夜雨聆风这两天我重新翻了一遍 OpenAI、Anthropic、Google 最近关于 Agent 的资料，尤其是 2026 年 5 月这几条更新。翻完以后，我最大的感觉是，AI Agent 终于从「概念炒作」走到了一个更尴尬、但也更真实的位置。
它没那么神。
但它也真的不是普通聊天机器人了。
过去我们用 ChatGPT、Claude、Gemini，很多时候是在「问答」。你问一句，它答一句。最多你让它写个方案、改个文案、分析个表格，它输出一坨东西，然后你自己拿去干活。
Agent 不一样。
Agent 的关键不是它更会聊天，而是它开始能「做事」。你给它一个目标，它会自己拆步骤，调用工具，看执行结果，发现不对再改，实在搞不定再喊你回来。
所以我自己更喜欢一个很土但很准的定义，Agent 就是「能围绕一个目标，自己推进任务的 AI 系统」。
注意，不是「全自动完成一切」。
是「自己推进」。
这个区别特别重要。因为现在市面上最大的泡沫，就是把 Agent 讲成一个数字员工，好像你只要说一句「帮我赚钱」，它就能自己找项目、做产品、投广告、收款、报税，最后顺便给你买套房。
不是哥们，先冷静一下。
真正的 Agent，背后通常有三件东西，一个模型，一堆工具，一套规则。模型负责判断和推理，工具负责连到外部世界，比如浏览器、代码执行器、文件系统、邮箱、数据库、日历、Slack、GitHub，规则负责告诉它哪些能做，哪些必须问人，哪些绝对不能碰。
这就像你招了一个实习生。聪明是聪明，但你不能只给他一个脑子，你还得给电脑、账号权限、工作说明、审批流程、犯错后的兜底机制。
AI Agent 的爆发，本质上就是这几样东西终于凑齐了。
模型更会推理了，工具调用更稳定了，浏览器和电脑操作能力开始能用，企业系统也开始接 MCP、连接器、权限、日志、评测。以前 Agent 像在空气里搭积木，现在至少有了桌子。
回到今天最关键的三家公司。
OpenAI 在干什么？
我觉得 OpenAI 的方向很清楚，它想把 Agent 做成一整套平台。不是只给你一个 ChatGPT agent，而是从 Responses API、Agents SDK、AgentKit、Agent Builder、ChatKit、Evals、Workspace Agents 一路铺开。
你如果看 2026 年 4 月 OpenAI 对 Agents SDK 的更新，会发现它讲的不是「模型更聪明」这种大词，而是沙箱、文件、工具、长任务、可恢复执行。3 月那篇 Responses API 接入 computer environment 的文章也一样，核心是把 shell、容器、文件系统、网络限制这些很工程的东西补上。
这说明什么？
说明 OpenAI 已经很清楚，Agent 真要进生产，不是靠一次惊艳 demo，而是靠能不能稳定跑、能不能被审计、能不能出错后恢复、能不能把中间文件放在一个安全地方。
到 5 月 14 日，OpenAI 企业版更新里又提到 Workspace Agents 支持 EKM 企业密钥管理，能连应用、加 skills、加文件、加自定义 MCP、定时跑，还能看版本历史和分析数据。
这就不是玩具了。
这已经是往企业工作流里塞「可管理的数字工人」。
Anthropic 这边则很像另一个性格。
OpenAI 是平台化，Anthropic 是把「会干活的 Claude」往开发者工作台里塞得特别深。Claude Code 是最典型的例子。它不是代码补全，而是读代码库、改多个文件、跑测试、失败后继续修。Anthropic 自己产品页里写得也很直接，Agentic，不是 autocomplete。
而且它现在已经不是只在终端里。2026 年 2 月，Apple Xcode 26.3 接入 Claude Agent SDK，同一个支撑 Claude Code 的底层 harness 进了 Xcode，支持 subagents、后台任务、插件，还能看 SwiftUI Previews 做视觉验证。
这个细节我觉得特别关键。
因为 Agent 不是只会「思考」，它必须能「看见自己做出来的东西」。写代码也好，做设计也好，改网页也好，如果它看不到结果，只能凭空猜，那就永远像闭着眼睛拧螺丝。
更有意思的是，Anthropic 4 月还发了一篇 Claude Code 质量复盘，承认 Claude Code、Claude Agent SDK、Claude Cowork 受到了几次改动影响，然后解释问题和修复。这个东西反而让我觉得它更真实。Agent 不是神，它会退化，会受工程改动影响，会出事故。敢把这事讲出来，说明大家终于开始用「软件工程」而不是「玄学魔法」的方式看 Agent 了。
Google 呢，Google 的牌其实最吓人。
因为 Google 不只是模型公司，它有 Android、Chrome、Search、Gmail、Photos、Workspace、Cloud。它做 Agent 的优势，不在于单点最炫，而在于它天然站在你的日常入口上。
2026 年 4 月 Google Cloud Next 之后，Google 总结说重点是 agentic AI，推了 Gemini Enterprise Agent Platform，用来让企业构建和治理 AI agents。开发者侧有 ADK，也就是 Agent Development Kit。到 5 月 12 日，Google 又发了一个很具体的教程，讲如何用 ADK 做长时间运行的 Agent，能暂停、恢复、等待人类审批、跨几周保持上下文。
这才是真工作流。
因为现实里的活不是一个 prompt 结束的。HR 入职要等签字，发票争议要等供应商回邮件，销售跟进可能拖一个月。Agent 如果一断线就失忆，那它就只能当聊天机器人，不能当工作系统。
更吓人的是消费端。
Google 5 月 12 日还讲了 Gemini Intelligence on Android，今年夏天先在新的三星 Galaxy 和 Google Pixel 手机上分批上线，后面扩展到手表、车、眼镜、笔记本。它强调的是跨 App 多步骤自动化，比如帮你在 Gmail 里找课程大纲，再把需要的书加入购物车。
Chrome on Android 也在同一天讲了 Gemini in Chrome 和 auto browse，预计 6 月底开始在美国部分 Android 手机上推出。浏览器里的 Gemini 不只是总结网页，而是能连 Google 应用，帮你加日历、从菜谱丢食材到 Keep、在 Gmail 里找信息。
这件事的方向很明显。
未来 Agent 最先进入普通人生活的地方，很可能不是一个新 App，而是你已经每天打开的系统入口，手机、浏览器、搜索框、邮箱、文档。
那哪些是真机会？
我现在越来越觉得，真机会不在「做一个万能 Agent」。万能这两个字，听起来很爽，落地很惨。真实世界里没有万能工作，只有一堆具体到让人头大的流程。
客服退款、销售线索、合同审阅、代码迁移、数据分析、财务对账、HR 入职、投研简报、舆情监控、供应链异常处理，这些事看起来不性感，但它们有共同点。
第一，流程重复但不完全固定。第二，需要读大量非结构化信息。第三，中间有很多判断。第四，结果能检查。第五，出错可以设计兜底。
这就是 Agent 的舒适区。
反过来，泡沫也很清楚。凡是听起来像「全自动替你经营人生」的，大概率先当娱乐看。凡是没有权限边界、没有日志、没有评测、没有人工确认、没有失败回滚的 Agent，不是生产力，是事故预告。
还有一种泡沫，是把工作流图画得特别漂亮，节点连来连去，看起来像未来公司大脑。结果一跑，发现数据权限没有，系统接口没有，异常处理没有，业务规则没人整理，最后 Agent 卡在登录验证码前面沉默。
这时候你会发现，Agent 最难的部分甚至不是 AI。
是公司里那些没人愿意整理的流程、权限、文档、数据和责任边界。
很烦。
但这就是机会。
未来半年，我会重点看几个东西。
第一，看 Agent 能不能真正跑长任务。不是 30 秒给你一个答案，而是能跑 30 分钟、3 小时、3 天，中间能暂停、恢复、等人、继续。
第二，看 Computer Use 和浏览器操作能不能从 demo 变成稳定能力。AI 能看屏幕、点按钮、填表单，这件事只要稳定一点点，很多旧系统就会突然被接入 AI 时代。
第三，看评测和审计。未来企业买 Agent，不会只问它聪不聪明，而会问它每一步做了什么、为什么这么做、错了怎么追、能不能复现。
第四，看连接器和 MCP。谁能安全地接上 Gmail、Drive、Slack、GitHub、Jira、Notion、数据库、内部系统，谁就更接近真实场景。
第五，看手机和浏览器。因为企业 Agent 改变的是组织效率，手机和浏览器 Agent 改变的是普通人的日常动作。
说到底，AI Agent 不是一个新按钮，也不是一个新聊天框。
它更像一个转折点，AI 从「给建议」开始走向「参与执行」。以前你问它怎么做饭，它给你菜谱。以后它可能会读你的冰箱照片、查附近超市、下单食材、同步日历、提醒你几点开始腌肉。
听起来很酷，也有点可怕。
因为当 AI 开始点按钮，它就不只是语言模型了。它开始进入真实世界的因果链条里。点错一个按钮，发错一封邮件，下错一个订单，改坏一段代码，都是现实后果。
所以我对 Agent 的态度一直是，一边兴奋，一边保持手放在刹车上。
它会带来很多新机会，但不是给那些只会喊「全自动」的人。它更像奖励那些真的懂流程、懂业务、懂工具、懂边界的人。
AI 时代很有意思的一点是，越往后，越不是单纯比谁会写 prompt。
而是比谁能把一个模糊的愿望，拆成一个可执行、可验证、可监督的系统。
这可能就是 Agent 真正的意义。
不是让 AI 替你拥有目标。
而是让 AI 帮你把目标往前推。
推一点，再推一点。
直到那些原本卡在脑子里、文档里、会议里、待办列表里的东西，真的开始动起来。
大时代啊，朋友们。
