今日判断
今天最值得关注的不是又多了多少 Agent，而是三种"能力证明"开始分层：
国家级应用测试用统一场景筛出能做成任务的团队（151 家单位、251 个团队同台竞技）；产业现场把 SLA 与按结果付费写进商业关系（新石器：客户不再问"车能不能跑"，而是问"任务能不能交给你"）；厂商生态用连接器、审批模式、培训者网络把小企业采用做成分发体系（Claude 小企业版 43 个工作流 + 750 场社区培训）。
对 FDE 而言：证书只能证明知识覆盖，测试只能证明特定任务表现，真正的交付能力仍要由客户任务、连续运行、异常处理、签收和复购共同证明。
重点信号
国家级 AI 安全应用测试公布结果：统一场景筛人才
- 来源：江苏网信网转载国家互联网应急中心 ｜ 原文链接
- 国家级 AI 赋能网络安全应用测试结果公布：活动设置 8 个真实安全场景，共 151 家单位、251 个团队报名，32 个团队取得"较好成绩"，测试由华为提供昇腾软硬件环境。入选团队构成多元——既有人民网、中国人民公安大学这样的机构，也有江苏农商联合银行等企业和福州大学至诚学院等高校。
- 为什么重要：这是"统一任务、统一环境、竞争样本、外部结果"的能力筛选机制——比证书、挂牌或课程结业都更接近真实能力证据。它给 FDE 人才培养提供了一个可复制的中间层：在"会用工具"和"能做企业交付"之间，用统一场景测试建立客观筛选。高校团队与专业机构同台并取得成绩，也说明人才供给的多样性在增加。注意边界："较好成绩"不是冠军或商业验收，测试表现也不能直接等同企业交付能力——能力证据四级梯是：理论认证 → 统一场景测试 → 真实客户任务 → 连续运行/签收/复购。
新石器：客户从「车能不能跑」到「任务能不能交给你」，SLA 开始进入合同
- 来源：36氪 ｜ 原文链接
- 36氪产业圆桌实录：新石器执行总裁称，规模运营后客户开始围绕时效、成本、稳定性和货损控制讨论 SLA，部分要求会直接写入合同；商业模式从售车延伸到按单、按结果付费。墨奇智能同场补充：酒店客户关心的不是单个动作成功率，而是一个房间能否在时间窗内清洁到标准，以及失败时如何与保洁人员协同。
- 为什么重要：从"功能验收"到"结果责任"，是企业 AI 部署成熟度的关键迁移。当客户真实任务越多、责任越明确，企业覆盖的异常和边界越丰富，数据飞轮才转得起来。企业 Agent 合同的正确写法是结果型合同七字段：任务单位 → 服务窗口 → 成功阈值 → 质量/安全边界 → 人工接管 → 失败责任 → 计价与续单条件。先定义客户愿意交付的结果，再决定模型和部署方式——合同结构的变化，比任何技术发布都更能说明行业在走向成熟。
Claude 小企业版：43 个工作流、27 个新集成、750 场社区培训
- 来源：Anthropic 官方 ｜ 原文链接
- Anthropic 9 月 15 日更新小企业版：现包含 43 个工作流和 27 个新集成（Shopify、Salesforce、Stripe、Zoom 等），5 月上线以来安装超过 90 万次。部署机制值得注意：默认每个工作流先处于审批模式，涉及发送、发布或付款时等待用户确认；权限继承原系统权限，可按单个工作流逐步放权。超过 150 家获批培训组织计划举办 750 多场社区工作坊。
- 为什么重要：面向中小企业的落地服务被拆成了"现成工作流 + 连接器 + 权限控制 + 本地培训者"四件套——厂商做前三件，把最后一公里交给本地教练网络。这对培训型服务商是清晰的启示：与其教工具操作，不如做"3 个可复跑的行业工作流包 + 30 天采用陪跑"——每个包写清输入、连接器、审批点、结果指标和人工责任。90 万安装之后厂商还要训练 150 家本地教练，恰恰证明采用的最后一公里无法被产品自身消化。注意：90 万是安装量，不是月活或付费。
对 FDE 从业者的启发
- 用四级梯管理自己和团队的能力宣传：理论认证 → 统一场景测试 → 真实客户任务 → 连续运行/签收/复购。对外表述严格对应证据层级——"进入国家级测试较好成绩名单"可以说，"全国领先团队"不能说。层级混写是信任的慢性毒药。
- 把 PoC 合同改成任务合同：先定义 1 个计价任务、服务窗口、成功阈值、人工接管和失败责任，再谈功能扩张。敢签 SLA 的服务商和只敢列功能清单的服务商，报价可以差一个量级。
- 课程改造成"采用系统"：行业工作流包 + 连接器配置 + 审批点设置 + 30 天复跑表——从"教会操作"升级为"陪跑到用起来"，这也是培训业务从一次性收入走向持续服务费的路径。
