处理复杂业务时，人们常遭遇一种尴尬：前几步还按部就班，越往后越「迷失方向」，甚至一本正经地编造数据。9 月 4 日报道显示，香港理工大学大亚湾技术创新研究院人工智能中心推出的 InfiAgent，正专攻这一「长程任务」痛点，并已在国内多个真实业务场景落地。
一、什么是「长程任务」
InfiAgent 的目标不是简单对话问答，而是把查数据、做报价、走流程等真实业务交由智能体执行。这类任务往往需要连续执行数小时乃至数天、涉及成百上千个步骤，对「不失忆、不跑偏、断了能接着干」的要求极高，工程实现最难，却往往也是企业人力劳动密度最高、最具核心价值的场景。
研发初衷源于团队真实的「碰壁」：在自动化科研（AutoResearch）中发现，现有自动科研智能体难以持续进行超长时间研究，端到端产出极不稳定。在调研确认市场现有框架均无法满足后，团队从 2025 年中立项、今年年初完成主体开发，耗时约 6 个月自研。
二、三大突破：跑得长、跑得稳、用得久
平台采用多层智能体协同、可恢复任务状态、分层上下文管理与工具编排，并设计了 PG 程序化工作流——把复杂业务规则组织为可调用、可返回、可追踪的自然语言函数程序。
与传统智能体只能端到端测试、结果时好时坏不同，InfiAgent 可以确定性地分步调试某一个步骤，而不影响任何前序步骤。这把「可靠性」从玄学变成了可工程化的东西：哪一步出错，就单独修哪一步。
三、真实落地：从销售分析到供应链报价
在惠州本土企业真维斯，团队基于该平台搭建了 ChatBI 与销售数据检讨工作流：前者通过「知识库 + 数据库自主查询」，让业务人员用一句话就能查询任意销售问题；后者基于 PG 工作流实现确定化流程，同时允许人随时调整具体内容。
在物流与供应链领域，落地更为深入。绝味食品供应链（上海绝配）利用该平台实现自动化报价：面对格式杂乱、规则细碎且容错率极低的物流报价业务，InfiAgent 既能灵活读懂各类来料，又能一步不错地走完复杂成本核验流程——完美契合其「长程确定性流程」的技术优势。
四、客观看：价值与边界
积极面：平台把「长周期确定性流程」做成可复用底座，对供应链、制造、石化新材料等流程密集型行业直接可用；支持本地及容器化部署，兼顾企业的数据主权诉求。
边界同样需要划清：InfiAgent 解决的是「长任务执行」的工程可靠性，而上游的模型能力、领域知识质量、规则准确性仍是企业自身责任；多行业直接迁移需结合行业长期积累，并非开箱即用的万能药。团队也明确，未来将沿「选定行业纵向深耕」与「把方法做成通用构造维护系统」两条路径推进产业化。
结语：InfiAgent 的方向戳中了企业 Agent 落地最硬的骨头——可靠性与可恢复性。当行业从「能不能做」卷向「能不能稳定跑完」，这类聚焦长程工程的平台，价值会愈发凸显。