一句话看懂：一位从 NTU 人工智能专业辍学、转做 Agent 的开发者 @yifanxu_ephai 公开复盘自己的选路逻辑：随着模型能力提升，Agent Harness 和 Agent App 的护城河都在变浅，他最终选择 All in Agent Infra，理由是模型越强，承载 Agent 运行的平台与环境越关键。
事件核心：发生了什么
据 @yifanxu_ephai 于 2026 年 10 月 8 日发布的推文自述，他原本进入 NTU 最好的实验室，期望做与大模型训练相关的研究，但实验室算力连小模型后训练都难以支撑，只能做微调类项目，因此转向 Agent 方向。做了一段时间后，他又发现两个问题：在 vibe coding 推动下，Agent App 开发门槛不断降低，同质化和内卷加剧；而 Agent Harness 受底层模型迭代影响大，很多刚做出来的 Harness 会随模型升级被淘汰。他一度认为 Agent 工程师是伪需求，最终判断应当去做“让 Agent 跑在上面的东西”，即 Agent Infra、Agent Runtime Substrate 方向。
为什么重要
这段复盘触及当前 Agent 生态的一个真实分歧：价值到底沉淀在应用层、Harness 层还是基础设施层。作者的核心判断是，模型能力越强，Harness 越容易被极简化，因为最终很多能力可由模型自身完成；但模型越强，承载 Agent 执行的平台、沙盒和执行环境反而越重要。他提到，2026 年 3 至 5 月他周围几乎没人讨论 Agent Infra，除 sandbox 外很少听到 Agent Runtime Substrate 这一理念，因此认为这是蓝海赛道。同时，当时业界讨论沙盒多聚焦安全与隔离，而他更关注如何利用隔离特性执行在 host 上会被视为危险的操作，并将其改造成多 Agent 执行环境。
对用户/开发者/创作者的影响
对开发者而言，这提示单靠调 API、拼装工作流或做微创新，长期议价能力有限，因为模型升级会直接压缩中间层空间。若选择 Agent 方向，可关注沙盒、执行环境、权限与隔离、多 Agent 编排等更贴近运行时的能力。对创作者和 AI 应用团队来说，应用层仍有机会，但需要更清楚地回答：当底层模型和 Harness 持续进化时，自己的差异点究竟在哪里。对基础设施和算力提供方，Agent Runtime 可能成为继模型训练、推理服务之后的又一竞争维度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Agent Infra 是否出现更明确的标准化形态，例如统一运行时、沙盒接口或跨模型执行协议；二是主要模型厂商和云厂商是否把 Agent Runtime 作为平台能力直接纳入，从而挤压独立创业空间；三是开发者生态是否从“做 App、做 Harness”向“做环境、做执行层”迁移。以上判断均来自个人公开推文，目前公开信息显示仍是方向性讨论，尚未对应具体产品发布或可核验的市场数据。
