OpenAI后训练工程师翁家翌近期通过实验，为Agentic AI提出了一个引人注目的新范式假设。这一假设指出，未来Agentic AI的发展可能不再仅仅依赖于训练更大规模的模型或传统的梯度优化方法，而是转向一种更为明确和自主完成任务的方向。这意味着AI智能体将从单纯的回答问题，进化到能够理解复杂指令、自主规划并执行多步骤任务的阶段。
这一“梯度之外”的训练范式被业界解读为AI训练的下一个重要方向。它强调AI智能体在特定场景下能够表现出更强的自主性和适应性，甚至能像人类工程师一样，读取代码、提出改进假设、修改并运行代码。这种变革有望催生“提示词工程师”等新职业，他们不直接训练模型，而是通过精心设计的提示词来引导AI完成任务，用“问法”代替传统的“调参”。
相关概念如“Agent Harness工程”被提出，预示着2026年AI代理的范式跃迁与生态重构。它涵盖了“Agentic Workflows”任务运行器，能够对复杂任务进行拆解与分配。同时，业界也关注“Reversed Conversation”（反向对话）等新型人机协作范式，例如Chorus提出的AI与人类反向沟通、共同完成目标。这些都指向AI智能体与人类更深层次的协作。
市场对Agentic AI的热情也在升温，例如美股Agentic AI ETF（AGIQ）的出现，表明AI Agent已成为新的投资热点。像腾讯QClaw这样的AI助手平台升级并接入微信，实现远程操作和内容生成，进一步降低了AI助手的应用门槛。顶尖机构如Anthropic也发布了关于“Agentic Coding Trends”的趋势研判，印证了智能体在代码生成和优化领域的巨大潜力。
这一系列发展标志着AI正从统计建模向Agentic AI进行“世纪进化”，从被动响应到主动完成任务，预示着AI Native时代的全面到来，将对组织变革、商业闭环乃至我们定义AI的方式产生深远影响。
