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

演講開場指出當代處於類似「加速版工業革命」的時代，但與工業革命透過機器馴服能量不同，這個年代我們正在用代理馴服智慧。儘管代理已廣泛應用，企業界從房仲到保險經紀到財富500強都在自建客製代理，但問題在於幾乎沒人能說清楚代理的定義——這正反映了當前構建代理的混亂狀態。

演講者定義代理為「決定論軟體馴服模型產生的非決定論結果以追求特定目標」。企業投入自建代理的根本驅動是數據整合——他們認為將內部數據整合到AI系統才能獲得競爭優勢。然而當前實踐困境重重：代理迴路管理複雜、提供商抽象層眾多、可靠執行困難、缺乏統一標準、觀測診斷困難、不可移植、不可組合。許多企業最後放棄自建，轉向用MCP(模型上下文協議)將企業工具注入通用大模型如Claude或ChatGPT。但MCP本質上淪為工具分發機制，並未解決根本問題。

關鍵洞察在於當前架構採用「繼承」模式——往單一模型堆砌系統提示、工具、技能、MCP等所有上下文層。這樣做短期有效但長期失效：堆砌5個技能可行，堆砌100或1000個就衰減明顯。解決方案是採用「組合」模式——構建多個小型Domain-Specific Agents，每個代理專精一個領域，擁有專用系統提示、精準工具集、獨立訊息歷史。上層協調器用自然語言調度這些子代理。此架構如同Apollo 11團隊各司其職——每位專家只精通自己領域而非全能。

這種做法帶來四重優勢：首先代幣效率達80%以上，因為協調器只需傳遞最小化上下文給子代理；其次成本劇降，不僅由於代幣效率，更因為可用成本低137倍的小模型(如DeepSeek V4 Flash)完成特定任務；第三能嚴格限制能力邊界，避免當前「飛近太陽」的權限蔓延現象，IT部門能精準管控；第四具優異擴展性，每個代理是獨立執行環境，易於並行化與雲端部署。

理想的Domain-Specific Agent應包含：模型+系統提示層、工具層(函數、提示詞、副提示詞、遞迴子代理)、Hooks層(注入時間訊息、觸發副作用)、Agent Rules層(控制回合數、驗證邏輯)、沙箱檔案系統、沙箱代碼執行環境。更進階的構想是遞迴多層代理結構——協調器下轄銷售力量代理、Google工作空間代理、法務代理等，這些代理又各自擁有子代理(資產生成、GDPR合規、OSHA合規等)，形成樹狀編制，每層維持最小化上下文。

演講者預測2026下半年Domain-Specific Agents論述與框架將爆發(Vercel剛釋出的Eve框架已驗證此趨勢)，2027年將成為「多代理編制年」。預測根據在於：首先代幣成本反轉，已從下降變為上升(2026年中調整IQ後漲29%、未調整漲76%)，任何降成本方案都關鍵；其次客戶端應用需求——無法將Fable這類昂貴模型直面客戶，必須透過高效小代理架構平衡效能與成本。