Agent 帮不了你，不是因为它不够聪明

上一篇我们分析了 CLI vs MCP 的争论本质上是在讨论"管道"，而真正缺的是"水龙头"。这篇继续往下挖：就算水龙头开了，你也大概率接不上。Agent 在现实中寸步难行的原因，比大多数人想的更结构化。

一个常见的许诺

“让 Agent 帮你自动写周报——它去翻你的 Git commit、飞书文档编辑记录、Jira 状态变更、日历会议，生成一份你老板能看的周报。”

这是 Agent 产品最爱讲的故事。听起来很合理——数据都是你自己的，工具也都在用，只是把手动汇总的过程自动化了而已。

但如果你真的动手试一下，会发现 5 个数据源里只有 1 个能用：

不是 Agent 不够聪明，不是 CLI 不够高效——是数据根本拿不到。

当然，市面上有一些"投机方案"试图绕过这个限制：用浏览器扩展借用登录态抓取飞书文档、用 RPA 模拟点击导出 Jira 数据、用逆向工程封装企业邮箱接口。这些方案确实能跑通 demo，但它们本质上是爬虫——UI 改版即失效、安全策略升级即封杀、法律层面始终存在风险。把工作流建立在这类方案上，等于在流沙上盖楼。

我们在第三篇会详细讨论这些"翻墙"方案的现状和局限。这里先聚焦于一个更根本的问题：为什么正规途径走不通？

Agent 的实际能力取决于三个变量

整个行业在卷 LLM 能力和工具协议，但真正的短板是数据访问。就像拥有一辆性能顶级的赛车和一条完美的赛道，但油箱是空的。

两层壁垒：为什么数据拿不到

数据拿不到不是一个笼统的问题。它有两层真正的壁垒，性质完全不同：

第一层被讨论得最多，但实际工作中，第二层才是更多人会撞上的墙。

第一层：平台封锁

微信不会做 wx auth login，淘宝不会开放比价 API，抖音不会给你推荐数据。上一篇从技术角度论证了 CLI 完全能实现 OAuth（gh auth login 就是先例），所以这不是技术障碍¹。

那为什么不做？因为数据封锁是这些平台商业模式的根基。

Agent 一旦能替用户做最优决策——比价、比评分、跨平台搜索——平台就失去了通过推荐算法引导用户消费的能力。这直接威胁广告和流量变现的核心营收。

一个简单的判断标准：平台会不会对 Agent 开放，取决于开放是否符合其商业利益。

第二层：组织管控——看得到不代表拿得到

举个具体的例子：你在公司用浏览器打开飞书，能看到所有群聊记录和共享文档。现在你想写一个脚本，让 Agent 读取同样的消息内容。你会发现需要在飞书开放平台创建一个"企业自建应用"，申请 im:message 权限，然后提交给公司管理员审批发布。管理员可能会问你"要这个权限做什么"，然后拒绝你。

你在浏览器里看得到的数据，你的程序不一定读得到。 因为两者走的是完全不同的认证链路：

你每天打开飞书看文档、在 Jira 看工单、在邮箱收邮件——这些是可视化权限。浏览器持有登录态，Cookie 自动携带，一切无感。

但 Agent 走的是完全不同的认证链路：

你有前者不代表你有后者。Agent 只能走后者。

以一个普通程序员（非管理员）的视角，各工具的实际 API 可访问性：

结论很清晰：能自由通过 API 访问的，基本只有本地文件、个人 Git 仓库和 Notion 个人空间。 其余全部卡在组织管理员审批环节。

这也解释了一个现象：为什么 Agent 目前最成功的应用场景是编程辅助？因为代码在你的本地文件系统里，不需要任何人的许可。

补充：数据拿到之后呢？

有人可能会问：就算前两层都打通了，数据散落在 Git、飞书、Jira、邮箱等不同系统里，格式各不相同——这算不算第三层壁垒？

坦率地说，以 2026 年 LLM 的能力，这不构成真正的壁垒。 Git log 是文本，Jira API 返回 JSON，飞书文档可以导出 Markdown——只要是能转为文本的数据，当前的模型都能读懂并综合处理。身份映射（Git 邮箱 ≠ 飞书 user_id）告诉模型一次就够了。时间对齐、语义提取、去重归类，这些本来就是 LLM 最擅长的事情。

数据格式不统一是工程层面的摩擦，不是架构层面的壁垒。跟前两层（平台直接封锁、组织不给权限）完全不在一个量级上。

真正卡住 Agent 的只有两面墙：平台不开放，和组织不允许。 只要数据能拿到手，LLM 有能力处理剩下的事情。

Agent 实际能力的边界

综合两层壁垒，以下是 Agent 在 2026 年的真实能力边界：

技术上全部可行。实际上大部分做不到。

结论

Agent 帮不了你，不是因为它不够聪明。是因为两面墙：

1. 平台封锁：商业模式建立在数据围墙上，不会主动开放 API。这是商业博弈问题。
2. 组织管控：就算平台有 API，企业 IT 的安全策略可能不允许你使用。这是组织管理问题。

至于数据格式不统一、多系统信息需要整合——以当前 LLM 的能力，这只是工程摩擦，不是真正的障碍。只要数据到手，模型能搞定。问题是数据到不了手。

而大部分 Agent 产品的营销只字不提这些，直接假设"你有 API 权限"。

下次有人向你推销"用 Agent 自动化工作流"时，不妨先问两个问题：

1. 这些数据，平台提供了 API 吗？
2. 这些 API，我所在的组织允许个人使用吗？

两个都是 Yes 才能真正落地。在 2026 年的现实中，两个都是 Yes 的场景仍然不多。

这是 “Agent 生态思考” 系列第二篇。下一篇聊：既然数据拿不到，那谁在用什么方式绕路？阿里的闭环生态、豆包手机的屏幕爬虫、以及什么力量可能最终推动开放。

参考资料