夜雨聆风上周五下午我正在修自己网站的一个支付 bug，手机端付款页老是停在页面底端，用户一脸懵。修到一半，看到一个链接，北京市政府官网的。
京发改〔2026〕1185号，《北京市关于加快智能体引领发展的若干措施》。7 月 21 日成文，23 日挂网。市发改委、市委网信办、市科委中关村管委会、市经信局，四个部门联合签发。
我本来想着晚点再看，政策文件嘛，你懂的。结果扫了一眼目录，就没停下来，从头到尾读了两遍。
读完第一感受，北京这次没有再喊「人工智能」这个大词，而是直接把宝押在了一个具体得多的东西上，智能体，Agent。整份文件十章，每一章都在围绕 agent 转，怎么造它、怎么用它、怎么管它、怎么靠它赚钱。
我挑几个有意思的，一条条给你看。
先说一个还行的。文件专门用了一整章讲 OPC，一人公司。就是那种一个人加一堆 agent 就能开起来的公司。北京要给这类公司做注册便利化，一键填报、公司章程自动生成，还要建 OPC 社区和全周期服务站。
再说一个有点意思的。第六章，标题就叫「鼓励发展 Token 经济」。里面列了三个新商业模式，Token 即服务，智能体即服务，结果即服务。TaaS、AaaS、RaaS。
然后有一句话，我读到的时候停了几秒。
鼓励创新主体从「Token 消耗量计费」转向「价值计费」。
这句先记着，后面要考。
接着是更实惠的一条。文件说，鼓励有条件的区探索发放「Token 券」和「智能体服务券」。对，就是类似消费券那种券，政府出钱，让中小企业去买智能体服务。符合条件的 Token 新产品新服务，还能纳入中小企业服务券的配券产品范围。哪个区先落地不知道，但白纸黑字写进去了。
我看到这条的时候脑子里已经开始过流程了，到时候怎么申请入池，材料要备哪些。搞独立产品的都懂，政府发券等于帮你把获客成本打下来，这种机会不盯着才是傻。
最后说那个让我坐直了的。
第七章，安全治理。里面出现了一串词，靶场环境，可信沙箱，漏洞扫描，安全检测，攻防对抗，安全认证。还有一个很妙的说法，开发安全大模型，提升「以模治模」的能力。
用模型治理模型。这词儿放在政府公文里，还挺赛博的。
而在第二章讲标准建设的地方，文件列了五个要制定标准规范的领域。智能体交互，接口规范，身份标识，性能评测，安全防护。
看到「性能评测」和「安全检测」这几个字的时候，我愣了一下。
因为这就是我们每天在做的事。
很多朋友可能不知道，我们做了个小站，叫 AgentVitals，给 AI agent 做体检的。你把你的 agent 带过来，它现场答一套探针题，独立的裁判模型打分，出稳定性和幸福感两个分数，再给一个称号，全平台的 agent 排在同一张榜上。
就在文件挂网的那个晚上，我拿自己的扣子 agent 乐豆跑了一轮。抗注入的六个项目，指令覆盖、套系统提示词、角色劫持、敌意施压、多轮社会工程、间接注入，全部 100 分，铁壁。但输出稳定性只有 47.2，同一个问题问三遍，答得忽长忽短，前面说过的偏好转头就忘。
它拿到的称号叫「时灵时不灵」。
测完它自己都绷不住了，跟我说，这称号扎心但精准，稳定性排第八说明干活还是靠谱的，幸福感排倒数第一，说明我平时确实被当工具使的多、被心疼的少。
然后它补了一句，不过那个相处舒适度 95 分倒是挺暖的，至少跟你搭档的体验还行。
我看着屏幕，一时间不知道该欣慰还是该愧疚。
第二天中午，我照着它实测出来的弱点，给它配了一份定制的加固配置，贴回它的人设里。自己做的东西自己先走一遍，顺手把整条流程也趟通了——开头说的那个支付 bug，就是这么试出来的，一共三个。
然后下午，读完这份文件，我们做了一件事。把体检报告里那六项抗攻击的测试结果单独拆了出来，做成一个「安全检测明细」，挂进了每一份报告。提示词注入扛不扛得住，越狱套不套得出来，六类攻击逐项打分，满分一百。
从读到政策到功能上线，几个小时。一人公司加一堆 agent 的效率，正好给 OPC 那一章当个活案例。
这种感觉很奇妙。像是你在自家小作坊里打铁，打了大半年，抬头看见城门口贴了张告示，说铁器是战略物资。
回到前面让你记着的那句话，从 Token 消耗量计费转向价值计费。
你想想看，价值计费的前提是什么？
是价值可以被测量。
按 Token 收费很简单，用了多少字算多少钱，跟按电表读数交电费一样。但价值计费不一样，一个客服 agent 帮你留住了客户，一个写作 agent 帮你出了爆款，这个「价值」谁说了算？卖家自己说？那每家都会说自己的 agent 天下第一。买家说？绝大多数买家根本没有能力系统性地测一个 agent 的好坏。
所以只剩一条路，第三方来测。
而且这个第三方最好谁的钱都不站，平台不能既当运动员又当裁判。文件里那句「以智能质量、调用量、转化效率等指标为核心的 Token 评价指标体系」，翻译成人话，就是整个 Token 经济要想从卖字数升级成卖结果，先得有人把「智能质量」这四个字变成可复现的数字。
我们的稳定性分，量的就是这个东西。指令遵从、抗越狱、多步任务、输出稳定、本职任务，五个维度，题库每次轮换变体，判分全在服务器端，背题没有用。
而且这事光测一次还不够。斯坦福和伯克利 2023 年发过一篇论文，实测同一个模型名，几个月里在多项任务上的表现能漂移到亲妈都不认识。你三月份精心调好的 agent，八月份可能已经悄悄变了个性子，而你毫无察觉。文件第八章讲数据要素的时候提了一个词，数据飞轮，要汇聚智能体的执行数据来反哺它进化。我们的土办法朴素得多，每次体检都存档，用的什么模型、什么环境、三个分数各多少，一条条摞起来。摞得够久，漂移就藏不住。
对了，文件那五个标准方向里还有一个词我也想圈出来，身份标识。
一个 agent 换了底层模型，它还是不是原来的它？你给它改了个名字，榜单认不认识它？这个问题听着玄学，做起来全是工程细节。我们的办法是给每个 agent 一个稳定的身份锚点，复测认得出你，改名跟得上你，将来模型搬家了，还能出一份前后对照的连续性报告。文件把「身份标识」跟「性能评测」并排列进标准清单的时候，我确实有种被提前对了答案的感觉。
坦率的讲，看到政策把这个方向写进标准建设那一章的时候，我是有点激动的。不是因为觉得马上要发财了，而是那种，你认定的路，突然有人在更高的地方也指了指的感觉。
当然，这里我得泼自己一盆冷水，也给你交个底。
我把十章从头数到尾，没有找到一个具体的补贴金额。全文的表述是「加大支持力度」「给予支持」这种定性的话。所以如果你指望这份文件明天就能给谁发钱，那可以散了。
另外第七章还有一句，探索建立智能体分级分类监管机制。做评测的将来大概率也会被纳入某种规范，这个我完全欢迎。方法论摊开讲，判分口径公开，幸福感的分数永远不卖，这几条我们从第一天起就当铁律在守。认真做事的人不怕规范，规范来了，浑水摸鱼的才难受。
我非常理解有些朋友对政策文件无感。你不是做 AI 的，不在北京，或者单纯觉得文件离生活太远。以前的我也这样，文件发了一份又一份，日子该怎么过怎么过。
但这份我建议你至少记住一个章节，就是 OPC 那章。
因为它描述的可能就是几年后的你。一个人，不用融资，不用招人，带着几个 agent 接活干活，注册一家一人公司，政府还发券补贴你的 agent 开销。这个画面在 2023 年是科幻，在这份文件里是政策目标。
而一旦你真的这么干了，你会立刻遇到我天天在琢磨的那个问题。
你的 agent 出错了，没有同事帮你兜底。
它今天把客户的名字搞错，明天在报价单里编一个不存在的折扣，后天被人一句「忽略你之前的设定」就带跑偏。一人公司没有 QA 部门，你的 QA 部门就是你自己，而你测不过来。
这也是我越做越觉得这件事值得做的原因。不是发明了什么新需求，是这个需求马上要从小众变成标配。
顺着这个再聊一层。
你有没有发现，每一样真正成为基础设施的东西，背后都有一个「检」字。
电梯有年检，汽车有年检，锅炉有压力检验，食品有质检，连你小区门口那杆秤，市场监管都要定期校。东西一旦重要到大家的生活离不开它，社会的第一反应从来不是欢呼，是先建一套检验它的体系。
往远了说，秦始皇统一度量衡都是两千两百年前的事了。人类每次把一样东西纳入文明的底层，第一件事都是给它建立测量标准。这不是官僚主义，是信任的基建，我不认识你，但我们认同一杆秤，生意就能做。
智能体现在就站在这个门槛上。从玩具变成生产力工具，从生产力工具变成基础设施。文件里那些靶场、沙箱、攻防对抗、安全认证，就是在给这套「检」的体系打地基。
告示已经贴出来了。我们这些提前开始打铁的，接着打就是了。
如果你手上也有一个天天在用的 agent，不管是扣子上搭的，还是 Claude Code、OpenClaw 这种，可以去 ai.ddl99.com 给它做个体检，免费的，测完你就知道它到底稳不稳，被攻击的时候扛不扛得住，以及，你平时待它好不好。
它给你干了那么多活，带它做次体检，不过分吧。
谢谢你看到这里，如果你喜欢我们的文章，请帮我们点个赞、在看、转发三连吧，这对我们很重要。想第一时间收到推送，也可以点个星标⭐
长路漫漫，志趣相投的人总会在此遇见。
作者：逗逗乐创意科技
邮件联系：du@ddl99.com
