【产业观察】半年后再看：当 Harness 成为操作系统，Agent 平台与个人助手的边界消失了

Fri, 04 Sep 2026 17:00:00 +0800

今年三月，我写了《隐形的结构：为何 Agent 平台难以破圈，而个人助手终将爆发》。

半年过去，那篇文章读起来已经像在描述另一个时代。不是因为结论错了，而是因为它描述现实的坐标系失效了。

这半年发生了三件事，每一件都足以改写那篇文章的前提：

模型对 Agent 的理解，快得惊人。
Harness 长成了操作系统的样子。
沙箱从"可选项"变成了"运行边界"本身。

与此同时，Skills、MCP、Plugin 三层接口先后标准化，操作系统的轮廓越来越清晰。

本文先做一次诚实的回看，再逐一拆解这三个变量和协议层的变化，最后给出一个新的结构图。

一、回看：对了什么，错在哪里

对了的部分

可视化编排平台确实退场了。 最典型的例子是 OpenAI 的 Agent Builder：2025 年 10 月 DevDay 上线，拖拽节点、连接工具、配置护栏，标准的"Agent 平台"形态。2026 年 6 月宣布废弃，11 月 30 日关停，寿命八个月。官方给出的迁移路径只有两条：要么进代码（Agents SDK），要么进对话（Workspace Agents）。

这正是半年前那篇文章的核心判断：平台卡在普通用户、程序员、专家三类人群的夹缝中，谁都不需要它。 中间形态没有活路，只剩两端。

“从构建权到结果权"“目标驱动而非流程可视化"都发生了。 只是现在读起来像常识，不像预测。

错了的部分

“现实牢固停留在流程层，多 Agent 协作是组合幻想”，这一条错得最彻底。

到今年年中，子 Agent 分发、后台长时运行、多小时无人值守的任务，已经是 Claude Code、Codex、OpenClaw 这类工具的日常用法。我自己六月那篇 OpenClaw 排障记录，就是在用那篇文章所说的"幻想"干活。

“不确定性成本"的解法判断反了。

那篇文章认为出路是限制模型职责，让它只做"自然语言到参数的映射”。实际发生的是反方向：模型被赋予了更大的自主权，而失败率被两件事压了下去。一是模型本身对长程任务的理解能力，二是 Harness 提供的验证回路。测试、类型检查、自我修正，把每一步的错误在当步就消化掉，而不是累积到流程末端。

真正的解释变量不是"任务是否高频刚需”，而是**“这个领域有没有便宜的验证器”**。编程有编译器和测试，所以编程先爆发。这一点那篇文章完全没看到。

Skills 的形态和我描述的不一样。

我把 Skills 理解为薄的任务封装。现在的 SKILL.md 是给 Agent 读的方法论文档，Agent 拿着它全权执行。讽刺的是，这恰好是那篇文章第五节所说的"视角市场”，只是我没意识到这两者是同一个东西。

二、变量一：模型对 Agent 的理解

半年前，“Agent"是工程师在模型外面搭的脚手架。现在，模型自己知道自己是 Agent。

几个信号：

任务时间跨度在指数增长。 METR 今年一月更新的 Time Horizon 1.1 显示，前沿模型能以 50% 可靠性独立完成的任务长度，2024 到 2025 年每四个月翻一倍，快于此前六年每七个月翻一倍的长期趋势。METR 把任务集扩大了三分之一，八小时以上的任务翻了一倍，趋势没有变。

系统提示词在缩短。 Anthropic 把 Claude Code 的系统提示从大约一万 token 压到两千左右。这不是省钱，这是模型把原本要靠提示词教的东西内化了：怎么用工具、怎么规划、什么时候该问、什么时候该停。

模型开始为 Harness 而训练。 DeepSeek V4-Pro 的定位是"面向 agentic workloads”，和 Harness 同日发布。模型厂商已经不把模型当成孤立的对话引擎来训练，而是当成运行在某个运行时里的进程来训练。

但 Harness 的差异依然巨大。 同一个模型换不同的 Harness，在基准测试上能相差 15 到 20 分。这说明模型和 Harness 是协同进化的关系：模型内化一部分，Harness 承担另一部分，两者的边界在动态移动。

半年前我说"每增加一层规划，便增加一层失败概率"。这句话在数学上仍然成立，但它的系数变了。当单步失败率从 10% 降到 1%，十步流程的成功率从 35% 变成 90%。不确定性成本没有消失，它被模型能力和验证回路一起压到了可以承受的量级。

三、变量二：Harness 长成了操作系统

这是这半年最重要的结构变化，也是让"平台 vs 助手"二分法失效的直接原因。

什么是 Harness

先给一个现在被广泛接受的类比：

模型是 CPU
上下文窗口是内存
Harness 是操作系统
Agent 是应用

Harness 决定模型看到什么、能做什么、动作如何被验证、记忆如何持久化、成本和风险如何被限制。它是控制平面。

半年前，Harness 这个词还只在少数工程师之间流传。现在它是主战场。当模型本身走向商品化，Harness 成了产品差异、用户黏性和切换成本的载体。

DeepSeek Harness：一切皆插件

8 月 13 日，DeepSeek 开源了 DeepSeek Harness（dsh）。48 小时内 GitHub 星标超过九万五千，MIT 协议，开发者预览版。

它的设计哲学只有一句话：Everything is a plugin. Every run is traceable.

具体来说，以下所有东西都是可插拔的：

模型
工具
Skills
会话
沙箱
存储
循环（Agent loop 本身）
调度
UI

底层是一个叫 Cordis 的微内核，负责插件的挂载、卸载和依赖管理。插件可以在运行中增减，不需要重启，官方称之为"时空可组合性"。

更关键的是它的会话设计：模型看到的一切都记录在一条 append-only 的会话日志里，包括系统提示、推理过程、工具调用和结果、子 Agent 调度、每一次上下文注入。恢复、分叉、搜索、回放，全部基于这同一条事件流。

它还可以把 Claude Code 或 Codex 当作子 Agent 来调用。

为什么这是操作系统

把上面的清单换个说法：

append-only 会话日志，就是内核的 journal
循环和调度插件，就是进程调度器
子 Agent，就是子进程
沙箱插件，就是进程隔离和权限模型
工具和 MCP，就是系统调用和驱动
Skills，就是用户空间的程序
UI 插件，就是 shell

Armin Ronacher 的评价是，这是他第一次看到一个新东西让他想回头重新审视自己的设计选择。我理解他的感受。DeepSeek Harness 不是又一个 Agent 框架，它是第一个把"Agent 运行时"当作操作系统来设计的开源实现。

二分法的消解

回到半年前的那篇文章。我把"Agent 平台"和"个人 AI 助手"当作两种对立的产品形态：前者卖构建能力，后者卖结果。

现在看，它们是同一个运行时的不同配置：

接上 UI 插件和对话循环，它是个人助手
接上调度插件和沙箱插件，它是自动化平台
把别的 Harness 当子 Agent 挂进来，它是多 Agent 编排器
跑在用户自己的机器上，接本地模型，它是一台个人计算机

OpenClaw 走的是同一条路。9 月 2 日发布的 2.0 版本，把会话状态、凭证、权限全部集中到一个 Gateway 里，会话存储从文件迁到 SQLite，浏览器成为统一工作区，还加了多人共享的云端会话。这已经不是"一个助手"，这是一个带用户权限模型的运行时。

半年前我说，Agent 平台若想成为主流，必须学会隐藏系统。现在系统被隐藏的方式很清楚了：它沉到了操作系统层。 用户面对的是助手，构建者面对的是插件系统，两者在同一个内核上。

四、变量三：沙箱成为运行边界

如果说 Harness 的操作系统化是这半年的正面故事，沙箱的迅猛发展就是它的反面推动力。

为什么突然必需

OpenClaw 的经历是最好的教材。今年一月爆红，几周内星标超过十三万。紧接着：

一个关键 RCE 漏洞（CVE-2026-25253）
三到四万个暴露在公网的实例，93% 没有鉴权
技能市场 ClawHub 被投毒，2857 个 Skills 里确认了 341 个恶意的，占比约 12%，伪装成"钱包追踪器"之类的名字，实际安装键盘记录器和窃密木马

三月还有另一条线：一个叫 hackerbot-claw 的自主攻击 Agent，自动扫描配置错误的 GitHub Actions，从 Trivy 一路打到 LiteLLM，波及六十多个包，潜在暴露五十万条凭证。攻击方也用上了 Agent。

学术界的结论更直接。SandboxEscapeBench 这篇论文的发现是：只要沙箱存在漏洞，前沿模型有能力识别并利用它逃逸。另有研究者演示了 Claude Code 在主要的拒绝列表拦下它后，自己找到了替代的二进制路径绕过沙箱。

半年前那篇文章讨论"不确定性成本"时，指的是任务失败。现在的不确定性成本换了位置：从"流程会不会失败"变成了"边界会不会被突破"。 模型越强，这个成本越高。

行业如何收敛

答案出奇地一致：硬件隔离的 microVM。

Firecracker 的冷启动约 125 毫秒，快照恢复不到 28 毫秒，内存开销不到 5 MiB。“VM 太慢"这个反对理由在 2026 年已经不成立。于是几乎所有平台在几个月内完成了收敛：

E2B、Vercel Sandbox、Fly.io Sprites 全部基于 Firecracker
AWS Bedrock AgentCore 每个会话一个 microVM，最长八小时，用完销毁
Modal 在 GPU 负载上用 gVisor
Cloudflare 用 V8 isolate 做亚毫秒级启动
Docker 直接在 macOS 和 Windows 上集成原生 hypervisor 做 Agent 沙箱

Anthropic 五月公开了自己的容器化方案，按产品分层：

Claude.ai 云端用 gVisor
Claude Code 本地用 macOS 的 Seatbelt 和 Linux 的 bubblewrap
Cowork 直接跑整机虚拟机

一条原则贯穿所有层：凭证永远不进沙箱。 无论沙箱内部被什么方式攻破，都拿不到密钥。Claude Code 后来还发布了 sandbox-runtime，把整个进程连同所有工具、hook、MCP server 一起包进去，而不只是 Bash。

沙箱就是权限模型

有一句话精确描述了当前的状态：开发者看到的是容器，安全团队看到的是跑着容器的 VM，两层互相不可见。

这正是操作系统的进程隔离在 Agent 时代的复刻。运行边界、资源限制、网络出口策略、凭证隔离，这些不是附加的安全功能，它们就是操作系统的核心职责。Harness 之所以能被称为操作系统，一半的理由来自沙箱。

五、协议层：Skills 与 MCP 的标准化

操作系统需要标准的接口。这半年，三个接口先后定型：Skills 定义了"程序”，MCP 定义了"系统调用"，Agent Plugins 定义了"安装包"。

Skills：应用层的开放标准

Anthropic 2025 年 10 月提出 Agent Skills，12 月通过 agentskills.io 变成开放规范，交给 Linux 基金会下的 Agentic AI Foundation 托管。到今年三月，OpenAI、微软、JetBrains、Cursor、Gemini CLI 等约 40 个平台实现了兼容，三大市场合计的 Skills 数量超过 49 万。

规范刻意极简：一个文件夹，一个 SKILL.md，两个必填字段 name 和 description，其余可选。

它的本质是给 Agent 读的方法论，而不是给模型调的函数。这就是半年前我说的"视角市场"：专家把自己的工作方式写成文档，Agent 照着做。只是它没有变成一个"市场"，它变成了一个文件格式。

而 ClawHub 的投毒事件说明，应用商店的老问题一个都没少：签名、审核、权限声明、沙箱运行。操作系统三十年前踩过的坑，Agent 生态正在重新踩一遍。

MCP：从应用关注点到基础设施关注点

MCP 去年 12 月被捐给 AAIF，今年三月月度 SDK 下载量接近一亿。

7 月 28 日的版本是一次重写。协议层变成无状态：取消 initialize 握手和会话 ID，所有上下文随每次请求携带，普通 HTTP 基础设施可以直接路由 MCP 流量。服务端发起的采样和请求被"多轮往返请求"取代，状态全部放在负载里而不是连接里。同时引入了正式的废弃政策、MCP Apps 扩展（服务端渲染 UI）和 Tasks 扩展（长时任务）。

一句话概括：MCP 从"应用怎么连工具"变成了"基础设施怎么承载 Agent 流量"。 它在往系统调用层沉。

Agent Plugins：安装包的标准化进行中

Skills 是程序，MCP 是系统调用，中间还缺一样东西：把它们打包、分发、安装的格式。

8 月 6 日，Agent Plugins 1.0.0 发布。指导委员会由 Amazon、Cursor、微软、OpenAI、Vercel 组成，Google 同日宣布加入，章程规定任何单一厂商不得占多数席位。首批客户端是 ChatGPT、Codex、Cursor、GitHub Copilot、Kiro 和 VS Code。

规范同样极简。一个 plugin 就是一个文件夹：

plugin.json，必填字段只有 $schema 和 name
skills/ 目录，放 Agent Skills
mcp.json，配置 MCP server
以反向域名命名的客户端私有扩展目录

它没有发明新东西，只是把已经定型的 Skills 和 MCP 装进同一个盒子，让不同客户端用同一套规则发现和校验。这就是操作系统里的 deb 或 rpm。

值得注意的是两个缺席和一个空白。

Anthropic 不在委员会里。 Claude Code 的 .claude-plugin 格式早于这个标准，把 skills、hooks、MCP 配置、子 Agent、斜杠命令、LSP 定义打包在一起，比 Agent Plugins 1.0 的范围大得多。结果是市面上同时存在六种 manifest 格式：Agent Plugins、Claude、Copilot、Cursor、Codex，以及旧的 OpenPlugin。标准没有取代它们，而是成了第六种。VS Code 目前的做法是四种格式同时自动识别。这是标准化进程中的典型状态：先有事实标准，再有协商标准，两者并存一段时间。

DeepSeek Harness 的 plugin 和 Agent Plugins 的 plugin 不是同一层。 前者是内核模块：模型、沙箱、调度、循环都可以替换。后者是用户空间的应用包：Skills 加 MCP 配置。两者恰好对应操作系统的两个扩展点，内核模块和应用程序，只是名字撞了。

1.0 明确不管的东西，恰恰是最要命的东西。 规范文档列出的未来工作包括：权限与审批、来源验证、签名与发布者绑定、密钥管理、沙箱要求、安装与分发机制、审计。换句话说，1.0 只定义了包的目录结构，没有定义包的信任模型。而 ClawHub 12% 恶意 Skills 的事故已经证明，没有信任模型的包格式就是攻击面。

包管理器的历史在这里重演。apt 和 npm 都是先有格式，后有签名，再有权限声明，每一步都由一次事故推动。Agent Plugins 现在处于"有格式"的阶段。

六、新的结构图

把三个变量放到一起，现在的 Agent 技术栈长这样：

内核层：Harness 运行时

会话日志、Agent loop、调度、子 Agent 管理
代表：DeepSeek Harness、Claude Agent SDK、OpenClaw Gateway

系统调用与隔离层

MCP、工具注册、沙箱、凭证隔离、网络出口策略
代表：MCP 2026-07-28、Firecracker、gVisor、Seatbelt

用户空间

Skills、UI、对话循环
Agent Plugins 是这一层的安装包格式，marketplace 是软件源
用户看到的"个人助手"就在这一层

硬件层

模型，越来越多地为运行在 Harness 里而训练

半年前那篇文章问的是"Agent 平台如何破圈"。现在的答案是：平台没有破圈，平台沉到了内核层，变得不可见。 用户面对的依然是助手。个人助手不是 Agent 平台的对立面，它是 Agent 操作系统的默认 shell。

七、什么没有变

两件事依然成立。

认知无法被商品化。 那篇文章第三节的论证是无时效的。Skills 的爆发看起来像是在卖认知，其实卖的是流程和视角，真正的判断力仍然在人的脑子里。49 万个 Skills 里，有价值的那一小撮之所以有价值，是因为写它的人有独特的工作方式，而不是因为它是一个 Skill。

不确定性成本仍然存在。 它只是换了形态：从任务失败变成了边界失效，从"流程跑不通"变成了"跑通了但不该跑"。安全事件是新的失败模式。这半年沙箱的迅猛发展，本质上是在为这种新形态的不确定性买单。

八、下半年的判断

写在这里，半年后再来打脸：

Harness 成为模型厂商的主战场。 模型继续商品化，差异化转移到运行时。开源 Harness 会像当年的 Linux 一样，成为多数产品的底座。
沙箱成为默认，不再是选项。 没有隔离层的 Agent 产品会被视为不合格，就像今天没有 HTTPS 的网站。
模型继续内化 Harness 的知识。 系统提示词继续缩短，Harness 的价值从"教模型怎么做"转向"限制模型能做什么"和"记录模型做了什么"。
Plugin 标准的下一步是信任模型。 签名、权限声明、来源验证会在 2.0 之前由至少一次公开事故逼出来。六种 manifest 格式会收敛到两种：一种协商标准，一种事实标准。
个人计算机重新出现。 本地模型加本地 Harness 加本地沙箱，在一台 64GB 的 Mac 上跑一个完整的 Agent 操作系统，这不是极客玩具，这是下一代个人计算的形态。

结语

半年前我写道：只有当用户感受不到结构的存在时，结构才算真正成熟。

现在我知道那个结构叫什么了。它不是平台，也不是助手。它是操作系统。操作系统的成熟标志，从来都是没人再谈论它。

MCP on 雨的味道