Operating 在当下 AI 语境中，越来越多地指向“智能体如何运行与被管理”这一层能力——既包括企业组织智能体开发与运维的方法论，也包括为多个智能体提供记忆、调度、监控的操作系统式基础设施。随着智能体从演示走向生产环境，业界关注的重心正从模型本身转向“运行层”：如何让智能体长期稳定、可观测、可控地工作。这一层目前尚无统一标准，不同厂商从各自切入，形成了方法论与平台工具并行发展的局面。
Agent Operating 近期进展
当前焦点与观察点
目前围绕 Operating 的讨论集中在三个层面。其一是方法论：LangChain 的 Agentic Operating Model 强调，智能体生产化的瓶颈往往不在模型能力，而在组织如何评估、迭代和运维这些系统。其二是基础设施：PilotDeck 2.0 这类“智能体操作系统”试图把记忆、路由、监控等共性需求平台化，开源路线能否形成事实标准值得观察。其三是自主运行的边界：Gemini 4 Argon 的 Minecraft 实验展示了长时程自主运行的潜力，但也引出可靠性、安全与成本控制的现实问题，医疗等高风险领域的多智能体系统（如临床决策相关的 PRISMATIC 研究）对可验证性要求更高。
总体来看，Operating 层正处于从概念到产品的早期阶段：方法论尚在打磨，工具链碎片化，行业标准缺位。未来一年的观察点包括主要框架厂商是否会推出更完整的运营套件、开源智能体操作系统的采用情况，以及企业在智能体运维上的组织实践能否沉淀为可复制的模式。