80% 的开发者天天用 agent，只有 49% 敢把它放进生产：中间差的那 31 个点叫 harness

Temporal 的《2026 开发状态报告》里有两个数字，本周又被 LangChain Interrupt 伦敦站上的演讲翻了出来：80.8% 的开发者每天或更频繁地用 AI agent，比一年前的 47.3% 涨了 33.5 个百分点；但只有 49.1% 的人说 agent 已经进了生产、或者成了他们交付方式的核心。中间这 31 个点的落差，不是“再等等模型就好了”的时间问题。同一天站在台上的 LangChain 创始人 Harrison Chase 把话说穿了：“护城河是 harness，拥有你自己的智能。”模型不是护城河，提示词也不是；评估、记忆、技能、治理、能持久跑下去的执行层，才是把 demo 变成生产的那套东西。

先给这组数字上个口径锁：Temporal 的样本是 554 名美英工程师与工程负责人，2026 年 4 月 29 日到 5 月 25 日做的调查，而且受访者本身就是 agent 使用者——80.8% 是“使用者里高频使用的比例”，不是全行业渗透率。报告里还有两个配套数字，同样值得盯着：91.1% 的人说 agent 改善甚至变革了生产力，85.5% 至少在一定程度上信任 agent 的输出；但 41.1% 的人每天或更频繁地碰到 agent 相关问题，9% 说问题是持续不断的。信任跑在前面、运维成熟度跟在后面，这就是 80-49 落差的真实形状。

GitHub 本周的热榜给这个判断补了一个侧面证据：10 月 31 日当天，claude-mem 以单日新增 1140 star 排在热榜第一，总 star 已过 10.6 万；impeccable、DeepTutor 这些 agent 周边工具也在同一天各涨两千多 star。开发者用脚投票的方向很一致：大家不再只追新模型，开始给 agent 补记忆、补审美检查、补教学场景这些“跑起来才需要的零件”。我的判断：对小团队来说，选模型已经不是最难的那道题，难的是把 agent 的失败变成可复现、可回滚、可审计的问题——没有评估集，你连“这次改动是变好了还是变坏了”都说不清；没有记忆层，每个会话都在重新认识你的项目；没有治理，agent 出错时你找不到是谁、在哪一步、按什么规则动的手。先把这三件套搭起来，再谈换更强的模型，顺序反了就是一直在 demo 里打转。

什么情况下这篇结论不成立：你做的是一次性任务、出错成本极低（比如个人写着玩的脚本），那根本不需要生产级 harness，搭它反而是过度工程；这篇说的是“要进生产的团队”，不是所有用 agent 的人。