Agent Advisor：先告诉你能造什么
在 9 月版本里，ServiceNow 把 AI Agent Studio 彻底重做，核心变化之一是 Agent Advisor。它不再等用户凭空想一个智能体该长什么样，而是主动去「读」企业自己的实例数据：哪些流程工单量高、哪些记录反复被人处理、哪些环节耗时最长。基于这些信号，Agent Advisor 直接给出「这里适合上一个智能体」的机会清单，并附上被分析过的记录、预估能省下的时间与成本，以及生成好的解决步骤。
这套思路把构建智能体的起点从「人的想象力」换成「数据的痛点」。对业务方而言，价值在于降低立项门槛：不需要先懂智能体怎么搭，也能看到可量化的回报预期。从「推荐机会」到「一键创建」，路径被压得很短。
可视化节点画布：把工作流摊在一张图上
新 Studio 用一张可视化节点画布（Visual Node Canvas）把整套智能体方案摆出来：哪些 Agent、接什么工具、走什么流程，全部以交互式节点图呈现。过去要配置一个复杂方案，往往要在多个页面间跳转；现在增删工具、编辑 Agent、查看完整链路都在同一张图里完成。对需要向业务与合规解释「这个智能体到底怎么跑」的团队，画布本身就是沟通媒介。
可视化不是新概念，但把它放在企业级 Agent 构建的中心位置，说明厂商判断：智能体的采纳障碍已从「模型够不够强」转向「方案够不够可解释、可审计、可维护」。一张能摊开的图，比一段自然语言配置更容易过内部的治理关。
边建边测：测试面板贴在构建旁边
旧体验要求先把智能体搭完，再切到别处测试；新体验把构建与测试放在同一屏。配置进行中，就能在旁边开一个测试对话面板，实时跑交互、即时迭代，满意后直接从同一屏部署。这削减的是「构建—测试」之间的上下文切换成本，也缩短了一个智能体从想法到上线的循环。
对开发者与企业公民开发者（citizen developer） alike，边建边测降低了试错代价：一句提示词改坏流程，能立刻在面板里看到后果，而不是等部署后才暴露。
Chat 与 Voice 成为两类原生智能体
这一版把 Chat 与 Voice 明确定义为两种不同的智能体类型，从一开始就各自带合适的设置与约束，而不再让用户手动去管模态差异。背后的判断是：文字对话与语音交互在延迟、打断、确认方式上完全不同，混为一谈会带来体验与安全风险。把模态当成原生的一等角色，符合客服、现场作业、呼叫中心等真实场景的分化需求。
预置智能体也能改，且不必克隆
新 Studio 支持从预置（OOTB）智能体上增删 Agent 与工具，按自身场景定制行为，同时保留升级路径——不必像过去那样为了改一点就整体克隆，从而掉出版本迭代。对企业而言，这意味着既能用厂商沉淀好的开箱能力，又能不被「千企一面」绑死。可扩展性（OOTB Extensibility）是降低长期维护成本的关键。
仍受生态约束的几点保留
其一，它长在 ServiceNow 实例里。Agent Advisor 挖掘的是 ServiceNow 自己的数据，价值上限取决于企业把多少流程放进了这套平台。流程在别处的团队，受益有限。
其二，管理员暂时不能删除已建的 agentic solution，官方说会在后续补丁补齐。对喜欢「试错后清理」的团队，当前要先克制创建冲动。
其三，自动化评估（Auto Eval）、多模态单一智能体、对话式构建等能力仍在路线图中，尚未 GA。当下能用的，是比旧版更顺的构建与测试闭环，而非端到端的全自动。
结语
ServiceNow 这版重构，标志企业级智能体平台从「给你积木自己拼」走向「替你找痛点、给你画布、陪你边搭边测」。它的竞争力不在某一个炫酷能力，而在把构建智能体的工程链路收进一个可治理、可解释、可升级的闭环。对企业采纳智能体而言，这种「工程化降低门槛」的取向，可能比单次效果提升更关键。