夜雨聆风这一轮百花齐放的Agent产品，很多可能只是阶段性产品。真正决定最终竞争结果的，仍然是基础大模型能力。
最近，我看到一组来自即刻用户的AI Agent产品访问量数据。
OpenClaw的热度仍在下降，腾讯的WorkBuddy、明星产品Manus和GenSpark、字节的TraeWork等产品的数据也各有起伏。
张一鸣最近在字节内部会议上的表态，也印证了这一方向：
不被短期热点和榜单牵着走，而是追求模型的智能上限，从底层构建AGI壁垒。
Agent正在批量出现，也在快速同质化
Agent产品之间的功能差异，正在快速缩小。
当产品功能越来越像，竞争就会重新回到一个最基础的问题：在同样的工具、记忆和工作流之下，谁能把任务真正做对？
我的答案仍然是：大模型。
Claude Code的成功，首先是模型能力的成功
Claude Code的产品机制当然非常重要。它把模型、终端、代码库、工具调用和任务执行组织成了一套完整的工作流程。
但从我的实际使用体验看，它当时能够形成明显优势，首先是因为Anthropic的模型能力足够强，尤其是使用Opus处理复杂编程、推理和长任务时，表现更加完整。同样一套Claude Code式的工作框架，如果接入能力明显较弱的模型，实际效果往往会打很大折扣。
Agent框架可以放大模型能力，但很难凭空创造模型能力。
但最后负责判断、规划和纠错的，仍然是“大脑”。
OpenClaw最大的贡献，不只是一个产品
与Claude Code较高的使用门槛相比，OpenClaw让更多普通用户第一次接触到了真正可以执行任务的AI Agent。
它更重要的贡献，是推动了Agent框架与大模型之间的解耦。
用户可以根据自己的需求，选择不同的大模型作为Agent的“大脑”；开发者也可以围绕同一个Agent框架，增加工具、记忆、Skills和各种工作流程。
OpenClaw的开源模式，极大降低了整个行业进入Agent领域的门槛。
大量开发者和AI公司都可以直接站在一个较高的起点上继续开发，行业也更快进入百花齐放的阶段。
它还推动了Skills这种新型知识载体的快速普及。
Skill，可以理解为写给AI Agent的专业操作手册，告诉Agent面对某类任务时，应该遵循什么步骤、使用什么工具、检查哪些问题，以及最终按照什么标准交付。
所以，即使OpenClaw自身的访问量继续下降，它对Agent行业的影响也不会消失。
Codex也从编程工具走向了更广泛的工作
但从2026年开始，Codex明显加快了向更广泛任务执行工具扩展的速度。
2026年2月，OpenAI推出Codex桌面应用，把多Agent、Skills和自动化放进一个统一工作界面。到6月，OpenAI已经明确把Codex描述为面向更多知识工作者的生产力工具，并公布其周活跃用户超过500万，其中知识工作者约占20%。
7月，ChatGPT桌面应用进一步把Chat、Work和Codex放进同一个应用入口。Codex正在从编程Agent，走向更通用的执行工具。
编程Agent只是起点，更广泛的工作Agent才是它正在前往的方向。
不是因为它们完全不能用，而是因为Codex、OpenClaw等工具已经能够覆盖这些任务，并且可以直接使用我自己积累的项目资料、Skills和工作流程。
WorkBuddy能否留住用户，不能只看当前流量
从我的使用感受看，它与Codex以及现在的通用工作Agent方向已经非常接近，而且门槛确实很低。
腾讯擅长把复杂能力做成普通用户也能上手的产品，这种产品基因和用户入口会带来优势。
但我仍然认为，这些优势主要影响获客、上手和使用习惯，对复杂任务最终能做到什么程度，影响没有底层模型那么大。
WorkBuddy当前的访问量上涨，究竟来自真实需求，还是来自投流、渠道和短期热度，还需要更长时间观察。
AI产品的访问量很容易被营销推高，就像去年年初腾讯对元宝的推广，用户最终是否留下仍然看的是产品能力。
用户真正积累的，是两类资产
第一类：项目Skills、项目资料和个人经验记忆
行业知识、项目背景、操作规范、常用提示、任务流程、判断标准、历史经验和个人偏好，共同构成一个人的AI工作系统，也可以说是个人知识库。
所以，Skills和个人记忆并不一定会成为某一个Agent产品独占的迁移门槛。
第二类：执行任务时选择的大模型
在相同Skills、项目资料和任务要求下，不同模型的执行结果仍然会存在明显差异。
这部分能力不属于Agent工具本身，也很难由一个漂亮界面补出来。
当Skills和个人知识库相同时，大模型对执行结果的质量起决定性作用。
最终还是大模型能力决定输赢
产品的工具集成、上下文管理、权限控制、任务调度、记忆机制和用户界面，都会影响使用体验。
当Agent框架逐渐开源，功能快速标准化，Skills和用户资料越来越容易迁移，单纯依靠“我们也有一个Agent界面”很难形成长期壁垒。
目前百花齐放的通用Agent工具，很多可能都是过眼云烟。能够最终留住用户的，还是AI大模型能力。
大模型正在从“聊天模型”，变成Agent的“行动模型”。
写在最后
面对不断变化的Agent产品，我有两点建议：
1.尽量提炼并不断迭代优化自己及公司的独特SKILL，打造自己的数字资产。
2.在自己能力范围内，选择使用最好的AI大模型。
聊天只是AI的上半场，Agent，才是大模型真正开始工作的下半场。
