导语
自2025年末智能体开始真正“可用”以来，AI界一直在探寻其突破的原因。本文作者Dan McAteer提出，这并非单一模型能力的跃升，而是模型与包裹它的“框架”（Agent Harness）协同演进的结果。框架从最初笨拙的外部工具，逐渐被模型吸收其能力，最终将演变为一个管理人类稀缺注意力的“注意力接口”。这一演变历程，揭示了AI智能体未来发展的核心逻辑。
Agent框架演变：从模型包裹到人类注意力接口
文章探讨了AI智能体框架（Harness）的演变，指出其从外部包裹模型的工具，逐渐被模型吸收能力，并最终演变为管理人类注意力的接口。作者认为，随着模型能力增强，未来框架的核心将是协调稀缺的人类注意力资源，而非约束模型本身。
大纲与深读 5 章
展开「深读」看每一段讨论的问题与论据。
01
引言：代理能力的突破
- 2025年圣诞前后，AI工程师发现代理开始有效工作，原因尚难精确界定。
- 核心论点是模型能力与外部封装（Harness）的改进曲线在恰当时刻交叉。
- 这一动态预示未来趋势：模型会持续吸收封装能力，剩余部分将转为管理人类注意力的界面。
深读这一段
讨论的问题：是什么导致AI代理在2025年圣诞前后开始有效工作？
论据 / 案例：引用了Transformer发明者Lukasz Kaiser在“Unsupervised Learning”播客（2025年6月）中的评论，描述了那个难以归因的“大跃进”。
02
定义代理封装（Harness）
01:54- 代理封装是模型权重之外，使代理工作的一切：环境、工具、上下文和护栏。
- 它让模型得以从“培养皿中的大脑”状态突破，与真实的数字信息空间交互。
- 封装赋予模型感知（上下文）、行动（工具）、持久化信息（记忆）和执行边界（权限）的能力。
深读这一段
讨论的问题：什么是代理封装？它的核心作用是什么？
论据 / 案例：用“给模型的大脑一个身体”的比喻来解释封装的必要性。
03
封装1.0：捆绑与实验期
02:48- ReAct（2022年10月）是首次在提示层面定义代理循环（推理-行动-观察），但仅是纸面封装。
- AutoGPT/BabyAGI（2023年春）过早赋予模型全自主权，但模型能力不足，导致误差被放大，成功率极低。
- Cursor/Copilot（2023-2024）转向“人在环中”模式，将循环控制交给人类以弥合能力差距。
- Claude Code（2025年2月）抓住模型能力超越封装的拐点，首次在合适时机重新赋予模型自主权。
深读这一段
讨论的问题：代理封装的早期演变经历了哪些关键阶段和策略转变？
论据 / 案例：提及Answer.AI对Devin的测试显示其约15%的成功率；Claude Code在六个月内达到约10亿美元的年化收入（ARR）。
04
封装2.0：协同训练期
05:25- 当前封装的重要性可被量化：Harness-Bench显示同一模型在不同封装下，任务得分可有23.8分的巨大差异。
- 强化学习已移至封装内部（如codex-1），模型与封装曲线开始交织并融合为统一系统。
- 模型开始将封装能力吸收进自身权重（如自动上下文压缩），使封装得以简化。
- 衡量封装进化的标准变为：在保持能力不变的前提下，能删除多少封装代码。
深读这一段
讨论的问题：当前阶段，模型与封装的关系发生了什么根本性变化？
论据 / 案例：OpenAI在ARC-AGI-3上仅通过增加“保留推理和压缩”封装，使GPT-5.6 Sol的得分从13.3%三倍增至38.3%；Anthropic团队最近删除了Claude Code 80%的系统提示。
05
封装3.0：注意力时代
08:02- 未来，所有能被模型吸收的封装能力（如多代理编排、工具选择、记忆）都将被吸收。
- 吸收过程不会终结封装，而是会反转封装，使其成为代理与人类操作者之间的界面。
- 剩余的封装将专注于管理人类中心的稀缺资源：权限、身份、信任和可解释性。
- 这一新界面将管理代理何时可以打扰人类、何时应自行运作以及需要人类批准的决策。
深读这一段
讨论的问题：当模型持续吸收封装能力后，代理封装的最终形态会是什么？
论据 / 案例：引用了Latent Space播客中Ryan Lopopolo的观点：“唯一根本稀缺的东西是团队同步的人类注意力”；预测一年内，每家构建代理AI的公司都会发布类似AGENTS.md的“人类注意力策略文件”。
金句
- "The answer to 'What happened?' isn't solely in the model weights. It's in the system that grew up around the weights." ——“到底发生了什么？”的答案不完全在于模型权重，而在于围绕权重发展起来的整个系统。
- "Harness-Bench ran the same model over the same 106 tasks in different harnesses, and scores ranged from 52.4 to 76.2: a 23.8-point spread with zero change to the model." ——Harness-Bench用同一个模型在不同框架下完成相同的106项任务，分数从52.4到76.2不等：在模型本身毫无变化的情况下，产生了23.8分的差距。
- "The only fundamentally scarce thing is the synchronous human attention of my team." ——“唯一真正稀缺的东西，是我团队同步的人类注意力。”
- "What do the model weights absorb next? ... What's left at the end of this deletion and absorption process are the human-centric agent capabilities. Things like permissions, identity, trust and legability." ——“模型权重接下来会吸收什么？……在这个删除和吸收过程结束后，剩下的是以人类为中心的智能体能力。比如权限、身份、信任和可解释性。”
- "The harness becomes the model's interface to our human attention. It becomes the attention-interface." ——“框架变成了模型与我们人类注意力之间的接口。它成了‘注意力接口’。”
原文链接
=== SUGGEST 无
