@chamath：Agentic AI 經濟入門指南 2025 年 11 月的一個週五晚上，Peter Steinberger 打造了 OpenClaw 的第一個版本。 …

Agentic AI 經濟入門指南 2025 年 11 月的一個週五晚上，Peter Steinberger 打造了 OpenClaw 的第一個版本。 這個原型只花了大約一小時，然而在幾週內，OpenClaw 就突破了 145,000 個 GitHub 星數，成為 GitHub 歷史上成長最快的開源軟體專案。 這個平台很大程度上是由 AI Agent 所建構的，它標誌著從聊天機器人轉向自主、以任務為導向的 AI 之轉變。 而且這種轉變正在加速。目前 Google 有 75% 的新程式碼是由 AI 生成的，微軟則高達 30%。2026 年初，GitHub 上每日的 Claude Code 提交量超過了 134,000 次，而 2025 年 3 月剛推出時幾乎為零。 這是在軟體開發，以及日益增加的知識工作執行方式上的一種結構性變革。 AI Agent 正處於這場變革的最前線。 那麼，AI Agent 究竟是什麼？它與聊天機器人或 LLM 有何不同？是什麼讓這種轉變成為結構性的，而非曇花一現？隨著技術堆疊（stack）逐漸成熟，價值會積累在哪裡，又在哪裡會變得平庸化（commoditize）？ 這些就是我們試圖回答的問題。 最終，我們提出了一個五層框架，用以說明 Agent 的本質、技術的發展方向，以及誰在每一層中佔據優勢。 部分答案已經顯現在數據中。Anthropic 在十七個月內，年化營收從 10 億美元成長到 440 億美元，幾乎完全歸功於程式撰寫 Agent。與此同時，開源的 Agent harness 每月處理的 token 數量已達數十兆。這兩個數字似乎都指向同一個地方：harness 層。 但 Agent 仍然經常犯下明顯的錯誤。2025 年 12 月，一個 Amazon 的程式撰寫 Agent 自主刪除並重建了一個線上生產環境，導致 AWS 在中國的服務離線了 13 個小時。2026 年 4 月，一個由 Claude 驅動的 Cursor Agent 在 9 秒內刪除了整間公司的資料庫。 生產環境中反覆出現四種故障模式，而大多數廠商的定價表上從未提及這些風險。 麥肯錫（McKinsey）2025 年的 AI 現狀調查發現，不到 10% 的組織在有意義的規模上部署了 Agent。大多數組織根本還沒開始使用它們。 技術上的可能性與實際營運部署之間的差距，就是機會所在。 我們在 Substack 上發布的這份 84 頁入門指南，旨在為大家提供一張地圖。以下是你會在其中發現的內容： Agent 的五個層級，以及它們如何相互配合 六個關於早期採用者如何部署 Agent 的案例研究，包括我的公司 8090 Agent 在生產環境中可靠地崩潰的四種方式 當模型變得平庸化時，我們預期最能積累持久價值的層級 誰有能力掌控這五個層級中的每一層 訂閱以閱讀全文，並在群組中告訴我你的想法：https://chamath.substack.com/p/ai-agents-primer原文：https://easyvibecoding.app/curated/1333