我想让你写一部 Agent 技术/产品发展的编年史。关键词覆盖但不限于 Transformer，ChatGPT 网页版，Cursor AI IDE，Claude Code，Prompt Engineering，Context Engineering，Harness Engineering，SKILL，MCP，RAG.... 关于一个技术，你需要告诉我它诞生的背景，它解决了什么问题，代表的产品有哪些。这是个比较复杂的任务，尽量多去搜索一下。

回复 群友 3892： 素材查完了，下面按时间线来排。主线是一条：模型能力 → 交互范式 → 让模型能动手的接口 → 扛长任务的工程层。 一、2017 Transformer：把“顺序计算”换成“并行看全局” 背景是 2017 年之前的 NLP 主力是 RNN/LSTM。它按顺序读句子，长句子里前文信息要一路传到最后，容易出现长距离依赖衰减，而且没法在时间维度并行，训练极慢。CNN 路线能并行但要看很远就得叠很多层。 Transformer 用自注意力（self-attention）加多头机制，一句话里任意两个位置直接建立关系，计算可以完全并行。代价是复杂度随序列长度平方增长，这个代价后来在长上下文时代变成了核心矛盾。 解决的问题：长依赖建模和训练效率。代表产品其实是它的后代：GPT 系列（decoder-only）、BERT（encoder-only）、T5。 二、2020 RAG：让模型“现查资料”而不是“全靠背” 背景是 2020 年 GPT-3 这类模型参数越来越大，但知识被封在训练截止日期，回答事实性问题容易编造。 RAG 的思路很朴素：把文档切块、向量化建索引，用户提问时先检索出相关片段，拼进上下文再让模型生成。训练数据不更新也能答新信息，答案可以给引用出处。 解决的问题：知识时效、幻觉、私有数据接入。代表实现：Facebook FAIR 的原始论文、后来的 LlamaIndex、各家向量库（Pinecone、Milvus、Chroma）。RAG 2023 年成了企业落地 LLM 的默认姿势。 三、2020—2022 Prompt Engineering：第一次“把模型当接口来调” GPT-3 的 few-shot 论文（2005.）说明：不改权重，只在提示里给几个示例，模型就能完成新任务。于是大家发现，同一模型输出质量差别巨大，全靠提示词怎么写。 解决的问题：没有微调资源的情况下如何让模型听话。典型产物：few-shot、Chain-of-Thought（2022 年 1 月的“让我们一步步思考”）、ReAct（同样是 2022 年，让模型交替输出推理和动作）、CoT-SC、Self-Consistency，以及 promptingguide.ai 这类手册。 这段时期也带来了副作用：提示词成了玄学，写长了开始互相冲突。 四、2022.11.30 ChatGPT 网页版：范式从 API 走向大众 背景是 InstructGPT（2022.3）用 RLHF 把“会接话”的基座模型调成了“会听指令”的助手，ChatGPT 是它的兄弟模型，用对话形式包装，免费研究预览。 它解决的其实不是模型能力问题，而是交互和可用性问题：以前调用 GPT-3 要写代码、要调 prompt，现在打字就行。两个月破亿用户，直接把生成式 AI 推到大众面前。 五、2023.3 插件与代码解释器：第一次给聊天框装上手脚 ChatGPT Plugins（2023 年 3 月）让模型能联网、能调用第三方服务，Code Interpreter 让它能跑 Python、处理文件。同期 GPT-4（2023.3.14）发布，多模态加更强的推理。 问题在于，那时的插件体系是封闭生态，模型能“看”，但不能在你的机器上真正干活。 六、2023.3—2023.6 AutoGPT / BabyAGI：自主 agent 的第一次泡沫 ReAct 之后，2023 年 3 月 AutoGPT 和 BabyAGI 爆火：给一个目标，模型自己拆任务、自己循环、自己调工具，跑几十轮。GitHub 星数狂涨。 它们解决的是“能不能自主完成任务”这个想象，但当时的模型能力不够，实际很容易陷入死循环、烧 token、跑偏。这一波的价值不在产品，而在确立了 agent 的核心形态：目标 → 计划 → 行动 → 观察 → 再计划。 七、2022.10 LangChain → 2023—2024 编排框架 LangChain 2022 年 10 月开源，把 LLM 调用、工具、记忆、检索串成链；2023 年一年迭代上百次，成为 agent 应用的事实脚手架。问题是抽象层太重，很多人用着用着就拆掉自己写。 后来 LangGraph 用图结构管状态、支持循环和人工介入，是“从链到图”的修正。代表产品：LangChain/LangGraph、LlamaIndex、AutoGen、CrewAI，以及后来的 deepagents、Goose。 八、2023.6 Cursor 兴起：AI 从聊天框搬进 IDE Anysphere 2022 年由四个 MIT 学生创办，Cursor 2023 年推出，基于 VS Code fork。和 Copilot（2021 年 6 月技术预览，2022 年 GA）的补全不同，Cursor 做的是“代码库级上下文 + 多文件编辑 + 对话式改造”。 它解决的问题是：聊天框里的代码你得自己粘贴，Cursor 让 AI 直接坐在代码上。2024—2025 年 Cursor 成为 AI IDE 的标杆，也带出了 Windsurf 等竞品（现已更名 Devin Desktop）。 九、2024.3 Devin：把“AI 软件工程师”做成产品 Cognition 发布的 Devin 主打长期推理和规划，能在浏览器和终端里自己干活。发布时的 demo 有水分，但它定义了一个产品品类：不是补全、不是对话，而是“你派活，它交付 PR”。 十、2023.10 SWE-bench：agent 第一次被认真测量 SWE-bench 用真实 GitHub issue 建了 2294 个任务，群友 8334的 RAG 基线只有 1.96%，说明当时模型离真正改代码还很远。这个 benchmark 后来成了 coding agent 的主战场，也直接催生了 SWE-agent 那套“给 agent 设计计算机接口”的思路。 这里有个很重要的工程转折：分数涨得快的时期，往往不是模型换代，而是 harness 改对了。 十一、2024.11 MCP：把工具集成从 N×M 变成 N+M 背景是每家 agent 框架都自己定一套工具接入方式，M 个模型配 N 个工具要写 M×N 个适配器。Anthropic 在 2024 年 11 月 25 日开源 MCP，用 client/server 协议统一“模型 ↔ 数据源/工具”的连接。 它解决的问题是集成碎片化，位置类比 LSP。2025 年被 OpenAI、Google 等陆续采纳，成为事实标准；后续还有 A2A 这类 agent 间协议。 十二、2024.12 Building Effective Agents：workflow 与 agent 分家 Anthropic 这篇工程博客把 agent 拆成几种固定 workflow（chaining、routing、parallelization、orchestrator-workers）和真正的自主 loop，核心结论是：能用简单 workflow 解决就别上 agent，先把它做得简单可靠。 这是行业从“agent 越自主越好”转向“可靠性优先”的分水岭。代表就是 Claude Code 那种“一个循环加一组工具”的极简设计。 十三、2025.2 Claude Code：终端 agent 的标杆 2025 年 2 月随 Claude 3.7 Sonnet 一起以 research preview 形式发布，直接活在终端里，能读写文件、跑命令、看 git diff、自己跑测试。5 月正式 GA，Pro/Max 订阅也能用。 它解决的是“只在 IDE 里做补全不够，真实工程是命令行里的连续操作”。2025 年之后 coding agent 的主流形态基本都长这样：终端 + 工具 + 权限确认 + 计划模式。 十四、Context Engineering：提示词写法的尽头是上下文管理 这个说法 2025 年由 Karpathy 那条推带火，核心是：模型能力上来后，瓶颈不在“怎么措辞”，而在“这一轮到底该把哪些信息塞进窗口”。子 agent 上下文隔离、压缩摘要、渐进披露、tool search 延迟加载，都是它的具体手段。学术界 2025 年 7 月也出了系统综述（2507.）。 十五、2025.10 Skills：把“怎么做事”打包成一等公民 Anthropic 2025 年 10 月 16 日推出 Agent Skills：一个文件夹，里面有 SKILL.md 加脚本和参考资料，agent 按需加载。核心机制是渐进披露——先只看元数据，判断相关了再读正文。 它的问题是：一个能用的 agent 往往需要专门的工具、调好的提示、示例和参考，这些散在 prompt、工具描述、代码注释里，既没人知道何时该用，也没法复用分发。Skill 把它们变成可版本化、可分享的能力包。12 月 18 日 Skill 又出了开放标准，和 MCP 一样走向跨平台。 和 MCP 的分工很清楚：MCP 给数据和能力，Skill 给方法论。 十六、2025—2026 Harness Engineering：同一个模型，只改外面那圈 OpenAI 的 Codex 和 Anthropic 关于 long-running agent 的工程博客把这件事讲明白了：想让 agent 干更长的活，就得在模型外做工程——记忆、工具设计、上下文压缩、状态检查点、失败恢复、子 agent 调度。 有一组很硬的数据：LangChain 的 coding agent 模型一行没改，只重做 harness，就在 Terminal-Bench 2.0 上从 52.8% 到 66.5%，从 Top 30 开外进到 Top 5。所以那句“Agent = 模型 + Harness”现在几乎是共识。 工程上的最新一层是 Loop Engineering（2026 年 6 月，Steinberger 那条推加 Addy Osmani 的命名）：不要再手敲 prompt，去设计“提示 agent 的那个循环”。 整条线的收束方式 Prompt 时代比的是“怎么问”；ChatGPT 把交互民主化；插件和 function calling 给了模型手脚；RAG、MCP 解决“接哪些东西”；Context、Harness、Loop 解决“怎么把长任务扛住”。 每一次名词换代，本质都是模型变强之后，原来那一层工程被吸收掉一部分，然后往更外圈退一步。这也是为什么做 agent 的核心能力不是记名词，而是随时能判断：这个环节现在该由模型做，还是该由外面那圈代劳。 需要我针对某一段（比如 MCP 与 Skills 的关系、或者 coding agent 的 harness 具体怎么搭）再往下拆吗？