内容提要
AI能力的演变从模型内部向外部系统转移，关注点从模型的知识转向如何组织模型的行动。当前的“harness”阶段标志着能力外移，模型被视为推理引擎，真正的智能分布在外部结构中。未来可能会出现自组织系统，智能的边界将不断扩展。
关键要点
-
AI能力正从模型内部外移到系统结构，关注点从模型的知识转向如何组织模型的行动。
-
从'上下文提示'到'harness'，是整个工程重心的位移，认知负担逐层外包。
-
权重阶段的信仰是模型只要足够强就能解决所有问题，但这种方法代价高且难以更新。
-
上下文阶段通过提示词优化输入，但存在信息过载和缺乏长期记忆的问题。
-
在'harness'阶段，模型被视为推理引擎，真正的智能分布在外部结构中。
-
社区语言的变化反映了工程压力的转移，从权重到上下文再到harness。
-
模型的竞争核心已转向memory设计、skill体系和protocol，而非模型本身的强弱。
-
关键变化是从研究模型的智能转向研究系统的组织方式，调度和状态管理变得更加重要。
-
harness并非终点，而是一个中间站，未来可能会出现自组织系统。
-
智能的边界在不断移动，从模型权重到上下文，再到整个系统结构，未来将向自我演化发展。
延伸问答
AI能力的演变过程是怎样的？
AI能力从模型内部向外部系统转移，经历了权重、上下文和harness三个阶段。
什么是'harness'阶段？
'harness'阶段是将模型视为推理引擎，真正的智能分布在外部结构中，强调系统的组织能力。
为什么社区语言会发生变化？
社区语言的变化反映了工程压力的转移，关注点从模型的能力转向系统的组织方式。
在上下文阶段，模型面临哪些问题？
上下文阶段存在信息过载和缺乏长期记忆的问题，模型无法有效记住之前的对话内容。
未来的智能系统可能会发展成什么样？
未来可能会出现自组织系统，智能的边界将不断扩展，向自我演化发展。
模型的竞争核心现在是什么？
模型的竞争核心已转向memory设计、skill体系和protocol，而非模型本身的强弱。
