第 2 站 · 搭 harness該站第 3 / 12 場

領域專用 agent 的組合戰略

031Justin Schroeder（StandardAgents）30:382026-06-29

The Future Is Domain-Specific Agents - Justin Schroeder, StandardAgents

領域專用 agent 的組合戰略 —— StandardAgents的演講縮圖

講者主張用一群各自專精、以自然語言溝通的小型 agent，取代疊滿功能的單一大型 agent，換取更低成本與更好的擴展性。

重點摘要

  • agent 的定義還沒有共識：業界天天在用 agent 這個詞，但多數人講不出明確定義。講者提出的工作定義是：agent 是確定性軟體，用來駕馭模型產生的不確定結果，藉此達成特定目標。
  • 自建 agent 又貴又難維護：從房仲、保險經紀人到大企業都在做客製 agent，但 orchestration、標準做法、遙測、可攜性與可組合性都缺乏公認做法，多半只能做出堪用的 demo。
  • MCP 與 skills 都只解決局部問題：MCP 把工具接進通用 agent 確實堪用，但只填滿了工具那一格；skills 本質是給模型看的文件，裝太多反而會拖累表現。
  • 問題出在把所有東西都疊進 context：model、system prompt、tools、skills、mcp、對話紀錄全部堆進同一個 agent，本質上是物件導向的繼承，疊得越多，報酬遞減得越快。
  • 用組合取代繼承，是 domain-specific agent 的核心：與其在一個大 agent 上疊功能，不如把每個領域各自做成獨立小 agent，彼此用自然語言溝通、互相協調完成任務。
  • 省成本、好擴展，但還沒有大規模落地：因為 context 精簡，domain-specific agent 可以改用便宜很多的小模型，權限也收得更緊、更容易平行擴展，講者預測 2026 下半年會開始加速。

時間軸15 段

00:00開場Justin Schroeder 自我介紹，任職於 StandardAgents，先前做過 DMUX、Arrow.js 等開源專案。
00:56工業革命類比這個時代學會的是用 agent 駕馭智慧，如同工業革命學會用機器駕馭能量。
02:15agent 的定義提出工作定義：agent 是確定性軟體，用來駕馭模型產生的不確定結果，以達成特定目標。
03:50人人在建卻叫不出名字多數人講不出任何一個 agent 的名字，但房仲、保險經紀人到大企業都在自建 agent。
05:16自建 agent 的痛點orchestration、標準做法、遙測都難做，做出來的 agent 也不可攜、不能組合，多半只是堪用的 demo。
07:40MCP 與 skills 都不夠MCP 把資料接進通用 agent 確實堪用，但只填滿工具那一格；skills 是文件，用太多反而拖累表現。
09:51拆解 agent 堆疊model、system prompt、tools、skills、mcp、對話紀錄疊起來，幾乎全部都是 context。
11:26context 疊加就是繼承把功能一直往同一個 agent 上加，本質上是物件導向的繼承，疊多了會報酬遞減。
12:51composition over inheritance主張用組合取代繼承：把每個領域拆成各自獨立的小 agent，各有自己的 system prompt、tools 與訊息紀錄。
15:33阿波羅 11 號類比登月靠的是一整組各有專精的專家團隊，domain-specific agent 就是這個概念的軟體版本。
16:41效率與成本優勢StandardAgents 已在內部跑這套架構，token 效率更高，也能改用小很多的模型完成任務。
19:22權限收斂與擴展性每個 agent 只能做被明確授權的事，也因為各自是獨立小型執行環境，很容易平行擴展到雲端。
21:09對未來的預測預測 2026 下半年會迎來一波 domain-specific agent 熱潮，2027 是多 agent 協作年；也指出校正 IQ 後，今年 token 成本反而漲了 29%。
24:28理想 agent 架構把 tools 拆成 function、prompt、子 agent，再加上 hooks、agent rules 與獨立檔案系統，並示範多層 sub-agent 如何協作。
30:08結尾StandardAgents 開放候補名單，官網 standardagents.ai。

值得記的話5 句

  • We learned how to harness energy with machines. And what's interesting is that in this next era, we are essentially learning to harness intelligence with agents.我們曾經學會用機器駕馭能量，而這個時代，我們正在學會用 agent 駕馭智慧01:29
  • These things are not well understood. And yet, what's so crazy is everybody is building agents.大家根本搞不懂這些東西，瘋狂的是每個人都在建 agent03:50
  • You know, I like to joke that we didn't land a man on the moon by giving one guy a ton of tools.我常開玩笑說，人類登月靠的不是給一個人一堆工具08:48
  • But each of them is a separate isolated agent, a full agent, not just a little server with tools on it.但每一個都是獨立完整的 agent，不只是掛了幾個工具的小型伺服器14:20
  • But that does not mean that we need to be paying 137 times the cost for something that can be done just as effectively.但這不代表同樣能做到的事，就得付出一百三十七倍的成本23:10

名詞與人物6 個

StandardAgents
講者任職的新創，這場演講當時仍處於 stealth 模式，主打 domain-specific agent 架構，官網是 standardagents.ai。
MCP（Model Context Protocol）
目前最成熟的 agent 工具串接協定，但講者認為它只解決了工具分發，不是完整答案。
Domain-specific agent
講者主張的核心概念：針對單一領域打造的小型完整 agent，彼此用自然語言溝通協作。
DeepSeek V4 Flash
講者拿來與 Fable 5 比較成本的小型模型，用於示範領域專用場景可以改用便宜很多的模型。
Fable 5
講者用來對比成本的大型模型，同一項任務比 DeepSeek V4 Flash 貴上 137 倍。
Vercel EVE
Vercel 推出的 agent 建構框架，講者認為它的出現印證了自己對 domain-specific agent 的預測。

提到但沒有展開

  • DMUX：講者先前的開源專案，一個給 coding agent 用的多工工具，這場沒有進一步說明。
  • Arrow.js：講者提到的另一個開源專案，號稱是「agentic 時代的 React」，同樣沒有展開。
  • Nano Banana、GLM 5.2：講者示範 agent 把其他模型當工具呼叫時順口舉的例子，沒有進一步介紹。

Agent開發工具產業觀察模型

在 YouTube 看原片 ↗