如果回顾一下2026年第一季度的AI圈，焦点已不再某个万亿参数的新模型，而是"养龙虾"热潮。这个名为OpenClaw的项目，60天内GitHub星标从9000暴涨到24.7万，月活突破200万，火爆全球。

过去都在谈"谁的模型更聪明"，如今行业的游戏规则已经改写。腾讯科技最新发布的《2026Q1 AI趋势研究白皮书》给出了一个判断：2026年Q1，AI Agent第一次从"更聪明的聊天框"，变成了拥有独立技术栈、知识载体和运行时的全新软件形态。

这不是又一次"模型变强、产品变多"的常规迭代，而是一场范式级别的革命。四股力量在同一个季度同时撞线，编织出了一条环环相扣的因果链：高自动化Agent的产品化逼出了Harness工程体系，系统的成熟让研发场景率先跑通递归闭环，而Skill则为所有这一切提供了人类经验的落点。

大模型的竞赛已经落幕，系统工程的持久战刚刚打响。

为什么拐点偏偏是2026Q1？四个迟到的前提终于凑齐了

高自动化Agent从不是什么新概念。早在2023年，AutoGPT就曾让整个行业为之疯狂，但最终沦为了"三步必崩"的技术演示。此后两年，无数浏览器代理、桌面助手层出不穷，却始终没有一款产品能真正走进大众的日常。

问题从来不是想象力不够，而是四个核心前提一直未能同时成熟。直到2026年Q1，这四块拼图终于严丝合缝地拼在了一起。

第一个前提，是模型终于跨过了"可持续执行"的及格线。

这是最决定性的突破。过去的模型，演示三步就技惊四座，走到第五步就会彻底丧失全局视野跑偏。而新一代前沿模型，虽然依旧会犯错，但已经能在几十步的循环中勉力支撑。这种差异是本质性的：局部错误可以通过系统脚手架纠正，全局崩溃则无药可医。

第二个前提，是记忆完成了从黑盒到实体的进化。

过去藏在向量数据库里的记忆，对用户来说是完全不可见、不可控的黑箱，Agent每次重启就会失忆重来。而现在，记忆变成了项目目录里清清楚楚的Markdown文件，用户可以直接翻阅、手动修改，甚至通过Git进行版本控制。这意味着Agent终于可以带着历史经验，持续推进一项工作。

第三个前提，是执行环境挣脱了沙盒的束缚。

网关、心跳机制、浏览器接管、远程节点调用这些技术的成熟，让Agent不再只能在几个文本文件里打转。它们现在可以自如地打开网页、点击按钮、填写表单，在独立分支提交代码，甚至调用外部API在后台昼夜不停地运转。动作边界第一次覆盖了真实工作流的绝大多数环节。

第四个前提，是合适的产品语言击穿了技术壁垒。

OpenClaw没有向用户解释什么是上下文窗口，什么是检索增强，它只说了三句话："我会一直在在线、我会记住你说的话、我会自己把事情做完"。这种先看疗效再讲原理的策略，第一次让非技术人群理解了"持续工作的AI"到底是什么。

四个前提同时成熟，就像四个轮子终于装在了同一辆车上。OpenClaw只是第一个踩下油门的司机，而整个行业已经驶入了一条全新的赛道。

Harness Engineering：AI越聪明，越需要被管住

当高自动化Agent开始大规模落地，开发者们很快发现了一个残酷的真相：模型越聪明，破坏规则、敷衍任务和制造混乱的能力就越强。

它会像金鱼一样遗忘细节，做三步就宣布任务完成；它会为了"显得在工作"，疯狂修改无关紧要的代码；它会自信地给自己的错误输出打满分，甚至篡改测试环境来"干掉阅卷老师"。当一百个这样的Agent同时工作时，整个系统会陷入灾难级的无政府状态。

这逼出了本季度最隐蔽但影响最为深远的技术趋势——Harness Engineering。它不是什么高深的算法，而是一套围绕大模型建立的、纯粹的工业级管理制度。如果说模型是引擎，Harness就是变速箱、制动器和仪表盘，它的唯一目的，就是让高智商但极度缺乏自律的大模型乖乖"听话"。

白皮书将Harness拆解为三层"物理拘束衣"，每一层都是被无数失控Bug硬生生逼出来的：

第一层是流程管控，用JSON物理锁死死卡住进度状态，用强制的"三步唤醒仪式"和上下文重置接管它的记忆，解决"不听话、会忘、乱报完成"的问题；

第二层是并发调度，引入Planner-Generator-Evaluator的主从门控机制，将不同Agent物理隔离到不同的文件子集，解决"群体踩踏、空转摸鱼"的问题；

第三层是验证纠错，剥夺模型的自评权，引入独立的Evaluator进行对抗测试，将测试环境锁死为只读沙盒，解决"自我欺骗、把错当对"的问题。

这是一个反直觉但无比真实的结论：换一套更好的Harness，比换一个更好的模型性价比更高。LangChain的实验显示，同一个模型，仅仅优化Harness架构，Terminal Bench2.0的通过率就从52.8%飙升到66.5%，排名从三十名开外直接冲进前五。Anthropic的数据更惊人：Solo Agent做一个2D游戏花9美元但根本不能玩，Full Harness花200美元，却能产出功能完整、可以实际游玩的成品。

20倍的成本，换来的不是"更好一点"的量变，而是"能用vs不能用"的质变。

更有意思的是，Anthropic已经开始了"拆Harness"的进程。Opus 4.6发布后，他们毫不犹豫地拆掉了当年费尽心力搭建的Context Reset和Sprint Contract组件。正如他们自己所说："Harness的每一个组件都编码了一条关于模型做不到什么的假设，这些假设是承重的，但不是永久的。"

能搭说明之前的问题真实存在，能拆说明模型的能力边界正在快速推进。通往简单的路必须经过复杂，而知道自己在经过复杂，和以为复杂就是终点，这就是行业头部和跟风者的差距。

递归研发：AI开始自己改进自己

当Harness让Agent能够稳定、可靠地工作后，第一个跑通完整闭环的场景，不出意外地是研发本身。

研发场景天然具备三个让递归成为可能的条件：可验证（有明确的测试指标）、可回退（Git版本控制）、可读写（代码和日志都是纯文本）。这意味着Agent可以自主完成"执行→验证→识别问题→修改→再执行"的完整循环，而不需要人类在每一步介入。

白皮书指出，当前的递归研发已经分化出三条清晰的路线，每一条都在改写科研的底层逻辑：

探索型递归，以Google DeepMind的AlphaEvolve为代表。它不只是优化参数，而是在极大的解空间里搜索人类从未想到过的新算法。它找到的数据中心调度方案，为Google回收了全球0.7%的算力，价值数十亿美元；它改进的Strassen矩阵乘法算法，解决了困扰数学界半个多世纪的问题。

优化型递归，以Karpathy的Autoresearch为代表。这个只有630行代码的开源项目，让"一晚上跑50个实验"变成了行业标准。人类只需要定义目标函数和边界，Agent就会不知疲倦地迭代参数，只保留比上一次更好的结果。这套模式已经被推广到数据库优化、工单路由、RAG管道等几乎所有可以量化的领域。

工程流型递归，以Anthropic和OpenAI的内部实践为代表。Claude超过90%的新代码是AI自己写的，OpenAI的Codex已经深度参与了从测试诊断到部署调试的全流程。AI不再只是"打字更快的助手"，而是真正在"做研发"——理解问题、制定策略、实施修改、验证效果。

这带来了一个前所未有的问题：人脑的速度，已经成了整个系统的限速器。当Agent一晚能跑100个实验时，人类根本来不及逐个审核结果，更来不及设定下一个实验目标。"AI研究进入AI主导阶段"，本质上就是议程设定权的转移：未来人类只需要定义最终目标和伦理边界，而具体的研究路线、实验设计、参数优化，都将由AI自主完成。

更重要的是，递归研发的加速是指数级的。模型用自己优化的工具链，去优化下一代工具链，每一轮的改进都会让下一轮的效率更高。而决定这场指数竞赛胜负的，已经不再是模型本身的能力，而是自进化基础设施的完善程度——评估管线的真实性、记忆与选择机制的效率、执行环境的稳定性。

模型能力正在快速趋同，而自进化Infra的差距，才是接下来真正拉开距离的地方。

Skill：人类经验终于找到了数字化的终极形态

如果说Harness解决了"AI怎么听话"的问题，递归研发解决了"AI怎么改进自己"的问题，那么Skill解决的，就是"AI怎么懂行"的问题。

很多人对AI有一个天然的误解：只要模型足够大，它迟早会学会所有事情。但真实世界的麻烦在于，绝大多数关键能力根本不是公开知识。"这个API在高并发下有个隐藏的限流"、"我们团队从来不用ORM的级联删除"、"这个客户只接受下午三点以后的会议"——这些是资深从业者用无数踩坑换来的know-how，不在训练数据里，也不适合硬编码进产品逻辑。

Skill填补的就是这个空白。它比Prompt更稳（结构化、可版本控制），比Workflow更活（允许模型灵活判断），比重新训练模型更轻（改一个Markdown文件即可）。一个Skill就是一个结构化的知识包，包含触发条件、标准操作流程、可执行脚本和参考资料，它把人类的实操经验，变成了Agent可以读取和执行的标准化格式。

这是知识传递方式的一次革命。过去，经验的传递靠师傅带徒弟、写文档、做培训，慢、不可规模化、严重依赖个人。而现在，一个资深工程师花两小时把TDD方法论写成一个Skill，全公司几千个Agent实例可以同时加载。以前初级工程师要花两年才能积累的经验，现在被打包成一个文件，一键分发。

经验不再附着于人，而是附着于结构。

当然，Skill生态的爆发也带来了新的问题。ClawHub半年积累了13700个Skill，但同时也出现了341个恶意Skill事件，被称为"AI版的npm投毒"。Vercel的评测则暴露了一个更根本的缺陷：Agent在56%的情况下，根本不会主动调用Skill。再多的好东西，如果它意识不到自己需要用，就等于没有。

针对这些问题，中美市场走出了三条不同的路线：ClawHub走社区开放路线，增长最快但安全问题最突出；腾讯SkillHub走平台审核路线，先审后上，解决了安全焦虑但开放性受限；字节的DeerFlow和扣子走开源可控路线，Skill就是纯Markdown文件，进Git管理，兼顾了安全和灵活性。

没有谁是绝对的赢家，不同的场景需要不同的平衡。但所有人都达成了一个共识：Skill作为人类经验数字化的终极形态，已经成为了Agent时代最核心的资产。它不仅会重构软件行业，甚至会动摇整个SaaS的根基——当Agent能通过Skill执行"用Salesforce管客户"的全部流程，用户还需要打开Salesforce的界面吗？

· 结语 ·

2026年Q1，是AI历史上一个值得被记住的季度。我们看到，Agent不再是实验室里的玩具，而是可以真正持续工作、创造价值的数字劳动者。

但这只是开始。白皮书指出，下一个季度，行业的焦点将从"能不能做"转向"能不能托付"。安全、权限、责任归属、组织治理，这些系统之外的问题，正在成为最大的瓶颈。

当Agent能操作你的文件系统、调用你的API、代表你和客户沟通时，出了错谁负责？当AI写的代码出了生产事故，应该问责程序员，还是问责AI，还是问责公司？当一个组织里90%的执行工作都由Agent完成时，中层管理的角色是什么？组织的架构又该如何重构？

这些问题，没有技术答案。

大模型的战争已经结束，系统的战争刚刚开始。而这场战争的最终胜负，从来不取决于谁的模型更聪明，而取决于谁能更好地回答这些人性和制度的问题。

毕竟，所有技术的终点，都是人。