文章以牛顿力学的参照物为引，说明判断大小、优秀、美丑、奇怪等形容词都依赖参照物或模糊标准。这类词多属主观评论而非事实，暗含说话者的标准。因此听到评价时应警惕：标准由谁定、是否合适，别轻易落入他人判断。

AI“智能体”一词被滥用，许多应用只需工作流。工作流在开发时固定控制流程，可用LLM但路径预设；智能体由模型运行时决定下一步，能回溯、循环。判断标准：若运行前能画出完整流程图，用工作流；若下一步取决于执行中的发现，才需智能体。高并发、低成本、低延迟、强合规场景宜用工作流。建议先构建工作流，再评估是否真需智能体。

Agent并非更聪明的模型，而是模型外加运行支架，用于管理上下文、工具、环境和会话状态。普通调用适合单轮任务，固定工作流适合步骤明确的场景，Agent适合需动态选路、跨步骤恢复的任务。常见误区包括：以为模型更聪明、工具越多越好、有记忆就不丢上下文、Agent会负责。判断是否使用Agent的标准：步骤能否预先列出、中间结果是否改变下一步、失败后是否需从检查点继续。

AI知识库并非人人适用，其价值取决于信息结构而非岗位或勤奋。核心判断标准是：工作中是否存在大量分散、需长期复用且遗漏代价高的信息。高信息汇聚者、高上下文决策者、长期学习者及高复用内容生产者受益最大；而信息量少、短期有效或已有权威源者则无需搭建。搭建前需权衡收益与录入、维护、校验等隐性成本，确保长期收益大于成本。

音视频中台并非所有企业必需，但当多业务线重复建设、音视频成核心交互、新业务上线快或合规要求统一时，其价值凸显。判断标准包括：已有三个以上供应商、故障影响核心指标、近期有新场景计划或行业合规严格。核心看音视频场景复杂度与数量，多场景并行时统一中台收益更高。

Agent并非固定产品形态，而是软件运行方式，核心是目标、决策、行动、反馈的循环。网页、API等只是入口，工作流不等于Agent。企业购买的是具体能力，而非抽象概念。判断Agent应关注任务、行动、路径、状态、失败处理、权限和接入方式，而非模型。Agent是实现手段，不是产品答案。