西山yu

西山yu

Learning By Doing.

Core Insights in the AI Agent Era

Published:

The first thing that AI replaces is AI.

一、从聊天框到 Agent：我亲历的大模型四年

2023 年，我第一次打开大语言模型的网页界面，那时候它还只是一个会聊天的对话框；四年后的 2026 年夏天，ChatGPT 把 Codex 收进同一个桌面端，DeepSeek 把 Harness 开源出来，我开始把任务丢给会读仓库、改文件、跑命令、自己纠错的 Agent。

这四年，变化快到几乎每年都换一次「默认用法」，中间发生的事，不像产品发布会那样一条条蹦出来。中美两家大模型层出不穷，很多也只是昙花一现，渐渐淡出公众视野的不在少数，改名、被拆骨重组的产品，也不比留在聚光灯下的少。

如果只记住大模型发展越来越快，会把四年看错；2026 年春天的那只「小龙虾」，让我认识到AI时代，慢就是快。 旧的没有死，只是不再位于中心：从你打的那句话，到模型看见的全部信息，再到它跑在什么环境里，最后到那个会自己转的循环。真正还在往前走的，是把新能力一层层叠上去的人。

2023：提示词就是全部技能

这一年的关键词就三个：大语言模型（LLM）、提示词（prompt）、幻觉（hallucination）。

那一年 ChatGPT 还是黑盒。中国几乎同步开闸，在上半年挤进公众视野，成了谁都会用的聊天产品；用法也很单纯：打开网页，打字，等回复。很多人第一次觉得「这东西好像真的能干活」：写邮件、改代码、翻译、总结，都能凑合。你要做的就是把角色、步骤、例子、语气塞进同一段话，思维链（Chain-of-Thought, CoT）、少样本提示（few-shot prompt）全是在优化「怎么说」。

这一年的技能是措辞，你需要懂的不多。但再漂亮的提示词，也补不上模型没见过的事实。

在这种模式下，人是循环（Human is the Loop）：提问、等待、审阅、再问。那时候「聪明」的标准是：同一道题，换一种问法，答案会不会稳一点。

2024-2025：看见整张桌子

提示词很快不够用。真正决定质量的，变成推理时塞进窗口里的一切：历史、检索、工具返回。提示词变成上下文（context）里的一个子集。

模型又大了一圈，界面上多出来一些开关：「联网搜索」让大模型能查找今天的事、「深度思考」将推理轨迹展开。模型「长出了眼睛和耳朵」，能处理文字、语音、图像，实时语音对话第一次有了产品感。超长上下文被做成卖点，一份长 PDF、一整个代码库开始能塞进去。

概念上，多模态、长上下文、MoE（混合专家）、RAG（检索增强生成） 、工具调用（tool use / function calling）从论文词汇变成产品功能。

文件上传、代码解释器陆续加进来，传文件给大模型，它在后台跑代码，结果从对话框里出来；对话还是对话，但模型已经摸到了工具。真正改变程序员日常的，不是又一个聊天网站，而是 Cursor 这类 AI 原生 IDE；你不用再复制代码去网页，再把答案贴回来。

蒸馏 （distillation）让小模型也能沾得大模型的思考，开源权重不再只是 Llama 的故事，「能自己部署」变成开发者的首选项。

但直到这时，主流用法仍是「人问、模型答」；更聪明，但还不是更自主。聪明和「能替你把一件事做完」，中间还差一层架子。

2026：模型只是灵魂

Harness 就是这层架子——一整套让模型「做完一件事」的环境。

2026 年春天，OpenClaw（在中国被叫成「小龙虾」）给大脑装上手脚：本地跑、接聊天软件、操作浏览器和文件。线下有人排队「养虾」，大约四十天，国家互联网应急中心点名安全风险，舆论翻面，二手平台上的生意从「代装」变成「代卸」。

更巧的是，OpenClaw 的创始人正是后来喊出You shouldn't be prompting coding agents anymore. You should be 「designing loops」 that prompt your agents. （别再给编程 Agent 写提示词了，去设计能提示你的 Agent 的循环。）的 Peter Steinberger——产品比口号更早到达现场。

小龙虾不是假货。方向是对的：Agent 要有身体。它错在被当成可以排队买到的捷径，AutoGPT 是没有身体的脑，小龙虾是还没长好免疫系统的身体。演示超前于可靠性，传播超前于理解，入场费收在高潮，学费付在退潮。 所以「慢就是快」不是劝你躺平，是劝你不要每个四十天重装一次人生。

Anthropic 把 Claude Code 推进终端。表面只是一个命令行，实质是一次用法革命：模型获得了读文件、改文件、执行命令、看报错、再改一版的闭环。你不再把函数贴进对话框，而是让它进你的仓库。 开源世界走出 OpenCode，不绑一家模型，终端里就能换 Claude、GPT、DeepSeek。

模型已经够聪明了，卡住的是它跑在什么里面。OpenAI工程师Ryan Lopopolo用Agents aren't hard; the Harness is hard.概括他带团队用5个月让Codex写出100万行代码的经验。Harness 就是那层「让模型理解环境、调用工具、记住会话、在真实世界里连续工作」的架子：工具、沙箱、权限、记忆、技能、子 Agent、反馈。模型负责聪明，Harness 负责让聪明可依赖。套娃关系从此成立——Harness 装着上下文，上下文装着提示词。Claude Code 负责人 Boris Cherny 那句I don't prompt Claude anymore说的就是这件事：人在设计它干活的环境，不再雕那句完美的话。

用户侧能感觉到的，是入口突然变多。Agent 不仅长在终端里，从 CLI 做到独立桌面应用，再进 VS Code。同一套能力，PowerShell 里是一条命令，VS Code 里是侧边栏，桌面端是一个会自己开 diff 的窗口。于是 2026 年的开发者桌面，通常是叠着用的，而不是选一个信仰：Claude Code 啃硬骨头和长程重构，Codex 走 ChatGPT 账号和云端异步，OpenCode 适合想免费体验的人，VS Code 当公共码头。

MCP（模型上下文协议）、Skills、AGENTS.md 是同一件事的不同层——模型是灵魂，Harness 是身体和手脚。同样一个 Claude 或 DeepSeek，塞进不同的循环里，能干的活完全不一样。API 也在这一年变成基础设施。以前要么直连 OpenAI/Anthropic，要么走中转。2026 年使用者会同时比较：DeepSeek、智谱 GLM、小米 MiMo。API 变成水电煤——谁提供稳定、便宜、长上下文、兼容 OpenAI/Anthropic 协议的 API，谁就能进你的 Agent 里当大脑。

中国没有缺席，只是入口不一样。字节是一条完整链：豆包做 C 端助手，即梦做图像视频，扣子 Coze 搭 Agent，Trae 做 AI IDE，火山引擎 / 方舟聚焦企业数字化服务。字节一度同时铺多个，2026 年夏天开始往回收，整体并入豆包体系，对外要打出「豆包工作」。腾讯把元宝嵌进微信，背后混元也在追推理和 Agent（CodeBuddy 和 WorkBuddy）。DeepSeek 则在 2026 年把故事从「便宜的强模型」升级成「模型 + 运行时」。8 月的 DeepSeek Harness 核心就是 Agent = Model + Harness—— Everything is a plugin（一切皆插件‌）。

前沿模型榜单每个月都在换，但对使用者来说，差别不再是「会不会聊天」，而是它能不能在一个 Agent 里连续工作几小时把事做完。Harness 可以理解为一套完整的执行环境或运行时的框架，它位于大语言模型与外部世界之间，负责组织模型完成任务所需要的各种资源和流程。

Harness 让 Agent 能干活，Loop 决定它能不能连续干、干到什么时候停——自动化触发、worktree 隔离、skills、连接器、子 Agent、外部状态。现在你设计「做 → 检查 → 记住 → 再做」，直到测试通过、步数用尽、或没有进展了再把你叫回来（Human in the Loop）。瓶颈从模型换成了验证器：测试、编译、类型检查，这些不会撒谎的信号；没有硬校验的地方，循环就会空转。

到这里，2023 年那个只会说话的黑盒，变成了 2026 年会自己改仓库、自己跑测试、自己停下来等你验收的东西。我用 DeepSeek 推导数学公式，用文心和豆包润色，用千问点过外卖打过车，现在把仓库交给 Claude Code、Codex、OpenCode 这类入口。界面上那个「关闭联网、只读文件」的谨慎没有过时，它变成了 Harness 里的权限和上下文策略。

快的那一层，已经不在模型参数上了。模型战争还在打，战场已经换到「循环跑在谁的环境里」。四年其实只做了一件事：把人从循环里拿出来。提示词还在，上下文还在，环境还在，只是现在转起来的是 Loop。还没变的是：模型仍会幻觉，你必须会拍板；Agent 仍会把仓库搞乱，你必须会审。变了的是分工：以前你是作者，模型是建议者；现在模型是执行者，你是编辑和负责人。下一阶段是更可靠的手脚，以及你愿不愿意把钥匙交给它。

二、AI Agent时代的核心洞察与判断

  1. 熟练使用AI的人会取代不会使用AI的人

  2. AI不能取代的是那些需要被追责的岗位

  3. AI时代最重要的是判断力/逻辑性/批判性

  4. Agent能做模型推导和数据处理，那么经济研究更重要的方法

  5. Agent能做出来就一定能做好，但需要规范的Workflow和Hook

  6. 未来发展是让Agent真正长出手脚，让机器人不只是人形机器

不会用 AI 的人  ──被取代──►  会用 AI 的人（命题1）
                                      │
                                      ▼
                       执行交给 agent，人留下判断（命题3）
                                      │
                    ┌─────────────────┼─────────────────┐
                    ▼                 ▼                 ▼
                方法/识别          追责/签字       workflow/hook
                （命题4）          （命题2）         （命题5）
                    │                 │                 │
                    └─────────────────┬─────────────────┘
                                      ▼
                     agent 长出手脚，进入物理世界（命题6）
                          形态不限于人形，服从任务

1. 熟练使用 AI 的人会取代不会使用 AI 的人

经济学里一对”完全替代“和”完全互补“的概念，被取代的不只是职业，而是同一职业里不会把 AI 当杠杆的人。竞争发生在岗位内部，不是岗位之间。

劳动生产率差距一旦拉开，组织会用更少的人完成相同的产出。当会用 AI 的人产出是原先的 2–5 倍时，不会用的人不是慢一点，而是单位劳动力成本已经没有了竞争力。真正的分界不是“会不会打开 ChatGPT”，而是会不会拆任务、给约束、验结果、把一次性对话沉淀成可复用的工作流。

2. AI 不能取代的是那些需要被追责的岗位

AI 可以替代任务，但不能替代法律人格。社会要的不是“谁算得快和对”，而是“出事了找谁”。

现代组织把工作拆成两截：

  1. 产出（报告、诊断、代码）：机器可以做，而且越来越好。
  2. 归责（保险、签字、宣誓）：必须落在有财产、有执照、可被起诉、可被吊销资格的主体上。

AI 没有营业许可、伦理义务、职业声誉，所以在医疗、航空、法律、审计、金融监管、公共决策里，人不是因为更聪明才留下，而是因为制度需要一个可惩罚的节点。这不是技术限制，技术再强，只要事故、误诊、冤假错案还存在，责任节点就不能落空。

追责岗位内部仍会被劈开：

  • 可自动化的：检索、起草、初筛、合规核对
  • 不可自动化的：最终判断、告知同意、出庭、签字

AI 取代的是追责岗位里的执行部分，放大的是追责本身的稀缺性。 一个能担责的人，会指挥一群 Agent，覆盖过去十几个人的工作量。

3. AI 时代最重要的是判断力 / 逻辑性 / 批判性

这三者其实指向的是同一方面：对模型输出保持不信任，直到证据闭合。

AI 把三件事变便宜了：写作、计算、检索。于是人类的旧优势（记忆、文笔、套公式）开始贬值。新优势是：在多个看似合理的答案里选择一个最优的；检查推理链是否闭合，有没有偷换概念、因果倒置；主动找反例、找识别假设、找数据生成过程的污染。更危险的是反向螺旋：越把思考外包给 AI，批判主体越萎缩，而独立、清醒地思考恰恰是 AI 时代人类最珍贵的技能。现如今 AI 视频、AI 广告泛滥、以假乱真，更需要“先怀疑、后核实”，通过多个渠道交叉验证，切勿轻信和仅凭单一信源下结论。

4. Agent 能做模型推导和数据处理，经济研究更重要的是方法

或许是源于我对理论计量经济学的热爱，Agent 可以接手推导和清洗工作之后，新方法（识别策略）仍然是被当成工具而不是由 Agent 创造。近年来“双重机器学习”、“大模型数据标注”的研究如火如荼，在中文顶刊上也是如日中天：大模型标注把数据做出来，双重机器学习让高维数据能识别因果。

可被 Agent 加速仍主要靠人
文献综述、数据清洗、回归、图表提出可识别的问题和新的方法
公式推导、代码实现、复现已有研究选择识别策略（IV、DID、RDD、结构模型）
预测、分类、非线性拟合基于制度与历史等经验知识判断

机器学习回答的是预测，政策与机制回答的是因果。Agent 越强，不会计量经济学理论和方法的人会越快暴露，他们会得到漂亮的系数和完全错误的故事。会方法的人则把 Agent 当成超级 RA：一夜就能学完过去一学期的稳健性知识和完成对应操作。

5. Agent 能做出来就一定能做好，但需要规范

我在今年暑假用 Agent 完成了一篇实证论文，算是打通了 AI 辅助科研的全流程。对此我的态度非常乐观：能做出来，就具备了做好的前提；要稳定做好，必须靠 workflow 和 hook，而不是靠下一次运气。Your AI isn’t failing you. Your workflow is.

能力（capability）和可靠性（reliability）是两回事。LLM 是概率系统：同一任务，有时 90 分，有时 40 分。提示词管不住长尾，要把它变成生产系统，必须在概率外面加确定性约束：

  • Workflow：把任务拆分成不同的阶段（计划 → 执行 → 验证 → 修复），禁止 Agent 一口气做完，防止模型越跑越偏。
  • Hook：在关键节点强制插入确定性动作。针对整个会话生命周期，从开始时加载环境变量，结束时归档记录 ；编辑修改文件后、Shell 命令执行前需要获取权限审批 ，拦截危险命令、验证输出格式……

6. 未来发展是让 Agent 真正长出手脚

2026 年春晚被宇树机器人刷屏，8月19日宇树科技上市，四天跌了2000亿。但我的判断仍然是下一跳不是更像人的机器人，而是 Agent 获得作用于真实世界的效应器。人形只是一种形态，手脚的本质是「感知—决策—执行」闭环。

“长出手脚”有两层：

  1. 数字手脚：浏览器、终端、机械臂驱动、车载控制，这些已经开始。
  2. 物理手脚：传感器 + 执行器 + 实时反馈与控制，才是具身智能（embodied / physical AI）。

形态服从任务，不服从科幻。“脑”已经很强，用“脑”操控“手脚”才是瓶颈，也才是下一轮产业主战场。我可以大胆作出推断：技术进步一定是快于人口规模结构调整的，创新活动会达到一个稳态；科技发展越来越快，但没有技术上限或“技术封锁”；当具身智能真正落地时，短期内低廉的劳动力（只是事实判断而非价值判断）不会被高昂成本的机器人所取代，但我依然期待和憧憬着那一天的到来！

综上，Agent 时代的分工是：机器负责能做，流程负责做好，人负责该不该做和出了事谁来扛；下一步是给这套分工装上真实世界的手和脚。