为智能体训练环境投资
Arga Labs 宣布完成 1000 万美元种子轮融资。本轮由 General Catalyst 领投。Box Group、Emergence、Gradient 和 SV Angel 参投。该公司正在构建用于训练企业 AI 智能体的环境。这不是一个现成的智能体，而是用于训练它的基础设施。判断标准：本轮融资印证了企业对智能体测试环境的需求。
为什么无状态 API 不够用
大多数测试环境仅限于无状态 API。Arga Labs 正在构建完整的软件数字孪生。它克隆企业软件，包括权限系统和 webhook。因此，智能体学会在多个系统中工作。关键区别：
- 无状态 API —— 只是一个端点；
- 数字孪生 —— 软件结构的副本；
- 环境保留权限系统和 webhook；
- 智能体在不同软件之间的关联中接受训练。结论：对于在多个软件中行动的智能体，需要一个有状态和权限的环境。
数据歧义：以线索为例
CEO 兼联合创始人 Phillip Li 举了一个例子。客户在 Salesforce 中创建线索。同事则通过 HubSpot 单独联系。Li 就智能体的工作提出了一些问题。智能体会明白这是同一家公司吗？它会检查邮件只发送了一次吗？它会在两种可能中确定该联系谁吗？智能体系统目前对这类歧义处理得并不好。Arga Labs 认为自己的工具对于改善这一状况至关重要。实用判断标准：在存在重复和渠道交叉的场景中检验环境。
为什么大规模 RL 受制于企业软件
智能体通过强化学习进行训练。场景会被运行数万次。成功的策略得以保留。但企业软件并不适合这种规模。像 Salesforce 或 Outlook 这样的系统很难重置以进行重复运行。克隆它就更难了。Arga Labs 正在构建软件的数字重建。它复现软件的结构，就像碰撞测试假人复现人体一样。对环境的完全控制简化了重置和修改。公司可以同时运行多个环境。智能体在不同软件之间的复杂交互中接受训练。其理念是复现完整的工作环境，其中的任务在不同软件和知识系统之间交叉。结论：没有可控的环境副本，企业软件中的 RL 仍然受限。
编程与企业软件之间的差距
用于编程的 AI 工具进展迅速。原因在于有用于部署、逆向和分析代码的工具。它们简化了 RL 环境的搭建。这使得人们能够在越来越复杂的编程任务上测试和训练 AI。对于大多数企业软件而言，这类工具目前还不存在。Arga Labs 正致力于弥合这一 reinforcement gap。如果这些工具出现，AI 系统将能更好地使用企业软件。这可能像编程一样改变其他行业。对比：| 标准 | 编程 | 企业软件 | | 部署、逆向和分析工具 | 有 | 没有（暂时） | | RL 环境搭建 | 较简单 | 较复杂 | | 可测试任务的复杂度 | 不断增长 | 因歧义而较高 | 结论：为企业软件推出这类工具将加速智能体在这些软件中的发展。
投资人的看法
Yuri Sagalov 是 General Catalyst 的董事总经理兼种子计划负责人。他看到对类似 Arga 这样的智能体测试工具的需求日益增长。Sagalov 将智能体经济价值的很大一部分与使用企业应用联系在一起。在他看来，可重复的沙盒非常重要。对智能体而言，它比对人更重要。实用判断标准：在选择基础设施时，检验环境是否为企业应用提供可重复的沙盒。
选择智能体训练环境的标准
环境应当：
- 克隆企业软件的结构；
- 保留权限系统和 webhook；
- 允许重置和修改场景；
- 支持同时运行多个环境；
- 复现软件与知识系统之间的任务交叉。Arga Labs 正在为企业软件构建这样的环境，包括 Salesforce、Workday 和邮件客户端。1000 万美元的融资印证了投资者对这一方向的兴趣。结论：对于训练智能体的团队来说，工作环境的可控副本正成为一项基本要求。
