我真正反对的，不是 agent，而是没有工作法的 agent。
很多关于 agent 的讨论，一上来就问：它能不能自己规划？能不能自己调用工具？能不能自己把事情做完？ 这些问题当然重要，但我越来越觉得，它们不是第一性问题。
第一性问题应该是：这个 agent 站在什么工作方式上？ 如果一个人自己都没有清晰的 skill，没有稳定的 workflow，没有验证结果的习惯，那么把模型接上工具， 只是把混乱放大。
所以我现在更相信一条慢一点、但更扎实的路线： skill -> workflow -> agent。先把个人能力拆成可复用的 skill，再把高频任务组织成 workflow，最后让 agent 执行这些 workflow，并在异常、分支、验证和协作处发挥智能。
agent 不是生产力的起点，workflow 才是。Samuel Wang / IntentDNA notes
市场已经在奖励“会组织 AI 工作系统”的人。
这不是一个纯个人偏好。OpenAI 在 agent 指南里把 agent 定义为能代表用户独立完成任务的系统； Anthropic 明确区分 workflow 和 agent；McKinsey 的 2025 调研也指出，AI 工具已经普遍使用， 但大多数组织还没有把它们深度嵌入 workflow 和流程里。
这说明机会不只在“会调用模型”，而在“能把模型、工具、上下文、验证和业务流程组织起来”。这也是我认为 IntentDNA 有价值的原因：它不是再造一个模型，也不是再做一个聊天入口，而是研究如何把人的意图和组织边界， 编译到不同 harness 和 runtime 里。
机会正在出现
WEF 2025 把 AI/big data、技术素养、系统思维放进快速上升的能力集合。 这不是单点工具能力，而是复合系统能力。
但落地仍然很难
McKinsey 2025 显示 agentic AI 正在扩散，但从 pilot 到 scale 仍然困难。 难点正是流程、治理、验证和组织吸收能力。
skill、workflow、agent 不是三个热词，而是三个层级。
我现在会把它们切得很清楚。Skill 是最小的可复用能力单元； Workflow 是稳定交付路径；Agent 是能在 workflow 里执行、 判断、调用工具和处理异常的主体。
Skill 不是 prompt。
prompt 是一句指令，skill 是一种能力接口。一个好 skill 应该包含触发条件、上下文、工具、输入输出约定、 失败处理和示例。它像一个小型操作手册，而不是一句“请你帮我做某事”。
Workflow 不是流程图。
workflow 的价值不在画出来，而在可运行。它必须能回答：谁输入什么？哪一步产出什么？ 哪些地方需要验证？失败后怎么恢复？什么时候交给人？什么时候结束？
Agent 不是自由意志。
agent 的价值不是“想干什么就干什么”，而是在边界内动态执行。它应该优先调用成熟 workflow， 而不是每次重新发明一套工作方式。
松散 agent 最大的问题，是它不能稳定继承人的工作质量。
一个松散 agent 也许能在 demo 里完成一次任务，但生产力系统看的是重复交付。重复交付需要记忆、边界、 验证、恢复、审计和可复盘的执行轨迹。
这也是为什么我不太认同“先做一个很自由的 agent，再等它自己学会工作”。如果 workflow 缺席， agent 很容易出现几类问题：上下文堆太多、工具调用没有边界、失败静默发生、结果不可验证、下一次无法复用。
我的判断是：越是复杂的任务，越不能把全部复杂性丢给模型。复杂性应该被拆进 skill、workflow 和 harness， 模型负责在关键节点做判断，而不是替代全部工程结构。
IntentDNA 的位置，是 workflow 和 harness 之间的治理语言。
如果我的个人路线是 skill -> workflow -> agent，那么 IntentDNA 的系统路线就是： 把这些 workflow 背后的意图、约束、角色、权限、验证和证据，变成可声明、可编译、可迁移的语言。
它不应该绑定某一个 runtime。今天用户习惯 Codex Desktop，明天团队可能用 Claude Code、 OpenAI Agents SDK、内部 CI agent 或业务系统里的 agent。真正的组织问题是： 如何声明一次意图，让不同 harness 都能按同一套边界工作？
所以我越来越确认：IntentDNA 不一定要成为唯一 harness。它更应该成为 harness 的治理语言和编译层。 这是更难的路，但也更像未来公司会真正需要的东西。
对我个人来说，这也是一条职业路线。
我现在整理个人网站，不只是为了让页面更漂亮，而是为了建立一个 public proof system。别人打开网站时， 不应该只看到我会 React、Next.js、移动端或 AI 工具；他们应该看到我如何思考，如何推进，如何把模糊想法变成系统。
所以这组文章不是内容营销，而是我的工作方式本身：我把自己对 agent、workflow、harness、公司大脑的判断， 拆成文章、图、case、实验室页面和项目路线图。它们最终会反过来约束 IntentDNA 的设计。
我接下来要证明的，不是“我懂 agent”，而是“我能设计 AI-native 工作系统”。
- 把个人经验拆成 skill，而不是停留在感觉和口头表达。
- 把高频任务固化成 workflow，而不是每次重新组织上下文。
- 把 agent 放进 workflow 和 harness，而不是放任它自由发挥。
- 把每次执行沉淀成证据，而不是只展示结果截图。
- 把个人方法论升级成组织可复用的治理语言。
这些判断不是孤立的。
我选择引用这些来源，不是为了堆权威，而是因为它们从不同角度指向同一个事实： agent 的价值正在从“模型能力”转向“工作流、工具、验证和组织系统能力”。
Anthropic 明确区分 workflows 和 agents，并建议从简单、可组合模式开始，而不是过早引入复杂框架。
OpenAI 把 agent 放在 workflow 执行、工具访问和 guardrails 的上下文里讨论，而不是只讨论聊天能力。
McKinsey 看到 AI 使用普及，但企业级收益仍受 workflow、流程嵌入和规模化能力制约。
WEF 把 AI/big data、技术素养、系统思维等能力列为未来工作的重要增长方向。
Andrew Ng 的课程强调 reflection、tool use、planning、多 agent workflow，以及 eval 和部署。
Bessemer 把 AI-native development 描述为团队如何把 AI 编排成高速度、可复利的系统。