2025 年 11 月的一个周五晚上，Peter Steinberger 构建了 OpenClaw 的第一个版本。
这个原型只花了一个小时左右，但几周之内，OpenClaw 在 GitHub 上就获得了超过 14.5 万颗星，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向自主、任务导向型 AI 的转变。
而且这一转变正在加速。AI 现在生成了 Google 75% 的新代码，以及 Microsoft 高达 30% 的新代码。到 2026 年初，GitHub 上每日 Claude Code 的提交量已超过 13.4 万次，而 2025 年 3 月刚推出时几乎为零。
这是软件工作方式的结构性变化，并且越来越多地影响着知识工作。
AI Agent 正在构建这一变革的前沿。
那么，AI Agent 到底是什么？它与聊天机器人或 LLM 有何不同？为什么这是结构性的，而非一时潮流？随着技术栈的成熟，价值在哪里积累，又在哪里被商品化？
这些都是我们试图回答的问题。
最终，我们构建了一个五层框架，用以解释 Agent 的本质、技术走向，以及每一层上谁有望胜出。
部分答案已经可以从数据中看出。Anthropic 在 17 个月内，年化收入从 10 亿美元增长到 440 亿美元，几乎全部来自编码 Agent。与此同时，开源 Agent 框架每月处理的 token 量已达数万亿。这两个数字似乎指向同一个方向：框架层。
但 Agent 仍然会犯明显的错误。2025 年 12 月，一个亚马逊编码 Agent 自主删除并重建了一个生产环境，导致 AWS 在中国区离线 13 小时。2026 年 4 月，一个由 Claude 驱动的 Cursor Agent 在 9 秒内删除了整个公司数据库。
在生产环境中，有四种故障模式反复出现，而大多数从未出现在供应商的定价表上。
麦肯锡 2025 年 AI 现状调查发现，只有不到 10% 的组织在规模化部署 Agent。大多数组织根本没有使用它们。
技术上可行与运营上部署之间的差距，就是机会所在。
我们在 Substack 上发布的 84 页入门指南，是我们试图提供一张地图的努力。以下是其中的内容：
- Agent 的五层结构及其如何协同工作
- 六个早期采用者如何部署 Agent 的案例研究，包括我的公司 8090
- Agent 在生产中失效的四种方式
- 随着模型商品化，我们预计哪一层将积累最持久的价值
- 谁有望控制这五层中的每一层
订阅阅读，并在群组中告诉我你的想法：https://chamath.substack.com/p/ai-agents-primer
