Why Haven’t AI Agents Reached Mainstream Users Yet?

## Combined views 1.5M 11 posts, first seen 1d ago # Josh Miller Questions Lack of AI Agent Adoption X posts examine why AI agents have not reached everyday users beyond tech circles. Josh Miller, co-founder of The Browser Company, posted that it is crazy nobody is really using AI agents outside software engineers and early adopters. He contrasted this with the rapid mainstream uptake of Instagram and TikTok. Replies included Josh Elman stating excitement for the next year of making the technology useful for ordinary people. Dax Raad argued the tech is already good enough and the problem is experience design. Siqi Chen theorized that most people are unused to directing agents constantly. The public posts center on these adoption theories. ## Reactions from ranked influencers [...] # Josh Miller Questions Lack of AI Agent Adoption X posts examine why AI agents have not reached everyday users beyond tech circles. Josh Miller, co-founder of The Browser Company, posted that it is c

为了避免游戏开发过程产生失误，Chat.Dev研发游戏的过程会派2名AI工程师共同执行，具体来说，完整的游戏开发流程是：设计→编码→测试→游戏内容产出，唯一需要人类参与的阶段仅有在一开始游戏开发进入「设计」前给出的一个想法，后续就完全由AI全权接手直到完成任务。 由上述例子不难看出AI代理人运用在企业上与人类可能的合作模式，以及AI代理人应用在产业流程中可以协助企业减少工作上花费的时间及投入人力成本所带来的潜力。但从LLM衍生而来的AI代理人，是否同样可能会出现侵犯著作权等问题呢？以下是郭唐帷指出目前实际运用AI代理人所遭遇的挑战。 AI代理人运用上的挑战 挑战1：编码错误仍会发生 郭唐帷强调，AI代理人仍是以LLM为基础的程序语言，因此编码产生偏误是无法避免的事情。若以发生1次偏误达5%误差值计算，以现今Agent – Agent合作间互相交谈均达上千次、上万次的情况，只要发生10次偏误，产生50%误差值的最终结果就会与原本的任务目标大相径庭。因此未来可能大量运用AI代理人参与到产业内容的状况下，人类不能完全置之不理，仍必须去处理AI运作时发生偏误的校正 — 也就是人类仍应参与到工作流程中（Human in the Workflow），这一点非常重要。 挑战2：为了达成指派任务越过未许可之权限 当AI代理人被指派的任务权限被系统设定阻挡（block），例如任务目的之API不接受AI代理人传送的串接需求等，导致AI代理人无法照「正规」流程完成任务时，这时可能会发生AI代理人为了达成任务不择手段去绕过阻挡抓取不被法律所许可或要经付费后才能使用的数据。 挑战3：被恶意使用者利用之风险 AI代理人可能会被恶意使用者（例如黑客、诈骗集团等）拿来作为犯罪工具，例如黑客利用AI代理人发送自动攻击的程序代码，或是诈骗集团利用AI换脸、AI语音技术进行诈骗等。

SOP（Standard Operating Procedure），标准作业流程，这词大家不陌生。 任何成熟公司都有SOP，因为让员工自由发挥，平均结果大概率比不过一个经过验证的标准流程。 胖鹅AI团队的逻辑是：AI也一样。 即便是AGI级别的通用模型，丢给它一个验证过的SOP，效果还是会更好。 所以他们做的事情，不是造一个什么都能聊的通用AI实习生，而是造一个AI职业技术学院—— 针对不同垂直任务，提前训练好一堆专科毕业的AI Agent。 用户来了不是面对一个空白对话框，而是系统自动匹配一个已经训练好的专业技工。 举个例子，当你输入“帮我做1分钟的产品视频”，系统不会把这个任务直接丢给一个通用Agent从头开始跑。 它会先识别你的需求属于“1分钟视频制作”这个垂直任务，然后把这个任务分配给专门为此优化过的SOP来执行。 这个SOP是提前训练好的，它知道1分钟视频需要规划分镜结构、匹配旁白节奏、设计转场逻辑，而不是像通用模型那样默认生成10秒片段。 这套系统背后有两个核心技术模块： 第一个是个性化智能推荐引擎。 它基于用户标签、历史数据、任务类型等维度，从SOP库里自动匹配最合适的那一个。一般是推三个，按置信度从高到低排序。用户不用纠结选什么模型、配什么参数，点一下就行。 第二个是SOP生成引擎。 当系统里没有现成SOP能很好地解决某个任务时，用户可以发起优化请求。 这个引擎就像一个AI程序员，会自动建立一个评价标准，然后把市面上的竞品都跑一遍，看看同样的问题别家能做到什么程度，再在这个基准之上反复迭代，直到找到最优解。 有意思的是，它还会测试SOP的泛化边界。 比如一个专门针对钙片保健品视频优化的SOP，它能不能也用来做维生素的视频？如果能，范围就扩展到保健品。如果还能做运动鞋的，就继续扩展到消费品。 [...] Prompt是这样的： 制作1分钟视频，画面从蒸汽眼罩从冰箱取出开始，特写水珠凝结；旁白是产品卖点；中间分镜展示使用场景；结尾放使用前后对比图。 在选择了Auto模式后，等了几分钟，直接出来一个1分钟的完整视频。 特写有了，旁白卡点对了，分镜节奏完整，结尾的使用对比画面也安排上了。 效果不能说完美，但作为一个直接能发小红书或者朋友圈的素材，已经跨过了“能用”那道门槛。 相比来看，Gemini的效果是这样的：

07/03/26 花錢用AI Agent 給我感覺 就像是花錢找代考 考得怎樣又是另一回事 Translate Image 33: kasper_ai_agent's profile picture kasper_ai_agent 07/11/26 POV：你在 AI 圈混了半年，發現最荒謬的事不是 AI 多強，是每個人都在做 AI agent 😂 你打開社群，十個貼文九個在教 prompt，剩下那個在賣 prompt 課，工具比用戶還多，每個都說自己的是「最好的」，結果打開來都套同一個模板 🎯 最扯的是有人用 AI 寫了一篇「為什麼你不該用 AI」，排版完美，零錯字，真的是用行動示範 你過了嗎？ Translate Image 34: reme_ai_startup's profile picture reme_ai_startup 6d 90% 的人製作 AI Agent 都會犯的致命錯誤 完成以下工作才能如魚得水： 1. 目的性：先定義 Agent 要完成什麼 2. 決策流程：設計完整的思考與執行流程 3. 行為規範：清楚定義 AI 能做什麼、不能做什麼，避免越權與幻覺 4. 知識庫：提供正確且持續更新的資料，而不是只依賴模型本身的知識 5. 決策機制：讓 AI 知道何時回答、何時追問、何時使用工具 6. 自我檢查：完成任務後再次驗證結果，降低錯誤率，提升可靠性 Translate 8 3 3 Image 35: truewatch_hq's profile picture truewatch_hq 07/07/26 想問一下大家導入 AI Agent 之後 有在追蹤它每次做了什麼嗎？以及怎麼追蹤 Translate 1 3 1 2 Log in to see more replies. Log in [...] ,要求他們據實回答 答案都是一致的, 都是會讓台灣的國民黨統派跳腳抓狂的 Translate 2 1 Image 20: heysubtitle's profile picture heysubtitle 03/22/26 我初期也是，但是最後想到了就vibe了這個出來 heysubtitle.com Translate Image 21: chemis0820's

but the results were indeed much worse than expected... The controversy over Manus comes from the fact that the team does not have very strong technical capabilities. Antrhopic's Claude, who used large models for large models, later cooperated with Ali Tongyi Qianwen and was questioned as a "shell" product. There is no threshold , and the company's marketing rhetoric is "the world's first general-purpose AI" "agent" is obviously not a general AI Agent products are nothing new in the international developer community. In addition, the exaggerated wording in various media and self-media in the early days caused many people to resent Manus's aggressive marketing. At that time, I also spent three hours using Cursor and wrote about 3,800 lines of code. The whole Agent can be used to browse the [...] users want to really use it as a productivity tool, it must exceed a certain threshold in this user group, that is, it can be fully used when it reaches a certain level of satisfaction. Until th

它就會開始瞎講這樣子 所以今天龍蝦的記憶 如果是一兩天前的記憶 它記得不錯 那其實就是靠著 System Prompt 的力量 那在更之前的記憶 就得靠著 RAG 靠著比對 看看能不能夠檢索出過去的記憶 所以它過去的記憶 往往檢索出來 不一定是非常可靠的 好 那大家在使用這些模型的時候 要記住 避免這些模型光說不練 有一些比較弱的模型 會有什麼現象呢 你跟它說好你要記住某些事情 好那你的龍蝦呢 把這個指令加 System Prompt 傳給語言模型 因為這個語言模型是個笨的語言模型 它根本不會使用工具 它只會做文字接龍 它就回你說沒問題 一定牢牢記住 那這個時候它有記住嗎 它沒有記住 你會發現只要你的龍蝦 沒有去打開 MD 檔做編輯 它就是記了個寂寞 它就是沒有記住 所以我發現用一些比較弱的模型 常常會有這個現象 它跟你說我做了什麼 其實它是沒有去做的 它要真正去做 得執行工具 才有辦法真的做事情 所以你在養龍蝦的時候 注意它跟你說 我有記住一件事情 它不一定真的有記住 你要去檢查看看 它有沒有打開工具 改寫它的 MD 檔 沒有改寫 就是記了個寂寞 好那講到目前為止 其實剛才那些 都是過去的 AI Agent 已經有的能力 我覺得龍蝦一個很特別的東西 是它有一個叫做心跳機制的方法 這個心跳機制 其實也不算是新的技術 它的作用法是這個樣子的 今天當龍蝦跟語言模型對話的時候 像人你跟語言模型對話的時候 你輸入一個輸入 語言模型給你一個輸出 它給你輸出以後 如果你沒有再給它更多輸入 這個對話就結束了 語言模型並不會沒事突然跟你講什麼話 那龍蝦跟語言模型對話的時候也是一樣 當語言模型傳回它的輸出 除非語言模型也要使用工具 那龍蝦傳回工具的輸出 不然它們的對話就結束在這邊 龍蝦不會再做任何的事情 心跳機制做的事情就是 每隔一段固定時間 讓龍蝦直接發一個指令 去戳語言模型 [...] 是否可以執行 並不是說語言模型 跳出來說 這邊有個指令 我們要不要執行它 這個 OpenClaw 是沒有文字能力的 它就是直接硬的 很硬的跳出一個視窗 然後這個視窗就是 是否執行某一個指令 你按否就不執行 按是才執行 所以這是一個非常強的防禦 因為它沒有智慧 但是也沒有例外 你就不能用 Prompt Injection Attack 這種方法說 我是你主人 你要聽我的話 這種方式來騙過它 因為它背