让AI代理在实际应用中发挥作用，比许多公司预期的要困难得多——但解决方案正在出现。一批新兴初创企业正致力于在部署前更好地测试和训练这些代理，尤其针对现代企业环境的复杂性。

Arga Labs便是其中一家，该公司于周三宣布完成了1000万美元的种子轮融资。本轮融资由General Catalyst领投，Box Group、Emergence、Gradient和SV Angel参与投资。

Arga Labs为企业软件如Salesforce、Workday和邮件客户端构建训练环境。大多数测试环境仅满足于无状态的API端点，而Arga则打造了完整的数字孪生系统，几乎克隆了整个企业程序，包含权限系统和网络钩子。这样一来，训练代理跨多个系统的能力更加稳健。

CEO兼联合创始人Phillip Li举例说明，假设客户在Salesforce中创建了一个潜在客户，而同事则通过HubSpot单独联系该客户。

“代理能否正确识别这两个是同一家公司？”Li问道，“他们能否确认邮件只发送过一次？能否判断应该向两个机会中的哪一个发送邮件？”

这类模糊情况仍是智能代理的难点，Li认为Arga Labs的工具对提升代理能力至关重要。

通常，代理可以通过强化学习来训练此类任务：即反复运行场景数万次，仅保留成功策略。但企业软件的特性使得大规模测试几乎不可能。像Salesforce或Outlook这样的系统没有简单的“重置”方式，更别说克隆了。

Arga Labs的解决方案是创建软件的数字再现——就像碰撞测试假人模拟人体一样复制其结构。由于Arga完全控制环境，重置或修改变得简单。公司还能同时运行多个环境，训练代理处理不同程序间的复杂交互。目标是复制用户的完整工作环境，涵盖不同程序和知识系统间交叉的具体任务。

这可以看作是弥合编码与其他应用之间强化学习差距的一种方式。AI编码工具之所以发展迅速，部分原因是我们已有成熟的工具来部署、逆向和分析新代码。这些工具让搭建编码的强化学习环境变得更容易，从而能在越来越复杂的编码任务上测试和训练AI系统。

而大多数商业软件尚无此类工具。但一旦具备，AI系统在使用这些程序时的表现将大幅提升，像改变编码行业一样，彻底革新其他行业。

General Catalyst的董事总经理兼种子项目负责人Yuri Sagalov表示，他看到对像Arga这样代理测试工具的需求日益增长。

“我认为代理带来的经济价值很大程度上来自于使用业务应用，”Sagalov告诉TechCrunch。“拥有可重复的沙盒环境非常重要，对代理来说比对人类更为关键。”