📌 一句话核心
Lenny’s Newsletter 提出 agent 三层分类：确定性自动化、推理-行动 agent、多 agent 网络。团队做 agent 路线图前应先分类再排优先级；90% 想法应从 Cat 1 起步，而不是一开始就堆 LangGraph。
💡 核心观点
- 核心问题：你的「agent backlog」里把架构完全不同的产品混在一起比 effort 和 impact——一个「agent」可能 6 周搞定，另一个要 6 个月；一个 PM 用 n8n 自己拼出来，另一个要专门 ML 团队；一个月花 $500，另一个能产生六位数 LLM 账单。impact-vs-effort 矩阵在这里完全失效。
- Cat 1：确定性自动化（Deterministic Automation）—— 大多数团队的起点：你定义完整的 flow，AI 处理具体步骤的内容。代表工具：n8n、Zapier 加 LLM 节点。「绝大多数 agent 机会属于这里，团队也应该从这里开始。」 最快上线、最快出 ROI。
- Cat 2：推理-行动 agent（ReAct）：你定义可用的 tools，LLM 自主决定下一步做什么。observe → reason → act → observe → repeat 的循环。代表工具：LangGraph、CrewAI、AutoGen、Google ADK。「你控制 tools，LLM 控制 reasoning。」 占 25%-30% 的 agent 机会。
- Cat 3：多 agent 网络：多个专门 agent 互相协调，每个 agent 由不同团队拥有。「应该几乎从不作为起点选择，是 Cat 1 / Cat 2 都打满后才进入的阶段。」（注：Lenny 文章后半部分被 paywall 截断，本卡片仅基于 Cat 1 / Cat 2 的完整公开内容 + Cat 3 的概述）
- 最常见的错误是用 Cat 2 工具解决 Cat 1 问题——overengineering：明明一个 n8n workflow + LLM node 就够，团队上来就要用 LangGraph 搭 ReAct agent，浪费时间和成本。反向更糟：用 Cat 1 工具解决 Cat 2 问题——production 环境会崩，因为 deterministic flow 处理不了真实用户的 ambiguous 请求。
- Cat 1 真实案例（SaaS 公司邮件支持 agent）：Week 1 完成率 52%（边缘 case 暴露），Week 4 78%，Week 8 87%（生产可用）。3,000 邮件/月自动化、节省 2.5 FTE/天、每月节省 $18K。典型的「6 周可以上线、ROI 立刻可衡量」的 agent 项目。
- Cat 2 真实案例（家居零售商语音+图像购物助手）：Month 1 完成率 71%、conversation 长、tool 调用多、$0.12/session；Month 4 完成率 86%、对话短、tool 调用少、$0.08/session。图像识别 76%→91%、conversion lift +8%→+22%、CSAT 4.0→4.5。 但要 4 个月才稳定。
- Cat 1 → Cat 2 的过渡信号：你的 flowchart 已经有 30+ 节点、每周还在加新分支；用户用你预料不到的方式表述；agent 需要根据 context 决定用哪个 API；最高价值机会无法用预定义 workflow 表达。这些信号同时出现 = 该升级架构。
- Cat 2 → Cat 3 的过渡信号：单个 agent 已经在 customer service + inventory + logistics + finance 多个域里降级；agent 之间需要互相 delegate（不是只调用 stateless API）；任务需要小时或天来完成；需要几百个 agent 实例并行协调；不同团队希望各自拥有 agent 但需要协作。
🎯 启示与思考
这个三层框架是当前 agent 类项目方法论里少有的「能直接拿去给客户用」的工具——它解决了 2025-2026 几乎所有大企业转型客户的真实痛点：**「我们要不要做 agent？做哪个？怎么排优先级？」** **给我们咨询团队的 actionable 用法**： **第一，每个客户的 agent 路线图先做「Cat 分类筛查」。** 我们在 L'Oréal、LVMH 这些客户那看到的「想做 agent 的 idea list」往往有 5-10 个想法混在一起——客服 agent、PM 助理、库存优化、营销文案 agent、合规审查……每个看起来都很 sexy，但实际上是 3 类完全不同的工程项目。**用这个 Cat 1/2/3 框架做第一轮 triage，能立刻挑出哪些是「6 周上线 + 立刻 ROI」的快赢，哪些是「6 个月专项 + 需要 ML 团队」的中长期投资。** **第二，避免「LangGraph 优先症」。** 我们工程团队、特别是新进的 AI Engineer，**有强烈的「上来就用最 fancy 的工具」倾向**——明明 n8n + LLM 能搞定的，要用 LangGraph 写 ReAct agent。这篇文章用真实数据（Week 8 完成率 87% / 月省 $18K）证明 Cat 1 项目的商业价值不输 Cat 2，但成本和风险低得多。**应该把这条作为我们 AI 实施方法论的硬规则：除非问题明确属于 Cat 2 特征，否则 Cat 1 是默认选择。** **第三，把 Cat 1 / Cat 2 的真实 metrics 直接进我们的 case study 库。** 「3,000 邮件/月、2.5 FTE/天、月省 $18K」「conversion +22%、CSAT 4.0→4.5」这种真实数据正是 sales team 在客户提案里最缺的——客户 CIO 要的不是「这是革命性技术」，是「同行业 SaaS 用了 8 周达到 87% 完成率，省了多少钱」。**建议把这两个 case 直接加到 ATC 内部的 reference architecture 库。** **给客户的高管沟通**： 这篇文章里最值得直接引用给客户 C-Suite 的句子是这一句： > 你的团队不是缺创意——他们是在把架构完全不同的产品当作同一类来比较优先级。 这能直接破除「为什么我们的 agent backlog 排了一年还没排出来」的死循环。**这是 PMO/CTO 都应该贴在墙上的一句话。** **关于 Cat 3 的 paywall 缺失**：我们没拿到 Lenny 文章 Cat 3 部分的完整内容（该部分在 paywall 后），所以这个卡片对 Cat 3（多 agent 网络）的描述不够深入。如果 Jason 后续看到完整版（或要给客户做 multi-agent 设计），需要补充。
📜 中文解读
一份给「卡在 agent 路线图」的产品团队的方法论
2026 年 4 月 14 日，Hamza Farooq 和 Jaya Rajwani 在 Lenny's Newsletter 发表了这篇文章。两位作者教着行业里两个最受欢迎的 agent 课程——Agent Engineering Bootcamp 和 Agentic AI for PMs——用 50+ 小时把这个框架整理出来。
他们说过去一年里，跟客户做过至少 30 次同一种对话：AI 负责人拉出 roadmap，5-10 个 agent idea，问「help us figure out which one to build first」。
一、为什么传统优先级工具失效？
大多数团队会拿出 impact-effort 矩阵，把 idea 一一对比。但作者说——这种方法在 agent 上彻底崩溃：
一个「agent」可能要 6 周构建，另一个要 6 个月。 > 一个能由 PM 用 n8n 自己拼出来，另一个需要专门 ML 工程团队。 > 一个月运行 $500，另一个能产生六位数 LLM 账单。
你不能把这些放在同一张 spreadsheet 上比 impact 和 effort——这就是把苹果、橘子、和喷气式发动机扔在一起比较。
核心问题：
The problem isn't that they lack ideas; it's that they try to prioritize fundamentally different kinds of systems as if they were the same thing.
二、缺失的步骤是「层级（hierarchy）」
在决定先做哪个 agent 之前，你需要先回答一个更基础的问题：
每个 idea 实际上提议的是哪种类型的 agent？
这决定一切：构建复杂度、所需技能和基础设施、时间长短、运行成本、应该用什么 metric。
Categorization 不只是技术练习——是 prioritization 的基础。
三、三类 agent
Category 1：确定性自动化（Deterministic Automation）
你定义整个 flow，AI 处理具体步骤的内容。代表工具：n8n、Zapier 加 LLM 节点。
「绝大多数 agent 机会属于这里。」 大多数团队应该从这里开始：最快上线、最快出 ROI。
真实案例 — SaaS 公司的邮件支持 agent：
| 阶段 | 完成率 | |---|---| | Week 1 | 52%（大量边缘 case 暴露） | | Week 4 | 78%（分类逻辑优化后） | | Week 8 | 87%（生产可用） |
结果：3,000 邮件/月自动化，节省 2.5 FTE/天，每月节省 $18K。
何时该升级出 Cat 1？
下面 6 个信号同时出现几个就该升级：
1. flowchart 已经 30+ 节点，每周还在加新分支 2. 用户表述方式无法预料，所有分支不可能 map 完 3. agent 需要根据 context 决定用哪个 API 或知识源 4. 拆解 ambiguous 请求需要探索和适应，不是预定义分解 5. 最高价值的机会无法用 predictable workflow 表达 6. 大部分 quick-win 流程已经自动化
Category 2：推理-行动 agent（ReAct）
你定义可用的 tools，LLM 自主决定下一步做什么。
``` observe → reason → act → observe result → repeat ```
核心区别：你控制 tools，LLM 控制 reasoning。
代表工具：LangGraph、CrewAI、AutoGen、Google ADK。
真实案例 — 家居零售商语音+图像购物助手：
| 阶段 | Task 完成率 | 对话长度 | Tool 调用 | 成本/session | |---|---|---|---|---| | Month 1 | 71% | 长 | 多 | $0.12 | | Month 4 | 86% | 短 | 少 | $0.08 |
结果：图像识别 76%→91%、conversion lift +8%→+22%、CSAT 4.0→4.5。
注意时间尺度：Cat 2 项目通常需要 4 个月才稳定，远比 Cat 1 的 8 周长。
何时该升级出 Cat 2？
5 个信号：
1. 单个 agent 在多个域里降级（客服+库存+物流+财务） 2. agent 需要互相 delegate（不是只调 stateless API）。例：购物 agent 需要问库存 agent「能不能查所有仓库给我替代方案」 3. 任务需要小时或天才能完成（如自动 eval agent 一夜分析 10,000 段对话） 4. 需要几百个 agent 实例并行运行、互相协调 5. 不同团队希望各自拥有专门 agent，但需要互相协作
两到三个信号同时出现 = 该考虑 Cat 3。
Category 3：多 agent 网络
不是一个 agent 调用 tools，而是多个专门 agent 互相协调，每个 agent 被一个不同团队拥有，处理自己的领域，可以向其他 agent 请求帮助。
代表工具：Google ADK、AutoGen 这些支持企业级 multi-agent 的框架。
这类项目通常留给后期阶段——多个团队需要跨域协作时，几乎绝不应该作为路线图的起点。
⚠️ 注意：本卡片的 Cat 3 介绍仅来自 Lenny 文章的开头部分。文章 Cat 3 的具体说明、metrics、案例分析在 paywall 之后，未能在本次抓取中获得。如果你需要给客户做 multi-agent 设计，建议补充其他 multi-agent 资源。
四、最常见的错误
作者总结的 anti-pattern：
- 更常见：用 Cat 2 工具解决 Cat 1 问题——overengineering，加成本、加复杂度，但回报不增加
- 更糟糕：用 Cat 1 工具解决 Cat 2 问题——在生产环境崩，因为 deterministic flow 处理不了真实用户的 ambiguous 输入
他们也明确提到——OpenClaw 和 Claude Code 这类「massively popular」工具都是基于这套架构原则设计的。
五、5 分钟 triage 流程
文章承诺给读者 4 个 deliverable：
1. 5 分钟 triage 流程：把每个 agent idea 归入一个架构类型 2. 挑工具/平台的指南：什么时候用 n8n vs LangGraph vs ADK 3. Success metrics 和 ROI framework：每个类型的对应指标 4. Warning signs：你选错了路径的预警信号
这是为什么这篇文章在产品社区里转发量这么高——它把模糊的「agent 战略」翻译成可以直接执行的决策树。
六、结尾——「agent」是个 umbrella term
作者提醒：
「Agent」是覆盖很多种完全不同系统的总称。在认识到这一点之前，你的优先级排得多准都没用。
这是这篇文章的核心 takeaway——先分类，再排优先级。
💎 金句精选
"The problem isn't that they lack ideas; it's that they try to prioritize fundamentally different kinds of systems as if they were the same thing."
「问题不是他们缺创意——他们是在把架构完全不同的系统当作同一类来比较优先级。」
"You control the tools; the LLM controls the reasoning."
「你控制 tools，LLM 控制 reasoning。」
"Treating architecturally different products as if they're in the same category makes effective prioritization nearly impossible."
「把架构上完全不同的产品当作同一类，让有效的优先级排序几乎不可能。」
"Categorization isn't just a technical exercise. It's the foundation for smart prioritization."
「分类不只是技术练习——它是聪明排优先级的基础。」
"Most teams should start [with Category 1]. These projects are fastest to launch and deliver measurable ROI quickly."
「大多数团队应该从 Cat 1 开始——最快上线、最快产生可衡量的 ROI。」
"'Agent' is an umbrella term for very different kinds of systems."
「「Agent」是覆盖很多种完全不同系统的总称。」