Agent领域六个关键判断：通用为王，插件与模型定胜负

近期关于AI Agent的行业讨论中，一位博主分享的三个核心判断引发了不少关注，结合这些观点，我也想聊聊自己对Agent赛道的一些思考。

首先，通用型Agent将逐步取代垂直类Agent，像Codex、Claude Cowork、WorkBuddy这类通用工具，搭配Skill和MCP插件后，就能覆盖绝大多数专业场景的任务，不少原生AI应用的创业思路其实并不成立。

其次，更开放的Agent方案会淘汰封闭的产品，当模型能力逐渐趋同，模型本身会成为可路由的基础设施，Agent产品应该允许用户自由选择模型，甚至支持本地部署和模型自由迁移。

最后，更注重下沉精细化运营的团队会取代那些姿态傲慢的头部团队，Codex、Claude、DeepSeek背后的研发团队都以通用AGI为目标，不愿投入精力做琐碎的精细化运营，这就给了草根团队留下了生存和发展的窗口。

在我看来，通用Agent的竞争格局远不止于取代垂直Agent，整个通用Agent赛道最终也会走向少数赢家通吃的局面，哪怕是规模较小的通用Agent产品，也很难在这个赛道中找到生存空间。

插件生态是Agent的核心竞争力

关于开放与封闭的差异，其实并不在于是否开源，也不在于能否自由切换模型，真正的核心在于其插件生态的完善程度。像当前广受好评的Claude Code和Codex，虽然默认使用自家模型，但这并没有对其市场表现造成太大影响，更何况它们也都支持通过API调用其他模型。Agent能够快速走红，离不开丰富的插件生态支撑，Skill和MCP插件组合可以帮助Agent完成各类定制化的任务，这也是Agent区别于普通大模型对话工具的关键所在。

早期Agent产品的核心价值是教育用户

“下沉”与“傲慢”其实都是比较主观的表述，比如WorkBuddy的模式未必能算作下沉，Codex也未必称得上傲慢，当然Anthropic团队的姿态确实容易被认为傲慢，但只要模型能力足够强大，用户往往还是会选择接受。Agent这类产品本身用户忠诚度并不高，绝大多数早期的Agent产品，本质上都在承担用户教育的职责。比如曾经的某款早期Agent工具，即便现在已经很少被提及，但它确实推动了Agent的大众普及，在AGI发展史上也留下了印记。WorkBuddy当前的火爆，同样是在教育用户，让不少此前不知道或者无法使用Codex、Claude Code的用户，也能体验到Agent的便利。回想当年Claude Code的火爆程度，后来Codex推出GUI版本后，很快就抢走了大量用户群体，这也印证了用户会随着更好的产品出现而快速迁移。

模型能力才是真正的护城河

Agent的产品体验本身并没有太深的技术护城河，最终都会走向同质化，真正能拉开产品差距的，还是模型的能力和使用成本。绝大多数Skill和MCP插件都不具备独占性，在一个Agent平台上可用的插件，换到其他平台通常也能正常使用。用户使用Agent时，体验差异的核心来源还是模型本身的智能程度。当用户体验过高性能的模型后，很难再接受能力较弱的模型，很多人当前选择普通的Agent产品，只是因为没有机会接触到更好的方案，一旦有更智能、更实惠的模型可用，用户会毫不犹豫地切换，几乎没有忠诚度可言。比如Cursor的Agent体验同样出色，支持接入多种模型，但当前热度最高的依然是Codex和Claude Code，核心原因在于它们的订阅服务性价比更高。

个人开发者与小团队无需硬拼通用Agent

对于小团队来说，无论是做通用Agent还是垂直Agent，当前已经很难找到机会，但基于Agent生态开发插件，依然存在大量的创业和变现窗口。当前很多传统软件并没有针对Agent场景做适配，这其中还存在一段时间窗口。目前Skill插件已经比较泛滥，单纯开发一个通用Skill并没有太高的门槛，但如果以Skill作为入口，后续接入专属服务，则可以打造差异化竞争力，这也是小团队可以尝试的方向。

普通用户越早使用Agent收益越高

AI Agent并不会替代使用者，但可以帮助完成大量电脑端的重复性工作，越早开始使用Agent，就能越早享受到效率提升带来的红利。适当投入一些成本使用更智能的模型，能够节省大量时间，同时提升使用体验，把钱花在高性能模型上是值得的，但也无需超出自身承受能力。要相信Agent能够帮助提升效率，这种信任本身就能让使用者获得更好的体验。除非是用于测试，否则没必要安装过多的Skill插件，尤其是全局Skill，但应该学会让Agent帮助编写自己的Skill，并持续迭代优化。未来管理能力，尤其是工程管理能力会变得越来越重要，因为普通人也需要管理自己的Agent，而管理Agent和管理项目的逻辑有很多相似之处。如果条件允许，更换Mac电脑会是不错的选择，它是适配Agent的最佳硬件搭档。