2026 · AI 进化论
从 Talkers 到 Doers
直击 AI 进化的下一个十年
深度拆解红杉资本 x LangChain 创始人 Harrison Chase 硬核对话
范式转移：行动者的工业革命
如果你还在沉迷于 ChatGPT 的聊天框，那你可能正在错过一场关于“行动者”的工业革命。2026年，AI 将彻底告别只会动嘴皮子的阶段，进化为能够持续执行、反复试错、自我修正的 “长程 Agent” (Long-Horizon Agents)。
为什么 AutoGPT 是先烈？
先烈 AutoGPT
- 设想：让 LLM 在循环中自主运行、决策。
- 短板：模型能力不足；缺乏成熟的 Scaffolding（支架）和 Harness（框架）。
- 结局：容易死循环，无法长时间稳定运行。
现在 长程 Agent
- 突破：推理模型 (Reasoning Models) 变强。
- 关键：掌握了好的 Harness（架构）：规划、上下文压缩、文件系统交互。
- 结果：能连续运行数小时，完成 Coding、SRE、Deep Research。
底层解密：Harness 架构
构建 Agent 不再只是“加一层 AI”，而是工程范式的根本改变。Harness 是包裹模型的“有主见”的外壳，而非简单的框架。
规划 (Planning)
内置规划工具
明确任务拆解
明确任务拆解
→
上下文管理
压缩、文件系统访问
突破 Token 限制
突破 Token 限制
→
工具使用
Bash, Code
直接操作世界
直接操作世界
💡 光读代码不够了，必须看它在真实输入下做了什么，Traces 成为新的 Source of Truth。
护城河：记忆与编程
记忆是 AI 无法逾越的护城河：
一个经过长时间磨合、内化了特定任务模式与背景记忆的 Agent，其价值远高于通用的超级模型。拥有长期记忆的 Agent 能够持续积累经验。
编程能力是 AGI 的终极形态：
代码是通用的语言。如果一个 Agent 能写代码，它就能调用任何 API，构建任何工具。未来的通用 Agent，本质上就是一个“Coding Agent”。
代码是通用的语言。如果一个 Agent 能写代码，它就能调用任何 API，构建任何工具。未来的通用 Agent，本质上就是一个“Coding Agent”。
“光读代码不够了，看它在真实输入下做了什么，才知道系统到底在干什么。”