通过“人工确认”来喂数据。我们在后台记录人对 Agent 指令的采纳率。只有当 Agent 的策略在 95% 的情况下与资深投放的意图对齐时，我们才敢放开下一阶段的权限。
3. L3：意图驱动的“半自治共生”
在这个阶段，繁琐的 UI 操作被正式砍掉，系统入口转向了 MCP 功能分发。
-
逻辑核心： 人不再下达“出价 5.5 元”这种微观指令，而是下达 “模糊意图”。比如：“在 ROI 守住 2.2 的前提下，今天把消耗拉升 20%”。
-
控制权： Agent 拆解意图，通过逻辑网关直接执行。但网关会设一个硬性的 “风险熔断水位”（比如：单次预算变动不得超过 30%）。
-
角色转变： 前端页面塌缩为审计看板。人变成了 “边界定义者”——不教 AI 怎么做，只规定 AI 绝对不能干什么。
4. L4：全链路“意图驱动”的自治终局
这是生产流程重构的终点，也是意图驱动增长 Agent 的真正诞生。
-
逻辑核心： 感知 Agent（Gemini） 自动通过 FFmpeg 切帧分析素材表现，经营大脑（Claude）根据反馈实时调整全局策略，验证 Agent（Codex） 确保逻辑无误， 执行 Agent（MiniMax） 完成毫秒级派发。
-
控制权： 所有的常规经营动作全部由 Agent 闭环完成。
-
人的位置： 投放负责人和程序员从繁琐的生产链条中“撤退”，进入 “经营裁判” 的位置。你只需要盯着损益表（P&L），通过调整 Agent 的底层奖励逻辑（Reward Function）来驱动增长。
本文首发于微信公众号 kelovp.ai，原始发布时间为 2026年3月14日。查看公众号原文。