我不是写行业白皮书。下面是我自己这几年跟着用、跟着看的一条线：模型怎么变「能干活」，形态怎么一层层换皮。
一、2022 末开门，2023–2024：先把「能用」撑起来
严格说，大众认知里的大门是 2022 年 11 月 ChatGPT 撞开的；2023 年则是全民入场、GPT-4 等把预期拉满的一年。
那时最大的体感问题是幻觉：模型会一本正经胡说。于是 2023、2024 年普通人、工程师都在学同一件事——提示词工程：把背景写清、约束写死、让它分步想。几乎同时，RAG（检索增强生成） 火起来：别指望模型背下全世界，先检索再生成。幻觉没消失，但「乱编内部文档」少了很多。
那两年的主线可以概括成：
模型还不够稳，就用工程手段把可用性撑起来。
二、2025：Agent 从概念走进终端
真正让形态开始变的，是 2025 年前后的 Claude Code。
它不再只在对话框里答题，而开始在仓库里读文件、改代码、跑命令——Agent 雏形：你给目标，它拆步骤、用工具、连续干。随后 Gemini CLI、Qwen Code 以及一串 CLI 编程 Agent 跟进。战场从网页聊天框，挪到了开发者每天待的终端。
科普一点说：模型仍是「大脑」；变的是调度大脑的外壳——工具、权限、工作目录、确认机制。人们讨论重心，从「这句话怎么提示更好」，转向「这个 Agent 能不能在真实环境里把一件事做完」。
三、2026：OpenClaw 把 Harness 推到台前
如果说 Claude Code 让人看见 Agent，那 2026 年初的 OpenClaw，更像把 Harness（驾驭层 / 运行骨架） 推到了大众面前。
Harness 是什么？
模型负责「想」；Harness 负责「让它能在真实世界里连续干活」——权限、工具、记忆、消息通道、任务循环、失败重试、技能（Skills）加载。没有这层，再聪明的模型也只是会聊天；有了这层，它才像能上班的助手。
OpenClaw 之后是连锁反应：
- 各种 xxxClaw：QClaw、AutoClaw、ArkClaw、MiClaw、KimiClaw、MaxClaw……
- 各种 xxx Work：TRAE Work、Qoder Work、千问办公向产品、WorkBuddy……
名字花哨，底层逻辑接近——都在做 Harness 的产品化：本地或云、微信或飞书、一键安装或深度集成。抢的是：谁更容易让普通人把 Agent 跑起来。
补充一句：同一模型换不同 Harness，成绩可以差很多；模型和外壳要配对，不是「模型越强、随便套个壳都一样」。
四、模型叙事也变了：从「更聪明」到「更能扛长任务」
此前多年，竞赛主叙事是「更聪明」：基准更高、推理更强。
到了 2026，在「更聪明」之外，很多厂商开始强调：长任务 / 复杂任务 / 长链路工具调用。智谱 GLM-5 系列（含面向 OpenClaw 场景优化的版本）官方就明确谈工具调用、定时与持续性任务、长链路执行；Kimi K3 等也在 Agent、工具调用叙事上加码。这很合理——Harness 把「连续执行」变成刚需，模型若不在稳定性与工具使用上配合，壳再漂亮也是空的。
五、被淹没的支线：专业模型与端侧
气象、医疗、金融、法律等领域的专业大模型也在发展，只是声音常被通用助手、编程 Agent、Claw/Work 大战盖住。端侧亦然：用更低配硬件在手机甚至手表上跑模型，换的是部署形态与成本结构，不只是又一张跑分表。
我个人的判断是：
「单纯更聪明」这一支的边际效益在递减；真正拉动体验的，越来越像开枝散叶——端侧、垂直、以及新的系统形态。
六、System One、System Two，以及被叫乱的 System Three
若借用卡尼曼「快思考 / 慢思考」的语言，这两年模型世界也在分层：
System One：快决策。
代表产品叙事是 TypeSafe AI 的 Jev（System One 模型）。它不为了生成漂亮句子，而为了给软件返回可直接执行的结构化决策：你给当前状态，再问 choice（选哪个）、score（打几分）、noul（是/否概率）这类问题。返回的是选项、分数、概率和置信度，特点是快、便宜、类型相对安全，适合嵌进 Agent / Harness 做门禁、路由、质检。
System Two：慢推理与生成。
今天的主流大语言模型、深度推理模型，更像在模仿这一层：逐词生成，能写、能聊、能走长链条。它们灵活，也更贵、更慢，并仍可能幻觉。
System Three：术语尚未统一，不宜直接写成「= 具身智能」。
公开讨论里至少有两套用法：有的认知/机器人研究把框架扩成 System 0/1/2/3——具身、形态计算更接近 System 0，而 System 3 常指集体智能、符号涌现；也有行为科学把「大脑外的人工认知（AI）」叫 System 3，讨论人如何把判断外包给模型。
所以更稳的科普说法是：智能正在分层——决策层、推理生成层、身体/环境交互层、集体协作层都在同时长出来；Jev 代表的是决策层被单独产品化这一跳，不是「又多一个聊天模型」。
用穿越比喻说：你带着大炮知识回到古代，建起刀与炮的军队；这时有人造出枪——不是库存多一种兵器，而是逼你重做编制与战术。System One 类似：它提示软件里可以长出一层专门做决策的智能，和生成式智能分工协作。
七、Harness 是最终形态吗？肯定不是
Harness 重要，但只是当前形态。路径已经很清楚：CLI → IDE → Work，然后继续变形。
- 阿里 Qoder：官网推出 New Qoder，定位 Agentic Coding Platform；能力源自 IDE 里的 Quest，现已做成独立桌面产品，与 Qoder IDE 并行（IDE 适合边写边调，New Qoder 适合把整任务委派给 Agent）。任务型 Quest 能力在往 New Qoder 收，并不是「只剩一个名字、其余全灭」那么简单。
- 字节 TRAE：TraeWork 与 TraeCode 融合为全新 TRAE，Agent 模式与 IDE 模式切换——中间还经历过分合，本身就说明所有人都在抢用户、试壳。
产品名换得飞快，实验命题却稳定：
什么样的壳，最适合把 Agent 交到人手上。
八、再上一层：云端电脑（Grok Bot、Muse，以及 Dots）
你以为这就结束了？没有。
Grok Bot、Muse（以及 OpenAI 的 Dots）代表另一形态：不只给你聊天框，还给你云端电脑 / 安全虚拟机。
此前无论 Claude Code、OpenClaw 还是多数 Work 产品，你通常得自己准备机器：开着、连着、装着环境，Agent 才能持续工作；人一关机，很多自动化就歇了。
现在这类 Personal Agent 直接托管执行环境：你的笔记本可以合上，任务仍可 24 小时推进。Harness 还在，但「算力与环境」被产品方托管了——从「在你电脑上跑 Agent」，变成「先给你一台永远在线的电脑，再在上面跑 Agent」。
三者重心还不完全一样：Grok Bot 偏多 Bot 并行协作；Muse 偏个人事务与安全 VM；Dots 偏长期责任与跨对话追踪。共同点是：执行环境上云，Agent 开始 always-on。
九、下一个形态？我不知道
最终形态是什么，我不知道。
比较确定的是：赛道远未饱和。提示词工程没消失，RAG 没过时，更聪明的模型也还在进步；但这几年真正拉动体感的，是一层层叠上去的形态——
- 会答（对话模型）
- 会查（RAG / 工具雏形）
- 会做（Agent）
- 有壳可跑（Harness / Claw / Work）
- 有快决策层可嵌（System One）
- 有云电脑可常驻（Grok Bot / Muse / Dots）
我们大概还在半山腰。山上有没有终点，我不敢说；但这几年的主线，不是某一次参数量翻倍，而是：
人和模型共事的方式，被反复重写。
