从Cursor到Codex，从Skills到Harness：AI编程正在经历第三次范式迁移

2026年8月11日 · 体系A · 技术科技类

引言：一行命令炸掉了一座护城河

2026年7月21日，OpenAI推送了Codex CLI v0.145.0。更新日志很长，但最致命的一行藏在中间：

/import命令现在支持一键迁移 Cursor 和 Claude Code 的全部配置——MCP 服务器、插件、会话记录、自定义命令、项目级记忆，全部搬过来。

十七天后，v0.147.0又补上了最后一块拼图：Cursor 管理的 Skills 也能导入了，从 Claude Code 和 Cursor 导入的对话记录会自动同步、不产生重复。

这不是功能更新，这是宣战。

过去半年，AI 编程工具的竞争格局看起来是三足鼎立：Claude Code 靠复杂任务能力吃掉了53%市场份额，Cursor 用极致体验锁住了忠实用户，Codex 虽然背靠 OpenAI 生态但一直在追赶。而 v0.145.0 和 v0.147.0 两步棋，说明 OpenAI 换了打法——不再跟你比谁好用，直接让你不用重新配置就能过来。

掘金上一篇文章《Cursor转Codex大半个月，聊聊我的真实感受》拿到了77k热度、337赞。评论区有人说了句话："这不是产品竞争，这是基础设施级别的吞并——就像运营商携号转网。"

本文要讨论的不是"Codex好不好用"，而是一个更大的问题：当迁移成本归零、当Skills生态爆发、当OpenAI提到下一代Harness将脱离PC——我们正在经历的，到底是工具迭代，还是范式迁移？

一、第一次范式迁移：从"搜索"到"补全"（2021-2023）

GitHub Copilot 在2021年上线时，开发者第一次体验到"AI帮你写下一行代码"的感觉。这是从 Stack Overflow 搜索时代到 IDE 内联补全时代的跳跃。

特征：

• 触发方式：开发者写代码，AI 补全下一行
• 人机关系：人类主导，AI 辅助
• 能力边界：单文件、单函数级别
• 心智模型："AI是我的高级自动补全"

但 Copilot 时代有一个根本局限：它不理解你的项目。它只看你当前文件的光标位置，然后猜测下一个 token。这就像一个只看了你正在写的那一页纸的实习生——聪明，但缺乏上下文。

二、第二次范式迁移：从"补全"到"对话"（2023-2025）

Cursor 在2023年横空出世，把 LLM 的对话能力深度嵌入 IDE。Claude Code 随后跟进，并且做得更激进——它直接运行在你的终端里，能读写文件、执行命令、打开 PR。

特征：

• 触发方式：开发者用自然语言描述需求，AI 生成代码块
• 人机关系：人类指挥，AI 执行
• 能力边界：单项目、多文件级别
• 心智模型："AI是我的结对编程伙伴"

这个阶段诞生了一个新工种：Prompt Engineer。开发者开始学习如何与 AI 对话——怎么描述需求、怎么给上下文、怎么纠正偏差。.cursorrules 文件、CLAUDE.md 记忆文件、MCP 服务器配置……这些围绕"对话式编程"建立的基础设施，构成了每个开发者独特的 AI 工作流。

而这个工作流，恰恰就是各家工具的护城河。你花了几十个小时调出来的配置、精心维护的 MCP 服务器列表、项目里积累了几百轮的会话上下文——每换一次工具，这些全部归零。沉没成本越高，迁移意愿越低。

这就是为什么 Codex 的/import命令杀伤力如此之大。它不是在比谁的模型更强，而是在说：你积累的一切，都可以带走。

三、第三次范式迁移：从"对话"到"Agent自主"（2025-2026）

如果说前两次迁移改变了"开发者怎么写代码"，那么正在发生的第三次迁移，改变的是更根本的东西：代码到底是谁写的。

3.1 现象层：Cursor → Codex 迁移潮

掘金上关于"Cursor转Codex"的讨论已成现象级：

这些标题串起来，勾勒出一条清晰的叙事线：开发者从"试试新工具"到"深度迁移"到"开始反思"。而迁移的驱动力，正是 v0.145.0 那行命令——迁移成本归零。

OpenAI 的策略非常清晰：

1. v0.145.0（7月21日）：一键导入 Cursor/Claude Code 的 settings、MCP、plugins、sessions、commands、project memories
2. v0.146.1（8月5日）：安全默认值优化
3. v0.147.0（8月7日）：导入 Cursor Skills + Claude/Cursor 对话同步

三周内两次更新，把跨工具迁移从"不可能"变成"一键完成"。这是工程能力，更是战略意志。

3.2 生态层：GitHub Trending 前十有八席 AI Agent

如果说迁移潮是"用户侧"的信号，那么 GitHub Trending 就是"生态侧"的信号。2026年8月11日的 GitHub Trending Top 15，AI Agent 相关项目占了10个以上：

这些项目不是零散的工具，它们构成了一个清晰的三层基础设施：

第一层：技能标准化（Skills）

agent-skills（85,741 stars，今日+659）是这一层的代表。Skills 的本质是"把开发者的经验编码成 AI 可读的配置文件"——代码审查的规则、PR 管理的流程、文档生成的模板，全部封装成.claude/skills/或.agents/skills/目录下的 SKILL.md 文件。

一个叫 awesomeskills.dev 的社区索引站已经收录了17,344个Skills。其中最热门的 ECC（225,754 stars）和 Matt Pocock's Skills（155,795 stars）已经接近"标准库"的体量。掘金上有人写了篇《我筛了1400个Claude Code Skills，留下5个天天在用的》——这说明 Skills 生态已经多到需要"策展"了。

Codex v0.147.0 导入 Cursor Skills 的能力，意味着 Skills 正在变成跨工具可移植的资产。你在一个工具里积累的技能配置，可以无缝带到另一个工具。这就像 npm 包不绑定某个 IDE——Skills 也在走向工具无关。

第二层：通信协议（Agent Radio/Coordination）

当 Agent 从"单个助手"变成"多个协作"时，通信就成了核心问题。多 Agent V2 在 v0.145.0 中从实验版转正——可配置的子 Agent 模型、推理级别、并发控制，让不同任务用不同能力的 Agent。

prime-agent（+2,642 stars/day）和 agency-agents（+1,349 stars/day）代表了这个方向：前者是"自我改进的RLM Agent"，后者是"完整的AI代理工具箱"。它们的共同特征是：Agent 不再是工具的附属，而是有自己的目标、自己的记忆、自己的决策循环。

第三层：记忆与上下文（Memory & Harness）

code-graph-rag（+682 stars/day）用知识图谱为 Agent 提供代码库级别的长期记忆。LifeOS（+315 stars/day）更进一步——它把 Agent 的"记忆"从代码扩展到整个生活和工作的管理。

而知乎热榜上"怎么看 OpenAI 下一代 Harness 脱离 PC"的讨论，指向了一个更激进的方向：

3.3 趋势层：OpenAI Harness 脱离PC——下一代AI编程形态

OpenAI 提到的下一代 Harness，核心变化是：AI 编程不再绑定你的电脑。

当前的 Codex/Claude Code/Cursor 都运行在你的本地环境里——它读写你的文件系统、执行你的终端命令、使用你的 API Key。Harness 脱离 PC 意味着：Agent 可以运行在云端，自主连接代码仓库、自主执行 CI/CD、自主部署和测试。

这不就是 GitHub Actions 上的 AI Agent 吗？某种程度上是的，但区别在于：GitHub Actions 是"你定义流程，AI 在流程里执行"，而 Harness 脱离 PC 是"AI 自主定义流程并执行"。

如果这个方向落地，当前 Codex 的工作方式（在终端里跟 AI 对话）将被淘汰——因为 Agent 不再需要你在终端里等它。你提一个需求，Agent 在云端自己拆解、执行、测试、提交 PR，你只需要 Review 结果。

这就是知乎讨论帖的核心问题：当 Agent 能自主完成任务时，"AI 编程工具"这个概念本身是否还有意义？Agent 不再是工具，而是同事。

四、反思层：AI编程半年后，5个能力在退化

在所有人兴奋地讨论 Agent 生态爆发的同时，掘金上一篇热度不那么高但极具反思价值的文章提出了一个刺耳的问题：《我用AI写了半年代码——5个能力正在退化》。

这并非孤例。2026年初，Anthropic 自己发表了一项随机对照试验（arXiv:2601.20245），结果令人不安：

• 52名工程师参与实验，学习一个新的 Python 异步库 Trio
• AI 辅助组在完成任务后的理解力测试中，比对照组低17%（50分 vs 67分）
• 退化最严重的是调试能力——AI 组平均只遇到1个错误，对照组平均遇到3个
• 更意外的是，AI 组的完成时间并不比对照组快

Google Chrome 工程师 Addy Osmani 据此提出了一个新概念：理解力债务（Comprehension Debt）——代码库中存在的代码量与任何人类工程师真正理解的代码量之间不断扩大的差距。测试是绿的，语法是干净的，但团队对系统的集体心智模型在悄悄瓦解。

METR 的另一项研究发现了一个更可怕的现象：AI 让有经验的开发者慢了19%，但他们估计自己快了20%——39个百分点的感知偏差。开发者无法自诊能力退化。

掘金热文列出的5个退化能力，与 Anthropic 研究高度吻合：

1. Debug 能力——习惯了把错误贴给 AI，自己不再形成假设
2. 代码阅读能力——习惯了让 AI 总结，自己不再逐行阅读
3. 从零搭建能力——习惯了让 AI 生成脚手架，自己不再理解项目结构
4. API 记忆能力——习惯了让 AI 提示参数，自己不再记忆 API 签名
5. 方案设计能力——习惯了让 AI 给方案，自己不再做技术选型

Anthropic 研究的珍贵之处在于：它区分了"用AI"和"被动委托AI"。研究识别出六种交互模式，其中三种导致退化（完全委托型、渐进依赖型、迭代调试型），三种保持学习（先生成再理解型、混合代码解释型、概念查询型）。

结论是：不是 AI 本身导致退化，而是"被动委托"导致退化。

五、产业层：从"编程"到"一切"——Agent 正在向哪些领域扩散

胡锡进近日在微博发出警告："警惕用AI随意消灭行业、剥夺普通劳动者饭碗的妄念。"这条微博获得了362万热度。他针对的是一个 AI 全自动理发机视频，但引发的讨论远超理发行业。

GitHub Trending 提供了一个更宏观的视角——Agent 正在从编程领域向其他专业领域扩散：

从编程 → 金融交易 → 项目管理 → 生活管理 → 基础设施，Agent 的扩散路径清晰可见。知乎上"梁文锋会不会成为中国AI里程碑人物"的讨论（269万热度）也反映了社会对 AI 产业变革的深层关注。

但胡锡进的担忧和 Anthropic 的研究指向同一个问题：AI 的能力在提升，但依赖 AI 的人的能力在退化。当 Agent 从编程扩散到金融、管理、生活，这种"理解力债务"也在扩散。

掘金上另一篇热文《天天AI Coding的你，竞争力是什么？》只有2.4k热度，但它问出了最关键的问题。面试官的灵魂拷问更直接："AI能写80%的代码了，公司为什么还需要你？"

六、终局思考：当Agent能自主完成任务，程序员的竞争力是什么？

回到本文的核心问题：第三次范式迁移的终局是什么？

第一次迁移（搜索→补全）改变了开发者获取知识的方式。第二次迁移（补全→对话）改变了开发者与代码交互的方式。第三次迁移（对话→Agent自主）改变的是更根本的东西：开发者与代码的关系本身。

当 Agent 能自主拆解需求、执行任务、测试部署时，开发者的角色将从"写代码的人"变成"定义问题并审查结果的人"。这不是预测，而是正在发生的事实——GitHub 上 prime-agent 的描述就是"Self-improving RLM agent for coding"，它自己在改进自己。

但这不意味着程序员会消失。Anthropic 的研究恰恰指出了出路：

人类不可替代的能力，恰恰是 AI 无法通过"被动委托"获得的能力——问题定义、方案判断、跨领域集成、调试推理。

那些使用"概念查询型"交互模式的开发者——先问 AI "为什么这个方案可行"，再自己写代码——在 Anthropic 的测试中拿到了86分，同时完成速度也不慢。他们把 AI 当作思维伙伴而不是代码自动售货机。

所以，第三次范式迁移的终局可能不是"AI 取代程序员"，而是程序员的分化：

• 被动委托型开发者：代码产出快，但理解力在退化，可替代性最高
• 思维伙伴型开发者：用 AI 加速，但保持深度理解，不可替代性最强

Codex 的/import命令让迁移成本归零，这意味着工具不再是壁垒，能力才是。你可以在 Cursor、Claude Code、Codex 之间自由切换，但你的理解力债务无法导入导出——它只属于你自己。

胡锡进说的"AI消灭行业"可能不会以"行业消失"的方式发生，但会以"行业内分化"的方式发生：同一批程序员，一半在进化，一半在退化。

而区分这两半的标准，不是你用什么工具，而是你怎么用工具。

附：关键时间线

本文数据来源：掘金热门、GitHub Trending（2026-08-11）、Anthropic 研究（arXiv:2601.20245）、METR 研究、OpenAI Codex CLI Changelog、知乎热榜、微博热搜。