AI Agent只是幌子？软件工程师揭穿行业热词泡沫

当所有人都在谈论AI Agent时，有人站出来说了句实话

"There's no AI agent, nor any harness." 这是软件工程师 Fayaz 在一篇技术博客中抛出的观点。他直言，所谓"AI Agent"和"Agent Harness"，不过是些被发明出来的流行热词，目的是把人们的注意力从软件和软件开发本身转移开。

这话听起来有点刺耳，但Fayaz的逻辑其实很朴素：不管你怎么包装，数字世界里真正存在的东西只有两类——软件，和用软件做出的机器学习模型。

拆开来看：数字世界只有两个抽屉

Fayaz 提出一个简洁到近乎粗暴的分类方式，把数字世界的一切装进两个抽屉：

第一个抽屉是软件。 确定性编程加上非张量数据。什么是非张量数据？控制逻辑、用户输入、数据库、API、启发式规则——所有那些被精确编排的、可以被人类工程师完全理解和调试的部分。

第二个抽屉是机器学习模型。 也就是那些基于张量运算的、通过训练得到的模型权重。它们不是被"编写"出来的，而是被"训练"出来的。

Fayaz 的核心论断是：今天存在的每一个数字AI系统，都完全落在这两个类别中的某一类，或者同时落在两类里。没有神秘的第三元素。

这就像一个软件版的奥卡姆剃刀——如果你无法把某个AI概念归入软件或模型，那它大概率只是个叙事工具，而非技术实体。

什么是张量？ 张量（Tensor）是机器学习中的核心数据结构，可以理解为多维数组的统称：标量是0维张量，向量是1维，矩阵是2维，更高维度的数据（如图像的RGB通道、批处理数据）则是N维张量。神经网络的前向传播和反向传播，本质上就是一连串张量之间的加法、乘法和非线性变换。Fayaz用"张量数据"与"非张量数据"来划界，意在强调：机器学习模型处理的是可以被梯度下降优化的连续数值，而传统软件处理的是离散的、逻辑性的数据。二者在存储格式、运算方式和调试手段上都有本质差异——前者靠GPU并行计算和损失函数，后者靠CPU上的条件分支和函数调用。

为什么"Agent"和"Harness"经不起推敲

按照Fayaz的分类框架，我们来拆解一下当前最热的概念。

所谓"AI Agent"，实际上是什么？ 是一个软件程序（第一类），在控制循环中调用机器学习模型（第二类），根据模型输出执行确定性操作（API调用、文件读写、数据库查询），然后再把结果喂回模型。整个编排逻辑、错误处理、状态管理——全是传统软件工程。

所谓"Agent Harness"，又是什么？ 更直白。它就是一个软件框架，负责管理模型的输入输出、上下文窗口、工具调用的路由。说白了，就是个中间件层。传统软件工程里这种东西多了去了——你叫它框架、叫它运行时、叫它SDK都行。

Fayaz 在文中说得很清楚："凡是运行在服务器（CPU/GPU）上的东西，全部由传统软件和基于张量的模型组成。没有别的。"

这不是在否定AI的能力，而是在否定一种叙事——好像AI系统里有什么超越软件的东西在起作用。

中间件是什么？ 中间件（Middleware）是位于操作系统/底层服务与上层应用之间的软件层，负责屏蔽底层复杂性、提供通用能力。比如消息队列、API网关、ORM框架都属于中间件。Fayaz把"Agent Harness"类比为中间件，是很有力的：Harness本质上是管理模型调用生命周期的一层胶水代码，负责拼接prompt、截断上下文、解析工具调用指令、把返回结果路由回模型。它不产生智能，只做编排。理解这一点很关键——中间件层历来是竞争激烈、容易被替换的地带，这恰恰说明"Agent Harness"并非某种不可替代的新物种，而是软件工程中一个熟悉的生态位。

热词的经济学：谁在从中获益

Fayaz 的文章表面上是技术分类讨论，底下其实藏着一层行业观察。

为什么"Agent"、"Harness"、"Orchestration"这些词会流行？因为它们让一个本质上是软件工程的事情听起来像是某种全新物种。新物种意味着新赛道、新融资故事、新产品品类、新的定价权。

如果你承认"AI Agent本质上就是一个带控制循环的软件程序"，那这个领域的估值逻辑就要重新审视了。它的门槛、它的护城河、它的竞争格局，都更接近传统软件——而不是什么前所未见的新范式。

Fayaz 的建议很克制："在需要的时候用这些热词，但偶尔提醒一下人们，他们实际上在底层用的是什么。" 这句话没有号召对抗，更像是一种职业习惯——一个软件工程师对术语准确性的本能坚持。

为什么术语会影响估值？ 在资本市场中，一个赛道的"故事"很大程度上决定了它的估值倍数。传统软件公司通常按ARR（年度经常性收入）的5-15倍估值，而"AI原生"或"Agent"概念的公司往往能拿到更高的倍数，因为投资者预期它们拥有更强的网络效应、更高的切换成本或全新的技术壁垒。当同一件事被重新命名为"自主智能体"而不是"带循环的软件服务"时，叙事就从"工具"升级为"劳动力"，定价权和TAM（潜在市场总额）也随之被重新想象。Fayaz的观察点中了要害：热词不只是修辞，它直接参与价值分配。

承认现实不等于贬低AI

有一种误读需要提前澄清：说"AI Agent只是软件"，不等于说"AI Agent没有价值"。

恰恰相反，把AI系统理解为软件，对开发者来说是一种赋权。因为这意味着：你掌握的软件工程技能——架构设计、测试策略、错误处理、可观测性、版本控制——在AI时代依然有效，甚至更加关键。

模型本身的能力边界，很大程度上由软件来决定它能做什么、不能做什么。上下文怎么管理？工具怎么路由？失败怎么恢复？幻觉怎么约束？这些问题的答案不在模型权重里，而在软件的架构里。

Fayaz 在个人简介中写道，他"坚信即使在AI时代，通过有意识地实施软件工程最佳实践，也能创造巨大价值"。这种信念不是怀旧，而是对技术本质的清醒认知——模型在变强，但让模型真正产生价值的，仍然是软件。

术语泡沫散去之后，留下的还是软件

每一波技术浪潮都会带来自己的热词。有些热词最终沉淀为有精确含义的技术术语，有些则随浪潮退去而消亡。

Fayaz 这篇文章的价值不在于预测哪些词会活下来，而在于提供了一种思维工具：当你听到一个新概念时，试着把它拆解成"软件"和"模型"两个部分。如果拆完之后发现没有剩余物，那它可能只是一个新的说法，而不是一个新的东西。

这不是犬儒主义，而是工程师的基本素养——搞清楚你手里到底在用什么。毕竟，当你真正开始构建AI系统时，你花在写软件上的时间，远比花在"设计Agent"上的时间多得多。