先交代背景。OpenAI和Anthropic在同一天宣布要成立AI咨询公司，目标很明确：让工程师嵌入企业，帮客户重构工作流。从卖API变成卖服务，从模型供应商变成系统集成商——这个方向我已经看好很久了，因为交付才是真正的护城河。一旦你的工程师把客户的工作流重写了一遍，客户就很难离开了。Tax AI就是这个方向上的一个具体实践。
智能体的自净化不等于自动化。自动化是在原地重复执行同一件事，自净化是每修好一层问题之后，系统的能力上限就往上抬了一截，下一轮运行会暴露更深层次的问题。打个比方，自动化是搬砖，自净化是升级搬砖的机械臂——不只是搬得更快，而是连机械臂本身都在变强。
OpenAI在这套循环里做了三件关键的事。第一，和一线从业者绑定。不是让工程师远远地看着数据做优化，而是让税务人员的每一次修正都变成系统的学习信号。一线人员的直觉告诉他"这个字段被反复改是因为税法有解释空间，不是系统bug"——这种判断只有领域专家能做，AI做不了。从业者的角色不是被替代，而是成为驱动系统进化的核心燃料。
第二，让生产过程全程留痕。不是记个日志，而是从原始文件到字段提取、到映射、到提交、到人工校对的完整证据链全部记录。这条证据链的存在，让后续的每一个改进动作都有了可追溯的依据。
第三，Codex驱动的改进循环，但有一个极其关键的设计约束：可写的只有代码，只读的是证据。Codex不能改生产数据，不能改预期的正确输出，它只能改导致错误的代码。更精妙的是退出机制：如果某个错误案例的信息不够清晰——比如可能只是从业者的个人判断偏好，不是系统真正的故障——这个案例不会被强制推进为Codex的修复任务，而是路由给产品团队人工决策。这个设计是整个系统的安全阀，防止智能体往错误方向自我进化。
从这个案例里，我提炼出三个结论，每一个都跟很多人的直觉相反。
第一，从业者的重要性被低估了，不是被高估了。很多企业的AI落地思路是"用AI替代员工"。但Tax AI的架构设计恰恰反过来说明：从业者的每一次修改AI输出，才是系统自我进化的燃料。如果从业者只是在被动使用工具，修正动作没有结构化地进入证据循环，系统就不会进化。目标不是替代人，是把人的专业判断转化为驱动系统改进的信号——这两件事完全不同。
第二，模型能力不是瓶颈，反馈循环的设计才是。把Codex换成任何其他Agent，结论不变。跳过证据链的构建，再强的模型也发挥不出来。这个链条的每一环都是前一环的前置条件：完整的evidence trace才能产生正确的信号分类，正确的信号分类才能驱动高质量的评估，高质量的评估才能让Codex产出有效的代码修复。
第三，六个月，准确率也没有达到百分百。OpenAI的工程师和领域专家联手，半年内预估只有50%的任务能达到100%准确率。企业必须接受一个现实：部署智能体是一段持续的工程投入，不是一锤子买卖。
核心观点
企业在部署AI智能体时，要从第一天就想清楚三件事：你的系统能不能捕捉从输入到输出的完整证据链？你有没有机制区分产品故障和工作流噪音——这个分类必须有人工参与？你有没有把改进任务定义为有边界、有验证、有回归测试的工程任务？缺少任何一环，循环就会断开，系统就无法自进化。