Agent 范式转移
创建时间： 2026-04-27
来源： [[sources/138. 对罗福莉3.5小时访谈：AI范式已然巨变！OpenClaw、Agent范式很吃后训练、卡的分配、组织平权]]
相关： OpenClaw，Post-Training-Era，MiMo-V2，Harness-Engineering，PM-Industry-Transformation，Vibe-Coding-to-Agentic-Engineering，State-of-AI-2026，RLVR-and-Reasoning，NVIDIA-Strategy，Agent-Readiness
核心判断
2026 年大模型战争进入第二幕：从预训练主导的 Chatbot 时代，转向后训练主导的 Agent 时代。 这一转变不是渐进的——它代表 AI 范式的根本性变化。
Chatbot vs Agent 的本质区别
| 维度 | Chatbot 时代 | Agent 时代 |
|---|---|---|
| 核心能力来源 | 预训练模型本身 | 后训练 + Agent 框架编排 |
| 交互模式 | 单轮/简单多轮对话 | 持久化多轮交互、自主任务执行 |
| 框架角色 | 简单的 System Prompt | 厚重的人机中间层 |
| 任务完成 | 需要人逐步引导 | 端到端自主完成 |
| 核心瓶颈 | 模型参数规模 | 后训练多样性 + 框架设计 |
Agent 框架：厚重的中间层
Agent 框架不再是传统意义上的”产品 UI”。它是一个介于人与模型之间的厚重中间层，负责：
- 定义交互层：人与 Agent 的交互范式发生根本变化——人不再修改单行代码，而是提更高阶的需求、参与架构设计、澄清业务逻辑。
- 定义与模型的沟通逻辑：感知模型能力的长板与短板，进行负成本优化调度。
- 持久化记忆体系：对记忆进行分层和分级，跨 Session 保持 Context。
- 多模型联合调度：自主选择适合的模型处理特定任务（如视频理解），无需人工干预。
- 自主性：定时任务、心跳任务、主动感知环境变化。
Agent 框架可以做得非常厚重，而前端 UI 成为最薄的一层——它已经不是很关键了。
工业级可用 vs 早期 Agent
2025 年被称为”Agent 元年”，但罗福莉认为当时的 Agent（如 BrowseComp、SweepBench）只能算”稍复杂一点的 System Prompt + 一点环境反馈”，远未达到工业级可用。
工业级可用的标志：
- 接上框架后实际可用，而非仅在 Benchmark 上表现好
- 模型理解框架本身的运作逻辑
- 人机交互范式已发生根本改变
当范式发生如此大的变化时，可以短暂放弃 Benchmark 评估，靠体感测量质的差异。进入深水区后才需要精细评估。
研究范式的改变
Agent 将研究效率从周级缩短至小时级：
- 以前：想到 idea → 写代码 → 设计评估标准 → 至少 1-2 周
- 现在：给 Agent idea → 多个 Sub-Agent 并行实验 → 交叉验证 → 1-2 小时
这不仅加速了研究，更意味着：只要拥有 1T 参数以上的模型入场券，所有团队基本处于同一水平线。
Skills：另类信息的显性化
Skills 是 Agent 时代的关键创新。预训练数据依赖互联网公开信息，但大量智能存在于组织内部沉淀的规范、业务逻辑、行业经验中——这些是互联网访问不到的”另类信息”。
Skills 通过人机多轮交互，将这些隐性知识显性化并沉淀为可复用的执行规范。这是一种人机共创的模式。
2026 年的主旋律
- 高生产力场景的持续突破：做更长程的任务，替代更高价值的工作
- 成本与效率：Agent 的成本必须远低于它替代的人力价值（替换系数比 ≥ 10x）
- 自进化框架：框架与模型的双向进化、框架与人的双向进化——尚未大规模出现
引用
- “2026 年大模型战争进入第二幕，核心范式已从预训练主导的 Chatbot 时代转向后训练主导的 Agent 时代。”
- “Agent 框架是人和模型之间的厚重中间层，前端 UI 是最薄的一层，它已经不是很关键了。”
- “当范式发生巨变时，你可以短暂放弃 Benchmark 评估，靠体感就能测出质的差异。”
- “AI 先吸收所有人的智能，然后再靠自己产生更强的智能，这个事肯定就在这一两年内发生。“
衍生创作
- morning-journal-ai-pricing-shift — 博客/晨记：Agent 时代性价比决定胜负，单次交互算力消耗指数级增长