易鑫首席AI科学家、高级副总裁张磊近日提出了一套面向企业级应用的Agent新范式——Human-Centric Long-Horizon Agent（以人为中心的长程智能体），并披露了该系统当前的线上运转数据：45个Agent日均处理任务约23万次，每天消耗约3.6亿Token，AI能独立跟进同一个用户超过20天，单个任务执行超过16小时，单次对话超过81轮，且横跨企业微信、微信等渠道。
张磊是在一场行业分享中披露上述信息的。他指出，当前行业衡量Agent能力的主流标准——能否无干扰跑完100步、能否编写复杂软件、能否操作几十页网页逻辑——在企业应用场景中存在明显局限。在企业级应用中，更关键的衡量维度是：给定一个业务目标后，Agent能否持续面对一个不断变化的人进行交互，并最终推动出业务结果。
这一判断源于易鑫所处的汽车金融业务特性。一笔汽车融资申请需经过材料提交、审批决策、方案匹配、交付签约、资产管理五个大环节。仅材料就涉及60多种，审批决策涉及多达15个组织节点，路径组合上万种。更关键的是，这条链路并非线性执行，任何一个节点都可能回跳到前面任意一个节点。张磊举例称，一个用户第一天进入，第三天补充资料，第七天额度发生变化并进入审批，到第十天所有方案都尝试过但没有适合的。常规Agent到此会判定任务结束，但真正的Agent会在第80天回头——那时公司接入了新的资方和新的金融产品，它会重新找到这个客户询问需求。一笔业务的成败，就分在第十天和第八十天之间。
为应对这一场景，易鑫提出的Human-Centric Long-Horizon Agent范式由三部分组成：人的理解模型、垂直领域模型和Harness。其中Harness又分三层：数据的Harness、Agent的Harness和人的Harness。前两者解决“懂人”问题，后者解决“能否长期稳定运行”问题。张磊表示，让Agent出结果并不难，难的是它怎么长期稳定运行，这才是Harness在企业的价值。他透露，这套Harness框架计划在年底开源。
在人的理解模型层面，易鑫的建模方式与传统用户画像存在本质差异。张磊解释称，传统系统更多记录已经发生、已经结束的事情，比如用户提交融资审批后的当下状态。但要服务好人，必须预测这个人接下来的状态——他是否有购车意向，是否信任你。该模型本质上是一个随机过程，输入是整体语言环境和行为信号，输出是人的行为接下来应如何变化及其状态。人的状态不是一个静态的用户画像，而是一种随交互和环境变化持续变化的建模。
值得注意的是，易鑫并不认为Agent应该包办一切。在其框架中，三类场景必须转人工：合规熔断（模型幻觉触碰强监管规则）、重大权益（如罚息减免）、特批等意外场景。
公开信息显示，易鑫是一家AI驱动的金融平台，有12年行业积累，是汽车金融领域第一家开源行业模型的公司，也是行业内第一家通过国家大模型备案的公司。近期该公司将底层GPU虚拟化工作开源至社区，并在去年“直通乌镇”全球互联网大赛开源赛道中获得唯一一等奖。
从行业视角看，易鑫的实践指向企业级Agent落地的一个核心命题：在长链路、强合规、动态决策的业务场景中，Agent的竞争力不仅取决于单点任务完成能力，更取决于对用户状态的持续建模能力与系统的长期稳定运行能力。随着Harness框架年底开源，这一范式能否在汽车金融之外的垂直行业得到验证，值得持续关注。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
