夜雨聆风
如果只看新闻，你会觉得2026年的AI核心还是谁家模型更强。GPT-5.6下周发，Claude Mythos在路上，Gemini追在后面跑。
但有个更深的趋势被这些参数之争掩盖了。
这段时间我在X上跟了9位AI圈最顶层人物的公开分享，包括Anthropic的CEO Dario Amodei、OpenAI的Andrej Karpathy、LangChain的Harrison Chase、NVIDIA的Jim Fan等等。时间跨了三个多月，每个人聊的角度不一样，但串在一起之后有一条线特别清晰。
2026年AI真正的下半场，不是模型变得更强，而是我们终于开始认真想一个问题。
有了一把更强的锤子之后，钉子应该怎么摆。
别什么问题都上Agent
Barry Zhang在Anthropic负责Applied AI，他在X上说了句很多人不敢说的话。
别给所有东西都造Agent。
他说如果你能轻松画出来整个决策树，每一步怎么走心里有数，那就直接写。不用套一层Agent的壳。Agent不是更高级的产品形态，是对不确定性的妥协。
Simon Willison说得更直接。LLM编程是难的，是反直觉的。它不是什么按个按钮就出魔法，你需要大量时间去摸清楚怎么跟它协作。
我想到一个特别合适的比喻。雇一个经验丰富的司机开车，方向盘还是要握在你手里。你不能坐后排让他随便开然后指望不出事。
这个共识在三件事上重合。
第一，能不用Agent就不用Agent，简单方案优先。第二，与其搭一堆小Agent互相通信天天出路由故障，不如一个通用Agent配上可插拔的Skills库。Skill这个词正在取代多Agent架构，变成2026年真正在跑的生产级模式。第三，下一代Agent不会只等你开口问它才动，它会自己在后台跑，事件触发、延迟宽松、你忙你的事它干它的活。
Harrison Chase管这个叫Ambient Agent，我觉得翻译成环境Agent最合适。它不抢你的注意力，但你回头看的时候活已经干完了。
从写代码到管AI
AI编程的方式也经历了同样深刻的变化。
去年Karpathy提了一个词叫Vibe Coding，大概意思是你跟AI说你想要什么，它写，你看一眼差不多就行，不求甚解。适合原型适合玩，不适合生产。
但现在这个词正在被Agentic Engineering替代。不是松散的试试看，是严谨的系统化工程。设计提示词、提供上下文、审查产出、测试验证，每一步都有人在控。复杂度没有消失，只是从写代码搬到了管AI。
Simon Willison给了一个让我反复琢磨的判断。AI编程真正的手艺，大部分都卡在上下文管理上。
不是你会不会写提示词，是你能不能把正确的代码、规则、历史状态在正确的时间塞进AI的上下文窗口。gitingest、repo2txt、CLAUDE.md，这些看起来不酷的小工具正在变成AI效率的核心竞争力。
还有一个我特别认同的趋势是测试的复兴。
TDD曾经有一段时间被很多人觉得太慢、太教条。但AI时代它突然变成了杀手锏。你自己写测试，AI改代码，跑测试，红线变绿，下一轮。测试套件从质量保障变成了Agent的训练数据和反馈回路。一个项目如果有健壮的测试套件，AI在里面飞一样。
Simon Willison的原话是，if your project has a robust test suite, agentic coding tools can FLY with it. 他fly用的大写，我想象得到他敲这个词的时候有多强烈。
四个想清楚之后一切都不一样
跳出趋势本身，这轮AI范式的底层规律其实就四条。
第一条，复杂度守恒。问题的本质复杂度不会消失，只会搬家。过去花在写代码上的脑力，现在花在设计提示词、管理上下文、审AI产出、跑测试回归上。总量没变，分布变了。这就是为什么资深工程师用AI效率翻倍而新手更吃力，资深的人知道复杂度搬去哪了。
第二条，泛化的本质是压缩。语言是人类发明的最高效压缩工具，这也是为什么大语言模型能这么强。泛化能力本质是压缩率乘以解压精度。理解了这条就明白了为什么好的Skills比复杂的Agent架构更有生命力，因为Skills是被高压缩过的、精准可解压的经验单元。
第三条，反馈回路是智能的必需品。任何一个系统想要变聪明都得跟环境有来回。这就是为什么编程是Agent最甜的场景，因为测试给了完美闭环。这也是为什么物理AI卡在模拟器到现实的迁移上，因为真实世界给不了实验室里那个频率和精度的反馈。智能等于模型能力乘以反馈质量乘以迭代速度。
第四条，抽象层级决定适用范围。越高层的抽象越通用但越难精准使用，越低层的越专用但越可控。这就是为什么生产环境大家宁愿用自己搭的基础组件而不是现成框架，因为可控性在出问题的时候是一切。最好的工程师始终强调的是理解框架底层代码，不是会用框架。
下半场的核心转变
把这四个原理跟前面的趋势对在一起，整个2026年AI行业发生的事突然变得很清晰。
上半场我们拼的是谁的模型更强。GPT、Claude、Gemini，参数往上堆，跑分往上涨。下半场拼的东西全变了。模型还在变强，但瓶颈不在模型上了。
瓶颈在你能不能定义清楚任务。能不能搭出一个让AI高效干活的上下文环境。能不能建一条高质量的反馈回路。
从构建更强模型，到设计更好的任务、环境和反馈回路。
这句话是OpenAI姚顺雨在一个三小时播客里说的，我觉得它是2026年到目前为止关于AI最准确的一句话。不是模型不行了，是只拼模型的上半场结束了。下半场属于那些会跟模型协作的人。
工具一直会迭代，但这四条底层原理不会变。复杂度守恒、压缩即泛化、反馈即智能、抽象即取舍。
记住这些，你能看懂接下来所有变化。
以上，觉得有收获，点个赞、在看、转发支持一下；想不错过更新，记得星标⭐。下次见。
