本报告围绕智能体（Agent）工程及应用演进展开研究，系统梳理Agent从提示词工程（Prompt Engineering）到驾驭工程（Harness Engineering）的工程框架演进，以及从Copilot、Coding Agent到各式垂类流程Agent产品形态发展路径。Agent从辅助功能快速发展为具备自主执行和完整工作流实现能力，和基座大模型的技术迭代齐头并进，共同推动全球AI产业商业化提速。
　　Agent工程框架经历提示词、上下文和驾驭工程三阶段演进。提示词工程主要优化指令表达，上下文工程解决模型“看到什么”的问题，而驾驭工程进一步回答Agent“怎么稳定运行”的问题，通过文件系统、沙箱、工具调用、上下文治理、反馈回路和自验证机制，提升Agent在长链路复杂任务中的稳定交付能力。OpenAI、Anthropic、LangChain等案例表明，在基模能力趋近背景下，Harness正成为Agent产品差异化和工程壁垒的重要来源。
　　Agent从辅助功能快速发展为具备自主执行和完整工作流实现能力。从交付的结果上看，Agent历经从Copilot嵌入式助手到Coding Agent等单任务智能体，再到垂类流程智能体，同时Computer Use/GUIAgent实现类似人的通用软件操作能力，未来可能朝着更复杂的Multi-Agent分工协作组织迭代演进。Copilot类Agent被嵌入IDE、Word、CRM等已有软件，理解当前工作上下文并给出建议；Coding Agent因高度结构化和天然的自反馈环境成为率先成熟的单任务智能体，是从建议到执行的第一次跃迁；垂类流程智能体具备专业领域的自主执行能力，跨系统完成端到端流程，推动Agent转向“数字劳动力”，商业模式也开始由按席位收费转向按任务量、结果收费；Computer Use/GUIAgent实现像人一样的跨任意界面操作，提升了Agent的非标准化泛化能力；未来Multi-Agent分工协作将指向Agentic AI基础设施的搭建，Agent成为AI-native数字组织的具体执行单元。
　　Agent自主能力不断增强，有望向“AI自我迭代AI”的方向演化。Anthropic分析Agent自主执行能力逐渐提升，我们目前处于Coding Agent和AutonomousAgen（t自主Agent）发展阶段，人类作用逐渐转向目标设定并监督和审核Agent工作。未来伴随模型升级和Harness后训练体系进一步成熟，Agent或能演进出构建和训练大模型的能力，进而形成高度自动化并自主迭代的智能生产系统，Agentic AI基础设施的搭建将成为企业拥抱AI的必经之路。
　　投资建议：Agent和基座大模型的技术迭代齐头并进，共同推动全球AI产业商业化提速，同时信息技术的商业模式也开始由按席位收费转向按任务量、结果收费，从占用IT预算到人力预算甚至营销生产预算，大模型和Agent正成为成长最快的AI产业方向。AI算力基础设施是大模型及Agent产业发展的基本保障，成为制约大模型及智能体能力迭代和收入放量的关键因素；AIInfra及MaaS云服务厂商助力AI算力和应用场景落地效率提升，也将持续分享AI产业成长红利。
　　风险提示：技术发展不及预期；安全合规风险；AI基础设施供给不足风险等。