全部 · 2026-05-05

核心判断：AI 脚手架正在商品化，人的工作从写提示词、搭 agent 循环，转向判断哪些能力该买、哪些该自建。作者把脚手架分成三层：补模型短板的低层技巧（如提示词话术）最先退潮，因为模型变强后这些技巧反而可能拖后腿；中间层的通用执行能力（读文件、跑命令、重试、上下文压缩）正在被 Claude Code、Codex、Cursor、OpenCode 等工具吸收，变成标准运行时，大多数团队没必要自建；剩下的高层脚手架是团队自己的判断资产，比如领域知识、评估标准、权限边界。 关键论据：OpenAI 和 Anthropic 的官方文档都开始建议用户移除 over-prompting，因为新模型已内置推理过程。Anthropic 明确说每个 harness 组件都编码了“模型自己做不到什么”的假设，模型进步后这些假设会过期。 信息缺口：正文没有披露具体案例的成本对比或 benchmark 数据，也没有说明自建脚手架在哪些场景下仍能带来明显收益。商品化 runtime 的隐性成本（如上下文管理不透明、默认行动方式可能不适合特殊任务）只是点到为止，缺乏量化分析。