旧工具下的新范式：Agent 本质是文件存储

来源：htmlDecode("Rog3r")

原文链接：https://mp.weixin.qq.com/s/KBNEhXuaP0Njzko5HDEqlA

大家好，我是 Rog3r，最近我在疯狂使用 OpenClaw，和云端 Agent 的体验真的不同，本地部署的 Agent 可以不断进化，你可以随时随地查看他的大脑，也就是整个文件系统。同时换不同的模型，就像是装进了不同的大脑，但是有相同的记忆，你会发现模型会有完全不一样的表现。
今天刚好听到《Latent Space》和 Marc Andreessen 的专访，里面有很多关于 Agent 系统的洞察和观点，这里整理完分享给大家。
Marc Andreessen 是 Netscape 联合创始人，Mosaic 浏览器核心开发者。2009 年联合创办 a16z，把传统 VC 做成了"投平台 + 运营赋能"的模式。投过 Facebook、Airbnb、GitHub、OpenAI 等。在 AI 领域，他是最早公开喊出"这次不一样"的一线投资人。
他的独特身份横跨了三个关键节点：亲历了 Web 1.0 的诞生（Netscape），定义了 Web 2.0 时代的投资逻辑（a16z），现在押注 Web3 + AI Agent 的融合。
这个背景让他说的话有双重复利权重——既不是纯技术人的技术判断，也不是纯投资人的商业判断，是同时理解技术范式和市场落地的人的判断。
Marc Andreessen 在 a16z 办公室录 Latent Space 播客的时候，说了一句话：
“Agent 的本质就是文件存储。”
紧接着他给了一个公式：
** LLM + Shell + 文件系统 + Markdown + Cron + Heartbeat **
Shell 诞生于 1979 年。文件系统更早。Cron job 在 Unix 很早的时候就已经存在。Markdown 是 2004 年 John Gruber 花了一个周末搞出来的。
但 Marc 说的是——除模型之外，每个组件我们都完全理解和掌握。
Agent 不需要神秘感。它的运作机制可以被阅读、被调试、被修改、被复制。它用的是我们用了五十年的工具，以从未有过的方式组合在一起。

旧零件，新组合

软件行业的历史充满了「每个零件都是旧的，但组合起来创造了新范式」的故事。
浏览器是 HTTP + HTML + JavaScript 的组合。TCP/IP 协议套件里的每一个技术发明出来时都不新鲜。iPhone 是多点触控屏幕 + 移动操作系统 + App Store 的组合，没有一项是 2007 年才发明的。
Agent 的突破遵循同样的模式，但有一个根本性的差异：以前的组合解决的是功能问题，这次解决的是 ** 自主性 ** 问题。
Shell 给了 Agent 执行能力。文件系统给了它记忆。Markdown 给了它一种结构化但同时人类可读的存储格式。Cron 给了它时间感——不是被动响应，是到点触发。Heartbeat 给了它存在感——持续自我确认「我还活着」。
LLM 是这个组合里唯一的未知数，也是唯一的推理引擎。它让其他五个被动组件变成了主动系统。
关键在于：这个系统的状态不在代码里。在文件里。
这意味着你可以关掉 Agent，打开它的文件夹，用任何文本编辑器读完它的「脑子」——它知道什么、记得什么、计划做什么、怎么做的。你可以手动修改任何一个文件、改变它的行为、修复它的错误。
这在软件史上是第一次。

Unix 思维的回归

Marc 在播客里追溯到 OS/360。那是 IBM 在 1960 年代的大型机操作系统，一个巨型单体城堡。所有功能挤在一个臃肿的整体里，改一行代码需要重建整个系统。
Unix 的回应是：不要搞城堡。给我一个 Shell，给我一堆离散模块，让我用管道把它们串起来。每个模块只做一件事，做好一件事，然后通过标准接口和其他模块通信。
五十年后，Agent 是这个思维的延续，且走得更远。
一个 Agent 的架构本质上就是 Unix 哲学的具象化：LLM 是一个模块，可以替换；Shell 是一个模块，可以替换；文件系统是一个模块，可以替换。它们之间用文本接口通信——自然语言文本。
Marc 的判断很直接：MCP 和那些花哨的协议其实不需要。我们只需要命令行接口。
这句话在当下的 AI 基础设施争论中极其尖锐。所有人都在设计新协议、新标准、新的互操作框架。Marc 说：不需要。Bash 就够了。
Bash 已经是世界上最成熟的互操作协议。每一个软件都暴露了命令行接口。Agent 有了 Shell 访问权，它天然就和整个软件世界互通了。

文件即状态

** 你可以换掉底层 LLM，Agent 性格会变，但文件里存储的所有状态都保留着。 **
换模型不换记忆。这是过去任何 AI 系统都做不到的事。ChatGPT 的记忆绑定在 OpenAI 的服务器上。Claude 的对话存在于 Anthropic 的数据库里。你无法带走它们。你无法迁移它们。你无法在本地备份它们。
文件系统状态的 Agent 可以做到。
你把整个 Agent 目录拷贝到另一台机器，加载一个不同的 LLM，它睁开眼睛，知道自己的文件在哪里，读了读自己的记忆文件，知道自己是谁、在做什么、昨天聊了什么——然后继续工作。
Marc 说的「Agent 有完整的内省能力」指的就是这个。它知道自己的文件，可以读取自己的文件，可以重写自己的文件。它能在运行中给自己添加新功能。不是比喻。是真的能。
历史上从未有广泛部署的系统拥有这种能力。
这句话需要拆开看。「自我内省」在计算机科学里不是新概念——反射、自省、元编程都有几十年历史。但它们都是代码层面的自省。一个程序能读自己的源代码，这没什么新鲜的。
Agent 的突破在于：它通过文本文件实现了 ** 状态 ** 的内省。状态不只是代码执行栈，而是它的信念、记忆、计划、身份。一个 Agent 读它的 memory 文件，就像一个人读自己的日记。区别在于，Agent 读完之后可以修改日记、改写记忆、给自己制定新规则——然后下次启动时，它会变成一个有微妙差异的自己。
跨模型迁移的能力更值得深想。今天用 GPT-5 跑一个 Agent，明天换成 Claude，后天换成某个开源模型。它的工具调用风格可能变了，回复语气可能变了，决策偏好可能变了。但它积累的知识文件、项目文件、配置文件都还在。
身份连续，能力可变。
这在人类历史上也没有对应物。一个最接近的类比可能是：你的大脑被换成了一个不同性格的人，但你的笔记本、日记、待办清单、通讯录全部原封不动。那个人拿起笔记本，读了读，开始接着你停下来的地方继续工作。

Computer Use 变得微不足道

Marc 提到一个现象：Computer Use 突然变得微不足道。
Agent 已经有了完整的 Shell 访问权限。给浏览器访问权，它就能操作一切。不需要专门的「computer use」接口，不需要专门的 API 封装。它直接操作操作系统，就像任何一个 Unix 用户一样。
这个视角的转换很重要。
我们一直在争论 Agent 需要什么权限、什么接口、什么安全框架。Marc 说：它已经有 Shell 了。一个有 Shell 访问权的 Agent 不需要任何额外的特权。它可以写脚本、装软件、操作文件系统、调度任务。浏览器访问权给了它 GUI 控制能力。
它已经完成了。

软件的定义被改写了

如果 Agent 的本质是文件存储，如果它的状态在文件系统里而不是在源代码里，如果一个系统能完整理解并修改自己的运行状态——那我们对「软件」的定义就需要重写。
传统的软件是：代码定义行为，数据定义状态。代码和数据分离。用户和代码之间隔着编译器和运行时，中间的任何一层都不是用户能直接干预的。
Agent 打破了这个分层。
代码（prompt 和配置）是 Markdown 文件。数据（记忆和状态）也是 Markdown 文件。用户可以直接编辑这些文件来改变 Agent 的行为。Agent 自己也可以编辑这些文件来改变自己的行为。
软件和用户之间没有边界。软件自己就是用户，用户自己也成了软件的一部分。
Marc 说了一句很 Marc 的话：「如果我是 18 岁，我会把所有时间花在这上面。」
这不是因为他觉得 Agent 会赚大钱。a16z 已经在 Agent 基础设施上投了大量资金，他不需要为自己站台。这句话的力量在于：他看到的是范式层级的变化，和 1970 年代他看到 Unix 时一样。
他参与创造了 Web 浏览器。Web 的关键突破是什么？Marc 的答案是：假设有无限带宽的未来，押注人类可读的文本协议。View Source 功能是 Web 能爆发的核心原因——任何人都能右键点击任何网页、看到源代码、学会怎么做、做出自己的网页。
Agent 的文件系统就是新的 View Source。
任何人可以打开 Agent 的文件夹，看到它在想什么、在做什么、怎么做到的。这个透明度是 Web 爆发的核心逻辑在 AI 时代的重演。
如果这篇文章对你有帮助，欢迎关注、点赞、转发和留言。