当 Agent 的热潮退去，我们应该如何看待它？

从年初的 OpenClaw，到后来 Anthropic 推出的 harness 概念，再到两月前再度引发热度的 Hermes，这一波由 Agent 及其衍生技术掀起的浪潮，似乎正在慢慢归于平静。

OpenClaw 已经很少被人提起；Hermes 的热度也在逐渐散去。大家对 Claude Code 的讨论，也从最初的惊艳，慢慢转向对后续版本的吐槽。

当过去的惊喜变成今天的习惯，当曾经的狂热逐渐回到冷静，或许可以重新问一个问题：

到底应该如何看待 Agent？

先从最近的两段使用经历说起。

1. Hermes 的自主进化

我最近常用 Hermes 作为日常学习和工作中的个人助理。它最值得注意的两点，是 Memory 管理机制，以及把经验沉淀为 Skill 的能力。

我曾在 Skill 管理工具（HarnessKit）的最近安装列表中，发现了一个我从未安装过的 Skill，原来是 Hermes 根据之前的一个任务自动总结出来的。

它不只是记住了某些信息，还把一次具体经验，压缩成了一种可以复用的工作方法。而且，这个 Skill 又可以分享给其他 Agent 使用。

也就是说，知识可以从一个 Agent 的经验里被总结出来，再迁移到另一个 Agent 的工作流里。

Agent 之间，有了一种知识传播方式。

我之前写过一个 Skill，里面明确要求：输出文本需要按照条目逐一列出。但最近一次，Codex 最后却把内容画成了表格。这个 Skill 之前已经被使用过很多次，大多数时候都能正常工作。但这一次，它没有完全按照 Skill 里的指令执行。

这说明了另一件事：Skill 并不是规则引擎；它不是编译器；它不是形式化约束。
它最终仍然要经过模型的理解、选择和执行。而只要中间还有模型，就一定还会有偏差。

这两个例子：

一个带来了惊喜：Agent 似乎真的开始具备某种学习和沉淀能力。
一个带来了隐忧：即便知识已经被写成 Skill，Agent 也不一定总能稳定、严格、可预期地执行它。

人类文明的进步，很大程度上依赖于知识的流转。

从口口相传，到泥板刻字；
从竹简纸张，到活字印刷；
从百科全书，到搜索引擎；
从翻阅网页，到与大模型对话。

每一次知识载体的变化，都在改变知识传播的速度。
每一次知识传播速度的提升，也都在重新塑造社会协作和科技发展的方式。

而到了 Agent 时代，知识的流转似乎又被加速了一次。

一个经验丰富的工程师，可以把自己的实践经验写成 Skill。另一个非专业领域的人，只需要把这个 Skill 加载到自己的 Agent 中，就可以几乎立刻获得一部分原本需要长期积累的操作能力。

而当 Agent 可以自我总结、自我沉淀 Skill 的时候，知识传递的速度还会更快。因为这一次，甚至连“由专家手动整理经验”的环节，都有可能被部分自动化。

这当然是令人兴奋的。但它也带来了一个更深的问题：

知识的受体，正在从人转移到 Agent。

当 Skill 部署在 Agent 里时，我们真的了解这项技能吗？
当 Agent 消耗 token 替我们完成任务时，我们真的知道它如何理解了这些指令吗？
当它输出一个看似合理的结果时，我们真的能判断它有没有严格执行我们给它的规则吗？

过去，我们担心的是模型会不会胡说。
现在，我们还要担心的是 Agent 会不会误解、误用、遗漏，甚至自信地执行一个偏离原意的动作。

过去大家讨论 Agent，更多是在讨论它“能不能做事”；
接下来，真正重要的问题可能会变成：它能不能稳定、可控、可审计地做事。

当 Agent 开始记忆、总结、调用工具、复用 Skill 时，它就不再只是一个会生成答案的模型，而逐渐变成了一套参与真实工作流的执行系统。如何管理它、监控它，并理解和约束它的推理与执行过程，可能是 Agent 热潮退去之后，一个值得继续讨论的问题。