提示词变薄，企业上下文变厚：7月16日 AI 前沿人物精选

7 月 16 日窗口里，几条看似分散的推文指向了同一个变化：agent 的竞争焦点正在从「怎么把提示词写得更长」转向「能不能拿到足够厚的工作材料，并在真实权限和运行环境里完成任务」。Thariq 讨论提示词、工件与 skills 的关系，Aditya Agarwal 描述 AI 团队如何主动增加书面记录，Aaron Levie 则把企业落地的问题拆到流程、数据、权限和运行预算上。

Thariq 给出的公式很短：「thin prompts」「thick artifacts + context」「thin skills」。它没有定义一套完整方法论，但把工作重点移开了：提示词只负责说明任务，真正决定 agent 能否工作的，是它可读取的文件、上下文和可复用技能。1

Garry Tan 的补充更直接。他说 skill files 具有可移植性，可以减少对单一前沿模型的依赖。这仍然是他的方向判断，不是关于模型迁移成本或效果的统计结论；但它说明 skills 的价值不只在于让一次调用更顺手，也在于把流程经验从某个模型中抽离出来。2

Aditya Agarwal 提供了一个工作方式上的旁证。他写道，South Park Commons 变得更像书面文化：大家写更多会议记录、讨论总结和董事会笔记，原因是这些内容可以再交给模型使用。这是他对所在组织的个人观察，不应被读成整个行业的调查数据，但它揭示了一个实际反馈回路：为了让模型更有用，人类会先把原本留在口头交流里的上下文写下来。3

Aaron Levie 根据一次与大型企业 IT 负责人的晚餐讨论，列出了 agent 进入企业工作流时反复出现的问题。他提到，变更管理仍是工作流改造的主要议题，企业需要同时处理技术、数据和人的流程变化；不少公司开始把工程师嵌入业务部门，类似内部 FDE，以便尽早处理那些会让 agent 试验失败数月甚至数季度的技术工作。4

他还指出，跨职能工作流会立即碰到数据建模和权限问题：单个员工通常没有完成整条流程所需的访问权，agent 因而需要拥有自己的角色与权限，而安全边界不能由 agent 自己负责。这个判断把「企业要不要用 agent」转换成了更具体的系统设计问题：谁能读取什么，谁能代表谁执行，以及跨部门数据如何被组织起来。

Levie 在同一组笔记里还提到，多家企业正在尝试按任务把前沿模型和低成本模型组合起来，并认为未来企业软件会越来越 headless，减少员工在大量独立应用之间切换的需要。两点都还是他对交流内容的整理，不是全行业普查；不过它们与前面的上下文问题相互咬合：模型路由解决成本和能力分配，headless 软件解决 agent 如何跨系统调用。

Levie 随后给了一个更具体的产品例子。他说 Box 已经可以与 Databricks 协作，把合同、财务文档、供应链资料等企业内容中的信息接入 Databricks；按他的描述，用户可以查询大规模文档数据，而不必先搬迁或重新处理这些内容，还可以把结果与 ERP、CRM 或产品分析数据连接起来。5

这条推文的价值不在于又增加了一个集成名词，而在于它展示了「厚工件」如何进入企业数据流：合同和供应链文件不再只是需要人工打开的附件，而是可以被 agent 和分析系统共同调用的输入。原帖没有给出接口细节、适用范围或性能数据，因此这里仅把它作为产品方向记录。

Guillermo Rauch 介绍 Vercel Sandbox 时给出了几项平台侧数字：DAU 按月增长 100%，每天创建超过 350 万个 sandbox，并称其采用 Active CPU 定价模型，已经被 Notion、Airtable、Meta、Zapier 等产品使用。6

这些数字来自 Rauch 的产品宣传推文，本文不把它们当作独立审计后的行业指标。更值得注意的是推文卡片对 Sandbox 的定位：在隔离的临时虚拟机里运行 AI 生成、客户提交或其他不可信代码。对 agent 来说，沙箱不是后台细节，而是把「可以执行」和「不会直接污染生产环境」连接起来的运行层。

Josh Woodward 宣布 Gemini Spark 正向更多 Ultra 订阅用户开放，并列出四项更新：可以打开和编辑 Google Docs；可以读取 Google Sheets 和 Slides 的评论；速度提升超过 50%；可以并行处理多个来源。以上均是 Josh 对 Spark 更新的公开说明，其中开放范围和完整国家列表仍应以他附带的更新记录为准。7

这组更新把 agent 从「根据用户输入生成回答」推向了「直接打开工作材料、读取批注、修改文档，并把多来源任务并行跑完」。它和 Levie 所说的 headless 软件、Aditya 所说的书面文化，落在了同一条线上：模型的价值越来越取决于能否进入已有的知识结构，而不只是聊天窗口里的表达能力。

7 月 16 日的主线可以压缩成三层：第一层是输入，提示词变薄，文件、会议记录、评论和技能文件变厚；第二层是组织，企业需要重做流程、数据建模和权限设计，必要时把工程师嵌入业务现场；第三层是运行，agent 要在可隔离、可计费、可观测的环境里执行真实任务。

这也解释了为什么今天最值得追踪的不是某个孤立的模型参数，而是 agent 能否读懂组织、连接非结构化内容，并在权限边界内持续运行。模型能力仍然重要，但它正在变成工作流底座的一部分，而不是全部产品。