Microsoft 推出“Customer Zero”计划，旨在分享利用自身技术在内部构建和运行代理式人工智能系统所积累的实践经验。该计划重点介绍公司所谓的生产环境经验，而不仅仅是展示理论能力或实验性示例。
该公司表示，正在使用自有人工智能平台构建新能力、加速创新、迁移应用，并将内部获得的经验转化为客户可重复使用的模式。已发布的材料包括应用构建和运行示例，以及在软件开发生命周期不同阶段集成代理的案例。
从代码开发到基础设施运行
Microsoft 展示的示例涵盖广泛的工程工作。在人工智能辅助代码审查方面，公司表示已将工作范围扩大到每月超过 60 万个“Pull Request”。公司还展示了如何使用专业代理处理被称为 CVE 的已知安全漏洞问题，并加快修复流程。
该公司还介绍了将旧版 Xbox .NET 代码迁移到较新 .NET 框架的实践，其中使用人工智能代理分析和重构大型代码库。该页面没有提供足够细节来评估成功率或这些流程中的人工干预程度，但它将旧软件更新列为代理可以大规模处理分析性和重复性工作的使用场景。
在基础设施运行领域，Microsoft 介绍了其用于事件管理的 Azure SRE Agent，并表示该工具已为公司节省超过 5 万个工程师工时。页面指出，Azure Networking 使用代理来协调修复工作、验证修改结果，并减少重复性运营工作量。公司还展示了在 Azure Container Apps 上运行 Foundry Agent Service，以及使用 Azure Kubernetes Service 在 Microsoft 365 中构建平台工程层，以支持全球规模的交付。
实际发生了哪些变化？
该计划最明显的价值并不只是向现有工具添加一个代理，而是将代理纳入由人类团队参与并继续承担监督责任的运营工作流。Microsoft 将这一模式描述为“人类主导，代理执行”，即利用代理减少手动工作、改善响应时间并扩大运营规模。
公司还指出，扩大人工智能的使用要求团队在衡量令牌消耗、计算成本和确定投资回报方面采取更严格的规范。该计划提出了用于比较人工智能辅助工作成本与商业和工程成果的框架及指标。这对于可能通过模型或代理数量，而非其实际影响来衡量项目成功与否的团队而言，是一个重要问题。
已发布材料为技术团队提供了什么？
- 基于生产环境使用场景构建人工智能应用和代理的指南。
- 关于上下文工程的经验，旨在提高代理的可靠性，内容源自 Azure SRE Agent 的构建过程。
- 代理管理、治理、安全保障和运行方面的实践。
- 面向开发者和工程师的培训资源，其中包括面向初学者的开源材料。
- 使用 Microsoft Learn 服务支持的工具的示例，包括 Microsoft Learn MCP Server。
certi.news 解读
这份材料表明，围绕代理式人工智能的讨论正在从证明模型能够完成单项任务，转向设计可衡量、可管理的运营体系。Microsoft 推介的示例集中在规模较大或运营成本较高的工作上，例如代码审查、事件处理、漏洞修复和旧软件迁移；在这些领域，时间、工作量和完成率都更容易进行衡量。
不过，该来源是一页汇总链接和使用场景的介绍页面，并非独立审计报告或对比研究。因此，诸如节省 5 万个工程师工时，以及将代码审查扩大到每月超过 60 万个请求等数字，仍是归因于 Microsoft 的说法；页面没有提供测量方法，也没有充分说明成本、错误率和人工干预边界。对于任何希望将这些实践迁移到自身环境的机构而言，这些问题都将至关重要。