2022 年 11 月，ChatGPT 上线，AI 学会了聊天。2026 年 8 月，DeepSeek Harness 与 Codex Harness 同月开源，AI 开始被企业当成「平台」来建设。不到四年，四次交棒。本文用两把尺子讲这段历史：一把量「形态」，看主导工具怎么更替；一把量「架构」，看能力怎么被一层层拆解、吸收、重组。
一、先说结论
这部历史只有一条主线：每一代工具，都把上一代的能力吞进来，变成自己的一个部件。
- 第一代「问答检索」解决了问：你问，它答。
- 第二代「编程智能体」把检索吞了进来，解决了做：它自己查资料、自己改代码、自己跑验证。
- 第三代「个人智能体」（社区俗称 claw）把编程吞了进来，解决了人人可用：不会写代码的人，也能让 AI 操作自己的电脑。
- 第四代「Harness 平台」把前三代全部拆成标准件，解决了可治理、可集成、可开放。
主线之下还有一条暗线：底层模型一直在独立迭代，并且与工具线互相牵引——工具线倒逼模型为「干活」优化，模型线则开始把「自主执行」变成模型自带的能力。
两把尺子叠起来，这段历史是一个「四阶段 × 三层」的结构：
- 应用层：四代工具形态，累积吸收，前三代至今并存；
- 平台层：Harness，2026 年 8 月起独立成军；
- 底座层：模型，决定一切的能力上限。
下文按代际讲。每一代先讲它解决了什么，再讲它没解决什么——没解决的那一口气，就是下一代出现的理由。
二、第一代：会答题的 AI（2022–2024）
这一代的使命是「替代搜索框」。它把「问一个问题，翻十页链接」变成了「问一个问题，读一段答案」，但它停在了答案上——它不会动手。
标志性产品沿着两条路走：
- 对话问答：ChatGPT（2022.11，第一代产品基于 GPT-3.5）开了头；随后是国内一排「AI 助手」——豆包、Kimi、元宝、文心一言；DeepSeek Chat 则在 2024 年 12 月随 V3 模型上线，把「开源模型 + 免费产品」的组合打进了大众市场。
- AI 搜索：Perplexity 把答案直接挂上来源引用；国内的纳米AI搜索走同一条路。共同特征是「答案优先，链接垫底」。
真正的进阶发生在 2024 年秋天：AI 开始自己动手查资料。
- Kimi 探索版（2024.10.11）是最早的量产形态：一次搜索精读约 500 个页面，并行几十个关键词，像分析师一样先拆解问题、再分步检索、边查边反思。
- Gemini Deep Research（2024.12）把「检索—阅读—综合」做成一项正式功能。
- OpenAI Deep Research（2025.02）把它做成了完整的研究报告，这一形态随后被各家「深度研究」模式跟进。
从「你问我答」到「AI 自己查半小时，交一份报告」，这一代内部就完成了一次「人驱动 → 自驱动」的升级——从 ChatGPT 到 Deep Research，用了 27 个月。
但它有一个天花板：交付物始终是一段文字。报告写得再好，看板不会自己出现，邮件不会自己发出，代码不会自己提交。企业很快发现，能答题的 AI 是好的知识库，却不是好的员工。
三、第二代：会写代码的 AI（2024–2025）
这一代的突破口选得出人意料：先让 AI 学会写代码。原因很务实——代码是唯一「对错能被机器检查」的产物。跑不跑得通、测试过不过、字段在不在，机器说了算。AI 在这种有信号的环境里迭代最快。
产品分两档：
- 低阶：IDE 里的副驾驶。GitHub Copilot（2021）开创了补全范式，Cursor、Windsurf 跟进；国内有通义灵码、文心快码、腾讯云 CodeBuddy、字节 TraE / MarsCode。特征是「人主导节奏，AI 补全片段」。
- 高阶：自己动手的智能体。Devin（2024.03）第一次演示了「云端自主软件工程师」；随后 Claude Code（2025.02）、Codex CLI（2025.04 开源）、Gemini CLI（2025.06 开源）、Kimi CLI（2025.10.24 开源，原生支持 ACP 协议）、Qwen Code 在一年内密集落地，Aider、Cline 等开源工具长尾补充。
高阶产品共同验证了一个工程范式，社区叫它 agent loop：理解任务 → 调用工具 → 观察结果 → 修正重来，直到交付。AI 第一次大规模「碰」到了真实的电脑——读写文件、执行命令、阅读报错、改完再跑。
这一代还悄悄吞进了第一代的能力：检索变成了它的工具。代码库索引让 AI 先「读 repo」再动手；面向智能体的搜索 API 成了一个独立品类——Tavily 自称「AI 智能体的网络接入层」，开发者超 70 万；Exa 用语义向量检索，Cursor、Databricks、AWS、Notion 都在用；Perplexity Sonar 直接提供带引用的答案接口。检索从「产品里的联网按钮」，变成了「被智能体调用的标准件」。
问题也明显：受益者只有开发者。企业里 IT 部门效率翻倍，业务部门依旧旁观——你不可能要求销售总监去用命令行。而且 IDE / CLI 形态默认「一个人、一个本地仓库」，进不了企业的业务流程。
四、第三代：会操作的 AI（2025.11 至今，claw）
这一代把 AI 从开发者手里交给了每一个人。入口从命令行换成了人人都在用的聊天软件，执行面从代码仓库扩展到了整台电脑。
引爆点是 OpenClaw：奥地利程序员 Peter Steinberger 在 2025 年 11 月起步的个人项目（原名 Clawd，2026 年 1 月 30 日因 Anthropic 的商标交涉改名），MIT 协议，GitHub 星标很快超过 10 万。它跑在你自己的机器上，你从微信、Telegram、Discord 里发一条消息，它就能读写文件、执行命令、查资料、管邮箱和日历。因为吉祥物是只龙虾，国内社区把「基于 OpenClaw 搭一个自己的智能体」称为养虾——从猎豹移动 CEO 傅盛到美团元老王慧文，都公开过自己的「养虾」实践。
国内厂商在 2026 年 3 月密集承接：
- QClaw（腾讯电脑管家团队，基于 OpenClaw 打造）：把「配置命令行」简化成一键安装，内测一周用户破数百万；
- WorkBuddy（腾讯，与 QClaw 同天上线）：定位桌面 AI 办公工作台，兼容 OpenClaw 技能体系，支持微信、企业微信远程指挥电脑处理文书与数据；易观数据显示其 2026 年 6 月 PC 端访问量 2097 万次，在统计的 17 款桌面智能体中位列第一；
- 阿里 QoderWork（2026.03.03）：面向文件整理、数据处理、文档生成的桌面智能体；
- 小米 miclaw（2026.03.06 测试）：把这类产品推进手机系统。
高潮出现在 2026 年 2 月：Hermes（Nous Research 开源）把这一代从「工具」推向「会成长的助理」。区别在于技能从哪来——OpenClaw 的技能靠人工配置和社区贡献（ClawHub 市场积累了数千个技能），而 Hermes 每完成一个任务，就自动把做法沉淀成一个 Skill，下次直接套用；后台还有 GEPA 算法离线打磨这些技能，跨会话的记忆通过「冷冻快照」机制保留。因与奢侈品牌同名，社区叫它马，「养马」接棒「养虾」。有第三方统计称其 token 消耗量已反超 OpenClaw（约 2240 亿对 1860 亿）。MiniMax 在 4 月 16 日推出 MaxHermes，小米 MiMo、腾讯云、阿里云相继接入。
这一代同样吞进了上一代：编程被包装成了自然语言。在 WorkBuddy 或 dsh 里说一句「把 Q3 销售数据做成看板」，背后是一次完整的编程过程——这就是社区说的 vibe coding。不会写代码的人，第一次获得了「构建」的能力。
但它的基因是个人助理：IM 入口、个人技能库、个人记忆、个人电脑。企业想要的三样东西它一样给不了——治理（提示词注入是全行业未解问题，ClawHub 上出现过恶意技能）、集成（进不了企业的系统与流程）、审计（出了问题说不清每一步发生了什么）。QClaw 的结局是个注脚：上线仅半年，2026 年 9 月 24 日宣布停止运营，用户与数据整体迁往 WorkBuddy——连个人智能体自己都在快速收敛整合。
五、第四代：Harness 平台（2026.08 至今）
这一代的主题不是「又一个新工具」，而是「总装车间」。
Harness 这个词原意是马具：模型是马，Harness 是挽具——再快的马，没有挽具也拉不了车。用在 AI 上，它指模型外面那套完整的执行与编排系统：工具、循环、沙箱、权限、记忆、调度。DeepSeek 官方给了个简洁的公式：Model + Harness = Agent。
2026 年 8 月，这一层第一次以「平台」的身份公开竞争，两场发布只差 7 天：
- DeepSeek Harness（08.13，开发者预览，MIT 协议）：命令行工具名 dsh，架构原则是「一切皆插件」——模型、工具、技能、会话、沙箱、存储、甚至智能体循环本身，全部是可替换的插件；系统提示词、思维链、工具调用与结果全部写入追加式日志，配套 Trajectory 视图支持恢复、分叉、检索与回放。产品标识是一条黑鲸，与模型产品的蓝鲸区分。
- Codex Harness（08.19 宣布、08.20 开源，Apache-2.0）：OpenAI 把驱动 Codex 应用的底层执行框架完整开放，包含命令行工具、SDK 与应用服务器，开源一周即获约 10.9 万 Star。
前三代的能力，在这里被逐一原语化——从「产品里的功能」拆成「可被调用的标准件」：
- 检索 → 搜索 API（Tavily、Exa、Sonar 一类）；
- 编程 → Skill（可复用、可共享的技能包）；
- 操作 → MCP 工具（连接文件、终端、浏览器与企业系统的标准接口）；
- 外加统一的 agent loop、沙箱隔离、权限策略与记忆系统。
工具是成品，平台是生产线——这就是它和前三代的本质区别。第三方很快开始围绕它建设：npm 上出现了 MetaHarness 这类脚手架生成器，DeepSeek Harness 有插件广场，Hermes 的技能标准（agentskills.io）也被广泛兼容。
一个值得注意的细节：DeepSeek V4.1-Flash 发布时，官方合作伙伴名单里就有 WorkBuddy（含 CodeBuddy）与 OpenCode——个人智能体跑在平台能力之上，两者是共生，不是对立。
六、暗线：底座下的模型，一直在跑
工具线跑得热闹，底座下的模型线从没停下，而且两条线越靠越近。
模型线的主干（只列主干，支流无数）：
- GPT 系：3.5（2022.11）→ 4（2023.03）→ 5 → 5.6（2026.07）→ 6 Astra（2026.09.03）→ 6.1 Sol（09.29），一个月内三代连发；
- DeepSeek 系：V3（2024.12）→ V3.1（2025.08）→ V3.2（2025.12）→ V4（2026.04，百万 token 上下文）→ V4.1-Flash（2026.09.10，KV 缓存较初代模型缩小 437 倍，552B 参数 MoE 的非对称新架构）；
- Claude 系：Opus 5、Fable 5.1 等同代旗舰。
两条线的牵引是双向的：
- 工具线倒逼模型线：DeepSeek V3.1 专门升级 Code Agent 与 Search Agent 性能，V3.2 主打「工具调用中思考」，甚至为智能体推理的存储带宽写了 DualPath 论文——模型厂商已经开始为「干活」优化架构。
- 模型线吞并工具线：GPT-6 Astra 的官方定位是「从对话问答转向自主执行」，computer use 是其前沿能力。当模型自带操作电脑的能力，Harness 的一部分价值被模型直接吸收——「每代吞前代」的规律，在底座层重演了一遍。
一个可量化的注脚：两场 Harness 发布相差 7 天，GPT-6 与 DeepSeek V4.1 的落地也只差 7 天。模型的迭代速度和平台的迭代速度，第一次成了同一个数量级。
七、下一次交棒会是什么
回看这条曲线，能提炼出三个可复用的判断：
- 形态更替越来越快。从 ChatGPT 到 Deep Research 用了 27 个月，从 Deep Research 到 OpenClaw 用了 9 个月，从 OpenClaw 到 Harness 平台化又是 9 个月，而平台内部的高低阶分化只用了不到一个月。
- 竞争焦点逐级上移。从「谁的模型强」，到「谁的工程闭环好」，到「谁更懂用户」，再到「谁的生态 open」——每一代都不是推翻重来，而是把上一代变成自己的一个部件。
- 真正的基础设施只有两层：模型与平台。应用层你方唱罢我登场，模型层决定上限，平台层决定兑现率——模型决定上限，平台决定兑现率，形态决定第一印象。
下一次交棒的候选已经看得见：技能与记忆的标准化流通。当技能包（Skill）和记忆成为可交易、可迁移、可审计的标准件，「更强的模型」会让位于「更完善的零件市场」。到那时，评价一个企业 AI 水平的标准，将不再是买了哪个工具，而是建成了什么样的产线。
下一篇会落到选型上：为什么个人用 claw，企业要建 harness。那是同一个故事的另一半。
名词速查
- agent loop：智能体循环——理解任务、调用工具、观察结果、修正重来，直到交付。
- claw：社区对 OpenClaw 一类「个人智能体」的俗称，源自产品名，吉祥物是龙虾，「养虾」由此而来。
- Skill：技能包，把「一类任务的做法」写成可复用的说明书，可共享、可交易。
- MCP：Model Context Protocol，给 AI 连接外部工具的标准协议。
- 原语化：把一项能力从「产品里的功能」拆成「可被调用的标准件」的过程。
- Harness：原意马具；这里指模型外面那套完整的执行与编排系统。
本文涉及的产品版本与日期均截至 2026 年 10 月；文中数据来自各产品官方发布、GitHub 仓库及公开报道。
作者：xilejun · v1.0 · 2026-10-19
No comments yet