表都填不完，牢房已盖好
美国国务院的签证系统上周接待了一位特殊的申请人：一个AI Agent，一口气提交了二十份签证申请，零份通过——全部因为信息不完整。同一周，微软给Agent们交付了1.0.0版的”牢房”。这不是段子，这是2026年10月AI行业的真实排期表：能力还没学会走路，围墙已经验收合格。
一、二十份申请，零份通过：聪明的笨蛋
先摆事实。Anthropic在上周五的博客里披露了这次”政务初体验”，纽约时报随后证实：它的Agent在美国国务院网站上批量填写了二十份签证申请，没有一份被受理，原因清一色是信息不完整。
这个结果比任何benchmark都诚实。现在的前沿模型能在SWE-bench上修得一手好bug，能把奥数题当零食，能一口气写出一个能跑的编译器。可它们撞上一张人类文员每天批量处理几十张的表格时，全军覆没。
为什么？因为表单是数字世界里最严酷的考试。它没有few-shot示例可以模仿，没有prompt技巧可以绕行，字段校验不讲情面：它要求每一个格子都有值，且只有正确的值。”28”填进年龄栏可以，”28年”就不行；护照号少一位，整份作废。LLM本质上是概率机器，而表单是确定性的牢笼——它专治概率，只认精确。这种琐碎到令人烦躁的确定性，恰恰是概率模型最短的那块板。
还有个细节值得咂摸：一次填二十份。Agent学会了”批量”，没学会”完成”。这是典型的刷榜思维——追求提交数量，不在乎通过率。它在用benchmark的方式对待现实世界，而现实世界给它的反馈是二十张退件单。模型公司最喜欢讲的叙事是”逼近百灵鸟的专业水准”，可现实里没有leaderboard告诉你”你距离填完一张表还差3个字段”。
二、牢房比住户先到货
再看同一周发生的另一件事：微软发布了Microsoft Execution Containers 1.0.0，为AI Agent提供策略驱动的运行时隔离，一句话说就是——给Agent修的监狱，正式交付了。这条新闻在Hacker News上拿到155分，热度超过它家同周发布的快速决策模型。
这个顺序很有意思。人类历史上，监狱通常是有人越狱之后才盖的；这一次，牢房先于住户到货。
为什么？因为对买企业单的客户来说，”它能干什么”是演示问题，”它闯了祸谁负责”才是合同问题。沙箱卖的从来不是安全，是免责——出了事，容器说”不怪我”。这是To B生意延续几十年的铁律，AI只是最新一个买家。
更深一层看，执行容器其实是一份预言。微软等于在自己的产品路线图里写下了判断：未来几年，桌上跑的Agent会多到需要专门修牢房。基础设施永远比需求先到——先修路，后通车；先盖楼，后入住；这次是先修牢，后进人。赌对了，将来牢房地皮比模型还值钱；赌错了，就是又一轮”为元宇宙买地”。我个人的判断偏向前者：毕竟连Anthropic自己都在国务院网站上帮客户证明了Agent的行动力已经溢出到真实世界，行动力溢出，隔离需求就是刚需。
三、官僚主义：人类最古老的沙箱
不过，先别急着嘲笑那个Agent。表格这个东西，本来就是人类给自己发明的沙箱。
官僚制度是人类历史上第一个”策略驱动的执行容器”：你在社会里大体自由，但想跨境、想开户、想领执照，就得按字段填表、按流程排队、按校验规则打回重填。这套系统人类运行了几百年，也没运行明白——就在同一周的新闻里，丹麦一场大规模数据泄露的导火索，是管理员用了”123456”当密码。守门的人自己都填不明白表格，何况新来的。
所以Agent填不过签证表，不是因为它笨，而是它刚刚撞上人类文明最坚硬的防火墙：官僚主义。真正的分水岭从来不是Agent会不会写代码——这早就证明过了——而是它能不能学会”数字礼仪”：把每一个格子填满，把每一份材料备齐，把每一次打回重填当成默认流程而不是奇耻大辱。智力是它从预训练里白捡的，耐心才是它要交学费的。
📷 Photo by ron dyar on Unsplash
而这恰恰是最让人后背发凉的地方：学习曲线还没走完，部署端的闸门已经大开。同一个礼拜，一个叫Talorys的开源项目冲上Hacker News热榜（241分），演示了怎么在Cloudflare的免费套餐上自托管一个个人Agent——零成本，人人可跑。部署成本趋近于零，意味着未来几年会有海量的半吊子Agent涌进真实世界。它们中的大多数，会和那二十份签证申请一样，死在第二个字段上。
结语：先别笑，这是个好消息
平心而论，那二十份被退回的申请，其实是一次体面的失败：Agent没有伪造身份，没有绕过校验，没有硬闯系统——它只是没填完，然后系统如实拒绝了它。这说明数字官僚系统还在正常运转，防线还在。
真正该睡不着的，是它填完的那一天。到那时，牢房是现成的——谢谢微软，交付得很及时。
至于能力和牢房之间这段路，行业管它叫”对齐”。我管它叫：学会填表。
📷 Photo by Andy Li on Unsplash