别再追 V4 和 5.6 了

别再追 V4 和 5.6 了

——我付费用了两年 ChatGPT 和 Gemini，才想明白 AI 到底该怎么用

这一轮 AI 工具的大爆发，真正让人焦虑的不是工具太多，而是我们一直在用一把错误的尺子量进步——量版本号，而不是量交付。

先交代身份。我在供应链行业干了二十多年，从中兴通讯出来，做过物流与供应链管理协会副秘书长，跟几千家供应链企业打过交道，看着年富、润泰、腾邦这些百亿级供应链公司一个一个爆雷。我做深圳市跨境电子商务协会和跨境电商供应链服务协会，每天的工作就是研究"中国制造怎么更好地卖到全球"。

我是 2024 年开始付费使用 ChatGPT 和 Gemini 的。那时候国内还在争论"这东西能不能用"，我已经在拿它做跨境电商的政策梳理、供应链资料整理、给会员企业写方案。两年下来，工具换了不知道多少茬，我反倒越来越确定一件事：

追版本号，是这一轮最低效的勤奋。

◆ ◆ ◆

一、半年换三代：我看着这些工具在流沙上盖楼

我把最近这半年发生的事捋了一遍，自己都吓了一跳。

2025 年 3 月，Manus 横空出世，被叫作全球首款通用 AI 智能体。八个月 ARR 破一亿美元，月活峰值逼近两千万，内测邀请码在二手平台被炒到近十万。那是它最高光的时刻。年底 Meta 宣布以超过 20 亿美元收购，扎克伯格亲自操盘，十几天敲定。然后——2026 年 4 月 27 日，国家发改委依法作出禁止投资决定，要求撤销这桩收购。这是中国首次依据外商投资安全审查机制，正式叫停一起大型 AI 领域的跨境并购。此后 Manus 月活一路滑落，再后来，腾讯牵头中方资本从 Meta 手里全盘回购了它的股权，启动港股上市筹备。

2026 年 1 月，一只"龙虾"火了。它真名 OpenClaw，是奥地利程序员 Peter Steinberger 做的开源智能体，因为吉祥物是龙虾，国内都叫它龙虾。名字改了三轮：Clawd / ClawdBot → MoltBot → OpenClaw，1 月 30 日才定下来。GitHub 星标从一百涨到三十三万，创下史上增长最快的开源项目纪录。它能读你的文件、开你的浏览器、跑你的代码。彼得给它开了几乎全部权限：邮件、日历、所有文件，甚至家里的灯光和音响。

代价是 token 烧得吓人。彼得自己估算，按真实消耗每月应该超过一万美元，而他实际只付了一千美元——因为他用的是面向个人消费者的包月订阅。Anthropic 先是封号，再发律师函要求更名，理由是 Clawbot 与 Claude 读音太近。社区炸了，喊出"the claw is law"。最后 OpenAI 把彼得招进了自己的智能体研发团队。

后面还有一出更荒诞的：有人给这些龙虾办了个只允许 AI 进入的社交网络 Moltbook，一周涌进十五万个智能体，它们甚至"发明"了自己的秘密语言。特斯拉的马斯克说这是"奇点的极早期阶段"；OpenAI 联合创始人 Karpathy 转发说"我见过最接近科幻起飞的东西"。几天后，安全公司 Wiz 用三分钟拿到了平台的全部数据库权限，一百六十万账户、一百五十万个 API token 全部裸奔。Karpathy 改口："这东西是个垃圾场，我绝对不建议任何人在自己电脑上跑这些。"

2026 年 6 月 9 日，字节把 TRAE SOLO 正式更名 TRAE Work，品牌内涵从"真正的 AI 工程师"改成"真正的 AI 赋能者"。8 月，TRAE 和扣子团队整体并入豆包体系，豆包还要推出独立的 AI 办公产品"豆包工作"。

8 月 13 日，DeepSeek 开源了 Agent 运行框架 Harness，简称 DSH，设计思路是"一切皆插件"。8 月 27 日，百度搭子在上海开"搭子进行时"发布会，喊出"交付即惊艳"，月活 674.30 万，环比增长 1063.79%。

半年，主流工具换了三代。有的改名，有的被收购，有的被叫停，有的直接合并进别的品牌。

我现在主力用 WorkBuddy，腾讯云的全场景 AI 办公工作台。易观的数据显示，2026 年 6 月它以 2097 万月访问量、831% 的环比增速，在桌面端 AI 原生办公智能体赛道领跑。有意思的是，前面说的 Manus，也是腾讯牵头买回来的——一个深耕国内政企、严守本土合规，一个以新加坡主体主攻海外全球。

连腾讯这样的公司，都不敢只押一个工具。

◆ ◆ ◆

二、最锋利的一刀：模型不变，只改框架，成绩翻了近三倍

这一章是整篇文章我最想说的话，也是让我彻底放弃"追版本"的那个数字。

OpenAI 在 Codex 的开源材料里给过一组数据，我看了三遍：仅靠 Harness 层面的改进——保留推理、做上下文压缩——在模型完全不变的前提下，ARC-AGI-3 的得分从 13.3% 提升到 38.3%，而输出 token 下降了六倍。

同一年还有一份研究，结论更狠：在基准测试上，Coding Agent 的 Harness 设计，比模型的大小更能决定成绩。

说人话：模型是发动机，Harness 是整车——方向盘、油门、刹车、导航。

打个我们干供应链的比方。你有一台五百马力的发动机，装在拖拉机上，它跑不过一辆调校好的家用车。排量决定的是上限，整车决定的是你实际能开多快。而我们大多数人换工具，换的全是发动机——今天听说某个模型强，明天听说另一个版本好，后天去抢某个新 Agent 的内测码。

真正决定你产出的，是另外三件事：

第一，你给的上下文够不够——相当于导航里有没有输目的地。

第二，任务拆得对不对——相当于路线规划得合不合理。

第三，有没有反馈循环——相当于开错了能不能及时修正，而不是一路开到沟里。

我的做法是：给 AI 的从来不是一句话，是一份"背景包"。

比如我要做一份出海研究报告，会先跟它说清楚：这份东西给谁看——是给政府看的、给会员企业看的、还是给投资人看的；我们这个协会服务的企业是什么样的体量、在哪个阶段；哪些数据必须标来源、哪些话不能说；最终要什么格式、多少字。这一整套背景，我早就固化成了几个模板。换模型？换工具？模板直接带过去，几乎不用重学。

◆ ◆ ◆

三、假快与真快：提效的分水岭是"一次通过率"

TRAE Work 有个在横评里被反复提的毛病，我特别喜欢拿它当教材：它什么都给你做成网页。

你让它写周报，它交给你一个网页；你让它做 PPT，它交给你一个带快捷键切换主题的 HTML。公平地说，它信息规范性做得是同类里最好的——每条动态都标了来源，还能跳转。但格式不对，你还得自己重做一遍。速度优势，直接被返工抵消。

这个例子把"假快"说得太透了：效率在生成端赚的，在返工端又亏回去了。

所以我现在不看"AI 有多快"，我看一个公式：

一次通过率 30% 的"快"，不如一次通过率 80% 的"慢"。这个道理，做过工厂的人都懂——你宁可要一条慢一点但良品率高的产线，也不要一条飞快但次品堆成山的产线。

百度搭子 8 月 27 日那场发布会提了个词，我很认同："交付即惊艳"。他们还做了一个叫 DuMateBench 的榜单，是行业第一个评测智能体"真实交付能力"的开放共创榜单，首批纳入两百多个真实办公任务。注意关键词——不是"生成能力"，是交付能力。一家公司愿意把钱和声誉押在"交付"这两个字上，说明行业已经摸到真正的瓶颈在哪了。

我的做法是：给 AI 定"验收标准"，而不只是定"任务"。

比如我要一份某国跨境电商政策的分析，我会先把话说死：

给谁看——准备落地那边的会员企业负责人；多少字——两千字以内，不要写成长论文；什么格式——要点式，每条结论后面必须跟一句"对企业意味着什么"；数据来源——官方公告优先，媒体解读要标注，不许编数字；边界——不涉及政治评价，只讲商业影响。

这跟我们做供应链管理是一个道理。没有验收标准的交付，等于没有交付。你去工厂验货，不可能只说"把货做出来"，你得给图纸、给公差、给抽检标准。对 AI，一模一样。

◆ ◆ ◆

四、每一次使用，都应该留下一份资产

这一条，是我这两年最值钱的经验。

先看几个信号，你就知道行业在往哪走。

WorkBuddy 提了个概念叫"企业 AI 资产"——把企业知识、专家经验、系统连接器、标准化流程，沉淀成可复用的资产。业务人员不需要懂研发，用自然语言就能建自己企业专属的智能体。

百度搭子做了个功能叫"搭子时刻"——你不光能分享成果，还能分享"这个成果是怎么做出来的"，让别人直接复用你的工作步骤。

DeepSeek 的 DSH 是"一切皆插件"——模型、工具、技能、会话、存储全是插件，能自由替换重组。它甚至能把 Claude Code 和 Codex 装进来当"子代理"，让一个 AI 指挥一群 AI 干活。

龙虾的技能机制更朴素——它每天把自己的行为写进 markdown 文件，下次执行前再读一遍。彼得这么设计的理由很简单：这样"技能"就不用每次重新生成了。

看出共同点了吗？所有跑在前面的工具，都在解决同一件事：让上一次的努力，能变成下一次的起点。

我把沉淀分成三层：

第一层，提示词模板。凡是问过三次以上的问题，一律固化成模板。这是最便宜的一层，也是回报最快的一层。

第二层，背景包 / 知识库。行业术语、企业资料、政策口径、禁忌清单。这一层决定 AI 说话像不像"你们公司的人"。

第三层，技能 / 流程。把多步骤任务固化成可复用的工作流。这一层最难，但也最值钱，因为它直接对应"组织能力"。

我们做供应链的，都懂一个词叫"规模效应"——量上去了，成本就摊薄了。AI 这边对应的那个词，叫复利效应：不是量摊薄了成本，而是每一次使用，都让下一次变得更便宜。

◆ ◆ ◆

五、别追工具的版本号，追你企业的版本号

聊到这儿，我想把一个更要紧的东西摆出来。

我们天天盯着工具的版本号——今天是 V4，明天是 5.6，后天又冒出来一个新名字。但我想问一句：你企业的版本号，是多少？

这两年我看了不少企业上 AI，慢慢摸出一个规律：企业用 AI 这件事，是可以分版本的。而且这个版本号，跟工具的新旧一点关系都没有。

企业版 V1.0 · 追新型。特征是收藏一堆工具、抢内测码、比参数、群里转"某某模型又升级了"。判断标准很简单：你的 AI 能力跟着工具走，工具一换，你就得重学一遍。大多数企业和个人，都停在这一版。

企业版 V2.0 · 会用型。特征是公司里少数几个人——往往是老板自己，或者几个年轻人——能把 AI 用起来，产出还不错。但没有标准、没有沉淀。判断标准同样简单：离开了那几个人，能力直接归零。这一版比 V1.0 强，但脆弱。

企业版 V3.0 · 沉淀型。特征是有模板、有背景包、有知识库，一次通过率明显上来了。判断标准是：新人拿过去就能用，产出质量稳定，不再依赖某个"高手"。到这一版，AI 才真正开始变成公司的一项能力，而不是某个人的手艺。

企业版 V4.0 · 进化型。特征是 AI 已经嵌进流程——有统一下发的流程、模板、检查项，个人的沉淀能变成团队的资产，数据能越用越准。判断标准是：AI 一旦撤走，流程会卡住。换句话说，AI 已经长进了你的组织里。

这四个版本，跟工具的新旧没关系，跟你投了多少钱关系也不大。它只跟一件事有关：你有没有在每一次使用之后，留下一点东西。

我见过用着最新工具、却还停在 V1.0 的企业；也见过就用一两个常规工具、已经摸到 V3.0 的团队。差别不在工具，在方法。

◆ ◆ ◆

六、个体提效之后，是组织进化——给出海企业的一句提醒

先看两个数。

第一，国内 AI 办公桌面端的月活大约 3000 万。听着不小，但据行业测算，相比传统办公软件，它还有约 20 倍的增长空间。

第二，百度集团执行副总裁沈抖说：未来 90% 的工作，都可能有智能体深度参与。

两个数放在一起，结论很直白：绝大多数人，还没有真正把 AI 用进自己的工作流。所有人都在谈 AI，但真正每天让 AI 干活、而且干成了的，是极少数。

所以眼下最真实的风险，不是"AI 会不会取代你"，而是"会用 AI 的同事已经把你甩开了"。但请注意——这个"会用"，不是在对话框里问一句，而是能把 AI 嵌进流程。

落回我的本行。8 月中旬腾讯在成都那场供需对接会上，有个数字我记了很久：制造业质检环节，智能校核把检验报告的校核时长从 2 到 4 小时，压缩到 5 到 10 分钟。同一场活动还提到，在跨境电商领域，AI 正在推动组织从"个体提效"迈向"组织进化"。

两到四个小时，压到五到十分钟。放到出海的语境里，这不是省了几个工时，这是交付速度的代差。

我们做跨境电商、做品牌出海，拼到最后拼的是什么？不是谁嗓门大，是同样的品质，你能不能更快交、更便宜交、更稳地交。而 AI 正在把"更稳地交"这件事的门槛，整体往下压了一大截。会用 AI 的出海企业，和不会用的，三年后大概率是两个物种。

给企业三条建议，都很土，但管用：

第一，别全员铺工具，先挑 3 个高频场景打透。铺得越广，死得越快。就挑最痛的、最重复的、最容易验收的三件事。

第二，别追新，先把一个工具的上下文和验收标准调到 80 分。80 分的旧工具，远远胜过 30 分的新工具。

第三，每个月盘点"沉淀了什么"，不是"用了多少次"。使用次数是成本，沉淀下来的才是资产。

◆ ◆ ◆

最后说一句

这两年我最大的体会，其实就一句话：

工具会一直换。龙虾会蜕壳，TRAE 会改名，Codex 会加新模式，明年还会有叫不出名字的新东西冒出来。工具的版本号会一直往上跳，但那跟你没关系——你要盯的，是你企业那个版本号。而有三件事，换一百代工具都不会变：

把一件事说清楚——这是上下文。

把标准定明白——这是验收。

把经验留下来——这是沉淀。

这三件事，跟 AI 没关系，跟做事有关系。AI 只是把它们的回报率，放大了十倍。

我做供应链二十多年，亲眼看着年富、润泰、腾邦这些百亿级的公司一个一个倒下。它们倒下的原因各不相同，但有一点是共通的：在顺风的时候，把行业的红利，误当成了自己的能力。

今天用 AI 也是一样。模型变强、工具变多，那是行业的红利。你能不能把这份红利真正变成自己的能力，取决于你是在追工具的版本号，还是在升你自己企业的版本号。

工具是浪花。你是船。