2026 AI 智能体大会给我的 3 个信号——Harness 不是自嗨，记忆是共识

7 月初，2026 中国 AI 智能体大会在杭州开了两天。61 场演讲、8 场圆桌、64 位嘉宾。

我花了两个小时读完了整份会议纪要。不是因为我去了现场，是因为我想知道一件事：我花了大半年搭的这套体系，跟行业到底在一个频道上吗？

读完后的结论是三个字：方向对——但也看到了几个之前没意识到的差距。

一、Harness 是十大议题之一——这件事本身就是信号

大会列出了 Agent 赛道的十个核心议题：

Harness 排在第一。不是"顺便提一下"的位置，是作为核心议题出现在大会开幕式和专题论坛中。

会议纪要里有一段总结，我截下来贴在这：

"年初席卷科技圈的'养龙虾'热潮，是大众与企业初次体验智能体框架的全民试水阶段，Harness 则是承接这一波智能体热潮、让其走向落地的核心底座。"

这个表述很有意思。"养龙虾"（OpenClaw 框架）是让大家看到 Agent 能做什么的阶段，Harness 是让 Agent 真正干活的阶段。热度归 OpenClaw，落地归 Harness。

这说明两件事：

• 行业共识正在形成——从"Agent 能跑"到"Agent 要可控"，Harness 不是小众路线
• 方法论的价值大于框架——工具会换，但"上下文管理→输出约束→验证闭环→知识沉淀"这条链不会过时

二、记忆系统——才知道行业也在同一道坎上

我一直觉得记忆系统是我自己产品里做得不够好的部分。半年多搭了三层模型，出了 8 篇文章，但总觉得离"真正好用"还差一截。

结果圆桌环节，多位嘉宾几乎在说同一件事：

我不是在孤军奋战。整条产业链——从学术界到互联网大厂——都在找同一个答案。

但是有一个数据让我停了一下：郝建业团队在做的是"内生记忆模型"——用参数化、学习驱动的方式做记忆管理，而不是我当前的手工 SQLite+TTL 方案。他们 7 月底还要发布业界首个 Agent Memory 测评榜单。

这意味着：记忆系统正在从"工程方案"走向"模型化"。手工搭的 TTL、衰减、版本覆盖方案能用，但下一阶段的方向是什么，我应该提前看。

三、自进化 Agent——"老古董"这个说法刺痛了我

复旦大学肖仰华的原话：

"今年是分水岭，2026 年前所有的智能体都是老古董！"

什么算"自进化"？他定义的是四步闭环：

1. 与环境持续交互——不是按预设流程走，是边做边学
2. 自主发现不足——自己知道自己哪里做得不好
3. 自我持续改进——不用你告诉它，它自己迭代
4. 经验沉淀与复用——学过的不会忘，下次直接用

回头看我的体系：

我的体系有 50%，但另外 50% 还是靠人——我。每次 Session→Skill 的转化需要我人工确认，每次验证闭环的规则更新需要我手动写。

自进化 Agent 的核心不是"能力有多强"，而是"它能自己变强，不需要你管"。这一点，我还有一段路。

四、其他几个值得留意的信号

Token 效率是规模化前提

蚂蚁百灵团队的分享重点：模型竞争转向效率竞争——同等效果下消耗多少 Token、占用多少上下文、产生多少成本。百灵模型的 Token 消耗量只有对标模型的不到 1/10。这在做成本模型时是个有力的参照数据。

Agent Computer 平台切换期 3-5 年

原粒半导体的判断：数字员工要真正进入企业，还需迈过数据安全和成本两道坎，更本质的量变需要 3 年左右。Agent Computer 的平台切换窗口在 3-5 年内。这个时间窗口和我的四阶段计划（12-18 月）是吻合的——先走方法论和工程落地，再谈硬件平台。

企业 Agent 付费动机：效率和开放

道旅科技陆元轲的判断值得记下来：对内付费来自效率提升，对外付费来自开放生态。如果 Agent 没有打通外部功能，再强的模型也有限——"就像把一辆 300 万的跑车限速 50 码"。

五、所以我要调整什么

读完全文，我给自己做了个判断：

不调整方向，但要填补缺项。

方向没问题——Harness + 记忆系统 + 多 Agent 编排，都在行业主航道上，且我的版本已经跑起来了。

但有三件事需要补：

1. 自进化 Agent — 验证闭环不该只发现问题，应该自动触发改进。Session→Skill 应该自动化，不再需要我手动介入。
2. 记忆系统的下一阶段 — 手工 SQLite 方案可以继续用，但要关注"内生记忆"方向的进展，不能等技术成熟了才去看。
3. Harness 需要一篇总纲 — 目前我的方法论分散在 8 篇文章里。行业在谈 Harness，但没有一个一站式的入口。这应该写到 entos.top 的关于页面或者专门出一篇总纲。