Karpathy 2025 年提出的 Vibe Coding 概念，在 2026 年演化为 Vibe Working——自然语言成为通用工作界面，AI 不再只是写代码，而是能自主完成整个工作流。微软已在 Office 中上线 Agent Mode，OpenAI 的 Codex 知识工作者用户增速是开发者的三倍，Kimi Work 的 300 个子 Agent 可并行完成竞品分析到 PPT 制作。本质是生产关系变革：从“给 AI 下达指令”升级为“指挥 AI 团队执行复杂任务”。

文章里作者花 3-4 毛生成一份 PPT 的模型正是 DeepSeek V4。2026 年发布的 V4 系列（Pro 版 1.6 万亿参数 / Flash 版 2840 亿参数）采用 MoE 架构，推理成本仅为前代 V3 的 27%，API 输出价最低 2 元/百万 token，比 GPT-5.5 便宜 645 倍。更关键的是，它是首个在华为昇腾平台原生适配的前沿模型，实现了国产算力全栈打通。这解释了为什么国产 AI 工具能跑出如此低的 Token 成本。

Claude Code 走的是终端原生 + 分层代理路线——通过 CLAUDE.md 配置“项目记忆”、Plan Mode 先规划后编码、子代理隔离上下文窗口，强调模块化与可审计性。Trae 则把 AI 编程 IDE、浏览器、飞书连接器、文档工具全塞进一个窗口，追求“All in One”的沉浸感。两种路线背后是不同用户假设：Claude Code 默认用户是程序员，Trust But Verify；Trae 默认用户是产品/运营，降低心智负担优先。

Salesforce 与德勤联合报告显示，89% 的企业已部署 AI Agent，平均每家运行 12 个，未来两年将增至 20 个。但更值得关注的是落差：79% 启动部署，仅 11% 在规模化生产中产生可衡量的价值。瓶颈不在模型能力，而在数据集成——企业平均管理 957 个应用，连接率仅 27%。2026 年真正的拐点要看“大模型 + RPA”融合能否打通遗留系统，以及私有化部署的开源模型（如 DeepSeek V4）能否降低企业的合规顾虑。

作者用 Trae 备课时遇到“不知道自身有飞书连接器能力”的典型问题，暴露了 Agent 在真实场景中的可靠性黑洞。生产环境中的 Agent 核心问题不是模型不够聪明，而是上下文腐烂（Context Rot）——长任务跑到第 15 步时，早期工具返回的 JSON 和报错堆栈把目标淹没了。Anthropic 的评估指南指出，Agent 评估需要从“线性检查”升级为“树状排查”，每个工具调用节点都可能成为故障放大器。