从提示词市场到 Agent 市场：一条正在成形的应用生态链

更新时间：2026-04-07

过去几年，LLM 世界几乎每隔一段时间就会冒出一批新名词：Prompt、RAG、Plugin、Skills、MCP、Agent、Multi-Agent。如果只把它们看成术语更新，很容易陷入“概念越来越多”的疲劳感；但如果换一个角度，会发现这些名词其实一直在回答同一个问题：

AI 应用层到底在共享什么、沉淀什么、交易什么？

我的判断是：这几年真正演进的，不只是模型能力，而是 AI 时代的“软件商品单位”。最早卖的是提示词，后来沉淀的是知识，再后来封装的是工作流与外部能力，如今开始形成的是可安装、可复用、可治理的 Agent 能力包，下一步则会进一步走向 Agent Team 与结果市场。

一、为什么这几年总在冒出新名词

很多人感受到的是名词爆炸，但行业真正经历的是一轮很连续的应用层升级。上一代抽象不够用了，下一代抽象才会出现。

如果把关键节点放回时间线上，这条线其实非常清楚：

时间	关键节点	它改变了什么
2020	RAG 论文	把“外部知识注入模型”系统化
2023-03	ChatGPT Plugins	模型开始从“会说”走向“能调工具”
2023-11	GPTs	Prompt、Knowledge、Actions 被封装成可分享单元
2024-01	GPT Store	“AI 应用商店”第一次被大众化呈现
2024-05	Anthropic Tool Use	工具调用成为主流 agent 能力之一
2024-11	MCP	Agent 生态开始走向协议化
2025-10	Claude Code Plugins / Skills	工作流、子代理、工具能力被打包成开发者商品
2025-10	Apps in ChatGPT	Chat 产品也开始进入 App/Agent 分发阶段

这些变化不是“行业喜欢重命名”，而是因为每一代商品单位都会暴露自己的边界：

• Prompt 能表达意图，但无法解决事实依据和执行能力。
• RAG 能补知识，但不能自动完成动作。
• Plugin 能补手脚，但常常很碎，复用起来像堆接口。
• Skill 能沉淀套路，但很多时候仍然依附平台。
• Agent 才开始真正承接“围绕目标完成任务”的闭环。

所以这不是一串孤立名词，而是一条连续的应用生态演进链。

二、从提示词到 Agent，真正演进的是什么

如果把这轮演进压缩成一条主路径，我会这样画：

正在渲染图表...

这条路径背后的本质，不是“功能越来越多”，而是 AI 系统在一步步接管完整工作的闭环。

阶段	共享的核心资产	解决的问题	为什么还不够
Prompt	一段“怎么说”的指令	如何表达意图	太轻、易复制、易贬值
RAG / Knowledge	一套“知道什么”的上下文	如何让模型基于事实回答	知道不等于会做
Tool / Plugin	一组“能做什么”的外部能力	如何让模型操作系统和服务	接口碎片化、复用成本高
Skill / Workflow	一套“通常怎么做”的方法论	如何把经验固化成流程	常依附平台，迁移性有限
MCP / App / Protocol	一套“如何互联”的标准	如何接入、发现、授权、分发	解决互联，不直接交付结果
Agent	一个“能围绕目标完成任务”的执行体	如何从目标走向结果	单体 agent 仍受上下文、权限、可靠性约束
Multi-Agent Team	一组可协作的角色系统	如何处理复杂、长链路、需分工任务	仍缺统一的商品化与治理机制

把它再抽象一层，其实是在连续补齐六种能力：

正在渲染图表...

也就是说，Agent 并不是突然冒出来的。它只是前面几层成熟之后，一个必然出现的系统级产物。

三、为什么市场一定会沿着这条路走

从市场视角看，这条演进线并不神秘，它其实非常符合商业规律：

价值会持续从容易复制的东西，迁移到难以复制、难以替代、离结果更近的东西。

正在渲染图表...

阶段	看起来在卖什么	实际在卖什么	护城河强度
Prompt 市场	提示词模板	语言技巧	低
RAG / 知识库	数据接入能力	企业私有知识	中
Plugin / Tool 市场	工具连接器	外部操作能力	中
Skill 市场	工作套路模板	团队经验沉淀	中高
Agent 市场	自动化助手	结果交付能力	高
Multi-Agent / Team 市场	角色协作系统	组织化生产能力	很高

这背后至少有三股力量在同时推动：

驱动力	核心问题	带来的结果
技术驱动	既然模型已经理解了，为什么不能直接做完？	系统从回答转向执行
经济驱动	什么东西最不容易被复制和替代？	价值从 prompt 迁移到流程、集成和结果
组织驱动	企业到底愿意为什么长期付费？	付费对象从单点能力变成可治理工作单元

所以今天回头看，Prompt 更像素材，Plugin 更像零件，Skill 更像工艺，Agent 更像工人。整个趋势并不是在“堆能力”，而是在不断寻找 AI 时代新的软件分发单位。

四、为什么 Multi-Agent Team 已经出现，但市场还没真正成熟

从产品能力看，Multi-Agent 已经出现了；但从市场形态看，它还没有完全成熟。

原因并不复杂。单个 Agent 想变成公开商品，只需要“能装、能跑、能展示”；但一个 Agent Team 想变成真正的市场商品，还必须解决更多问题。

问题	单 Agent 尚可容忍	Agent Team 必须解决
角色分工	可以模糊	必须明确
权限边界	可以粗放	必须隔离
协作协议	可以人工拼接	必须标准化
评测方式	以单点任务为主	需要评估整体协作效果
计费模型	按调用或订阅	需覆盖多角色、多步骤、多工具
审计与责任	较简单	必须可追溯

这也是为什么今天更常见的，不是“公开的 Agent Team 商店”，而是下面三种过渡状态：

当前形态	本质	行业现状
Plugin Marketplace	插件里可打包多个 subagents	商品单位仍是 plugin，不是 team
Team Marketplace	团队内部共享私有 agent 能力包	更适合先在企业内部成熟
Agent Registry / Hub	分享 agent 配置、workflow 和集成	更像目录和仓库，尚未完全市场化

如果把它画成一张成熟度图，大概会是这样：

正在渲染图表...

也就是说，行业已经开始支持 multi-agent 协作，但还没有把“agent team”彻底标准化为一级商品。今天更多是在为这一步铺路。

五、Agent 之后会是什么

我对下一阶段的判断很直接：Agent 不是终点，组织化 Agent 才是。

未来几年更可能出现的，不是一个越来越像“全能超人”的单体 Agent，而是一组角色分明、能力互补、可治理协作的数字组织。它们会更像一个工作团队，而不是一个聊天机器人。

下一阶段	商品单位会变成什么	用户真正购买的是什么
Agent	单个执行体	一个自动化助手
Agent Team	一组协作角色	一套可复用的小团队
Agent Organization	带权限、审计、调度的系统	一层数字劳动力基础设施
Outcome Market	面向结果的服务包	一个被承诺的业务结果

如果把整个趋势压缩成一句话，我会这样写：

从提示词一路走到 Agent，本质上是在沿着
表达意图 -> 注入上下文 -> 获得动作能力 -> 固化流程经验 -> 标准化连接生态 -> 形成执行闭环 -> 走向组织化协作 -> 最终变成结果交付
这条路径演进。

这也是我对整个 LLM 应用层最核心的理解：

它不是在不断长出更多名词，而是在不断寻找 AI 时代新的软件分发单位。

如果传统软件时代卖的是 App，那么早期 LLM 卖的是 Prompt，现在卖的是 Skill / Plugin / Agent，而未来更可能卖的是 Agent Team 甚至 Outcome。到那时，市场上最值钱的可能不再是“一个会说话的模型”，而是一套“能稳定把事做完的数字组织”。