别再只卷推理能力了，AI Agent 的商业价值其实藏在对话风格里
很多开发者在构建大模型工作流时都会遇到一个共性痛点：AI 确实能写出正确且运行正常的代码，但它像一个死板的 API 接口，而不是一个协作伙伴。当你给它一个复杂的需求，它可能会在不完全理解你的意图时，直接甩给你 100 行代码，结果运行报错，你再花 10 分钟去纠正它。这种“输入-输出”的单向模式，实际上带来了极高的沟通成本。
Poke 这种强调 conversational style（对话风格）的交互模型，解决的正是这个痛点。一个能写代码的机器人，和一个“像资深工程师一样交流”的机器人，在商业价值上完全是两个量级。资深工程师的特点是什么？不是他能背诵所有 API 文档，而是他会在动手写代码前，通过对话精准地确认需求边界，在发现方案潜在风险时及时提醒你，而不是在错误的路径上狂奔。
这种“性格”的补齐，在实际开发场景中能带来三个维度的质变。首先是沟通效率的提升。当 AI 具备了自然的人格化交互能力，它能通过多轮对话把模糊的需求具体化，避免了无效的代码生成。其次是信任感的建立。当 AI 面对一个复杂的 Bug 修复方案时，如果它能用像人一样的方式解释“为什么采取这种重构方案”，而不是简单地甩出几个官方文档链接，开发者在心理上更容易接受并信任这个方案。最后，这让 AI Agent 从一个工具变成了真正的协同开发伙伴，完成了从“指令执行”到“协同创造”的闭环。
对于 Devin 来说，这次收购本质上是在补齐最后一块拼图。我们可以把 AI Agent 的能力拆解为两个部分：底层的推理能力是引擎，决定了它能跑多快、能处理多复杂的逻辑；而交互人格则是方向盘和仪表盘，决定了用户如何操控它以及如何感知它的状态。如果只有引擎而没有好的人格化交互，用户在面对 AI 的输出时会产生强烈的挫败感，甚至因为沟通不畅而放弃使用。
在实际操作中，如果你在调用 GPT-4o 或 Claude 3.5 等模型构建 Agent，你会发现即使在 System Prompt 里写上“请用资深工程师的语气说话”，效果依然有限。因为真正的交互自然度需要模型在训练阶段就对 conversational style 有深层的对齐。Cognition 的这次动作证明了，单纯靠 Prompt 调优已经无法满足顶级的商业交互需求，必须在模型层面对“人设”进行深度优化。
总结来看，AI Agent 的竞争已经从“谁能跑通代码”进化到了“谁能让用户舒服地协作”。如果一个 Agent 依然像个冷冰冰的计算器，那么它永远无法真正进入核心的生产力流程。
