最近看到Zara Zhang 分享了一个挺典型的 Agent 使用体验：她指出 Astra 的方案有问题后，模型很快表示认同，但没有继续把方案改完、跑通，而是停在那里等下一条指令。这个现象其实比某一个模型的问题更值得讨论。
我们现在评价 Agent，经常盯着它会不会调用工具、能不能连续工作几十分钟，却很少关注一个更基础的问题：当用户纠正它之后，它到底会不会把新的判断变成行动。
很多时候，Agent 已经学会了怎么表现得像一个配合度很高的同事，却还没有形成真正完整的执行闭环。尤其在聊天界面里，这种差异很容易被掩盖，因为一句态度良好的反馈，会让人下意识觉得问题已经开始解决。
一、会认错和会修正是两套能力
如果经常用 ChatGPT、Claude、Codex 这类工具，大概率都遇到过类似场景。你指出它刚才理解错了，它马上回复"你说得对，我刚才这里判断有误"，从交互体验看，这种反馈其实很舒服，模型没有争辩，也没有继续坚持错误方向，甚至显得相当谦逊。
问题出在下一步。有些 Agent 认完错以后会直接停下来，你如果继续问一句"那你改了吗"，它才重新开始执行；如果没有追问，这次纠错可能就在一句道歉里结束。这里最容易产生误判的地方，是认同和修正在界面上看起来很像，实际却是两套完全不同的能力。
说一句认同的话，只需要生成几句文本；真正把错误修正，则意味着重新理解问题、检查前面受影响的内容、修改代码或文档、再次执行，并验证结果。前一个动作非常便宜，后一个动作明显更重。当 Agent 只完成前者时，用户很容易把"它理解了"误判成"它已经处理了"。
Agent 产品如果只停留在"理解用户反馈"这一层，本质上仍然保留了聊天机器人的工作方式。真正进入执行阶段以后，用户更关心的是：你理解之后，到底做了什么。
二、真正拉开差距的是后续动作
把 Agent 被纠正后的行为拆开看，大致会出现三种情况。第一种是口头接受，但没有继续执行；第二种是确实动手修改了，却只修用户明确指出的局部问题，没有继续检查连锁影响；第三种才更接近我们真正期待的 Agent，它接受新信息之后，会主动更新计划、检查相关影响、继续执行剩余任务，最后拿出一个可以验证的新结果。
这三种行为在聊天窗口里其实非常像，因为开头都会回复"明白了"、"这里确实需要调整"。真正的差别，要等到后续产物才能看出来。如果是 Coding Agent，被指出接口设计有误之后，只修改接口定义远远不够，还应该检查调用代码、类型、测试和文档；如果是文档 Agent，用户指出某一部分市场判断有误，它也应该继续检查摘要、标题和最后结论是否引用了同一个错误判断。
从这个角度看，纠错场景其实是一个很好的 Agent 能力测试。正常任务里，模型只需要沿着原计划继续往下走；用户纠错以后，它面对的是一个更难的问题：刚才建立的世界模型发生了变化，哪些已经完成的事情需要重新检查，哪些后续步骤需要重做。
所以我越来越觉得，Agent 产品真正需要优化的一项核心能力，是从"会回应"走向"会完成"。语言上的配合感很重要，但执行型产品最终还是要靠结果建立信任。
三、这更像状态机问题
经过对齐训练以后，模型通常会倾向于接受用户纠正，在聊天产品里这甚至是一种很正常的产品行为。
但站在 Agent 产品设计的角度，仅仅把问题归结为模型"太会讨好人"，还是不够。因为一个成熟 Agent 是否应该继续执行，不能完全依赖模型自己临场判断。系统层应该明确知道：当前任务有没有完成，用户这句话是在新增要求、纠正事实，还是要求停止任务。
比如原任务是"修改支付页面，并确保测试通过"，执行到一半，用户说"退款逻辑理解错了，应该按原订单比例退"。这个时候，系统更合理的做法，是把这句话视为对当前任务约束的更新，然后重新判断原计划是否需要修改、已经完成的代码是否受影响、哪些测试需要重新执行。只要新的验收标准还没有通过，任务状态就应该继续保持在进行中。
如果用户只是纠正了一个事实，Agent 就立刻把任务切换成等待下一条指令，这个系统仍然更像一个聊天机器人。真正成熟的执行型 Agent，需要把用户反馈映射成任务状态变化，而不是仅仅生成一句合适的话。
四、验收方式也应该跟着变
对于普通用户来说，我现在反而不建议在 Agent 认错以后继续围绕态度聊很多，更有效的方式是直接看新的产物。如果是代码，就看新的 Commit、测试结果或者运行截图；如果是文档，就看修改后的版本；如果是数据分析，就看重新计算后的结果和依据。
未来 Coding Agent、Work Agent 这一类执行型产品，语言反馈的重要性会逐渐下降，状态和产物会变得更重要。一个成熟 Agent 最理想的反馈，可能只是简洁说明哪里受影响、改了什么、验证结果如何，例如："你指出的退款规则会影响订单金额计算和两处测试，我已经完成修改并重新运行测试，32 项全部通过。"
这样的反馈和单纯说"你说得对"有本质区别，因为后面跟着的是可验证的动作。这也是为什么未来 Agent 产品会越来越强调执行轨迹、任务状态、Diff、测试结果和操作日志。当 Agent 开始真正替人工作以后，我们需要确认的是它做了什么，而不是它说得有多像一个靠谱同事。
写到最后
Zara Zhang 这个案例看起来只是一个很小的交互问题，却暴露了当前很多 Agent 产品共同的一条隐患：模型已经很擅长理解反馈和调整语气，但从接受反馈到自动完成修正，中间还需要更可靠的执行机制。
聊天机器人时代，这个问题没那么严重，回答错了，用户重新问一次就可以。进入 Agent 阶段以后，Agent 开始修改代码、操作文件、执行流程，甚至未来会处理支付、订单和企业系统，这时候一句"你说得对"几乎不产生业务价值，真正有价值的是它能不能根据新信息，把剩下的事情重新做对。
只有这一关过了，才开始接近真正意义上的 Agent。
