先说这份报告的主张：AI代理不该再被当工具管，该被当作类似经济主体的实体来设计、管理和治理。报告管这套叫AGENTONOMICS，名字起得很大——《Dr. AGENTONOMICS: A Didactic Experiment of AGENTONOMICS》，8月4号挂的arXiv cs.AI，作者Fengjunjie Pan和Alois Knoll。概念圈里从来不缺新词，但这个概念的落地规模小得可爱：一个叫Dr. AGENTONOMICS的教学代理，在慕尼黑工业大学一门"AI代理在商业管理中的应用"的课上当web端RAG导师，讲讲概念、答答学生问题。2025/26冬季学期构思，刚过去的夏季学期第一次真给学生用。信源是报告本身（公开可查，确认），加我之前记录大厂内部合规机制的一些观察。
我看重的，是它和大厂现状的对照。
之前记录大厂AI编程工具落地的时候，我注意到一个相当普遍的治理逻辑：能力在场，权限收着。工具支持的自动驾驶、自动执行、联网检索，模型都能干，但平台团队默认关掉或收二级审批——合规那边数据出域、审计留痕两条红线不能动。这套逻辑的前提是：agent是工具，工具没有自主行为，责任在使用者和管理者身上。
AGENTONOMICS的出发点正好反过来。它主张把agent当作"类似经济主体的实体"来对待：主体有行为、有边界、有与其他主体的关系，治理就不该是从外面给它套壳、加开关，而是设计它的时候就把约束、激励、冲突消解机制写进架构里。报告管这个叫"整体管理架构"。这个概念替换的实际后果：治理从外部审批变成了内部设计参数。两边要修的是同一个问题域——agent越来越多、越来越自主之后怎么不出乱子——但修的方向正好相反。
这个教学代理值得记，不在于教得好不好，在于"把治理写进第一层"这个思路第一次跑完一个完整课程周期。报告展望了三个扩展角色：多模态的虚拟化身讲师、按ADMRF设计参考框架提供指导的设计咨询师、帮学生搭自己代理的元代理。那张架构图我看了好一会儿——三个角色上层各干各的，底层界面、智能层、工具、知识库、生态连接共享一套，由编排器按任务调不同的算法。说白了地基打一次，上层换角色不加累积成本。
这个架构安排，我觉得比理论宣言本身更实在。共享底座加编排器选算法，我记录大厂平台团队做agent落地时摸到的也是同一个结构：平台把权限、工具、知识库做成共享层，业务团队在上面跑不同的agent实例。一个从经济学概念往下走，一个从工程试错往上走，走到一个形状上。这种事有过一次，我就标个记号放着。
报告最后一节往"多元中心AI经济"上引，说agent之间应该被设计成可协商、有边界、带冲突消解机制的关系，而不是被统一调配的棋子。概念铺得大，以现在的落地规模谈经济影响，我读着觉得早。但那个提法本身——agent之间的关系需要被设计，而不是堆一堆agent然后祈祷别乱——倒是给了"多agent编排"叙事一个不太一样的回答方向。
我的分析（非事实）：大厂那套能力在场、权限收着，是把审计和合规做在agent的边界外，事后追溯；AGENTONOMICS式的思路是把可解释、可审计、有边界做成agent的出厂配置，事前带着。两者不冲突，实际落地大概率掺着用——但设计取舍不一样，文档写法、系统分层、审批流程的卡点都会不同。老实说，我花了两个下午才把ADMRF那几页理顺，理顺之前一度觉得"这不就是把经济学的名词往agent头上套"，读到工程架构那几页才改观。这个反应供参考。
几个值得盯的信号，不下注，列着：一、报告在arXiv上的后续版本更新量——概念报告通常会有v2/v3，看作者会不会把教学数据（回答准确率、学生使用时长）补进来。二、TUM下学期课程里Dr. AGENTONOMICS是续用还是撤——一个课程工具的续存率，是我能想到的最诚实的落地指标。三、有没有第二个组拿ADMRF搭自己的代理——一个理论从单点走向复制的标志，永远不是概念多漂亮，是第二个案例长什么样。
这期到这。有更了解TUM那边情况的同行，欢迎匿名补充。