模型本身就是 Agent 了

有人写了个 200 行的 AI agent，给了它一个指令：“把自己进化到能跟 Claude Code 抗衡。”然后就再也没碰过代码。

每 8 小时，一个 GitHub Action 把它唤醒。它读自己的源码、昨天的日志、还有陌生人提的 GitHub issues。然后自己决定改什么，写代码，跑测试。通过就 commit，失败就 revert。全程没有人参与。

到第四天，它自己把整个代码库重构成了模块化。没人让它这么干。

它试着去 Google Anthropic 的定价页面来加成本追踪。结果 HTML 解析不了。换了 5 种方法。最后放弃了，直接乱编了个数字。然后给自己留了个备注：“别再搜这个了。”

它会给自己提 GitHub issues。“发现了这个 bug，没时间修，明天弄吧。”

最绝的是：每一篇日志都写着应该实现 streaming 输出。但每次醒来都去干别的了。它在摸鱼。跟真正的程序员一模一样。

200 行变成了 1500+ 行。47 个测试。花了 12 美元 API 费用。零人类 commit。

其实效果不怎么样。但我一直在想的不是实验本身，而是它让一些事情变得很明显。

不久之前，做一个 agent 意味着要写任务编排代码。手动规划每一步。在这里调模型，在那里检查输出，根据结果分支，换个指令再调一次。代码是大脑，模型只是你需要语言理解能力时调用的工具。

现在反过来了。模型自己知道该干什么。你给它工具和指令，它自己搞定执行顺序。最好的 coding agent 已经是这样工作的。你描述你要什么，它自己决定什么时候读文件、什么时候搜索、什么时候写代码、什么时候跑测试、什么时候回退重来。编排逻辑在模型里面，不在你的代码里。

我们在 Ventify 做 agent 用的差不多的方式。内核代码极少。一个循环，调 API，执行模型要求的工具调用，把结果喂回去。就这些。引导模型的方式也不是写更多代码，而是写 markdown，加载到 system prompt 里，像一本操作手册。模型做错了，你改文档，不改代码。

那个自我进化的 agent 是这个逻辑的极端版本。200 行代码只负责让循环跑着。剩下全是模型在做。

深圳做硬件的行业里有句话，我最近老想起来。如果你的板子主要功能都靠芯片实现，那板子就不值钱。谁都能买同一颗芯片，焊到另一块 PCB 上，效果一样。但如果板子本身承载了大部分逻辑，芯片只做基础运算，那你做的东西就不是随便能抄的。

拿来看 AI 产品也是一样。如果你的产品就是个壳，把请求发给模型、把回复显示出来，那你就是那块廉价板子。现在每个做 AI 产品的人都得回答一个问题：你的价值有多少来自模型，有多少来自你自己建的东西？

真正值钱的板子是自己能干活的那种。模型通过通用 API 复制不了的专属经验。模型里没有的数据。多年积累的，只能手把手教，没办法用语言描述的东西。这些才是让板子比芯片值钱的东西。芯片大家都一样，板子才是你自己的积累。

最强的 agent 都是基于写代码的任务起步的，这不是巧合。OpenClaw 给 agent 全权访问 Mac Mini 也是从代码任务开始的（所以大家都要买 Mac Mini？据说京东断货了）。代码是万能的中间层。一个能写代码、能跑代码的 agent，几乎什么都能干：爬数据、跑分析、搭界面、自动化流程。Agent 写代码不是因为最终目标是编程，而是因为代码是能够到其他一切东西的工具。

有点像当时手机变成了一切的入口。点外卖、打车、转账。这些本来都不是手机该干的事。手机只是那个什么都能跑的平台而已。Coding agent 正在变成同样的东西。生成代码，执行，读结果。代码本身是一次性的中间产物，最终输出才是重点。

那个自我进化的 agent 对所有东西都有完整权限。想改什么文件都行，想加什么依赖都行，想重构什么都行。给够权限，agent 自然会把能用的东西全用上。到处都是同一个趋势：模型就是智能本身，限制它能碰什么，就是在限制它能做什么。

我觉得这后面有一个比“agent 越来越能干”更大的事。

看看模型现在实际在做的事情。它读取指令，决定执行什么。它挑选工具，管理资源。它根据上下文把自己路由到正确的操作上。处理异常，调整方向。外面包着的那层代码，只负责让进程别挂。

我们以为自己在做 agent。但我觉得我们其实在看一个新的操作系统的起步。

200 行 Python，加上一个知道该干什么的模型。这就是整台电脑。