Agent 牌桌已变：值钱的是流程、记忆和评估，不是提示词

2026 年 9 月 19 日，视频号「元智社」发了一条观点视频，文案只有一句话：「Agent 的牌桌已经变了。真正值钱的是把流程、记忆、评估和工具链跑稳，只会复制提示词越来越像入门动作。」这条视频没有给证据，但结论和 Anthropic、Cognition 公开的工程指南指向一致。本文把这句话拆成四个词逐一核对，看哪些站得住、哪些要打折。

提示词只值入场费

复制别人调好的提示词曾经真能白捡效果，原因很简单：那时的任务大多发生在单个窗口里，一问一答就结束。Agent 不是。Anthropic 在 2024-12-19 的《Building effective agents》里写得很直白：“They are typically just LLMs using tools based on environmental feedback in a loop.”——Agent 就是在循环里用工具、根据环境反馈迭代的 LLM。循环一长，提示词只决定第一步的质量，后面每一步取决于工具好不好用、上下文记不记得住、错了能不能被发现。

记忆和上下文

上下文是每轮都在重排的有限资源，这是提示词管不了的部分。Anthropic 在 2025-09-29 的《Effective context engineering for AI agents》里把 prompt engineering 的延伸命名为 context engineering：“Context engineering is the art and science of curating what will go into the limited context window”，同时确认了 context rot 的存在：窗口里 token 越多，模型准确召回的能力越差。所以「记忆」不是加分项，是预算管理：把关键事实写进外部笔记、压缩快满的对话、给子 Agent 干净的窗口，视频里说的「记忆跑稳」对应的就是这一层。

评估先行

评估是「跑稳」的前提：先定义什么叫稳，才谈得上发现回归。Anthropic 在 2026-01-09 的《Demystifying evals for AI agents》里给出的判断是：“Evals make problems and behavioral changes visible before they affect users, and their value compounds over the lifecycle of an agent.”——没有评估集的团队只能靠用户投诉发现问题，而且分不清回归和噪声。Cognition 在 2025-06-12 的《Don’t build multi-agents》里把 context engineering 称为 “effectively the #1 job of engineers building AI agents”，支撑这种迭代的正是可复现的测试。

工具链的标准化

工具链这一层已经有事实标准。MCP 由 Anthropic 在 2024-11-25 发布，OpenAI 于 2025-03-25 宣布采纳，Google DeepMind 在 2025-04-09 跟进（据 Wikipedia，查于 2026-09-28）。工具接入标准化之后，护城河就从「我有独家提示词」移到「我的工具文档写得多清楚、失败时多好诊断」——Anthropic 说他们在 SWE-bench 上花在工具上的时间超过了提示词。本站介绍过的 VibeKit（给编码 Agent 的沙箱 SDK）和 Team9（本地优先的 Agent 运行时）都属于这一层的基建。

反方的理由

最强的反方是：对多数个人项目，这套话就是过度工程。任务单一、调用量小的时候，提示词调优依然够用；评估集要维护，Mem0、Letta 这类记忆方案会引入新的故障面，编排框架连 Anthropic 都不推荐先上——同一篇文章里写的是 “Consistently, the most successful implementations weren’t using complex frameworks or specialized libraries.”。工程化的成本要规模化之后才回本，牌桌变了，不等于每个人都该现在下注。

还有一层诚实的提醒：原视频只有一句文案，没有可核对的证据链。本文的论据全部来自公开工程指南；观点归元智社，核对归本站。

先做十次测试

不用引框架。把同一个输入在你的 Agent 上跑十遍，数一数结果不一致的次数、从第几次开始跑偏。这十分钟的土办法就是评估集的雏形，它会直接告诉你：你的瓶颈在提示词，还是在那张牌桌上。