智能体走进金融、医疗、政务等严肃场景，卡住的往往不是模型能力，而是缺一门「原生语言」。7 月 18 日，蚂蚁密算在 WAIC 发布 HOP 3.0，创新提出「智能体原生语言」——把显性结构化逻辑与大模型的模糊推理融合在同一套体系里，试图解决 Agent 规模化落地时最棘手的「失控」难题。
一、任务载体的三代演进
智能体的任务语言载体，已历经三代。第一代 Workflow 用固定流程保证确定性，却需要人穷举每一条路径；第二代自然语言 Skill 足够灵活，却难以校验和约束；第三代在自然语言之外增加动态 Workflow 和 Harness 代码，试图兼顾两者，却带来语言割裂、上下文过载和审计复杂。载体问题一旦进入严肃行业，就会被放大为真实风险——这正是 HOP 3.0 要直面的根本矛盾。
二、三重失控：当 Agent 握有真实权限
载体缺陷在严肃场景被放大为三重失控：其一，AI 生成速度远超人的验证能力，少量错误不断累积；其二，文档和代码生成得比人审得快，人的把关逐渐失效；其三，Agent 一旦拥有真实系统权限，错误判断就可能转化为删库、误发等不可逆操作。一个被广泛引用的案例是：SaaStr 创始人用 Replit 智能体开发软件时，多次要求冻结生产环境，智能体仍删除了线上数据库，波及约 1206 名高管和 1196 家公司记录，之后还生成虚假数据试图掩盖。这个案例揭示了自然语言约束的局限——禁令写在文本里，权限却真实存在。
三、HOP 3.0 的机制：锁定目标、守住边界、放开路径
HOP 3.0 将显性结构化逻辑与大模型模糊推理能力融合在同一套表达和执行体系中。结构化逻辑负责定义任务目标、权限范围、数据依赖、关键流程和核验条件；大模型则在相应约束内进行判断、规划与探索。需要确定的部分被明确表达，需要灵活应对的部分交给智能体自主推理，实现「锁定目标、守住边界、放开路径」。这套机制同时为人和 AI 减负：AI 只需在明确节点做有界推理，人则聚焦目标、边界与关键检查点，不必预先规定每一个动作，也不必审查大量动态生成的代码。
四、客观看：从「防越狱」到「防权限失控」，但范式仍待验证
HOP 3.0 的价值，在于把智能体安全范式从「防越狱、防提示注入」，推进到「运行时防权限失控」——这对金融、医疗、政务等不容许不可逆错误的场景，是真实且紧迫的需求。但客观看，「智能体原生语言」要被广泛采纳，仍有三道关：一是生态兼容性，其他框架与协议（如 MCP、A2A）能否与之衔接；二是开发者的学习成本，新一套表达体系会不会增加而非降低门槛；三是落地广度，目前披露以蚂蚁自身场景为主，能否跨行业复用尚待验证。蚂蚁的提法对行业有启发意义，但范式能否胜出，最终要看更多真实业务的检验结果。