先分清两种模式的本质
Copilot 模式：人主导，AI 打辅助。每一步产出都过用户的手，人随时能改能拒绝。GitHub Copilot 的代码补全、Notion AI 帮你润色段落，都是这个形态。
Agent 模式：AI 主导，人下目标。AI 自己拆任务、调工具、连跑好多步，人只看结果或者关键节点。Manus、Devin、Cursor 的 Agent 模式是代表。
区别的核心不是智能程度，是控制权和责任在谁手里。Copilot 错了，错的是人审过的内容，责任链条清晰；Agent 错了，是系统自己跑出的一串动作，追责和回滚都麻烦得多。想不清楚这层，选型的讨论都是空对空。
选型看四个维度
我的判断框架就四条：
容错率。错了代价大不大？医疗建议、资金操作、法律文书，再强的模型也只配当 Copilot；写周报、整理资料、查信息，错了大不了重来，可以放给 Agent。
可逆性。动作能撤销吗？生成一段文字随时能改，适合 Agent 放开跑；发出去的邮件、执行的转账收不回来，必须留人工确认闸口。
用户专业度。目标用户能判断 AI 产出的好坏吗？程序员看 Copilot 补全能秒判对错，所以代码场景 Copilot 体验极佳；让小白判断 Agent 写的财报分析对不对，他根本没这个能力，只能闭眼赌——赌输两次就流失了。
速度需求。人审是 Agent 的效率杀手。场景要求秒级响应、高频发生（比如搜索改写、推荐排序），全流程自动化才有意义，人根本插不上手。
别二选一，信任是慢慢放出来的
好的产品都是渐进放权：同一个产品里，低风险环节 Agent 化，高风险环节留确认。Cursor 就是这个设计——补全自动补上是 Copilot，Agent 模式连改十几个文件，但落盘前给你 diff 让你逐个 review。WPS AI、飞书的智能伙伴也是先做人触发的单步辅助，等用户在低风险场景里攒够信任，再推多步自动化。反过来，一上来就全自动的产品，一个离谱错误就能把用户信任清零——而且信任这东西，一旦没了很难再建回来。
这个节奏和自动驾驶分级是一个道理：L2 是人开、机器辅助，L4 是机器开、人旁观，中间没有跳变的开关，只有能力一格一格验证解锁。产品上也一样，每一次放权，都要拿上一级的稳定性数据当门票。
别忽略成本和延迟这一票
Copilot 模式的调用是单点、可预测的：一次补全一次调用，延迟一两秒，成本几分钱。Agent 一次任务是几十次模型调用加工具调用的组合，跑几分钟、烧几美元 token 是常态。这直接改写产品设计：Copilot 可以静默常驻、默认开启；Agent 必须显式触发、给进度反馈、给成本预期。用户点一下按钮，后台跑了五块钱的任务，他当时没概念，账单出来才有概念——到那一步就是客诉了。所以 Agent 产品的进度可视化（做到哪一步、调了哪些工具）不只是体验设计，更是预期管理：让用户对时间和花费心里有数，等待才变得可忍受。