夜雨聆风上个月，一个朋友跟我吐槽 Claude Code。
他说他卡在一个 bug 上，来回搞了十几轮，Agent 死活改不对。他的结论是：这东西还是不行，吹过了。
我问他：你半年前试过吗？
他说试过，更烂，当时连那个 bug 在哪都找不到。
我说：那再过半年呢？
他没接话。
这个沉默，就是我写这篇文章的原因。我把反复跟人讲的四件事凑成了一个判断框架，不是要说教，是真的觉得很多人卡在一些可以提前绕过的坑里。
大模型会越来越聪明
过去几年，大语言模型行业有一条被反复验证的规律：只要继续往里面投算力和数据，模型就会变得越来越聪明、越来越快、越来越便宜。
行业里管这个叫 scaling law（规模定律）。这个词不重要。每次你开始怀疑 AI 是不是到顶了、是不是吹过了，过半年，新模型出来，又打脸一次。
规律到目前为止从未失效。基准评分一直在涨，单次能处理的上下文从几十 K 涨到几百 K 甚至几 M，推理越来越深，速度越来越快，价格越来越低。
一个方向。能力持续增长。
这一条不是"第一章"，是底座。后面三个反转之所以能成立，全是因为这台发动机还在转。
很多你今天觉得是"问题"的东西，本质上只是 scaling 还没走到那一步。context 不够大、推理太慢、价格太贵、工具调用太慢，这些不是原理性限制，是阶段性的。
反过来，很多今天你以为是"答案"的东西，把 Agent 当人管、什么复杂问题都丢给多 Agent 协作，本质上是你把阶段性方案当成了最终解。
好，底座说完了。聊三个反转。
反转一：你把 Agent 当编程工具。但它正在变成产品本身。
大多数人第一次用 Claude Code，直觉判断都一样：这是个超级好用的编程助手。我给需求，它写代码，我 review，我部署。Agent 是工具，软件是产品。一清二楚。
这个判断在两三年前完全正确。
但如果推理成本继续往下走，到一次调用只要几分钱、零点几秒，Agent 就没道理只待在开发环境里了。它会往前走一步，进入产品内部，变成产品运行逻辑的一部分。
不是在开发的时候帮你写代码。而是在产品上线以后，在用户看不见的地方，实时做决策、生成内容、调整策略。
我管这个叫智能体运行体。不是工具，而是产品内部持续运转的一部分。用户消费的不再是程序员提前写死的一段逻辑，而是运行体实时跑出来的结果。
举个离我们没那么远的例子。
你今天打开信息流产品刷推荐，推荐算法是人写的一段代码，跑在服务器上。很聪明，但它的聪明是"设计出来的"。工程师提前想好了要优化哪些指标，然后写死逻辑。
现在你想象一个版本：推荐不是固定算法生成的，而是一组 Agent 在实时理解你的阅读状态、当前的信息质量、话题的热度和深度，动态编排出来的。没有"提前写死"的逻辑，每次推荐都是一次即时决策。
那这个产品还是"一个 app"吗？它的核心逻辑，已经不是一段固定的代码了，而是一台持续运行的 Agent 引擎。
这不是科幻。Claude Code 本身如果被嵌到代码托管平台里，每次有人提 PR，Agent 自动 review、自动修明显的 bug、自动补测试，它就不是"一个命令行工具"了，它是"一个自动化的代码质量运行体"。OpenCode、Codex、OpenClaw，这些工具都在往同一个方向走。
还有一个信号，可能比这些产品案例更直接。
你想想你在 Claude Code 里面写的那些 skill 文件。你花了很多心思去写规则、定义边界、告诉 Agent 什么能做什么不能做。这些 skills 本质上是什么？是对模型目前能力不足的补丁。模型还不够懂你、不够稳定、不够可控，所以你要给它外挂一份说明书。
但模型会越来越聪明。那这些外挂的 skills 会发生什么？
它们会被内化。
就像提示词工程。两年前你要写一长串"你是一个专业的……""请一步一步思考……""请确保……"，精心设计的 prompt 就是那时的 skill。今天大部分已经不需要了。模型自己就知道该怎么回答、该用什么格式、该注意什么边界。你精心设计的那套 prompt，变成了模型的一个默认开关。
skills 的命运也一样。今天你辛苦写的 skill 文件，迟早会被下一代模型内化成默认能力。不是因为 skills 写得不好，是因为模型不需要它们了。
而这正是 Agent 从"工具"变成"运行体"的另一个证据。工具需要说明书，运行体不需要。
所以第一个反转是：别只把 Agent 当工具。它正在变成产品内部的东西。
但等等
你说 Agent 在生产环境里不可控，谁敢把它嵌进产品？
你说得对。但这个顾虑的本质是什么？是现在的推理还不够便宜、不够快。如果每次 Agent 调用要三秒、花几毛钱，你当然不敢让它跑高频决策。但如果降到 0.3 秒、半分钱，"不可控"就不再是技术问题，是成本问题。
而成本，是 scaling 最确定会解决的方向。
反转二：你像管团队一样管 Agent。但 Agent 根本不是人。
第二个直觉也很有道理。
从 vibe coding 到 SWE-Agent，从 Cursor 到 Manus 到 Claude Code，人们很自然地做了一件事：既然 Agent 可以写代码、review 代码、跑测试、提建议，那不就是个虚拟开发团队吗？
于是项目管理、OKR、daily standup、code review 流程，全被套上去了。
这条路走通了。很快。但红利更快吃完了。
我见过一个团队的配置：三个 Agent 组成一个"开发小组"，一个写代码，一个 review，一个当 PM 做协调。结果呢？三个 Agent 花了二十分钟互相确认需求、等待对方回应、反复调整方案。最后生产出来的代码，一个人用 Claude Code 十分钟就写完了。
看得我手心出汗。那二十分钟里 token 在烧，什么都没出来。
问题不出在"协作"这个方向上。问题在于，人类管理学的很多方法是为人设计的：人有内驱力、人的沟通天然带信息量、人的层级能加速决策。但 Agent 不具备这些东西。
Agent 的 memory 是有限的，干着干着就忘了上下文。Agent 的连续执行能力是有限的，工具链一长就容易断。Agent 的 function calling 接口是有限的，不是你想让它调什么就能调什么。
你把管人的方法套在一个不是人的东西上，不但不会提效，反而会放大它的每一个弱点。
X 和 Reddit 上能找到大量这种吐槽：Agent A 写了一段代码，Agent B review 的时候改了三行，Agent C 回来把 B 改的那三行又改了回去。然后它们三个开始互相解释。你坐在屏幕前，看着 token 在烧，什么都干不了。
"过度交流""七手八脚""随时停工"，不是段子，是亲身经历。
所以第二个反转是：管理学套利这波红利，快吃完了。剩下的，是被管理流程拖累的 Agent，和淹没在沟通里的产出。
等一下
memory 太短、function calling 太慢、上下文容易丢。这些都是真的。
但它们是原理问题吗？
不是。一年前 context window（上下文窗口）几十 K，现在几百 K。一年前推理速度是现在的几分之一，价格是现在的几倍。这些全在变。
一年之后，很多今天让 Agent 协作卡壳的硬伤，可能已经不存在了。
真正的问题是：到那时候，你还在用管人的方法管 Agent，那你才是瓶颈。
反转三：你以为 Agent 能搞定一切复杂问题。但它最擅长的，反而是"简单干净但巨难"的那种。
这是我自己想清楚最晚的一条。
你用 Claude Code 解决了三天调不通的编译问题，让它写了一组你没耐心写的测试，让它重构了一个烂尾半年的模块。它全做到了。
于是你自然地觉得：这东西能搞定一切复杂问题。
但这里有一个区分很关键。"复杂"有两种，这两种看起来没区别，但其实是两件事。
第一种复杂：问题定义很简单，边界很清楚，但搜索空间巨大。
一道数学证明，要证什么明明白白。但证明路径可能有几万条，绝大多数是死胡同。一个编译器，输入输出是确定的，但实现方案有几万种排列。蛋白质结构预测，物理规则固定，但构型的组合是天文数字。
这类问题的难点在穷举、在探索、在一个干净答案藏在一百万个错误答案里面。这恰恰是 Agent 最擅长的：它不怕大，只怕乱。
第二种复杂：问题定义开放，边界模糊，系统高度耦合。
微信的一百种功能，不是"设计"出来的，是十几年里跟用户行为、商业需求、监管政策一点点磨出来的。
Facebook 的底层 infra，支付宝后面几百上千个基金和风控模型，这些系统是"长"出来的，不是"写"出来的。
每一个改动，都牵着一大堆你无法提前穷举的变量。
解决这类问题，Agent 不是不能参与，但它不能替代人。因为答案不在搜索空间里，答案在人与环境反复碰撞的那个过程里。
我给第一类问题起了个名字：定靶问题。它有三个条件：
第一，问题定义简单、干净、封闭。第二，解决方案的搜索空间巨大，可能有几百到几万种天马行空的方案，绝大多数是错的。第三，验证成本极低，验证的代价是设计代价的千分之一。
用人话说：答案可能藏在一百万个错误里，但你一眼就能认出哪个是对的。这就是 Agent 的甜点区。
数学题，你解可能要一百步，验证只需要带回去算一步。编译器，设计可能要几万行，验证只需要两千个 test case 全覆盖。Lean 证明、电路模拟、游戏关卡测试、行为经济学仿真，全是这个类型。
反面呢？给微信加一个新功能、给支付宝调一个风控策略，你没办法把它们定义成一个"简单干净的问题"，也没办法用一个标准化验证来判断"做好没有"。
所以第三个反转是：Agent 最擅长的不是最"乱"的问题，是最"干净但难"的问题。
但等等
那复杂开放问题 Agent 永远做不了？
也许吧，我也不确定。
我确定的是，今天做不到，不代表三年后做不到。
你想想上下文窗口从几十 K 涨到几 M 才用了多久。同一个增速再推三年，今天的"脏"，可能就变成了明天的"干净"。
当 reasoning 足够长、context 足够大，脏问题会慢慢变干净。
但在那之前，先捡干净的做。在 scaling 把边界推过来之前，把定靶问题做到极致。
四条放在一起，其实就一件事
写到这里，回头看这四条，说实话，最开始我也不确定它们能不能串起来。
第一条，大模型能力持续增长。底座，决定你能跑多快。
第二条，管理学套利正在失灵。告诉你别再用管人的方法管 Agent 了，那条路快走到头了。
第三条，Agent 正在变成产品的运行体。告诉你该往哪跑：把 Agent 嵌进产品里，别只用完就丢。
第四条，定靶问题是当下的最优解。告诉你哪条路对、哪条路不对。
但我现在也不敢说这四条就是最终答案。每多试一个产品、多看一个团队的做法，里面的细节就会出来打脸一次。仅供参考，大家自行判断。
说实话，这些对你有什么用
下次有新的 AI 产品炸出来，你不用跟着兴奋，也不用跟着慌。只问一个问题：
"它现在不够好是因为 scaling 还不到，还是方向本身就错了？"
推理太慢？context 太小？价格太贵？等一等，这些都会变。
有人跟你说"我们把十个 Agent 组成一个公司，按阿米巴模式管理"？你大概率可以不用跟。
判断力在这个阶段，比信息量值钱。
半年前我第一次把这些观察放在一起，自己也不太确定。Agent 不是工具，也不是人。
它是一种还没有名字的存在形态。这句话现在听起来可能有点绕，但我猜三年后回头看，就像"软件正在吃掉世界"一样，会变成一个你不觉得需要解释的常识。
也许是我想多了。但那台发动机还在转，这一点是确定的。
