云雀 · 轻技术笔记

Agent 时代三大阵营正面交锋：Anthropic 卖工作流、Google 卖运行时、YC 在卖协议互转

AIAgentLLM大模型AIGC

这两天 HN 和 GitHub trending 同时给我推送了三个故事，看着像热闹，掰开看是三条完全不同的押注路线。

一个是 Anthropic 把 Skills 协议推进到金融纵深（投行 / 股票研究 / PE / 财富管理）—— anthropics/financial-services 35.7k stars 一夜上榜。

一个是 Google 9-20 静悄悄地发了开源的 Agentic Orchestrator google/ax，HN 当日 634 pts / 292 评论，首页飘了三天。

一个是 YC W26 的 Skillsync 和 HN 上 Foremerge 这类项目开始做"跨厂商 Agent 协议互转"——Claude Code 切到 Codex 不能带记忆、两个 Agent 同时改一个类 Git 看不出来，这些问题开始有人接。

三件事凑到一周里不是巧合。我把它们掰碎讲给你听，看完你至少能回答一个问题：接下来 12 个月，你的团队到底该押注哪一边。

1. 三件事同周爆发，时间线不是巧合

先把时间线排清楚，这件事才能讲清楚。

9 月 14 日（周一）：Anthropic 选定纳斯达克上市，9 月下旬公开招股书。投后估值 9650 亿美元，要刷新七项全球资本市场纪录。

9 月 16 日（周三）：Anthropic 把 Claude Cowork 整合进 Claude Chat 主入口（"Claude Cowork and chat are now one Claude"），HN 当日 233 pts / 235 评论。Claude Docs 也同期发布对标 Google Docs。

9 月 17 日（周四）：Anthropic 一次性开源 11 个 Cowork 插件（anthropics/knowledge-work-plugins），覆盖 productivity / sales / legal / finance / enterprise-search 五个职业分桶。

9 月 20 日（周日）：Google 推出 AX – Google's Open Agentic Orchestrator，GitHub google/ax 仓库，HN 634 pts / 292 评论，是过去一周 HN 首页评分最高的 AI 故事。Will Larson 在同一天发了《Trying the Software factory pattern》，把他在 Imprint 的 9 个月 AI 落地时间线完整写出来。

9 月 22 日（今天）：Anthropic 推 anthropics/financial-services 35.7k stars，把 Skills 协议推进到金融纵深。同期 GitHub trending 上还有 BuilderIO/agent-native（mitosis/Qwik 团队下场的 React Agent 框架）、trycua/cua（computer-use 2.0 开源驱动 + 跨 OS 集群）、coder/coder（Agent 隔离沙箱）、akitaonrails/ai-memory（跨厂商 Agent 长期记忆）。

一周时间，Anthropic、Google、开源社区三股力量同时出牌。这不是 2026 年 AI 行业在"卷模型"——这是 Agent 时代的"操作系统之争"已经开打，战场从模型本身烧到了下一层。

2. Anthropic 的押注：把行业 Know-How 封装进 Skills，做"工作流套件"

先看 anthropics/financial-services 这个仓库本身。

35.7k stars 不是因为代码写得多好——一个 Skills 包能写出什么复杂代码？它能火是因为 Anthropic 把投行的四个核心工作流拆成了可调用的 Skills：

  1. 投资银行（Investment Banking）：M&A 建模、Comparable Companies、Precedent Transactions、DCF 估值、LBO 模型，五个标准化的 Skills 模块。
  2. 股票研究（Equity Research）：财报分析、估值更新、行业对比、研报撰写。
  3. PE/VC 尽调（Private Equity / Venture Capital）：DD checklist、市场 sizing、商业模式分析。
  4. 财富管理（Wealth Management）：资产配置、风险评估、税务规划。

每一类 Skills 都附带参考 Agent + 数据连接器 + 工作流模板——不是丢一个 prompt 给客户，是把投行分析师过去 20 年积累的 Know-How 全部封装成可被 Claude 调用的标准化操作。

这不是"AI 帮金融分析师写 Excel"，这是"AI 直接接管 IC memo + 分析师做校对"。职级差异：从"AI 辅助"到"Skills 直接接管"。

配合 9-16 的 Claude Cowork 整合进 Chat 主入口，这事的逻辑就清楚了：

Anthropic 的目标不是让 Chat 替代某个单一职业，而是让 Chat 成为职业工作流的操作系统。每一个 Skills 包都是一个垂直应用的"启动器"——律师调用 legal Skills 包、分析师调用 financial-services Skills 包、销售调用 sales Skills 包，全部从同一个 Chat 入口走。

这种模式有个商业逻辑层面的硬证据：Anthropic 9 月 14 日选定纳斯达克上市，9 月下旬公开招股书。IPO 前 6 周是估值锚定期，市场会用你最近的产品动作定价。Anthropic 在 IPO 前密集投放 Skills 包，不是为了"卷 Skills 数量"，是给投资者讲一个故事：

"我们不只是 LLM 公司，我们是'工作流系统'公司——每一类职业的工作流都被我们标准化了，这部分市场未来 5 年有 5000 亿美元 TAM。"

这就是金融分析师看到的真实版本：Anthropic 在用 Skills 摆出一个"职业操作系统"的估值锚，IPO 后接着讲平台故事、API 故事、行业 SaaS 故事。这是 LLM 公司向"行业垂直 SaaS 平台"演化的范式转移。

3. Google 的押注：把 Agent 调度/沙箱/网络隔离做成开源基础设施

同一天（9-20），Google 反着做。

google/ax 的官网原话：

AX: Declare an agentic task in YAML. AX sandboxes it, wires up its workspace, fences its network, and helps running it at scale.

把它做的事用人类语言讲一遍：

  1. 声明式 YAML：用户写一个 task.yaml 文件描述 agent 要做什么（不是写 Python 代码，不是写 prompt，是写一份"任务说明书"）。
  2. 沙箱隔离：每个 agent 任务跑在自己的 workspace 里，互不干扰。
  3. 网络隔离（fencing）：agent 的网络访问被限制在白名单内，不能随便调用任意 API。
  4. 集群化运行：可以同时启动几百几千个 agent 任务在 K8s 集群上跑。

举个 YAML 例子（来自官网示例）：

apiVersion: ax.io/v1alpha1
kind: Workspace
metadata:
  name: golang
spec:
  git:
    - repo: https://github.com/golang/go.git
      branch: "my-fix"
---
apiVersion: ax.io/v1alpha1
kind: Task
metadata:
  name: test
spec:
  workspaces:
    - name: golang
      goal: "Ensure that Go tool chain is available and is built from source"
  debug: true

然后用 ax apply -f task.yaml 提交，AX 自动拉代码、配沙箱、跑任务，ssh 进去还能交互。整个流程和 K8s 部署 Pod 的体验一模一样。

这不是"又一个新的 LangChain 框架"。LangChain / LlamaIndex 解决的是"Agent 怎么用 LLM"，AX 解决的是"Agent 怎么在生产环境跑"——前者是开发者框架，后者是生产级基础设施。

Google 这步棋很明确：

不去抢 LLM 市场份额（GPT-5/Claude 4.5/Gemini 3 Pro 已经定型），也不去抢"行业工作流"市场（Anthropic Skills 包这种业务 Know-How 不是 Google 的基因）。Google 要卡的是 Agent 时代的"K8s"位置——所有 Agent 任务不管用什么模型、不管跑什么业务，最后都要在某种"调度 + 沙箱 + 网络隔离"的运行时上跑。

当 Anthropic 用 Skills 卖工作流的时候，Google 把运行时做成开源免费。Anthropic 卖的是"行业 Know-How 的封装"，Google 卖的是"Agent 时代的操作系统"。

这就是同一天的两笔押注。

4. YC 和社区的押注：跨厂商协议互转层

第三股力量是社区和 YC。它们看到了一个被两边都忽视的痛点：

当 Claude Code 切到 Codex、之前积累的项目记忆全部丢了。 当两个 Agent 同时改一个类、一个想 replace、一个想 extend、Git 看不出来。

这不是 LLM 的问题，也不是 Skills 的问题，这是Agent 时代的协议层问题。Anthropic Skills 协议是单厂商协议（Anthropic 自家），Google AX 是单厂商运行时（Google 自家），跨厂商、跨 runtime 之间的"会话/记忆/意图"互转是空白。

社区开始接。

4.1 Skillsync（YC W26，9-17 HN Launch HN，66 pts）

Skillsync 创始人 Nars & Nishant 把这个项目定位成 **"ffmpeg/pandoc but for agent sessions"**——把一个 agent 的会话历史转成另一个 agent 能读懂的格式。

底层引擎叫 txcript，Rust 实现，开源在 github.com/skillsynchq/txcript。它做的事情是：

  1. 扫描所有 agent 的本地会话目录（Claude Code、Codex、Cursor 等各家格式不同）。
  2. 把会话结构（对话、推理、tool calls）转换成统一的中间表示。
  3. 再从这个中间表示写回目标 agent 的本地格式。

商业逻辑：Agent 用户会被锁定（lock-in）—— 你用 Claude Code 三个月，累积了大量会话历史和 Skills 记忆；想换 Codex，对不起，记忆带不走，只能重新开始。Skillsync 让用户不被锁定，YC 投的就是"反锁定"原则的中间层价值。

4.2 akitaonrails/ai-memory（GitHub 9-22 trending，7.5k stars，Rust）

同一周在 GitHub 上榜的 akitaonrails/ai-memory 是 Akita On Rails（巴西 Ruby 老牌博主，HN vibe-coded multi-agent memory 项目被作者推到 GitHub）做的同一类东西：

Solution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors

Rust 实现，工业级。这跟 Skillsync 的区别是：

  • Skillsync 是 SaaS + 开源引擎（商业项目），目标是把"会话转译"做成产品。
  • ai-memory 是纯开源工具，作者亲自下场做，目标是把"跨厂商长期记忆"做成一个 CLI 工具。

两个项目同周爆发说明：跨厂商记忆层不是个别痛点，是 Agent 时代的结构性需求。

4.3 Foremerge（9-21 HN Show HN，39 pts）

foremerge 解决的是"两个 Agent 同时改一个类"的协调问题。来自 GPTree 团队的实战痛点：

我们团队用一个 repo 开多个并行 worktree，每个 worktree 一个 coding agent。PR 时合并不是最麻烦的，最麻烦的是当一个 agent 在 replace PaymentService、另一个 agent 在 extend PaymentService，Git 根本看不出来，只有 review 人熟悉两边业务时才能发现。

Foremerge 的解法：在 agent 动手前先 publish 一个 intent（声明要改什么符号、做什么操作）：

foremerge intent publish --agent "$A" \
    --summary "Replace PaymentService with StripePaymentService" \
    --scope symbol:PaymentService=replace

foremerge intent publish --agent "$B" \
    --summary "Add PayPal support to PaymentService" \
    --scope symbol:PaymentService=extend

第二个 agent publish 时返回 HIGH destructive_vs_additive 警告，在写任何代码之前就拦截。

Rust 单二进制 + MCP server + 18 个工具，foremerge setup all 一行命令接入 Claude Code / Codex / Cursor。因为协议和 provider 无关，Claude agent 和 Codex agent 可以通过同一个 store 协调。

5. 反常识：三大阵营押的不是同一件事

把上面三家摆在一起，最反常识的一点是：

Anthropic、Google、YC/社区，三家在押的不是同一件事。它们在押 Agent 时代的三个不同层级。

我画一张表你直观感受：

阵营 押注的层级 价值主张 商业模式
Anthropic 应用层（工作流） "AI 接管职业 Know-How" 卖 Skills 包 + 订阅
Google 基础设施层（运行时） "AI 任务标准执行环境" 开源获市场，间接卖云
YC/社区 协议层（互转/协调） "不被任何厂商锁定" 卖中间件、转译服务、SaaS

Anthropic 在卖工作流，Google 在卖运行时，YC 在卖协议互转。

这不是"三家都在做 Agent"的同质化竞争——是三家在争夺 Agent 时代的三个独立层。每一层都能跑出独立的赢家。

Anthropic 走的是"垂直 SaaS"路线，把行业 Know-How 沉淀成可调用的 Skills，靠行业壁垒赚钱。 Google 走的是"K8s"路线，把运行时做成开源标准，靠云生态间接赚钱。 YC 走的是"中间件"路线，做不被任何一边绑死的协议层，靠 SaaS + 增值服务赚钱。

当下任何团队想"all-in 某一边"都是错的。你得想清楚你的产品在哪一层：

  • 做行业垂直应用 → 接 Anthropic Skills 包，趁早把行业的 Know-How 抢注到你的产品里。
  • 做 Agent 基础设施（agent 沙箱、agent runtime、agent 监控）→ 看 Google AX 是开源版本还是商业版本，先接开源版抢跑。
  • 做跨厂商中间件（记忆同步、协议互转、agent 协调）→ 机会窗口还没关，但 Skillsync 这种 YC W26 已经下场了，要快。

6. 三个判断：12 个月内的 Agent 基础设施演化路径

基于三阵营的押注方向，我给你三个判断。这不是预测，是基于工程实践的推理，你可以不同意：

判断一：跨厂商记忆层会成为 Agent 时代的"通用中间件"

理由很简单：Skillsync 和 ai-memory 同周爆发说明这不是个别需求。Claude Code / Codex / Cursor 的会话格式互不兼容是结构性问题——任何一家 vendor 都没有动力去兼容对手的格式（这等于主动放弃 lock-in），必须有第三方做协议层。

类比一下：HTTP 不是任何一家浏览器厂商发明的，是 IETF 标准化的。Agent 跨厂商协议层最终也需要类似的中立标准化组织，或者 YC / a16z 投出来的"标准制定者"公司。

12 个月内会有 1-2 个项目跑出来吃这块市场。Skillsync 已经在跑，但还太早。

判断二：Anthropic Skills 包会成为"行业 AI 落地的事实标准"

不是因为 Anthropic 做得最好，而是因为没有别的厂商在做这件事。OpenAI 在卷模型、Google 在卷基础设施、Meta 在卷开源——Anthropic 是唯一一家在认真做"行业垂直 Skills"的厂商。

当金融分析师 12 个月后写 IC memo 不再是 Excel + SQL，而是 Claude Skills + 人类校对；当律师写合同不再是 Word + 模板，而是 Claude Skills + 审查；当销售打 cold call 不再是 Outreach + HubSpot，而是 Claude Skills + 跟进——Anthropic Skills 包就会成为这些职业的"默认 AI 工作流入口"。

这是 Anthropic 在 IPO 前最重要的一步棋。不是模型之争，是工作流之争。

判断三：Google AX 跑不出来，但 Google 的卡位会赢

Google AX 这个具体产品大概率跑不出来。K8s 跑出来是因为 K8s 是 Google 内部用了 10 年的 Borg 系统，K8s 出来后有整个 Google Cloud 生态接。AX 没有这个背景——它是一个新项目，Google 内部用不用都不一定。

但 Google 的卡位会赢：当 Agent 时代"运行时"成为标准时，Google 已经在那个位置上了。AX 即使死了，Google 还有 GCP、Cloud Run、GKE、Vertex AI 这些存量——Agent 运行时的标准争夺，本质上是云市场份额的争夺。Google 已经在场了。

7. 9 个月时间线：Will Larson 给你的"软件工厂"路线图

我不想光讲大道理，给你看一个真实的 9 个月 AI 落地时间线。

Will Larson（Staff Engineer 作者、Imprint CTO）在 9-20 HN 88 pts 的那篇《Trying the Software factory pattern》文章里，把他在 Imprint 的 AI 落地路径完整写出来了：

January 2026：  全员强制 Claude Code
March 2026：    全员 Claude Code 或 Claude Cowork（白领岗）
April 2026：    10 个本地 workspace 隔离（每个 workspace 一份 monorepo checkout）
               → 操作单位从 repo 升到 workspace
               → agent 能生成跨 frontend/backend/infra/data 的 monorepo PR
June 2026：    迁移整个公司到 Linear（弃用 Jira）
               → agent-driven 开发的瓶颈是任务管理系统缺 visibility + 权限太复杂
July 2026：    自建 orchestrated harness（内部代号 "Agent Fleet"）
               → 参考 Stripe Minions 的设计
Sep 2026：     实践 Software Factory 模式

所谓"Software Factory 模式"，Will Larson 描述的实现路径：

写一个 agent skill /linear-project-loop，它读一个 Linear project，先审计项目目标定义的完整性：

  1. Notion 里的项目目标描述、衡量方式、整体路径（RFC）
  2. Datadog dashboard 或 Snowflake query 监控目标进度

如果这两项缺失，agent 主动和你迭代补齐。然后它检查项目的 metrics 状态和进度：

  1. 如果发现新工作，agent 自动加进 Linear project
  2. 更新已移动的 issue 状态
  3. 处理非阻塞任务（写 PR、更新 PR、催 review、问问题）
  4. 一个任务完成后，如果 project 描述新鲜，接下一个任务
  5. 如果 project 描述太久没更新，重新从第一步审计开始

Will Larson 原话：

What I particularly like about the factory pattern is that it parallels very closely how I've been working locally, while forcing me to recognize the places where I was accidentally hording parts of the state for myself regarding the goals of the project.

这是 Agent 落地的真实版本——不是"用 Claude 写代码"，是整个公司的工程流程被 agent 改造。9 个月时间，从个人工具到企业流程。

国内的工程团队多数还在第一步到第二步之间，少数团队走到第三步（workspace 隔离）。Will Larson 的时间线是国内大部分团队未来 12-18 个月的路线图。

8. 三件事给你的三个具体动作

别看完就算。三个具体动作：

8.1 如果你做产品/创业：接 Skills 包做行业纵深

如果你做的是行业垂直产品（金融、法律、医疗、销售、HR），立刻去翻 anthropics/financial-services 这类 Skills 包的结构。看它是按什么维度拆 Skills 的、数据连接器怎么设计、参考 Agent 的 prompt 长什么样。

Anthropic 的 Skills 包拆法不是"一个职业一个 Skills 包"，是一个职业拆成 5-10 个标准工作流（投行的 DCF、Comparable Companies、Precedent Transactions、M&A 建模、LBO）。你的产品应该用同样的拆法——别做"AI 金融助手"，做"AI 投行 IC memo 生成器"。

12 个月内，垂直行业的 AI 产品壁垒不在模型、不在 prompt 工程，在你能把行业 Know-How 沉淀成多少可复用的 Skills 模块。

8.2 如果你做基础设施：先想清楚 Agent Runtime 这层有没有你的位置

Google AX 是个具体的项目，但 Agent Runtime 这层（agent 调度、沙箱、网络隔离、监控、可观测性）是一个独立的工程问题。国内做这块的不多——大多数还在卷模型、卷应用层。

如果你做 K8s、容器、网络、监控、可观测性，Agent Runtime 这层有空位。AX 是参考实现，不是最终答案——它还很初级（v1alpha1，没有可观测性、没有跨 cluster 调度、没有完整的安全审计）。

把 K8s 那套 Operator pattern 搬到 Agent Runtime 上、把 Istio 的服务网格搬到 Agent 协调上、把 Prometheus 的 metrics 搬到 Agent 监控上——这些都是未来 12 个月的工程机会。

8.3 如果你做个人/团队工具：跨厂商记忆层是创业方向

Skillsync、ai-memory、Foremerge 三件事告诉你：Agent 协议层是创业方向，不是已经被占满的赛道。

具体可以做的：

  • 跨厂商 Agent 会话/记忆同步（SaaS + 开源引擎）
  • Agent 间意图协调层（类似 Foremerge 的 intent protocol）
  • Agent 工作流可视化（看到多个 agent 在做什么任务、卡在哪里、怎么协作）
  • Agent Skills 市场（registry + 版本管理 + 权限控制）

这四个方向现在跑都来得及，比 Skillsync 晚 3-6 个月进场还有窗口。

9. 真正的反常识：模型已经不重要了

把这三件事摆在一起，最反常识的一点其实不是三大阵营押不同层级，而是——

模型已经不重要了。

过去 18 个月，AI 行业的焦点是模型：GPT-4 vs Claude 2 vs Gemini Pro vs Llama 3，每家都把"我的模型更大、更强、更便宜"当卖点。

但从 9 月这周开始，市场不再关心模型。Anthropic 不在讲 Opus 4.5 多强、在讲 Skills 包覆盖多少职业；Google 不在讲 Gemini 3 Pro 多好、在讲 AX 多通用；社区不在讲哪个模型最好、在讲跨厂商协议怎么互转。

模型变成"水电煤"——你不会因为供电局换了而搬家，但你会在意家里插座够不够、线路稳不稳、停电时 UPS 行不行。

模型层已经定型了——GPT-5、Claude 4.5、Gemini 3 Pro、Llama 4 谁更强这种讨论会慢慢淡出主流。下一层是 Skills、是 Runtime、是 Protocol。Anthropic、Google、YC/社区三股力量抢的是"模型之上的世界"。

5 年后回头看 2026 年 9 月这周，可能是个分水岭：模型时代的终点和 Agent 时代的起点。

但这是好事。模型卷不动了，卷 Skills / Runtime / Protocol——这才是工程化该有的样子。Agent 时代的工程师不会失业，Agent 时代的模型研究者可能要先想想下一步。

10. 末尾的话

我把这周 HN 和 GitHub trending 上看到的 7 件事掰碎了讲给你听：

  • anthropics/financial-services 35.7k stars（Anthropic Skills 进金融纵深）
  • anthropics/knowledge-work-plugins 24k stars（Anthropic 11 个职业 Skills 包）
  • Claude Cowork 整合进 Chat（9-16 HN 233 pts）
  • google/ax 9-20 HN 634 pts（Google 开源 Agentic Orchestrator）
  • Skillsync YC W26（跨厂商会话互转引擎）
  • akitaonrails/ai-memory 7.5k stars（Rust 跨厂商长期记忆）
  • Foremerge 9-21 HN 39 pts（多 Agent 意图协调）
  • Will Larson 的 Software Factory 9 个月落地时间线

三股力量，三种押注，三个独立层级。这不是巧合，是 Agent 时代的操作系统之争已经开打，战场从模型本身烧到了下一层。

模型时代的终点，Agent 时代的起点——这话 12 个月后再说就晚了。

我是云起，十年互联网老兵，写东西一针见血不画饼。 关注我，每天一篇 AI 实战深度分析，不写新闻只写判断。

附录：日报独有的三个一手信源

信源 关键动作
Anthropic IPO 招股书（凤凰网/腾讯新闻 9-14） 选定纳斯达克上市，9 月下旬公开招股书，投后估值 9650 亿美元
Claude Cowork 整合进 Chat（HN 9-16 233 pts） Anthropic 把"职业工作流入口"统一到 Chat，Skills 协议开始收编所有职业分桶
Google AX – Open Agentic Orchestrator（HN 9-20 634 pts） Google 把"Agent 运行时"做成开源免费，反向卡位 K8s 式基础设施
Will Larson – Software Factory 9 个月路线图（lethain.com 9-20 HN 88 pts） Imprint CTO 把 AI 落地时间线完整写出来，从强制 Claude Code 到 agent-driven 业务流程