这是一篇，可能有点长的文章。

但我觉得，你值得看完。

因为接下来的话，可能会改变你对AI这件事的理解方式。

---

最近刷X的时候，看到一个数据，挺震撼的。

2026年春天，一个叫APEX-Agents的测试基准出来了——专门测AI Agent到底能不能真正"干活"，而不是只会"聊天"。结果呢？GPT-5.2、Gemini 3 Flash，这些全地球上最顶级的模型，一次通过率只有23%-24%。

翻译成人话就是：一百件事，只能干对二十三件。

你说，这不对吧？GPT-5.2欸，不是最强的模型吗？

对。模型的能力进步是线性的，但从"回答问题"到"完成工作"的鸿沟，是非线性的。

什么意思呢？

就好比，你考试能考100分，但不代表你能上班。考试是闭卷答题，上班是开卷解决问题——还要跟人协作，还要处理意外，还要在不确定中做判断。

模型考100分和模型能上班，中间差了一个东西。

这个东西，叫Harness。

一. 你以为比的是模型，其实比的是"壳"

Harness Engineering，中文叫线束工程，2026年初被OpenAI的工程团队正式提出来。

说人话就是：给AI搭一个工作环境，让它能靠谱地把活干完。

OpenAI内部据说用了一百多万行代码来搞这套东西。

一百多万行。

你想想，GPT-5.2的参数量是多少万亿来着？但围绕它的"壳"，也用了一百多万行代码。

这说明什么？说明行业里最聪明的一帮人已经意识到了一件事：Agent的工程化难度，可能比模型本身更值得认真对待。

Anthropic在2026年3月发了一篇工程博客，是理解这个趋势的关键文献。

他们的核心发现是：当AI开始连续几个小时做设计、写代码、搭应用的时候，光靠模型本身，已经撑不住了。

你需要一套专门的运行机制——什么时候拆任务、什么时候交接上下文、怎么验证生成结果、上下文撑不住时怎么压缩或重置。

这些东西，全都属于Harness的设计范畴。

他们的做法很有意思，借鉴了GAN（生成对抗网络）的思路——搞了三个角色：Planner（规划者）、Generator（生成者）、Evaluator（评估者），互相配合又互相挑刺。

但他们说，最难的不是多加一个Agent。

最难的，是先把"评价标准"做出来。

“这个设计好不好看”——这种主观判断，必须被拆解成具体的、能打分的标准。否则评估环节就无从谈起。

这就好比你打游戏，如果不知道怎么算赢，那怎么打都是瞎打。

后来Claude Code的源码泄露了——大约1900个文件、超过51.2万行TypeScript代码——也验证了这一点。

它的架构核心被描述为：一个本地运行时外壳，把LLM包裹在工具、记忆和编排逻辑之中，让模型能在现实世界里行动。

注意这句话的关键词：外壳。

模型是内核，Harness是外壳。没有外壳的内核，跑不起来。

更值得关注的是Claude Code的一个设计哲学，叫TAOR循环——运行时越笨，架构越稳定。

它只提供四种能力原语：Read、Write、Execute、Connect。就这四个。

然后Bash作为通用适配器，让模型通过shell组合使用任何人类开发者会用的工具。

“把智能下沉到模型，把确定性留给框架”。

这个思路，正在成为整个行业的共识。

二. 三件套：Harness是骨架，Skills是技能树，MCP是协议

如果说Harness解决的是"怎么让Agent持续做对事"——

那Skills解决的就是"Agent能做什么事"，以及"这些能力怎么被组织"。

MCP解决的则是"Agent怎么跟外部世界对话"。

三个东西，各管一摊，但缺一不可。

先说Skills。

2025年底，Anthropic推出了Agent Skills标准。说人话就是——给AI做了一套标准化的"工作手册"。

以前呢，你想让AI干一件复杂的事，得塞一堆提示词，调来调去，像个玄学仪式。

现在呢，你把经验封装成一个Skill——任务指令、代码能力、资源模块，全打包好。别人遇到同样的问题，直接加载就能用，不用重新踩坑。

这东西有个很骚的设计，叫"按需加载"。

Agent启动的时候，只读一个极简的能力索引。只有当你的输入真正匹配到某个场景时，才加载完整定义。

为什么要这样？

因为传统的Agent有个致命悖论：工具越多，越笨。

就像你给一个人塞了一百把钥匙，他反而不知道该用哪把了。所以Skills的设计是——平时只让你看到钥匙清单，等你真的要开门了，再把对应那把递给你。

截至2026年2月，公开可用的Agent Skills已经超过85000个了。支持这个标准的平台27家，覆盖开发、设计、办公、电商、金融……

TechCrunch管它叫"AI领域的Dockerfile"。

我觉得这个类比非常精准——Dockerfile让应用变得可移植、可组合、可版本控制。Skills也一样，它让AI能力变成了可继承、可协作的工程资产。

再说MCP。

Model Context Protocol，Anthropic在2024年底推出的开放标准。

说人话就是：给AI和外接工具之间定了一套"通用语言"。

到2026年3月，MCP的SDK月下载量已经到了9700万次。ChatGPT、Cursor、Gemini、Microsoft Copilot……全在用。

2026年1月，Anthropic把MCP捐给了Linux基金会旗下的Agentic AI Foundation，跟OpenAI的AGENTS.md和Block的goose项目一起，成了这个新基金会的创始项目。

听起来很美好对吧？

但是。

2026年3月，AI搜索引擎龙头Perplexity公开宣布放弃MCP，回归CLI。

引发了"弃坑潮"。

他们的技术负责人说了一句话，我觉得特别到位：MCP在上下文窗口里占了太多Token——大约50个工具的定义就会吃掉约20000个Tokens。

导致模型"注意力全放在记工具名上"，执行和推理能力严重受损。

Y Combinator的CEO Garry Tan甚至公开说"MCP很烂"。

你看，这就是标准化协议的宿命——没有标准，生态碎片化，各搞各的；有了标准，还不够，还得持续演进。

就像当年的浏览器大战一样。标准是有了，但标准本身就是个不断吵架的过程。

三. "龙虾"不是Agent框架，是操作系统

OpenClaw，也就是大家叫的"龙虾"，GitHub星标突破33万+。

这个数字什么概念？Vue.js搞了好几年才到这个数。龙虾从爆发到这个数，几个月。

黄仁勋在GTC 2026大会上说了一句话，我印象特别深：

“OpenClaw不是Agent框架，是操作系统。它和大模型的关系，就像浏览器和互联网。”

浏览器之于互联网，龙虾之于AI。

这个类比，绝了。

你想想，互联网早就有了，但真正让普通人能用起来的，是浏览器。浏览器不生产内容，但它是你触达所有内容的入口。

龙虾也一样——它不生产模型，但它是模型触达现实世界的入口。

而且这个类比还揭示了更深层的变化：Agent框架是"应用层"，Agent OS是"系统层"。

当软件不再由人写，而是由AI Agent生成和执行的时候，操作系统这一层，必须发生根本性变化。

阿里云在2026年3月推出了Agentic OS——一个专门面向AI Agent的操作系统。

核心理念就一句话：未来操作系统的主要用户，将从人类变成Agent。

听上去有点科幻，但你仔细想想，一点也不夸张。当Agent开始帮你写代码、管理日程、筛选简历、做数据分析的时候，它需要的不就是一个操作系统吗？

Agentic OS在系统管理和运维场景中，相比传统OS能省30%以上的Token开销。在CVE评估场景中，Token节省率能到60%。

学术界也没闲着。2026年4月，Qualixar OS出来了——第一个应用层的通用AI Agent编排操作系统。

支持10个以上的LLM提供商、8个以上的Agent框架、7种通信传输协议。

它解决的核心问题是：你用CrewAI建的Agent，可以跟AutoGen框架的Agent无缝协同，不用重写代码。

这就像什么呢？

就像以前你用Windows的软件和Mac的软件不能互通，现在突然出了一个系统，两边都能跑。

基础设施的标准化，正在从"应用层Harness"向"系统层Runtime"下沉。

这意味着Harness层面的工程化趋同，会越来越快。

四. 五大框架打完了，但赢家通吃的游戏才刚开始

截至2026年3月，Agent框架的格局已经从"一堆实验品"收敛为"五个严肃平台"：

OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、NVIDIA NemoClaw、LangChain生态。

注意到了吗？全是全球最大的科技公司。

小团队做的框架呢？要么被收购了，要么消声匿迹了。

而且所有主流框架都已经支持了MCP、A2A这些开放标准，在工具调用层实现了高度标准化。

Traefik Labs写了一篇文章，标题很直白：“The Agent Framework Wars Are Over. Everyone Won. That’s the Problem.”

框架战争结束了，每个人都赢了。但这也是问题所在。

为什么？

因为这些框架不是中性的工具，而是"模型消费、云计算和推理收入的分配机制"。

说人话就是——没有一家平台公司有动力让自己的框架跟竞争对手互换。

切换成本，就是商业模式本身。

这跟云的竞争格局一模一样：AWS、Azure、GCP，技术栈本质上高度相似，但迁移成本高到足以让企业"选一家、长期绑定"。

所以，即便Harness在技术设计上趋同了，商业层面的"生态锁定"才是新的战场。

同质化不等于开放化。

每个大厂都在用趋同的技术，构建封闭的生态。

这就像什么呢？就像手机充电口——Type-C标准是统一的，但你还是得买各家自己的充电头，因为协议不一样、功率不一样、认证不一样。

标准是标准，生态是生态。两码事。

五. Manus：一个关于"先发"的残酷故事

聊Agent，绕不开Manus。

2025年3月，Manus横空出世——全球第一个通用AI Agent产品。

内测邀请码一度被炒到10万块。

10万。一个邀请码。

我当时也想搞一个来着，没抢到。

然后呢？

一年后，Manus的独立访客和访问时长持续走低，用户留存率长期低位。

跟开源的"龙虾"形成了鲜明对比。

为什么会这样？

第一，没有自研基座模型。

Manus底层完全依赖Claude和GPT-4的API，被业内质疑为"套壳缝合怪"。

在Harness成为可复用标准的时代，"只有Harness没有模型"的中间层，护城河极浅。

你做的东西，模型厂商自己也能做，而且人家有模型、有用户、有生态，凭什么让你在中间赚差价？

第二，工程化能力被上游平台吞噬。

2026年4月，Anthropic推出了Claude Managed Agents——把开发者原本需要6到12个月才能搞定的基础设施（Agent Harness、托管环境、内置工具、沙箱、安全执行、长任务运行），全部平台化了。

直接腰斩了中间层Agent创业公司的生存空间。

这就是经典的"平台吃掉中间层"。

你自己费了九牛二虎之力搭的东西，平台一个更新就内置了。

你还怎么打？

第三，战略上的自我边缘化。

Manus从诞生起就刻意跟国内市场切割，裁撤了中国区业务将近三分之二。

但也没真正打入海外主流市场。

最终，两头落空。

Meta后来收购了Manus。

这个收购本身，就说明了一个残酷的产业逻辑：在Agent时代，“先发"不如"深耕”。

当Harness成为基础设施的标准配置时，单纯在应用层做"模型套壳"的价值，会被平台能力迅速蚕食。

真正能穿越周期的，要么是掌握模型底座的厂商，比如Anthropic、OpenAI；要么是在垂直场景中构建了深厚Skill积累和领域Know-how的团队。

没有中间地带。

六. 接下来会怎样？

基于上面这些分析，我对2026到2028年提几个判断。

不一定对，但我觉得值得想想。

短期（2026年）：Harness工程化标准确立。

Harness Engineering会从"各家的独门秘籍"走向"可复用的工程范式"。

LangChain最近发布了一个叫Better-Harness的框架——把评估数据作为Agent自我改进的训练信号，在Claude Sonnet 4.6和GLM-5上都实现了近乎完全的泛化效果。

MCP的2026年路线图、Agent Skills的标准化推进、各大厂商的Agent OS实践，都会在今年内形成初步的行业共识。

中期（2027年）：Skill生态成为核心竞争维度。

当Harness层面的工程化差异趋于收敛，竞争的焦点会上移至"谁拥有更丰富的可复用Skill生态"。

到2027年，一个类似Docker Hub或VS Code Marketplace的Skill交易市场很可能成型。

Skill的开发、分发和商业化，会成为新的产业环节。

长期（2028年及以后）：OS层编排能力决定胜负。

当Harness和Skill都成为基础设施级的标配后，最终的差异会回归到——

你对模型脾性的熟悉程度，以及你的Skill编排智慧。

竞争会从"有没有Skill"转向"怎么高效组合、动态调度、实时纠偏"。

从"单Agent任务执行"转向"多Agent系统协同"。

从"对话式调用"转向"后台常驻、场景感知、主动建议"。

这意味着未来的"AI OS玩家"需要解决的不只是工程问题，更是认知交互问题。

当概率性智能成为系统的内生组成部分后，你怎么重构传统建立在确定性假设之上的系统语义和可信边界？

这是一个没人能给出现成答案的问题。

写在最后

最近经常想一个问题。

当AI基础设施像水和电一样普遍的时候，什么才是不可替代的？

给一个设计师和普通人完全相同的Photoshop——不，连插件包都一样——产出天差地别。

不是工具不同，是使用工具的人不同。

更准确地说，是**“使用习惯"和"编排智慧”**的差距。

未来AI领域的核心竞争，将不再是"我装了哪些Skill"，而是——

我知道在什么时候，用什么方式，如何组合这些Skill。

以及，什么时候该果断打断模型的错误循环。

这让我想起打游戏的经历。同样的英雄、同样的装备、同样的技能树，高手跟菜鸟的区别，永远不是"你装了什么"，而是"你在什么时机做了什么选择"。

Agent时代也一样。

模型会越来越强，Harness会越来越标准，Skill会越来越多。

但玩得溜的人，永远比别人更有优势。

不是因为工具，而是因为判断力。

时代不会问你准备好了没有。

它只会无情地翻到下一页。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。