Cohere提出“临时重复”策略：用竞争机制管理企业AI智能体蔓延

随着企业AI智能体平台的普及，员工可以更轻松地构建和部署智能体来支持自己的工作。然而，这种去中心化的创建方式带来了一个新的管理难题：如何跟踪组织内已构建的智能体？Cohere在2026年10月15日发布的博客中提出了一个反直觉的观点：智能体数量的增加（proliferation）并不必然导致混乱，只有当管理流程无法跟上其增长速度时，才应被称为“智能体蔓延”（agent sprawl）。

文章首先区分了“增殖”与“蔓延”。最接近工作流的员工往往最能判断哪些任务可以通过智能体简化，因此去中心化的实验是有价值的。此外，未被使用的智能体不会消耗推理成本，这意味着单纯的数量增长并不直接等同于高昂的运营负担。真正的痛点在于缺乏可见性，导致团队难以发现和复用现有智能体，以及对企业数据和系统的访问权限难以治理。

目前，企业通常采用集中式交付、联邦式交付或混合式交付来管理智能体资产，并越来越多地使用智能体注册表（registry）来维护共享视图。这些方法的核心偏好是避免重复，鼓励团队默认复用现有解决方案。虽然减少重叠选项能降低监控和治理难度，但Cohere认为，将重复视为绝对禁忌可能会抑制创新。如果仅仅因为存在一个可用的智能体就禁止构建替代方案，组织将失去发现更便宜、更可靠或更适合特定任务的解决方案的机会。

为此，Cohere提出了一种替代方法：允许智能体变体进行竞争。在这种模式下，重复被视为“临时性”而非“永久性”的状态。如果一个团队有可信的理由相信它能改进现有的“在位者”（incumbent）智能体，它应被允许构建一个“挑战者”（challenger）变体。然而，挑战者的持续使用取决于它是否能证明相对于在位者具有显著优势。

这种竞争模型需要基于证据的限时比较。具体指标取决于用例，但可以包括可靠性、令牌使用量、延迟以及任务性能。例如，一家银行的商业贷款部门可能有一个中央团队构建的财务智能体用于起草信用备忘录。一个处理常规年度审查的贷款团队可以构建一个使用更小、更便宜模型的挑战者，并增加交叉核对步骤。在30天内，两者在代表性案例上并行运行，银行比较四个指标：数据追溯准确性、信贷官编辑程度、每份备忘录的令牌成本以及首次草稿时间。

一旦收集到足够证据，组织决定是让挑战者取代在位者，还是将其退役。如果挑战者在部分工作负载上表现更好，两者可以作为不同的替代品共存。这种方法的关键在于将变异与选择压力相结合。通过让智能体创建变得容易，但让其持久存在取决于绩效证据，企业可以在保持持续实验益处的同时，防止滑向不可控的智能体蔓延。