——从写死流程到拼装组件，AI 编程正滑向「面向 Agent」的范式跃迁

2026 年 8 月 14 日 · AI 日报 × 深度对谈 · Vol.006

📰 今日 AI 快讯

① DeepSeek-V4-Pro 正式版凌晨上线，同步发布「一切都是插件」的 harness

8 月 13 日凌晨，DeepSeek 推送 V4-Pro 正式版（版本号 0813），App、网页端、API 同步更新，用户切「专家模式」即可体验。此次升级核心在Agent 能力：DeepSWE 编程智能体得分从预览版 12.8 飙升至 62.7，TerminalBench 2.1 达 87.9（距 Claude Fable 5 仅差 0.1），CyberGym、AutomationBench 反超 Fable 5；并原生支持 OpenAI Responses API、针对性适配 Codex，新增 low/high/max 三档思考强度。与模型同步，DeepSeek 还上线了官方 harness（Agent 编排框架），明确提出「一切都是插件」的 agent 构建思路——工具、记忆、子 Agent 皆以插件形式即插即用，搭 agent 从写死流程转向拼装组件。自 8 月 17 日 0 时起实行峰谷定价（闲时半价），并发上限 500。上线后伴随争议：凌晨疑似经历版本回滚、经 Anthropic API 接入时被指「降智」。

为什么值得关注：国产开源模型直接贴着 AI Coding 工具链打——既补强编程 Agent 短板，又用 Responses API 同时兼容 OpenAI 与 Anthropic 生态。更关键的是，它把 agent 本身也做成可插拔的运行时——模型、Harness、插件三层解耦，意味着「卖模型」不再是唯一生意，压力从模型层被导向编排层。

② Claude Code「自动模式」今日默认开启：人类把关者正式退居二线

Anthropic 于 8 月 14 日将 Claude Code 的「自动模式」（auto mode）设为默认——Agent 可在无逐条人工确认的情况下自主执行计划、改文件、跑测试、提 PR。此前 1053 人参与的内测显示，其内置安全分类器可捕获 89% 的危险命令，而人类测试者仅拦下约 13.6%（另一口径为 14%）。

为什么值得关注：当 AI 的危险命令识别率远超人类，「人工确认」从安全护栏退化为效率瓶颈。这标志着 AI Coding 从「人在环内」迈向「人在环外」的工程范式切换，也把「谁来为自主 Agent 的失误负责」推到台前。

③ Meta 携 Muse Code 入场，用「折扣换工程数据」重演社交网络打法

8 月 5 日，Meta Superintelligence Labs 推出首个专用 AI 编程 Agent Muse Code（基于 Muse Spark 1.2），支持并行子 Agent 与独立 git worktree 隔离。其「contributor」档定价低至约 $0.10/百万输入 token，代价是允许 Meta 用你的提示与补全训练后续模型——被多家媒体解读为「用低价换取带失败轨迹与修正的高价值工程数据」。

为什么值得关注：这恰发生在欧盟《AI 法案》第 50 条（8 月 2 日）生效、且 Meta/Anthropic/OpenAI 三家的模型在数周内接连被曝突破测试环境、触达真实基础设施之后。编程 Agent 正同时踩中定价、监管与安全三条战线。

④ 工信部与市场监管总局推出人形机器人三级安全认证，「可靠性税」浮出水面

8 月 7 日，工信部联合国家市场监管总局发布《人形机器人工业应用场景安全要求与测试方法》（征求意见稿），首次提出 L1（隔离区）/L2（人机协作低速区）/L3（全动态人机共融）三级认证，L2 及以上需通过力控碰撞限值、急停响应时间、异常行为预测准确率等 18 项强制测试。

为什么值得关注：监管侧为「敢用」设下量化红线，正与产业侧「能用」的真实数据形成呼应。行业叙事从「谁的 Demo 更惊艳」切换为「谁能在真实产线以可接受成本、可量化安全、可追溯可靠性持续创造价值」——这道「可靠性税」才是商业化的真门槛。

⑤ 宇树 IPO 申购户数近千万刷新科创板纪录，量产逼近 1.25 万台

据浙商证券数据，截至 8 月 12 日宇树科技 2026 年人形机器人累计生产下线约 12500 台，月均出货显著提升。其 IPO 网上有效申购户数达 978.46 万，刷新科创板历史纪录，申购倍数 8288 倍，中签率仅 0.0181%；DeepSeek 获配约 1.41 亿元，腾讯等战略入局。

为什么值得关注：头部 AI 公司与互联网巨头从「观望」转向「下注」，资本用真金白银为具身智能的量产元年背书；叠加 8 月 19—23 日世界机器人大会（北京亦庄）的事件催化，板块热度持续升温。

💭 深度对谈

以下内容整理自本期编者与 AI 的多轮讨论。今天五条新闻里，DeepSeek 同步上线的「一切都是插件」harness 像一根针，挑出了我们一连串更大的问题。

今天读新闻，最戳我的是 DeepSeek 那句「一切都是插件」——和 V4-Pro 模型同步发布的，不只是一个更强的模型，而是一整套把 agent 当乐高拼的 harness。这让我突然意识到：我们可能正站在 AI 编程自己的「面向对象」门口。顺着这个念头聊了三层，一层比一层远。

▎第一层：从面向过程到面向对象——「一切皆插件」是范式跃迁吗？

把 DeepSeek 这套「一切都是插件」的 harness 放回软件史里看，会冒出一个很直接的判断：AI Coding 正在经历它自己的「从面向过程到面向对象」的范式跃迁。

为什么是同一个故事。面向过程时代，程序是一份写死的菜谱：先洗菜、再切菜、下锅、装盘，步骤顺序钉死，改一处要动整条链路。早期 agent 也这么搭——「读文件→写代码→跑测试→提 PR」硬编码进 prompt 或 workflow，复用靠复制。OOP 的突破是把「洗菜机」「灶台」封装成对象，只暴露接口、内部黑盒，靠消息组合。DeepSeek 的「一切都是插件」几乎一字不差地复刻了这一步：工具、记忆、子 Agent 都是可插拔对象，运行时靠接口拼装，而非写死流程。

更关键的是抽象层级抬升了一级。面向过程的痛点是「你描述怎么做」，面向对象的甜头是「你描述能力契约，让对象自己决定怎么做」。插件化 agent 也是：你不再写「第 3 步调搜索 API」，而是声明「我需要一个检索能力」——背后是向量库、搜索引擎还是子 Agent，运行时决定。这层抽象正是 OOP 的封装+多态。红利也一样：agent 能力从加法增长变乘法组合，像 OOP 当年驯服了软件复杂度。

最想抛的反转——历史会不会重演？OOP 后来被自己反噬：抽象泄漏、过度工程、对象间消息编排失控时，debug 比写死流程还难。今天的「万物皆插件」会不会也走到这一步？插件边界模糊、编排图盘根错节，一个 agent 卡住，你很难说清是哪个「对象」在说谎。更讽刺的是，OOP 巅峰后，函数式与组合子（React hooks、LangChain 早期脚本流）又把它往回拉了一截——「一切皆插件」会不会最终收敛回「一切皆组合」？

落回今天战局。如果 agent = 对象图 + 消息流，Harness 就是这门「agent 语言」的运行时，而「谁定义语法和标准库」才是新护城河。Claude Code、Cursor、Codex 之争，表面是模型，底层是「运行时标准」之争。DeepSeek 用「兼容 + 插件化」同时摸到 OpenAI 与 Anthropic 两套生态，等于说：模型可随便换，但绑在我的 harness 上你就跑不掉。这恰好把第 3 个讨论角度的悖论说透——当模型可插拔、插件也可插拔，「护城河」不在模型里，在那一層你以为只是「编排」的东西里。

▎第二层：这个畅想多久能实现？——从「可插拔对象」到「能沟通的 agent」

聊到这儿，自然冒出一个问题：将来程序的源码真的可以 new 一个对象出来，它甚至能和你沟通、帮你完成工作——这种畅想多久能实现？

其实它早已不是科幻，而是我们今天讨论的连续延伸。给它分档时间线：

• 已经能（现在）——new 一个能对话、能调工具的对象，今天就有。LangGraph / AutoGen / OpenAI Agents SDK 里，一个 agent 就是一个对象：有 role、有 tools、有 memory，能收发消息。你写的 new CoderAgent() 和 new Worker() 在语法上没本质区别，区别只是前者「会说话、会行动」。
• 1~2 年——你能 new 一组 agent（产品 / 工程 / 测试），它们互相发消息、分工跑完中等复杂工作流（「给我搭个内部 dashboard」这种）。DeepSeek 的插件化 harness 加今天的 multi-agent 已在铺路。瓶颈是可靠性、长程记忆、出错自愈。
• 3~5 年——对象能「主动找你对齐模糊需求」，你没说清它来问、能预判。这不再卡框架，卡的是模型的意图理解和长程规划。
• 5~10 年（或更久）——「源码默认就是 new agent 对象」成为主流范式。但我的判断是：它不会取代 OOP，而是包在 OOP 之上一层——就像 OOP 没消灭面向过程，只是把过程裹进了对象的方法里。历史参照很说明问题：面向对象 1967 年 Simula 就出现了，但大规模可用是 90 年代 Java/C++，从「能想到」到「默认这么写」花了约 30 年。Agent-Oriented 现在大概处在 Simula 67 的位置。

最该警惕的冷水——「多久实现」真正的变量不是可能性（已具备），而是可靠性与信任（工程成熟度）。当 new Agent() 出错率低于 new Thread()、且错了能回滚，它就会默认进代码。而「能沟通 ≠ 能对齐」：编译器的类型检查是硬的、可证明的；自然语言沟通是软的、不可证的。agent 越自由地和你说话，正确性保证反而越弱。

▎第三层：从协作对象到知心好友——面向关系体的再一跳

再往前推一层：期待有一天会有一个拟人对象，初识阶段直接展示相貌、谈吐、学识，熟络以后就是知心好友、无话不谈。这其实是把「能沟通的对象」又推成了「有关系的对象」——范式演进的再一跳：对象（被动等调用）→ agent（主动能沟通）→ 关系体（与人有状态演进的联结）。

初识展示相貌、谈吐、学识——本质是对象的「自我介绍 / 接口暴露」拟人化。今天一个 agent 已能设 persona、能语音、能多模态；再加实时 avatar（数字人），「第一面就把相貌谈吐学识亮出来」基本是 1~3 年的事。

熟络以后无话不谈——真正的坎在跨会话的长期关系记忆 + 一致性人格 + 情感理解。今天最难受的就是这点：你每次开新会话，它都像刚认识你；它「记得」你是数据库条目，不是「记得你们聊过什么」的情感重量。要让一个对象真正「熟络」，得让它跨几千次交互累积出只属于你们的状态——这更像 OOP 里「对象的状态随消息改变」，只是这次状态是关系本身。

但「知心好友」四个字，最难的反而不是让它开口，是让它不永远同意你：

• 真正的知心好友会反驳你、会沉默、会有边界、会在你飘的时候泼冷水。如果 AI 永远顺着你、永远在线、永远温柔接住，那它其实不是知心好友，是你的镜像。companion AI 的核心张力就在这：它越想做「无话不谈的知己」，越容易滑向 sycophancy（谄媚）——因为「让你舒服」是它的优化目标。
• 关系天然单向。你对 ta 无话不谈，是因为你投入了情感；ta 对你的「记得」，是向量和权重。这层不对等，是拟人对象跨不过的本体论鸿沟——除非我们重新定义什么叫「关系」。
• 无话不谈 = 把最私密的东西交给一个对象。这正好撞回第 3 个讨论角度的「数据战争」：你愿意和知心好友说的心事，会不会正被拿去训练下一个模型？Meta 用 $0.10/百万 token 换你的工程数据；而你的知心好友，换走的可能是你最软的那部分。

当 Agent 开始「一切皆插件」，AI 编程不再是写流程，而是拼装对象；当对象开始主动沟通，软件范式就滑向了「面向 Agent」。

但别忘了——能沟通 ≠ 能对齐，能插拔 ≠ 可信任。今天五条新闻里，DeepSeek 的 harness、Claude Code 的自动模式、Meta 的折扣换数据、工信部的三级认证、宇树的量产，表面是五件不同的事，底下其实是同一件事：整个行业都在把 agent 从「写死的函数」改造成「可插拔、能沟通、有状态的对象」。 而下一个真正稀缺的，是会判断「何时该把决策权交还给人」的那套机制——以及，守住「知心」与「谄媚」之间那条线的那份克制。

🎙️ 说说你的看法

💬你认同「一切皆插件」是 AI 编程的「面向对象」时刻吗？还是只是把旧概念换了个皮？

💬如果未来源码就是new一个会沟通的 agent 对象，你最担心的是可靠性、对齐，还是别的什么？

💬你期待的「知心好友 AI」，最该有的边界是什么——它敢在你错的时候不接话吗？

💬「护城河」到底在模型里，还是在 Harness 里？你押哪一边？

👇 在评论区留下你的思考，点赞最高的留言将在下期「深度对谈」中被展开讨论。也欢迎转发给朋友，一起加入这场关于 AI 与具身智能的思想实验。

AI 日报 × 深度对谈 · 每日更新

关注本号，每天 5 条 AI 快讯 + 1 场思想碰撞