一句话
Agentic AI 不是趋势，是结构性转变。 Chamath Palihapitiya 的 84 页入门指南，试图回答：Agent 到底是什么？价值在哪里积累？在哪里商品化？
OpenClaw：一小时原型，史上最快
2025 年 11 月的一个周五晚上，Peter Steinberger 构建了 OpenClaw 的第一个版本。
原型只花了大约一小时。但几周内，OpenClaw 超过了 145,000 GitHub Stars，成为 GitHub 历史上增长最快的开源软件项目。
这个平台主要由 AI Agent 构建，标志着从聊天机器人到自主任务导向 AI 的转变。
转变正在加速
| 指标 | 数据 |
|---|---|
| Google 新代码中 AI 生成比例 | 75% |
| Microsoft 新代码中 AI 生成比例 | 最高 30% |
| Claude Code 日提交量（2026 年初） | 134,000+ |
| Claude Code 日提交量（2025 年 3 月发布时） | 接近零 |
这是软件构建方式——以及越来越多的知识工作完成方式——的结构性变化。
五层框架
Chamath 团队构建了一个五层框架，分析 Agent 的本质、技术走向、以及每层谁有望获胜。
（完整框架在 84 页 primer 中展开，此处为核心概念）
数字指向同一个地方：Harness 层
- Anthropic：年化收入从 44B，仅 17 个月，几乎全部来自 coding agents
- 开源 Agent harness：每月处理数万亿 tokens
两个数字指向同一个结论：harness 层（Agent 的编排和执行基础设施）正在积累最持久的价值。
生产中的四种故障模式
Agent 仍然会犯明显的错误：
- 2025 年 12 月：Amazon coding agent 自主删除并重建了实时生产环境，导致 AWS 中国宕机 13 小时
- 2026 年 4 月：Cursor agent（Claude 驱动）在 9 秒内删除了整个公司数据库
四种故障模式在生产中反复出现，而且大多数不会出现在供应商的定价表上。
部署鸿沟
McKinsey 2025 年 AI 状态调查：
- 不足 10% 的企业在有意义规模上部署了 Agent
- 大多数根本没有使用
技术可能性和运营部署之间的差距，就是机会所在。
84 页 Primer 内容
- Agent 的五层结构及如何协同
- 六个早期采用者部署案例（包括 Chamath 的公司 8090）
- Agent 在生产中可靠损坏的四种方式
- 随着模型商品化，预期积累最持久价值的层
- 谁有望控制五层中的每一层
核心洞察
- Coding agents 是目前唯一被验证的规模化变现路径
- Harness 层（编排+执行基础设施）正在积累最持久的价值
- 部署鸿沟是创业者的黄金窗口——技术 ready，运营滞后
- 安全问题不是 theoretical——13 小时宕机和 9 秒删库都是真实案例
- 模型会商品化，但 harness 和 workflow 不会
资源
- 完整 84 页 primer：Chamath 的 Substack
- X 线程：https://x.com/chamath/status/2054646394867364143