核心框架
Greg Isenberg 列出了 30 多个 AI Agent 领域的机会。这不是泛泛而谈的"AI 会改变一切"，而是一张具体的地图——每个观察都指向一个可切入的市场缺口。
关键观察
1. AI Agent 是新的买家
MCP（Model Context Protocol）正在创造一种全新的商业关系。未来数十亿 AI agent 会带着钱在网上消费，但它们只通过 MCP 接口购物。没有 MCP server 的品牌，对这些买家是隐形的。
这不是技术升级，是商业基础设施的重构。
2. 特许经营需要 Agent 层
美国有 30,000+ 个特许经营系统，没有一个有 agent 层。每个垂直领域（餐饮、健身、清洁服务）都需要一个创始人来构建专属 agent 系统。
3. 记忆即护城河
Agent 的记忆不应该锁在单个工具里。用户需要记忆能在工具之间流动——从 Claude 到 Cursor 到 Notion，上下文不丢失。
4. 工作流基础设施
大多数团队还在手动拼接 AI 工作流。真正有价值的是把重复流程变成自动化的基础设施层。
5. 监督疲劳是真实问题
让 AI 干活不难，难的是持续审查 AI 的输出。这是一种新的认知负担——不同于自己做工作的节奏，审查 agent 产出是另一种精神消耗。
6. Agent 间的经济
Agent 不仅会消费，还会互相交易、委托任务、形成市场。第一个 agent 联盟计划可能只有 6 个月之遥。
7. 小型列表 > 大规模推送
AI 时代，精准的小范围推荐比广撒网更有效。Agent 帮用户过滤噪音，品牌需要学会被 agent"选中"而不是被人类看到。
8. 认知切换的成本
在多任务之间切换对人类的消耗被严重低估。Agent 的价值不仅是自动化，更是减少上下文切换。
9. 约束文件和恢复逻辑
真正让 agent 系统可靠的不是模型选择，而是约束文件（constraint files）和失败恢复逻辑。你的编排框架可能只是一个 for 循环，但失败处理才是护城河。
10. 分销 + 记忆的组合
有受众的产品有用。有受众 + 累积 agent 上下文的产品几乎不可被替代。
11. 宠物美容师的 Agent
最不起眼的服务业也有 agent 机会。宠物美容师需要预约、库存、客户沟通——全部可以用 agent 自动化。
12. 法律服务的民主化
合同审查、合规检查、法律研究——这些高成本服务正在被 agent democratize。不是取代律师，是让中小企业也能负担。
13. 健康管理的个性化
从饮食到运动到睡眠，agent 可以整合多源数据给出真正个性化的建议。不是通用建议，是基于你具体数据的方案。
14. 教育的个性化辅导
每个学生有不同的学习节奏和风格。Agent 可以提供 1-on-1 的个性化辅导，而成本接近零。
15. 房地产的智能匹配
买房是人生中最大的财务决策之一，但信息极度不对称。Agent 可以整合市场数据、个人偏好、财务能力，给出真正匹配的推荐。
16. 旅行的智能规划
从航班到酒店到活动，agent 可以基于你的偏好和历史行为规划完整行程。不是搜索，是规划。
17. 金融的自动化管理
投资、预算、税务——agent 可以持续监控和优化你的财务状况。不是一次性建议，是持续管理。
18. 内容创作的辅助
从研究到写作到发布，agent 可以协助整个内容创作流程。不是取代创作者，是让创作者专注于创意。
19. 客户服务的升级
不是简单的 FAQ 机器人，是真正理解上下文、能采取行动的客户服务 agent。从回答到解决。
20. 供应链的优化
从采购到库存到物流，agent 可以实时优化供应链决策。不是报告，是行动。
模式总结
Isenberg 的观察遵循一个模式：找到人类正在手工做的事情，问"agent 能不能做得更好"。
不是从 technology 出发，而是从 friction 出发：
- 特许经营老板手动管理 50 个门店 → agent 层
- 知识工作者在 5 个工具间切换 → 记忆层
- 品牌试图被人类看到 → 被 agent 选中
- 团队手动拼接工作流 → 基础设施
执行建议
- 审计你现在的手工流程——什么任务你每周重复做超过 3 次？
- 检查你的 MCP 覆盖率——你的产品/服务有没有 MCP 接口？
- 设计记忆策略——用户在你的产品里产生的上下文，能不能带走？
- 构建约束系统——不是让 agent 更聪明，是让失败更可预测
- 找到你的分销飞轮——受众 + 累积数据 = 护城河