Agent 长程规划
1. 3 秒看懂（≤25 字）
Agent 长程规划把 1 次回答拆成 5-100 步可验证任务。123
2. 3 分钟产业解释（120-180 字）
Agent 长程规划是云端 AI 执行层的“任务分解 + 工具调用 + 反思修正 + 搜索选择”，核心目标是把 1 个自然语言目标拆成 5-100 个带状态、权限和验收条件的动作。123 ReAct 在 2022 年把 reasoning trace 与 action 交替执行，Reflexion 在 2023 年用语言反馈把失败经验写入下一轮，Tree of Thoughts 在 2023 年把单链推理扩展为多分支搜索；三者共同把 Agent 从“会聊天”推向“会试错、会回滚、会选择”。123 产业化瓶颈是长链错误复利：若单步成功率为 98%，20 步直通率只有 66.8%；若单步成功率降至 95%，20 步直通率降至 35.8%，因此规划器、验证器和审计层会成为云厂与企业软件厂的新增预算项。45
3. 15 分钟专家深入（400-600 字）
长程规划的投资价值不在“模型多想几秒”，而在把推理时间转化为可计费的任务成功率、成本/成功和企业可控边界。46 单轮问答的成本近似为 tokens × 单价，长程 Agent 的成本近似为 规划分支数 × 每分支步数 × 平均 tokens × 模型单价 + 工具调用费 + 失败回滚费 + 人工验收费；当 Tree of Thoughts 把搜索分支从 1 条扩到 5 条时，推理成本约增加 5 倍，但若成功率从 40% 提升到 80%，每次成功成本反而下降 50%。36
ReAct、Reflexion 和 Tree of Thoughts 对应 3 类可商业化能力。ReAct 解决“下一步该调用什么工具”，适合网页、代码、数据库、工单和 CRM 等开放环境；论文显示 interleaved reasoning/action 可以提升任务可解释性，并让模型用外部环境更新计划。1 Reflexion 解决“失败后如何改进”，它不更新模型权重，而是把失败原因写成语言记忆，再在下一轮行动前读取；这类能力映射到企业软件里的 replay、postmortem、case memory 和 workflow analytics。2 Tree of Thoughts 解决“多个方案如何比较”，它把中间想法作为搜索节点，用生成器、评估器和搜索算法做前瞻；论文在 Game of 24 上报告 GPT-4 + ToT 成功率 74%，显著高于 chain-of-thought 的 4%，说明搜索预算能换取复杂规划任务的成功率。3
商业上，Agent 长程规划会先被云厂和企业软件厂内嵌，而不是独立成为 1 个应用类别。OpenAI 2025 年推出 ChatGPT agent，披露其统一了 Operator、deep research 和 ChatGPT 的能力，并在 Humanity’s Last Exam 上给出 41.6% pass@1 的系统口径。78 Salesforce FY26Q4 披露 Agentforce ARR 8.0 亿美元 [CRM]、同比增长 169%，说明规划能力已经开始进入 CRM 预算。9 ServiceNow 2026 年把 AI Control Tower 扩展到跨系统 Agent 观测、治理和安全，说明企业客户为“规划是否越权、失败能否追责、ROI 能否量化”付费。10 可算收入链为 企业任务池 × 可自动化比例 × 长程成功率 × 每次成功收费或席位 ARPU × 平台份额 = Agent 规划收入，反证指标是 2026-2028 年 AI ARR 是否从演示和试点转为可续费生产工作流。91011
4. 技术原理（200-300 字）
长程规划器通常包含 6 个模块：目标解析器把用户目标拆成 3-50 个子目标，状态跟踪器维护文件、网页、数据库和工具返回，行动策略选择 API/浏览器/代码/检索，反思模块把失败写入短期或长期记忆，搜索模块在 2-10 条候选路径中评分，验证器用规则、测试或人工审批判定最终状态。123 ReAct 的最小循环是 Thought -> Action -> Observation，优点是每 1 步都能吸收环境反馈，缺点是错误观察会污染后续计划。1 Reflexion 在循环外增加 verbal feedback 与 episodic memory，优点是无需 fine-tuning 就能用 1-3 次失败改善策略，缺点是错误反思会形成“自信但错误”的记忆。2 Tree of Thoughts 增加 breadth-first、depth-first 或 beam search，优点是可在 5-10 个候选解之间回溯，缺点是 token 成本、延迟和评估器误判同步上升。3 2026 年技术分水岭是规划器能否在第 N 步定位失败并自动重试，而不是只在最终答案失败后重新生成 1 次。612
5. 上游依赖 / 下游影响
上游依赖
- Frontier reasoning models：OpenAI o3/o4-mini 2025 年披露工具使用可显著提升 AIME 2025 表现，说明规划模型需要同时具备推理、视觉、浏览器和代码工具能力。12
- Agent benchmark 与 replay：GAIA 覆盖 466 个真实助理任务，OSWorld 覆盖 369 个真实桌面/网页任务，SWE-bench Verified 覆盖 500 个经人工验证的软件修复任务，三类基准共同约束“长程成功率”的可比口径。456
- 状态机与工作流编排：LangGraph、AutoGen、ServiceNow AI Agent Studio、UiPath Maestro 等框架把开放循环压缩成节点、边、重试和审批，方向是把 10-100 步任务变成可审计 DAG。101314
- 企业权限与审计：OAuth、RBAC、日志、数据驻留和人工审批决定 Agent 能否从只读摘要进入可写系统；ServiceNow 2026 年把 AI Control Tower 连接到 NVIDIA Enterprise AI Factory，说明治理边界正从桌面扩展到数据中心。10
下游影响
- CRM 与客服：Salesforce FY2026 Agentforce ARR 8.0 亿美元 [CRM]、同比增长 169%，长程规划把“推荐话术”升级为“自动建单、更新字段、触发流程”。9
- ITSM 与 HR：ServiceNow 2026 年 AI Control Tower GA 预期在 2026-08，把多 Agent 观测、风险控制和 ROI 度量纳入平台订阅。10
- RPA 与后台流程：UiPath FY2025 ARR 为 16.66 亿美元、同比增长 14%，Agentic automation 的增量在于把非结构化输入接入已有机器人和队列。14
- 研发与知识工作：Atlassian FY2025 收入 52 亿美元、AI 月活 230 万，Rovo 与 Teamwork Graph 把规划能力放进 Jira/Confluence 工作流。15
6. 技术路线对比表
| 路线 | 速率/吞吐 | 典型功耗或成本 | 距离或维度 | 标准成熟度 | 量产概率 2026 | 反证指标 |
|---|---|---|---|---|---|---|
| ReAct 单 Agent 循环 | 5-50 步行动-观察 | 步数 × tokens × 单价 | 网页、代码、检索、API | 2022 年论文成熟，工程框架普及 | 85% | 20 步任务直通率低于 50% 或日志无法复现失败点14 |
| Reflexion 失败记忆 | 1-3 轮 retry + verbal memory | 失败重试成本增加 1-3 倍 | 编程、问答、交互环境 | 2023 年论文成熟，生产记忆需治理 | 70% | 反思记忆导致错误策略重复 3 次以上2 |
| Tree of Thoughts / Beam Search | 2-10 条候选路径并行 | 分支数增加 2-10 倍 token 成本 | 数学、规划、复杂决策 | 2023 年论文成熟，企业评估器仍早期 | 60% | 成功率提升小于成本增幅，或延迟超过人工 SLA3 |
| 图状态机 Agent | 3-50 个节点 + 条件边 | 节点重试降低失败回滚成本 | 企业审批、客服、ITSM | LangGraph/AutoGen/ServiceNow 路线成熟度上升 | 80% | SOC2/ISO/金融审计无法接受开放循环1013 |
| 多 Agent 规划 | 2-10 个角色协作 | token 成本约为单 Agent 的 2-5 倍 | 研发、运营、投研复合任务 | 2024-2026 年快速迭代 | 55% | 多角色互相确认但最终验收错误率高于单 Agent6 |
| 人类在环规划 | 关键节点 1-5 次审批 | 人工成本换取风险下降 | 财务、法务、采购、人事 | 企业上线最现实路径 | 90% | 人工接管率超过 30% 后 ROI 低于传统流程自动化11 |
7. 关键指标（5-7 项 + 怎么追）
- 长程成功率：按 GAIA Level 3、OSWorld、WebArena、SWE-bench Verified/Pro 和内部 replay 追踪，若复杂任务成功率低于 60%，生产部署应降级为 copilot 或审批模式。456
- 成本/成功：用
模型费 + 工具费 + 回滚费 + 人工复核费 ÷ 成功任务数计算，若 2026 年高频流程成本仍高于人工成本 50%，结果付费模型难以成立。11 - 搜索预算回报：记录 ToT/beam search 的分支数、平均步数和成功率增量，若 5 条分支只提升 5 个百分点成功率，规划器应收缩为 ReAct 或状态机。3
- 失败定位粒度：按第 N 步、工具名、输入输出和审批节点记录错误，若超过 20% 失败无法定位到具体节点，企业审计和保险定价会受阻。610
- AI ARR / Agent ARR：Salesforce FY26Q4 已披露 Agentforce ARR 8.0 亿美元 [CRM]，ServiceNow 披露 AI Control Tower 和大客户交易，后续追 AI 收入占总收入是否超过 5%。910
- 人工接管率：对 10-100 步任务记录 HITL 次数，若 20 步任务超过 6 次人工审批，Agent 更像流程建议而非自动执行。11
- 安全事件率：按每 1,000 次执行中的越权、错误写入、数据泄露和高危工具调用计数，若高危事件超过 1 次，金融、医疗和政企部署会延后。810
8. 可算传导表
8.1 市场闭环模型
| 驱动变量 | 2024 | 2025E | 2026E | 2027E | 来源 |
|---|---|---|---|---|---|
| 美国 AI Agents 市场 TAM | 16.03 亿美元 | 22.29 亿美元 | 31.94 亿美元 = 22.29 × 1.433 | 45.77 亿美元 = 31.94 × 1.433 | Grand View Research；2026/2027 按 43.3% CAGR 推算。11 |
| 长程规划可服务比例 | 20% 情景 | 25% 情景 | 30% 情景 | 35% 情景 | 情景假设；关键拆分未披露。 |
| → 规划 TAM | 3.21 亿美元 | 5.57 亿美元 | 9.58 亿美元 | 16.02 亿美元 | AI Agents TAM × 可服务比例。 |
| 付费工作流出货 | [未核实 — 待补 A/B 源] | [未核实 — 待补 A/B 源] | [未核实 — 待补 A/B 源] | [未核实 — 待补 A/B 源] | 厂商未披露统一工作流出货口径。 |
| ASP/ARPU | Agentforce ARR/客户待披露 | AI Control Tower SKU 待披露 | 结果付费 ASP 待披露 | 同左 | 关键价格拆分缺少 A/B 公开源。910 |
| 收入公式 | TAM × 规划比例 × 份额 | 任务数 × 成功率 × 单价 | AI ARR + 用量费 | 结果费 + 平台分成 | 推算。 |
| 毛利率 | SaaS 公司 GM 约 70%-84% 区间 | 推理成本压低短期 GM | 缓存/路由改善 GM | 结果付费提升 NRR | Salesforce/ServiceNow/Atlassian 财报区间。91516 |
| PE/估值口径 | 2026-05-27 美股完整收盘，美元，shares × close / TTM EPS | 同左 | 同左 | 同左 | C 级行情仅用于估值快照。26 |
8.2 代表公司弹性测算
| 驱动变量 | Salesforce | ServiceNow | UiPath | 来源/公式 |
|---|---|---|---|---|
| 相关收入基数 | FY2026 revenue 415 亿美元 [CRM]；Agentforce ARR 8.0 亿美元 [CRM] | FY2025 revenue 132.8 亿美元；2030 subscription revenue target 300 亿美元以上 | FY2025 revenue 14.30 亿美元；ARR 16.66 亿美元 | 公司财报和公告。91416 |
| 长程规划收入占比 | 8.0 / 415 = 1.9% 的 Agentforce ARR 口径 | AI ACV 与 AI Control Tower 收入待披露 | Maestro/agentic automation ARR 待披露 | 推算；拆分不足。 |
| → 2026E 本概念收入 | Agentforce ARR × 规划功能占比，占比待披露 | AI ACV × 转收入率 × 规划占比，待披露 | agentic ARR × 规划占比，待披露 | 关键拆分待披露。 |
| 毛利率 | FY2026 non-GAAP operating margin 34.1%；GAAP operating margin 20.1% | FY2025 gross profit 102.95 亿美元 / revenue 132.8 亿美元 = 77.5% | FY2025 gross margin 待补 A/B 源 | 财报披露。91416 |
| → 毛利贡献 | 规划收入 × CRM 软件毛利率 | 规划收入 × 77.5% | 规划收入 × PATH gross margin | 推算。 |
| 净利率/EPS 传导 | 新增 ARR × 稳态 EBIT margin 30%+ ÷ 稀释股本 | AI ACV × 转收入率 × operating margin | 新增 ARR × 自动化软件 margin | 推算。 |
| 市值/PE 口径 | 市值 1,689.9 亿美元；PE TTM 23.7x；2026-05-27 收盘口径 | 市值 1,061.9 亿美元；PE TTM 60.1x；2026-05-27 收盘口径 | 市值 60.2 亿美元；PE TTM 26.6x；2026-05-27 收盘口径 | C 级行情快照。26 |
9. 同业硬指标对比表
| 公司 | 收入 | 增速 | GM | 净利 | FCF margin | 客户集中度 | 技术代际 | PE TTM | 反证条件 |
|---|---|---|---|---|---|---|---|---|---|
| Salesforce | FY2026 415 亿美元 [CRM] | +10% | gross margin 待补 10-K；non-GAAP op margin 34.1% | GAAP operating margin 20.1% | 144 / 415 = 34.7% | 大客户分散；RPO 720 亿美元 | Agentforce + Data 360 + workflow planner | 20.61x [CRM]，2026-05-27 16:00 EDT，USD | Agentforce ARR 增速低于 50% 或付费 attach 停滞926 |
| ServiceNow | FY2025 132.8 亿美元 | +21% | 77.5% | net income 待补 10-K | FCF 待补 A/B 源 | 630 个 ACV 超 500 万美元客户 | AI Control Tower + AI Agent Studio | 60.1x，2026-05-27，USD | AI Control Tower 无法转化为 subscription uplift101626 |
| UiPath | FY2025 14.30 亿美元 | +9% | 待补 A/B 源 | 待补 A/B 源 | 待补 A/B 源 | ARR ≥10 万美元客户贡献 87% 收入 | Maestro + RPA + Agentic Automation | 26.6x，2026-05-27，USD | ARR 增速低于 10% 或 NRR 低于 105%1426 |
| Atlassian | FY2025 52 亿美元 | +20% | cloud gross margin 83%-84% 目标口径 | GAAP net income 2.57 亿美元 | 14 / 52 = 26.9% | 30 万+组织客户 | Rovo + Teamwork Graph + Jira planner | -108.6x，2026-05-27，USD | AI MAU 无法转化为付费 Collection1526 |
| Microsoft | FY2025 2,817 亿美元 [MSFT] | +15% | 集团 GM 待补 10-K | net income 1,018 亿美元 | FCF 待补 A/B 源 | 企业客户极分散 | Copilot Studio + Azure AI Foundry | 24.58x，2026-05-27 16:00 EDT，USD [MSFT] | Copilot 停留在摘要层，未进入可写工作流1726 |
| Appian | FY2025 收入待补 A/B 源 | 待补 A/B 源 | 待补 A/B 源 | 待补 A/B 源 | 待补 A/B 源 | 政企流程客户 | Low-code + process automation + planner | 1082.0x，2026-05-27，USD | 低代码流程被内嵌 Agent 和云平台替代26 |
10. 投资逻辑 + 业绩传导（200-300 字 + ASCII 传导图）
Agent 长程规划的投资主线是企业软件从“辅助生成”升级到“可审计执行”，收入从普通 Copilot 席位加价转向 Agent ARR、用量费和结果付费。91011 ReAct 提升工具调用闭环，Reflexion 降低重复失败，Tree of Thoughts 用更高推理预算换更高复杂任务成功率；这 3 类能力会被 CRM、ITSM、RPA、协同办公和开发平台吸收，而不是单独以“算法 SKU”售卖。123 2026-2028 年的关键反证不是 demo 数量，而是长程成功率、人工接管率和成本/成功能否让企业从试点预算转入生产预算；若 Gartner 预测的 2028 年 33% 企业软件含 agentic AI、15% 日常工作决策自动化无法兑现，估值应回到普通 SaaS 增长框架。18
企业任务池 × 可自动化比例 × Agent 渗透率
↓
ReAct 工具闭环 × Reflexion 失败记忆 × ToT 搜索预算
↓
长程成功率 / 成本每成功 / 人工接管率
↓
AI ARR + 用量费 + 结果付费
↓
收入 × SaaS 毛利率 - 推理与审计成本
↓
EPS × PE = 情景市值框架/股价
11. 常见误读纠偏（≥2 条）
误读 1：长程规划等于“让模型多写 chain-of-thought”。
实际情况：ReAct 至少包含行动和观察 2 个外部环节，Reflexion 至少增加失败反馈和记忆 2 个环节，Tree of Thoughts 至少增加候选生成、评分和搜索 3 个环节；因此生产系统要评估工具状态、权限、日志和回滚，而不是只评估文本推理长度。123
证据：ReAct 论文强调 reasoning 与 acting 交替，Reflexion 论文强调 verbal reinforcement，ToT 论文强调多路径搜索和自评估，三者都不是单一 prompt 技巧。123
误读 2：Tree of Thoughts 成功率高，所以企业应默认开启多分支搜索。
实际情况：ToT 在 Game of 24 上把 GPT-4 成功率从 4% 提升到 74%，但分支搜索会把 token、延迟和评估器成本同步放大 2-10 倍；企业应只在高价值、低频、可等待的任务上开启 ToT，而在客服、工单和字段更新里优先使用 ReAct 或状态机。3
证据：ToT 的收益来自候选路径生成和评估，而不是免费能力；若 5 条分支只提升 5 个百分点成功率，成本/成功会恶化。3
误读 3：Agent 规划越自主，商业价值越高。
实际情况：20 步任务在单步 98% 成功率下直通率只有 66.8%，在单步 95% 成功率下降至 35.8%；金融、医疗、法务和人事流程需要 1-5 个 HITL 节点来换取低事故率和可追责，而不是追求 100% 无人值守。4510
证据：GAIA、OSWorld 和 SWE-bench Verified 都把最终状态正确性作为核心，ServiceNow AI Control Tower 的定位也从“自主”转向“治理、观测、安全和 ROI”。45610
12. 最新事件（3-5 条带前缀）
- [已发生] 2025-07-17：OpenAI 发布 ChatGPT agent，披露统一 agentic system，并在 Humanity’s Last Exam 上给出 41.6% pass@1 系统口径。78
- [已发生] 2025-08-15：Atlassian FY2025 披露收入 52 亿美元、AI 月活 230 万，Rovo 与 Teamwork Graph 成为协同规划入口。15
- [已发生] 2026-02-26：Salesforce FY26Q4 披露 Agentforce ARR 8.0 亿美元 [CRM]、同比增长 169%，Agentforce and Data 360 ARR 超过 29 亿美元 [CRM]。9
- [指引] 2026-05-04：ServiceNow 扩展 AI Control Tower，披露新能力在 2026-05 进入 Innovation Lab、2026-08 预期 GA。10
- [行业预测] 2024-03-11：Gartner 预测 2028 年 33% 企业软件应用将包含 agentic AI，15% 日常工作决策将由 AI Agent 自主完成。18
13. 来源 footnotes
1 ReAct: Synergizing Reasoning and Acting in Language Models — Yao et al., ICLR / arXiv — 2022-10-06 — https://arxiv.org/abs/2210.03629 （A）
2 Reflexion: Language Agents with Verbal Reinforcement Learning — Shinn et al., NeurIPS / arXiv — 2023-03-20 — https://arxiv.org/abs/2303.11366 （A）
3 Tree of Thoughts: Deliberate Problem Solving with Large Language Models — Yao et al., NeurIPS / arXiv — 2023-05-17 — https://arxiv.org/abs/2305.10601 （A）
4 GAIA: a benchmark for General AI Assistants — Meta / Hugging Face / AutoGPT team, arXiv — 2023-11-21 — https://arxiv.org/abs/2311.12983 （A）
5 OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments — NeurIPS 2024 / arXiv — 2024-04-11 — https://arxiv.org/abs/2404.07972 （A）
6 Introducing SWE-bench Verified — OpenAI — 2024-08-13 — https://openai.com/index/introducing-swe-bench-verified/ （B）
7 Introducing ChatGPT agent: bridging research and action — OpenAI — 2025-07-17 — https://openai.com/index/introducing-chatgpt-agent/ （B）
8 ChatGPT agent System Card — OpenAI — 2025-07-17 — https://openai.com/index/chatgpt-agent-system-card （B）
9 Salesforce Delivers Record Fourth Quarter Fiscal 2026 Results — Salesforce Investor Relations — 2026-02-26 — https://investor.salesforce.com/news/news-details/2026/Salesforce-Delivers-Record-Fourth-Quarter-Fiscal-2026-Results/default.aspx （B）
10 ServiceNow expands AI Control Tower to discover, observe, govern, secure, and measure AI deployed across any system in the enterprise — ServiceNow Newsroom — 2026-05-04 — https://newsroom.servicenow.com/press-releases/details/2026/ServiceNow-expands-AI-Control-Tower-to-discover-observe-govern-secure-and-measure-AI-deployed-across-any-system-in-the-enterprise/default.aspx （B）
11 U.S. AI Agents Market Size and Share, 2030 — Grand View Research — 2025 — https://www.grandviewresearch.com/industry-analysis/us-ai-agents-market-report （A）
12 Introducing OpenAI o3 and o4-mini — OpenAI — 2025-04-16 — https://openai.com/index/introducing-o3-and-o4-mini/ （B）
13 AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation — Microsoft Research / arXiv — 2023-08-16 — https://arxiv.org/abs/2308.08155 （A）
14 UiPath FY2025 Form 10-K — UiPath / SEC — 2025-03-24 — https://ir.uipath.com/financials/sec-filings/content/0001734722-25-000007/0001734722-25-000007.pdf （A）
15 Atlassian FY2025 Annual Report and Q4 FY2025 Results — Atlassian / SEC — 2025-08-15 — https://www.sec.gov/Archives/edgar/data/1650372/000165037225000060/team2025annualreport.pdf （A）
16 ServiceNow FY2025 Form 10-K / Annual Results — ServiceNow / SEC — 2026-01-29 — https://s205.q4cdn.com/537566246/files/doc_news/2025/q4/ServiceNow-Reports-Fourth-Quarter-and-Full-Year-2025-Financial-Results-Board-of-Directors-Authorizes-Additional-5B-for-Share-Repurchase-Program.pdf （A/B）
17 Microsoft FY2025 Form 10-K — Microsoft / SEC — 2025-07-30 — https://www.sec.gov/Archives/edgar/data/789019/000095017025100235/msft-20250630.htm （A）
18 Gartner Predicts One-Third of Interactions with GenAI Services Will Use Action Models and Autonomous Agents by 2028 — Gartner — 2024-03-11 — https://www.gartner.com/en/newsroom/press-releases/2024-03-11-gartner-predicts-one-third-of-interactions-with-genai-services-will-use-action-models-and-autonomous-agents-for-task-completion-by-2028 （A）
19 AgentBench: Evaluating LLMs as Agents — ICLR 2024 / arXiv — 2023-08-07 — https://arxiv.org/abs/2308.03688 （A）
20 WebArena: A Realistic Web Environment for Building Autonomous Agents — ICLR 2024 / arXiv — 2023-07-31 — https://arxiv.org/abs/2307.13854 （A）
21 Graph of Thoughts: Solving Elaborate Problems with Large Language Models — Besta et al., AAAI / arXiv — 2023-08-18 — https://arxiv.org/abs/2308.09687 （A）
22 Voyager: An Open-Ended Embodied Agent with Large Language Models — Wang et al., arXiv — 2023-05-25 — https://arxiv.org/abs/2305.16291 （A）
23 Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models — Zhou et al., arXiv — 2023-10-18 — https://arxiv.org/abs/2310.04406 （A）
24 ServiceNow Launches AI Control Tower, a Centralized Command Center to Govern, Manage, Secure, and Realize Value From Any AI Agent, Model, and Workflow — ServiceNow Newsroom — 2025-04-29 — https://newsroom.servicenow.com/press-releases/details/2025/ServiceNow-Launches-AI-Control-Tower-a-Centralized-Command-Center-to-Govern-Manage-Secure-and-Realize-Value-From-Any-AI-Agent-Model-and-Workflow/ （B）
25 ChatGPT agent release notes — OpenAI Help Center — 2025-07-17 — https://help.openai.com/en/articles/11794368-chatgpt-agent-release-notes （B）
26 Public market valuation snapshot for CRM/NOW/PATH/TEAM/MSFT/APPN — quote-feed finance data, retrieved 2026-05-28 before U.S. regular session; values treated as 2026-05-27 complete close proxy and must be refreshed before publication — 2026-05-28 — C 级行情源，仅用于估值快照，不支撑收入、利润率、份额或产能关键数 （C）