夜雨聆风
Global Design Trends
全球设计趋势周刊 每周一见 【收藏关注转发】
编者按
时间到了2026 年7月，如果非要说影响设计行业的大趋势，那么Agent 正从一个会聊天的产品功能，变成连接任务、软件和服务的执行层；竞争焦点也从模型能力，转向上下文、接口、工作流、验证体系和结果责任。这是设计存在的底层秩序。
过去半年，我们还在讨论 Agent 能不能连续工作一小时、一天，甚至更久。
到了 2026 年第二季度末，这个问题正在失去意义。
Agent 已经进入文件、终端、代码仓库和企业系统。它开始真正干活，也开始真正撞墙：Token 烧得太快，结果没人审核，多个 Agent 不会自动协作，旧软件也不知道该把自己放在哪里。
我把最近收集到的趋势报告、专家判断、以及自己上半年的文章放在一起，得到一条更清晰的主线：
Agent 正在经历四层迁移：
交互层：从 GUI 操作转向“前台对话、后台执行”。能力层：从通用模型转向 Context、Skill 和行业反馈。生产层：从生成更多转向验证、调度和完整交付。经济层：从人找软件转向 Agent 匹配需求、能力与服务。
下面是我最终保留的 11 个趋势。只讲观点和证据链，方便你快速了解。
一、交互层：Agent 开始接管软件后台
01｜Agent 正从技术奇观变成普通软件
观点：
Agent 的价值不再由“能自主运行多久”决定，而由“能否稳定、低成本地完成真实任务”决定。新鲜感消失，才是 Agent 真正进入生产的开始。
证据链：
Claude 3.5 Sonnet 提供能力底座→ Manus、OpenClaw 完成大众认知普及→ Codex、Claude Code、Cowork 进入文件、代码和办公工作流→ Agent 从执行 20 分钟任务走向小时级、全天任务→ Codex 非编程用户占比增至 20%，增速达到编程用户的 3 倍→当稳定性、规模和成本取代演示效果，Agent 就不再是奇观，而是软件。
02｜软件界面正在分层：人用聊天和 GUI，Agent 用 CLI 和结构化接口
观点：
GUI 不会消失，但会从主要执行界面变成人类的确认、修改和接管界面。Agent 的后台执行会转向 Headless、CLI、MCP、文件和结构化数据。
证据链：
GUI 为人的注意力和记忆限制而设计→ Agent 不需要识别按钮、等待页面加载和模拟鼠标→ Codex、Claude Code 直接连接终端、仓库、文件和数据源→ Google 将 Mariner 并入 Gemini Agent，Operator 被整合进 ChatGPT Agent→ FFmpeg 等复杂 CLI 可由模型翻译自然语言后直接调用→ OpenClaw 又证明普通用户仍偏爱熟悉的聊天入口→最终形态不是 GUI 被消灭，而是“前台聊天／GUI，后台 CLI／MCP”。
03｜软件的价值正在从“占据界面”转向“能被 Agent 调用”
观点：
未来的软件不一定需要用户每天打开，但必须成为 Agent 完成任务时优先调用的能力。不能进入 Agent 工作流的软件，会逐渐失去需求入口。
证据链：
Codex 可直接读取 Gmail 邮件→ 用户通过 Agent 获取信息，绕过 Gmail 前端→ Gmail 从用户目的地变成数据与执行底座→ Stripe、Supabase、Sentry、Vercel、MongoDB 主动推出 MCP 或 CLI→ 飞书、Gmail 等产品开放能力给 Agent→ 瑞幸、肯德基等服务开始探索 Skill／CLI 入口→软件竞争从争夺用户点击，转向争夺 Agent 的默认调用。
二、能力层：上下文和反馈取代模型，成为真正壁垒
04｜Context 正在成为 Agent 最重要的生产资料
观点：
同一个模型能否交付专业结果，越来越取决于它掌握了多少与人、项目和组织有关的上下文。模型趋同后，上下文决定差异。
证据链：
模型上下文窗口持续增长→ Agent 开始管理长期任务、历史文件和个人偏好→ PPT Skill 需要结合项目资料、个人审美和历史版本→ 邮件筛选、会议查询和内容关系分析依赖连续记忆→ 金融、法律、设计 Agent 依赖企业数据、权限和流程→ 最终方案是否被客户接受、是否被业务推翻，又形成新的反馈→模型能力可以购买，组织上下文只能在真实使用中积累。
05｜垂直能力被 Skill 化，行业壁垒从“模型”转向“结果闭环”
观点：
通用 Agent 加上行业数据库、Skill、权限和验收标准，就能快速装配出垂直 Agent。真正难复制的是结果反馈，不是行业外壳。
证据链：
Anthropic 推出设计、金融、法律场景 Agent→ OpenAI 用 Apps、MCP、AgentKit、Frontier 接入企业系统→ 相同运行框架可以替换数据库、专业规则和工作流程→ “基本可用”的垂直能力复制成本下降→ Skill 把重复流程封装成可安装、可组合的能力模块→ 真实验收记录反过来训练下一次执行→垂直 Agent 的护城河不是懂行业术语，而是能持续拿到真实结果反馈。
06｜Skill 是过渡形态，最终竞争的是任务品牌
观点：
Skill 会长期存在于后台，但普通用户不会一直研究和比较 Skill。谁能稳定完成某类任务，谁就会占领用户心智。
证据链：
PPT、邮件、视频处理等 Skill 能快速复用成熟流程→ 飞书 CLI 由多个 Skill 组合完成复杂任务→ Skill 的安装、测试和比较成本持续上升→ 市场出现大量功能重复的 Skill→ 两万多个 Skill 中约四分之三高度雷同，去重后只剩五千多个→ 用户最终更容易记住“谁能把 PPT 做好”，而不是底层用了哪个 Skill→Skill 决定能力复用，任务品牌决定分发和商业价值。
三、生产层：生成已经过剩，验证和组织开始变贵
07｜Tokenmaxxing 结束，AI 开始按完整结果算账
观点：
Token 使用量不是生产力。真正有意义的指标，是一个任务从生成、核验到上线的成功率、总成本和资产沉淀。
证据链：
企业开放 Token 预算，用消耗量鼓励员工使用 AI→ 亚马逊排行榜诱发无效任务，最终关闭→ Uber 的 Claude Code 年度预算在四月已接近耗尽→ Token 消耗与有效功能增长没有稳定关系→ 复杂 Agent 任务可消耗普通问答几十倍到上千倍 Token→ 部分复杂任务的“有效反馈算力”只有约 10%→ App 数量因 AI 增长约 40%，下载量却没有同步增长→Token 能增加供给，不能制造需求，更不能替代交付。
08｜Human-in-the-loop 不会消失，但人的位置会向判断和担责上移
观点：
AI 生成越快，审核、测试、方向判断和责任承接越稀缺。Multi-Agent 可以接走部分协调工作，但无法自动解决“什么值得做”。
证据链：
自主编程 Agent 让代码提交量增加 120%→ 进入立项环节的成果只剩约 50%→ 真正发布上线的版本只剩约 30%→ Claude Research 用多个 Agent 完成搜索、汇总和引用核对→ Kimi Agent Swarm 在并行任务中将延迟最多降低 4.5 倍→ 多 Agent Token 消耗可达单 Agent 的 4 倍→ 去掉中心编排后，Agent 出现从众、搭便车和准确率下降→ 复杂方向判断中，模型仍明显依赖人的品味和目标选择→Agent 可以替代流程里的一部分人，但不能替代组织制度和结果责任。
09｜Agent 产品将从“调用一个模型”变成“调度一支模型团队”
观点：
未来的 Agent 系统不会从头到尾使用同一个最强模型，而会按任务难度动态分配模型、算力和工具。
证据链：
Agent 在推理、工具调用和等待结果之间反复切换→ 工具处理最多占完整任务延迟的 90.6%→ CPU 动态能耗最高占系统动态能耗的 44%→ 联合调度 CPU 与 GPU 后，部分负载中位延迟改善两倍以上→ 主流模型高低价格差从约 30 倍扩大到约 600 倍→ 低价模型处理读取、分类、抽取，高价模型处理判断和复核→ Fugu 通过路由 Agent，以约一半成本接近最佳模型效果→Agent 的核心经济能力，将是把合适的任务交给合适的模型。
四、经济与社会层：新的入口正在形成，新的代价也开始出现
10｜Agentic Economy 还没成熟，但需求分发已经开始迁移
观点：
Agent 经济不是一群 Agent 立即形成独立社会，而是 Agent 先成为新的需求代理：替人发现服务、选择工具、分配任务和完成交易。
证据链：
软件通过 MCP、CLI、Skill 进入 Agent 工作流→ Agent 开始替用户筛邮件、查资料、写代码和调用服务→ 服务商争夺从“用户看见我”转向“Agent 优先选择我”→ Skill 的装机量、评价和分发位置开始产生商业价值→ 长期看，Agent 可同时表达个人需求与个人能力，提升供需匹配效率→ 但当前仍受模型能力、Token 成本、能源和基础设施限制→Agentic Economy 已经出现入口迁移，但距离完整自治网络仍然很早。
11｜Agent 的社会成本，比完整的 Agent 经济更早到来
观点：
Agent 经济仍在萌芽，就业入口、信息污染和认知依赖却已经发生。效率提升与能力流失，正在同时出现。
证据链：
客服、工单、基础运营等初级任务开始被吸收→ 容易被 AI 介入的招聘任务占比下降约一成→ 企业想要更成熟的新人，却拿走了培养新人的基础任务→ AI 生成内容进入 AI 搜索的引用链，机器开始引用机器→ AI 出错时，实验中仍有约八成参与者选择相信→ AI 辅助组完成任务更快，后续闭卷测验成绩却低 17%→Agent 提高了执行效率，也可能同时削弱职业入口、信息质量和人的判断训练。
写在最后
把这 11 个趋势连起来，我看到的不是一个“更强的聊天机器人”，而是一套新的软件结构：
人通过聊天和 GUI 表达目标、确认结果；Agent 在后台调用 Context、Skill、CLI 和 MCP；多个模型与工具按成本动态协作；软件和服务则争夺被 Agent 选择的机会。
这也是我认为未来一年最值得关注的四个位置：
对产品和设计团队：不要只在旧 GUI 里加一个 AI 按钮，要判断产品应该成为入口、执行底座，还是任务品牌；设计对象也将从操作页面扩展到 Agent 的行为、反馈和接管边界。
对企业：不要只统计 Token，要积累上下文、工作流、评测集、权限规则和结果反馈。
对创业者：不要只包装一个通用 Agent，要找到可以形成真实反馈闭环的任务。
对个人：不要和 AI 比生成速度，要保留定义问题、验证答案和承担结果的能力。
我越来越确定，Agent 时代我们要关注能不能把 AI 组织成生产力，同时不把自己的判断力交出去。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。
如果想第一时间收到推送，也可以给我个星标⭐。
谢谢你看我的文章，我们下次再见。
欢迎关注公众号「爽爷带你秒懂」，AI 时代的设计自媒体。
