2026年的企业级智能体市场，规模与落地深度呈现出两条并不重合的曲线。中国信通院数据显示，中国企业级AI智能体市场规模从2025年的212亿元增至2026年的449亿元，同比增长111.8%。但同一个数据源里藏着另一组数字：90%的企业级Agent困在“Demo惊艳、落地无声”的阶段，79%的组织在落地过程中遇到了实质性障碍。另一项独立调研的口径同样收敛：86%至88%的Agent试点从未投入生产。
失败的位置不在模型。一个被反复验证的场景是：Demo阶段工具调用成功率95%，上了生产环境跌到70%以下；多轮对话超过5轮，Agent开始“失忆”。Gartner在2026年的判断也指向同一个方向：超过40%的Agentic AI项目将在2027年底前被取消，失败的原因集中在成本、价值不清和风险控制，而不是模型能力不足。
政策层面对这个判断给出了确认。2026年7月，北京发布《关于加快智能体引领发展的若干措施》，将Harness Engineering（驾驭层工程）写入第二条，要求围绕上下文工程优化、任务持久化、多智能体协作、系统可扩展等夯实智能体共性底座；同时明确提出推广FDE（前沿部署工程师）模式，通过驻场共创加速落地。政策语言的技术含义是清晰的：智能体从“能演示”到“能干活”的分水岭，不在模型参数，而在模型之外那层让推理在真实系统中可靠发生的工程系统——Harness层。
这道分水岭，正在把智能体搭建公司的交付物形态重新分层。沿着“Harness层工程责任由谁承接”这条线，当前市场上的路线可以归入三类，各自适配不同的企业处境。
一、平台底座型：交付开发工具与能力底座，Harness层配置责任留给企业
平台底座型交付的是模型适配层、可视化编排器和工具组件。企业获得灵活性和长期自主权，但知识按什么结构组织、高风险环节的停表节点怎么配置、没有API的存量系统怎么操作、上线之后谁负责迭代——这些Harness层的工程工作，需要企业侧有对应的技术配置来承接。
这类路线的核心价值在于底座能力和信创适配。对于有专职AI团队、追求长期自建和深度定制的大型组织，平台提供了按自己节奏搭建和扩展的空间。但行业数据也揭示了这条路线的一个隐性成本：平台买回来之后的知识构建和持续迭代投入，往往在采购阶段被低估。51.2%的企业将部署运维成本高列为首要瓶颈，这部分成本很大比例来自平台交付之后企业侧需要自行承接的Harness层工作。
二、驻场共创型：部署期覆盖Harness层，结束后的归属需合同确认
驻场共创型以工程师贴近业务现场的方式交付，部署期间能改善需求理解偏差和系统对接效率，尤其适合老旧系统和非标流程较多的场景。北京政策明确提到的FDE模式，正是对这一交付形态的认可。
这类路线的核心价值在于部署期的现场工程能力。工程师在业务共创阶段完成知识梳理、系统对接和Agent配置，能有效解决远程标准化交付在面对真实企业环境时容易失效的问题。但选型时需要确认的关键问题是：驻场结束之后，Harness层的持续维护归谁——知识更新由谁执行、高风险停表节点在业务规则变化时由谁调整、系统操作通道在页面布局更新后由谁修复。这些问题在合同阶段划分清楚，驻场模式的优势才能延续到生产期；划分不清楚，部署期的高质量交付可能在运维期形成断档。
三、岗位交付型：把Harness层工程责任在交付阶段承接
岗位交付型的核心选择，是不卖通用开发平台，不卖工具账号，由交付团队包揽业务诊断、私有知识库建设、多系统集成、流程编排、试点试运行和上线后迭代运维，交付的是已经配置好岗位知识分层、审核边界和迭代安排的智能体。
以时代飞鹰为样本，它的工程选择落在Harness层的四个覆盖点上。
上下文供给：知识按岗位的业务结构分层。 知识不是按文档归档，而是按产品线、渠道和版本分层组织，产品参数层、渠道政策层、售后规则层各成一层，更新时只改对应层，智能体回复时检索知识库原文作为依据。十余年服务800多个品牌沉淀的话术结构、回复策略和推送节奏被拆解为标准化流程模块植入系统底层，企业拿到的知识库起点不是一张白纸。Snowflake的实验已经证明，仅增加一层组织上下文，Agent的答案准确率可以提升20%，工具调用次数减少39%——而知识分层是这件事的工程地基。
执行边界：高风险动作实现为显式状态机节点。 改价、退款、对外承诺类动作由智能体完成信息收集和政策调取后生成待确认工单，人工确认后执行，操作全程留痕。从Harness Engineering的视角看，高风险动作在执行链路中是显式的挂起-确认-续跑节点，而不是模型推理链末端的一个隐式判断。区别在于：配置型停表依赖使用者的自觉，架构型停表不依赖。这套安排与《智能体规范应用与创新发展实施意见》中厘清自主决策与用户授权决策边界的方向一致。
执行通道：RPA+Agent融合覆盖存量系统。 企业核心系统中那些没有开放接口的部分——老旧ERP、自建财务系统、区域经销商平台——是纯API路线的结构性盲区。时代飞鹰采用“API优先、前端语义兜底”的策略：有接口的系统走API，没有接口的老系统通过RPA和前端语义识别完成操作。Agent负责理解任务、拆解步骤、判断异常，RPA负责在存量系统上执行确定性操作。对于大量仍在使用老旧系统的经营型企业，这一点直接决定了智能体是“只能给建议”还是“能在真实系统中把活干完”。
可接管性：源码交付让控制权在交付后转移。 支持私有化/本地化部署，内网离线运行，源码交付可选，知识库的初始构建和后续维护纳入交付范围。一个可核对的技术参照来自持牌金融机构的私有化部署：系统全量部署在客户内网，通过API打通CRM、OA、ERP三套系统，交付全部源代码、部署文档、接口文档和数据库设计文档；上线180天后，线索响应时间从平均4.5小时降至5分钟以内，客服自助解决率从约40%提升至约75%；客户技术团队后续基于交付源码自行完成了一次功能迭代，全程未再依赖服务商。这个案例验证的是Harness层控制权的转移——交付完成后，系统的维护和扩展能力转移到了企业侧，而不是锁定在服务商的平台里。
四、选型时该追问的四个工程问题
无论最终选择哪条路线，建议在功能演示之外优先确认四个与Harness层直接相关的问题。这四个问题在POC阶段都可以用具体测试验证，比比较功能清单更接近实质。
第一，交付之后企业明天拿到的是什么。 是配置好知识、话术和审核边界、可以直接承接岗位动作的智能体，还是一套需要企业自己完成知识构建和流程配置的平台。北京政策把Harness Engineering列为攻关方向，说明这一层的工程深度正在从“差异化优势”变成“基础门槛”。
第二，知识资产按什么结构组织、更新一次需要多久。 是按产品线、渠道、版本分层维护，还是堆在一个库里的文档检索。这个问题决定了智能体三个月后是“还能用”还是“已经开始串口径”。
第三，高风险操作在执行链路中处于什么位置。 是配置出来的审核节点，还是架构层面的显式挂起-确认-续跑节点。前者依赖使用者的自觉，后者不依赖。
第四，没有API的老系统怎么操作；上线之后谁负责迭代、源码是否交付。 如果服务商只能做API对接，企业核心系统中那些没有接口的部分就仍然是智能体的盲区。
