最近一些 Agent 认知：OS 与 Agent-native 应用
作者: @yan5xu 发布时间: 2026-03-17 原文链接: https://x.com/yan5xu/status/2033721014413402303 互动数据: 👍 416 | 🔁 79 | 👁 143,850 | 🔖 718
一、Agent 是 OS，垂类做 OS 是找死
1/ Agent 是一种交互范式，就像手机是一种交互范式。你通过手机购物、社交、理财，但不会为了购物专门买一部手机。Agent 也一样。垂类不应该尝试做 Agent（做手机），应该做 Agent 上面的应用。
2/ 因为战场完全不同。Agent 的战场是推理能力、编排效率、交互体验。垂类的优势是领域深度、业务理解、行业数据——这些优势在 OS 战场上一点用都没有。你拿领域知识去跟 OpenAI、Anthropic 比推理能力，是拿刀去打坦克。
3/ 而且 OS 层的市场结构天然收敛。PC 时代活下来 Windows 和 Mac，移动时代活下来 iOS 和 Android。Agent OS 也不会有几十个赢家。你花三年做垂类 Agent 正面硬刚，这三年本可以在自己的领域建一座别人进不来的根据地。
二、Skill 也不行——天花板是卖 copy
4/ 不做 Agent，那做 Skill 行不行？Skill 有两面：prompt 和 script。
5/ Prompt 是一组提示词，给 Agent 一个点拨。有价值，但推理工作仍然是 Agent 自己干的，而且 prompt 是文本，文本可以被复制。
6/ Script 是封装好的外部逻辑——脚本、二进制程序、API。逻辑在外部执行，Agent 不用自己推理这个领域问题了。比 prompt 好一步——从”指路”变成了”代劳”。
7/ 但 script 如果没有外部状态——没有数据库、没有用户积累、输入进去结果出来什么都不留下——那逻辑就是可复现的。别人看懂你的思路，重写一个，功能一模一样。
8/ 所以 skill 的天花板就是卖 copy。和卖 Notion 模板、卖 GPTs 一个性质。你做得越好，抄得越容易；你做得越成功，越证明需求存在，越多人涌进来做同样的事。Skill 是接口，接口背后什么都没有，就是在裸奔。
三、Agent 的两个物理约束
9/ Agent 有两个物理约束。不是 bug，不是下一代模型能修的。像光速一样，你不能许愿它消失，只能围绕它做工程。
10/ 第一个：上下文容量。 Context 是有限的容器，塞得越多性能越差。
11/ 第二个：注意力带宽。 金庸笔下周伯通有一门双手互搏术——左手画圆、右手画方。单独画圆，很简单。单独画方，也简单。合在一起，两个都变形了。不是手不够用，是注意力在两个任务之间打架。Agent 同时在一个 context 里做法律推理、追踪用户意图、规划下一步行动——每件事的质量都下降。注意力是零和的。
12/ 如果 Agent 有无限容量和完美注意力，什么都自己做就行了，不需要任何人。但现实是：容量有限，带宽有限。Agent-native Application 存在的根本原因，就是这两个物理约束。
四、Agent-native Application
13/ Skill 可复现的根源是”没有外部状态”。解法就是让接口背后长出不可复制的东西。三样：
14/ 领域状态——用户在你这里的业务上下文，每次交互都在生长。法律服务记住案件进度和判例引用，投资服务记住持仓逻辑和调仓理由。越用越厚，别人从零开始追不上。
15/ 基础设施成本——领域微调的小模型、专业知识库、实时数据管线。真金白银持续投入，不是复制一段代码能拥有的。
16/ 规模经济带来的成本优势——同时服务十万个用户，基础设施单位成本碾压任何人自己搭。数学优势，跟聪不聪明没关系。
17/ Skill 背后有这三样，就不再是 skill，是 Agent-native Application。
18/ Application 给 Agent 提供两种价值，对应两个物理约束：
- 能力解锁：突破上下文容量，那些塞不进 context 的领域知识和用户历史，Application 在外面管着，调一下就能用。
- 认知卸载：释放注意力带宽，领域推理搬到外部，不再跟其他任务打架。不是做得快了，是干扰消失了，剩下每件事都做得更准。
19/ 领域状态不是 memory。Memory 是通用记忆管理，那是 Agent OS 层的课题。领域状态是用户在某个垂类里的业务上下文，边界清晰的业务状态机。别人抄得走你的 skill，抄不走你的根据地。
五、OS 与 Application
20/ 两边各有各的命题。OS 的命题是 WHAT——在有限容量和带宽下，帮用户完成尽可能多、尽可能好的事。Application 的命题是 HOW——每次被调用时提供最大的领域价值。OS 决定做什么，Application 决定怎么做。
21/ 以前的计算范式里，App 和 OS 是单向关系。Word 不会让 Windows 更快，淘宝不会让 iOS 更流畅。Agent 范式里不一样——好的 Application 会让 Agent OS 变得更聪明。法律 Application 把法律推理从 Agent 的注意力里搬走，注意力不再被干扰，其他事情推理更准，于是更精准地调用更多 Application，Application 获得更多数据，变得更好……飞轮转起来了。
这是认知共生——一个通用智能和一个专精智能通过接口耦合，比各自单独运行都更强。以前的计算范式里没有出现过这种事。
22/ The best context is no context. Agent 越轻，表现越好。
结构化总结
因果主链：Agent 是 OS → 垂类做 OS 是找死 → Skill 天花板是卖 copy → 根本原因：两个物理约束（上下文容量 + 注意力带宽）→ 解法：Agent-native Application → 两种价值：能力解锁 + 认知卸载 → OS 与 Application 认知共生
三层光谱：
- 指令（Prompt）：指路，带宽不减，壁垒为零
- 工具（Script）：代劳，带宽降低，无状态则壁垒低
- 服务（Application）：代劳 + 持久状态 + 基础设施，壁垒高
OS vs Application 分界：
- OS 持有：用户意图 + 跨域上下文（WHAT）
- Application 持有：领域状态 + 业务历史（HOW）
good-case framing research agent agent-native os application