夜雨聆风
过去两年，AI 创业有一条非常流行的公式：
一个垂直场景 + 一个模型 API + 一套 Prompt + 一层 UI = 一个新的 AI 产品。
于是，我们有了 AI 搜索、AI 研究、AI PPT、AI 设计、AI 视频、AI 写作、AI 建站、AI 知识管理，以及面向律师、销售、教师、咨询顾问、产品经理和设计师的各种 Copilot。每一个需求，似乎都应该对应一个独立的 AI App，特别是 2025 年 agent 出现了，大量用 mastra、langchain 和 langgraph 框架制作的 agent+垂直赛道的应用如雨后春笋般出现，AI 让开发的成本也大幅度减少，这更加让这种情况进一步发展。
但是，自从今年年初进入 Harness 时代，我们可能根本不需要这么多彼此孤立的垂直 AI 应用。用户真正需要的，是一个像 Codex、Claude Code 这样的通用 Harness Agent，再为它安装不同的 Skill、连接不同的 MCP，并通过 Plugin 把一整套专业能力集成进来。
需求当然不会消失。消失的，是“每个需求都必须长成一个独立 App”的产品假设。
流量已经开始投票
先看一组 2026 年 6 月的网站访问量变化：
在这 9 个产品中，6 个下降，2 个增长，1 个持平。合计月访问量从约 5238 万下降到 4227 万，一个月减少了约 1011 万次访问，整体降幅达到 19.3%。
Similarweb 的公开页面显示，2026 年 6 月 Manus 约有 2320 万次访问，环比下降 17.19%；Genspark 约有 1150 万次访问，下降 25.07%；Lovart 约有 310 万次访问，下降 19.79%；Flowith 约有 49.9 万次访问，下降 26.31%。这些精确值与表格中的取整数值基本一致。
虽然访问量绝对不能代表一个产品的存活与死亡，但是问题在于上述许多 AI 产品的降幅并不是 3%，而是集中在 18% 到 27%。这意味着它们的下降不能完全用大盘波动解释。即使我们不能直接说这些产品“流失了多少用户”，至少可以确定——大量独立 AI 产品正在失去用户的注意力、打开频次和使用入口。
更值得注意的是，Manus 和 Genspark 本身甚至不算严格意义上的垂直应用。它们已经是相当通用的 Agent 产品。所以，真正发生的变化可能不只是“垂直 AI App 会减少”，市场或许同样容不下那么多彼此独立的通用 Agent。
用户没有离开需求，只是在减少入口
用户当然还需要做研究、写文档、生成视频、设计页面、制作 PPT 和分析数据。问题是：为了完成这些任务，用户真的愿意分别打开十几个网站吗？
每进入一个新产品，用户都要重新完成一套成本不低的动作：重新注册和付费，重新上传文件，重新解释自己的背景，重新描述项目目标，重新连接数据源，重新授权账号，再重新教一遍 AI 自己喜欢的工作方式。所以我们产品设计中一直强调，多一步就是 50%。
垂直应用看起来降低了单个任务的门槛，却把用户的上下文拆散在无数个产品里。而 AI Agent 最重要的资产，恰恰不是某一个功能按钮，而是上下文。
一个真正好用的 Agent 应该已经知道：你在做什么项目，你的文件在哪里，团队使用什么工具，你过去做过哪些决定，你的品牌规范是什么，你习惯怎样组织信息，以及什么样的结果才算完成。
当这些信息已经存在于一个长期使用的 Harness 中，用户自然不愿意为了一个细分任务，再去新的 AI 网站从头开始。因此，用户并没有离开 AI。他们正在离开彼此孤立的 AI 入口。
Harness 不是另一个聊天机器人
这里所说的 Harness，不是模型本身，也不只是一个更大的聊天框。它是包裹在模型周围，让模型能够持续完成真实工作的运行环境。如果你感兴趣，不妨去看看我的文章，里面系统地介绍了 Harness 的很多概念和思想：
https://harness-learn.pages.dev/
一个完整的 Harness 通常负责：
管理长期上下文和项目文件； 理解任务并拆解执行计划； 选择模型、工具与子 Agent； 调用本地环境、浏览器和外部系统； 处理权限、确认、失败重试与状态恢复； 检查结果是否满足要求； 最终生成代码、文档、页面、表格或其他可交付成果。
模型负责推理，Harness 负责让推理落地。Agent 是行动者，Harness 则是行动发生的工作系统。
例如Claude Code 已经不只是回答代码问题，它能够读取代码库、修改文件、运行命令，并连接开发工具，同时存在于终端、IDE、桌面端和浏览器等不同环境中。Codex 同样把 Agent 放进一个可以访问项目、执行任务、并行工作和管理 Skill 的完整环境里。
它们首先在编程领域成功，不是因为这种形态只适用于程序员，而是因为代码天然具有几个优势：文件结构清晰、工具链成熟、结果可以运行、任务可以验证。
一旦 Agent 的文件处理、浏览器操作、数据分析和软件连接能力成熟，同一种产品形态就会从编程扩展到更广泛的知识工作。
2026 年 6 月，OpenAI 表示 Codex 的周活跃用户已经超过 500 万，其中分析师、营销人员、设计师、研究员等非开发者约占 20%，而且非开发者用户的增长速度超过开发者的 3 倍。不同产品的流量与活跃用户口径不能直接比较，但这个变化至少说明：Harness 式工作环境正在突破编程工具的边界。
Skill、MCP 和 Plugin，正在取代大量独立 App
在 Harness 时代，过去必须被包装成完整产品的能力，可以被拆成几个更轻、更容易组合的部分。
原因很简单，我为什么要多一份付费买你的不一定比我的Codex或者Claude更强的模型（国产模型同理，在国内依然可以用目前国内最强的 GLM 等）。
Skill：把专业经验变成可复用流程
Skill 不是一个简单 Prompt。
如果你对 skill 不太了解，你可以去看我之前写过的文档介绍：Skill 技能
它可以包含任务说明、参考资料、模板、脚本、检查规则和具体执行步骤。OpenAI 将 Codex Skill 定义为由指令、资源和可选脚本组成的任务能力包；Claude Code 也允许通过SKILL.md 创建可自动触发或主动调用的专业流程。
例如，“进行一次设计走查”不需要单独做成一个 AI 设计评审网站。它可以成为一个 Skill，里面规定：应该检查哪些页面，如何寻找一致性问题，如何判断无障碍风险，怎样按照严重程度分类，如何引用设计规范，以及最终用什么结构输出报告。
真正有价值的是这套方法，而不是外面的聊天框。
MCP：让 Agent 直接进入业务系统
如果你已经开始使用 Codex 或者 Claude code 这类 Harness agent 工具，你大概率已经开始使用 MCP 链接不少平时的工作工具了，例如 Chrome、Jira 等。
MCP 解决的不是“AI 会不会思考”，而是“AI 能不能接触真实世界”。
如果你对 MCP 还是不够理解，也可以看我的知识库介绍 MCP 的文档：MCP
MCP 是连接 AI 应用与外部数据、工具和工作流的开放标准。通过 MCP，Agent 可以访问文件系统、数据库、搜索工具、项目管理平台和团队协作软件，而不再依赖用户手动复制粘贴。
过去，一个垂直 AI 产品的重要卖点可能是“我们接入了 Jira、Figma 和 Slack”。但当这些连接逐渐标准化后，集成本身不再足以支撑一个独立产品入口。用户可以直接把同样的系统接到自己长期使用的 Harness 中。
Plugin：把一套能力打包安装
Plugin 则是分发单位。一个 Plugin 可以同时包含多个 Skill、应用集成、MCP 配置、Hook、权限说明和默认工作流。OpenAI 的 Codex 文档也将 Plugin 描述为适合跨团队分享、打包连接器或 MCP 配置，并发布稳定能力包的形式。
例如，一个“产品设计 Plugin”可以同时包含：竞品研究 Skill、用户访谈分析 Skill、设计走查 Skill、Figma MCP、Notion MCP、设计系统文档，以及提交设计前自动运行的质量检查 Hook。
用户不需要购买六个独立 AI 产品。他只需要把这套能力装进自己的 Harness。
一个任务，不再需要对应一个产品
假设我要做一份竞品分析。在传统 AI App 模式下，我可能需要：
先打开搜索产品收集资料； 再打开知识管理产品整理内容； 然后进入数据分析产品处理表格； 接着使用 PPT 产品生成汇报； 最后到设计工具里调整视觉。
真正负责串联这些工具的人，仍然是我。但是，在 Harness 模式下，我只需要提出目标：
分析这五个竞争对手过去半年的产品变化、用户反馈和流量趋势，找出三项机会，并生成一份适合内部评审的报告和演示文稿。接下来就完全交给 AI 就可以了：竞品研究 Skill 定义分析方法和输出标准；MCP 从 Similarweb、Notion、Slack、数据库和其他系统中读取资料；Plugin 提供公司内部模板、品牌规范和审批流程；Harness 负责拆解任务、并行检索、检查来源、生成图表、撰写结论和交付最终文件。
用户始终停留在一个工作环境中。这是最关键的！“竞品分析 AI App”所提供的价值并没有消失。它只是从一个独立入口，变成了 Harness 中的一种能力。
这就是变化的核心：垂直需求依然存在，但垂直需求与独立 App 之间的一一对应关系正在消失。
真正的分界线，不是垂直与通用，而是入口与能力
过去我们经常讨论：通用 Agent 会不会取代垂直 Agent？但更准确的分法可能是：
哪些产品能够成为用户的主要工作入口； 哪些产品更适合作为入口内部的一项能力。
主要入口天然具有强烈的规模效应。用户使用得越久，Harness 对用户的项目、偏好、文件、团队和历史决策就越了解。用户安装的 Skill 和 Plugin 越多，迁移到另一个 Harness 的成本也越高。
一个用户可以接受几十个 Skill，却很难同时维护几十个通用 Agent。因为每一个通用 Agent 都想重新获得你的上下文、文件、权限和使用习惯。
因此，未来或许会出现大量能力提供商，但只会有少数真正的 Harness。这也意味着，对绝大多数创业团队来说，最现实的选择并不是再做一个 Codex 或 Claude Code，而是成为 Codex、Claude Code 或其他 Harness 中不可替代的能力。
垂直应用不会消失，但垂直 AI 壳会先消失
不过，别太偏激——垂直应用不会完全消失的！
这组流量数据里，LibTV 和 YouMind 仍在增长，YouWare 也保持稳定。所以，结论绝不是“所有垂直 AI 产品都会失败”。
真正会受到挤压的，是那些只有以下结构的产品：通用模型 + 一套 Prompt + 一个聊天框 + 几个基础工具。我们一般叫他 Agent 套壳。只要底层 Harness 能获得同样的模型、工具和提示词，这类产品就很容易被吸收。仍然有机会作为独立产品存在的垂直应用，通常拥有 Harness 难以替代的其他价值。
它是业务的 System of Record
当产品长期保存核心业务状态，例如客户关系、合同、财务记录、项目历史或团队协作关系，它就不只是一个 AI 工具。Agent 可以进入这个系统工作，但很难轻易取代这个系统本身。
它需要高密度的专业交互
Figma、CAD、视频剪辑、音乐制作和数据可视化等产品，需要大量空间操作、直接操控、实时反馈和精确控制。自然语言可以帮助用户完成一部分工作，却不一定适合作为所有操作的唯一界面。
AI 会进入这些产品，但不代表这些产品会退化成聊天框。
它拥有独有数据、网络效应或责任边界
医疗、法律、金融和企业合规场景，不仅要求生成结果，还要求权限管理、审计记录、责任归属和专业验证。
在这些场景中，产品的价值不只是“会做任务”，还包括“能够对任务负责”。因此，判断一个垂直产品能否继续独立存在，不应该只问：“它的 AI 能力够不够强？”而应该问：“除了 AI 能力，它还拥有哪一种不可替代的状态、交互、数据、关系或责任？”
最危险的是中间态
Harness 时代的产品战略会越来越两极化。要么，你成为用户的主要 Agent 入口，拥有长期上下文、执行环境、权限体系和能力生态。要么，你成为这个入口中最好用的一项专业能力，提供优秀的 Skill、MCP、Plugin、数据和服务。但无论怎样，最危险的是中间状态，即既没有能力成为主要入口，又坚持把一项可模块化的能力包装成独立 App。
这类产品需要独立获客、独立登录、独立订阅、独立建立信任，却只能解决用户工作流中的一个短暂环节。一旦通用 Harness 原生支持了类似能力，或者允许用户安装一个相应的 Plugin，独立产品就会立刻面对入口价值被抽空的问题。
我感觉，新的产品判断题应该是：
我的产品能否拥有用户持续性的核心上下文？ 我的产品是不是业务状态的最终存储位置？ 我的专业界面是否真的无法被通用交互替代？
如果这些答案都是否定的，那么与其继续制造一个新的 AI App，不如把核心价值提炼成一个能够被 Agent 安装、调用和复用的能力。
产品设计也将从“设计页面”转向“设计委托”
这种变化不仅影响创业方向，也会改变产品和 UX 设计的对象。
App 时代的核心交互是导航，设计师关心用户怎样进入一个页面、点击哪个按钮、填写什么表单，再通过什么路径完成任务，但是，就像 Openai 的奥特曼说的，曾经的手机和电脑操作系统就是一个一个的应用孤岛，这并不是 AI 时代的解决方案。
Harness 时代的核心交互则是委托。设计师需要关心：
用户怎样表达目标，系统怎样展示对上下文的理解，Agent 怎样提出计划，哪些操作需要授权，任务进展如何被感知，用户在什么节点介入，失败后如何恢复，结果依据从哪里来，以及用户怎样检查和修改最终产物。
过去，我们设计的是一条固定路径。未来，我们设计的是一个可以被用户观察、约束和纠正的执行过程。因此，AI 时代并不是不需要 UI。相反，UI 会从固定功能的容器，变成任务过程中按需出现的控制面板。真正重要的界面是能够告诉用户：Agent 正在做什么、为什么这样做，以及我应该在什么时候接管。
入口收敛，能力爆炸
SaaS 时代把工作流拆成了无数独立应用——研究有研究软件，写作有写作软件，设计有设计软件，项目管理有项目管理软件。每一个软件都拥有自己的界面、账号、数据和订阅。
Harness 时代正在进行一次反向重组——软件在入口层重新聚合，在能力层重新拆分。
入口会收敛到少数能够长期理解用户、访问工作环境并执行复杂任务的 Harness Agent。而原本被封装在独立 App 中的方法、工具和专业能力，则会被拆解成 Skill、MCP、Plugin、API 和按需生成的专业界面。
所以，未来的软件世界未必是一万个 AI App。它更可能是少数 Harness，以及一百万种可以被安装、组合和调用的能力。
垂直需求不会消失，专业软件也不会消失。但大量只是在通用模型外面包了一层壳的独立 AI 产品，会越来越难以证明：用户为什么还需要再打开一个新的入口。最终，市场的结构会变得非常清晰，那就是要么拥有 Harness，要么成为 Harness 里不可替代的能力。而夹在两者之间的 AI App，可能正是接下来最先被压缩的一层。
