導讀：一個 AI Agent 回一封信很像樣，不代表它能連跑十小時、同時接住三百個任務，還不把你煩到想關通知。真正把 Agent 做大的，不是模型再強一點，而是三條命能不能一起活下來。
展示很順，不代表系統撐得住
你看到的多半是 Agent 最漂亮的那一面，不是最容易出事的那一面。
展示影片通常只秀一件事。回一封信。整理一份文件。查一個主題。看起來像天才。可是一旦你把工作量往上推，問題馬上浮出來了。你要它連跑一整晚，它開始失憶。你要它同時處理 300 份摘要，它到第 20 份就走樣。你要一個人同時盯十個 Agent，通知欄像失火一樣。
這就像你找來一位超能實習生。單件任務做得漂亮。可一到夜班、多人協作、跨部門交接，整套系統立刻露底。不是它笨。是它的耐力、分工能力、還有人機交接能力，本來就沒一起被設計好。
第一條命，是時間
時間擴展決定一個 Agent 能跑多久，還記不記得自己前面做過什麼。
這條命最像白板空間。白板一開始很乾淨，你寫什麼都清楚。寫滿之後呢？新的字會蓋住舊的，旁邊的人也看不懂。Agent 的 context window 就是那塊白板。任務一長，前面的判斷、例外、已嘗試方案會慢慢沉下去，接著開始重複、漏步、自己打自己臉。
所以時間擴展不是叫模型硬撐，而是替它做記憶代謝。哪些細節要完整保留，哪些能壓成摘要，哪些已經可以丟到外部記憶庫，這些都要先設計。Anthropic 分享過一個例子：當 Claude 被允許自行管理記憶，長期追蹤任務的準確率從 43% 拉到 84%。差距不在「更會想」，而在「比較不會忘」。
你如果正打算讓 Agent 接手每日巡檢、跨天研究、長流程客服，先別急著談多代理。先問一句就好：它明天早上醒來，還認得昨天晚上做過什麼嗎？
第二條命，是空間
空間擴展決定一個 Agent 能不能把大工作拆開，交給分身，再把碎片重新拼回來。
很多人以為空間擴展只是「多開幾個 Agent」。沒那麼簡單。多開分身像把一個工地塞進更多人。若工頭、動線、工種邊界都沒先畫好，人越多越亂。有人重工，有人互搶資源，有人把舊版結果覆蓋新版。最後不是更快，是更吵。
真正有效的空間擴展，要先把任務切成彼此依賴最少的小塊。誰負責蒐集，誰負責驗證，誰負責整合，要像接力賽一樣把棒次排清楚。一個案例很典型：單一 Agent 處理 300 篇 SEO 摘要，到第 20 篇品質就開始滑落；改成 8 個子 Agent 分工並行後，輸出穩定得多。關鍵不是數量，而是拆工方法。
你可以把它想成廚房。只有一個人炒三十道菜，最後一定亂。三個爐台、四個廚師、清楚的出餐順序，才叫擴展。單純再塞五個人進來，只會更像災難片。
第三條命，是互動
互動擴展決定的是，Agent 會幫你省注意力，還是把你的注意力整桶搬走。
很多 Agent 失敗，不是模型不夠好，而是太愛打斷你。一步一問。每五分鐘 ping 一次。每個例外都要人類即時接球。你本來想找助手，最後卻變成十個半成品助手一起把你拉進一場監工地獄。
好的互動擴展很克制。平常不吵。只有在真的超出授權範圍時才跳出來，而且一次把三件事講完：我卡在哪裡、我試過什麼、我現在需要你決定什麼。這種設計像一個成熟的專案經理，不會每改一行字就跑來敲門，只會在岔路口把選項攤開給你選。
如果你的 Agent 一直問你「這樣可以嗎」，那它不是在自主工作。它只是把決策疲勞外包回你身上。這很傷。也很常見。
三條命分開看，才知道先救誰
三維框架最有用的地方，不在它很新，而在它逼你把瓶頸切開看。
一個 Agent 可以很會記憶，卻完全不會並行。也可以很會並行，卻每碰到外部系統就停下來等你。三條命彼此不能互補。時間強，不會自動讓互動變好。空間強，也不保證長任務穩。你如果把三種問題混在一起看，最後常會做出看似用力、其實打錯地方的優化。
不過，這也不是放諸四海皆準的物理定律。上面那些 43%、84%、300、20、8，來自特定工具團隊或工程案例，不是每個產品都會跑出同一組數字。它更像一張診斷地圖，不是萬用尺。你拿它來看自己的系統，重點不是跟別人比，而是判斷你究竟死在失憶、塞車，還是失控的通知流。
這一層很關鍵。因為多數團隊不是沒有投資 Agent，而是把錢花在最會上台展示的那一維。
先補最短木板，別急著三維全滿
真正實用的做法，是先找最短木板，再決定先補哪一條命。
如果你的 Agent 常常跨天就失憶，先做時間擴展。把 checkpoint、摘要壓縮、外部記憶接起來。若你的問題是一堆工作排隊排到天荒地老，先做空間擴展，把任務拆成能獨立前進的小單元。要是你最大的痛苦是自己被通知炸爛，那就先做互動擴展，重新畫清楚授權邊界和例外升級條件。
你不需要一開始就蓋一座完美的 AI 公司。你只需要先讓 Agent 活過下一個真實場景。能不能順順跑一夜？能不能同時接住十個請求？能不能把需要你決定的事，縮到一天只打擾你兩次？問題問對了，架構才不會越做越歪。
衡量一個 AI Agent 的真正指標，不是它今天能做出什麼炫技，而是它能撐多久、能分出去多大、又能替你省下多少注意力。
References
- Harness Engineering (2026). 三個 scaling 維度的統一框架.
- Anthropic (2026). Harnessing Claude's Intelligence: 3 Key Patterns for Building Apps.
- Anthropic (2026). Claude Code Agent Architecture.
常見問題
三維擴展框架適用於所有類型的 Agent 嗎？
不一定。這套框架最適合長時間執行、多 Agent 協作、需要人機交接的場景；若只是一次性小任務，你只要先解最明顯的那個瓶頸，不用把三維都做滿。
多開幾個 Agent，就等於空間擴展做對了嗎？
不等於。真正的空間擴展還包含拆工方式、結果合併、共享資源衝突與失敗重試；只把數量加上去，通常只是把混亂放大。
互動擴展是不是代表 Agent 完全不要問人？
不是。好的互動擴展不是閉嘴硬做，而是平常自己跑，遇到真的超出授權的決策才打擾你，並且一次把卡點、已嘗試方案和待決策項目講清楚。