智能体生态观察 · 第 2 篇｜开源与闭源智能体的生态分层

分层结构：一个三层的市场切面

智能体生态的开源-闭版图，用「用户自己控制什么」来切分最清晰，得到三层结构。

消费层（闭源产品主导）：开箱即用的智能体产品（商用编码智能体、通用助手、垂直 SaaS 内置 Agent）——用户买体验，不碰实现。闭源在这里的优势是完整度：产品化的最后一公里（权限、审计、UI、多端）是开源项目最难补齐的部分。定制层（开源框架主导）：需要把智能体嵌进自己产品或流程的团队，用开源框架（编排、工具调用、上下文管理的开源实现）自建——用户买控制权：数据不出域、行为可定制、无供应商锁定。组合层（两者混用）：最厚也最活跃的一层——「闭源模型 + 开源框架」「开源模型 + 闭源平台」的组合无处不在；企业用开源框架编排、调闭源模型 API，或反其道行之。

三层之间的流动方向值得注意：能力向下渗透（闭源产品的能力被开源社区复刻，滞后数月）、需求向上沉淀（开源社区验证的场景成熟后被闭源产品吸收）——开源是生态的研发部，闭源是生态的交付部，这个分工比「竞争」的叙事准确得多。

各层的选择逻辑：什么决定了去哪一层

用户在三层之间迁移的驱动力，归纳下来是四个变量的权衡。数据敏感性：数据不能出域的（医疗、金融、政务、核心代码库）只有定制层可选——自托管是硬约束而非偏好。运维能力：自托管智能体栈（模型服务、沙箱、编排、观测）是一支团队的活——有平台团队的企业才养得起定制层，其余选消费层。定制深度：产品化的智能体满足「通用需求」，一旦工作流特殊（内部系统耦合、行业专有流程），组合层的定制不可避免。成本结构：按量付费的消费层在低频场景便宜，高频重度使用时自托管（尤其配开源小模型）的成本曲线反超——用量是分层的隐形推手。

一个被低估的观察：四变量的权重随企业成熟度漂移。初创团队四项全部指向消费层（快、省心）；成长期开始碰到数据与定制的墙，向组合层迁移；平台型企业的终局常是定制层（把智能体能力变成自己平台的一部分）——分层不是静态的归属，是成长路径上的阶段性站点。

开源阵营的内部结构：框架、模型与工具

「开源智能体」内部还需要再切三刀，各自的生态逻辑不同。框架层（编排与运行时）：LangGraph、CrewAI、AutoGen 类——竞争焦点是抽象的好用程度与社区规模，商业化走「开源核心 + 云服务」路（open-core）。模型层（开源权重模型）：Qwen、Llama、DeepSeek 系——为定制层提供「可自托管的智能」，与闭源模型的差距在推理能力上快速收窄、在生态工具上仍然明显。工具层（单点能力）：MCP server、浏览器自动化、RAG 组件——散装但繁荣，是开源生态的毛细血管。

三层之间的联动是开源阵营健康度的晴雨表：框架层的繁荣依赖模型层的能力达标（模型不够强时框架再好也白搭），工具层的繁荣依赖框架层的标准统一（MCP 之类协议的价值正在于此）。观察开源阵营，看工具层的增长曲线比看 star 数更准——工具多 = 有人真在生产环境用，star 多可能只是 demos 的繁荣。

组合层的暗礁：开源与闭源之间的缝隙

组合层繁荣的背面是它的暗礁，选型者要有预期。责任缝隙：出问题时，闭源模型厂商说「是框架调用的方式不对」，开源框架社区说「是模型能力不行」——组合系统的责任主体模糊，SLA 无从谈起。版本地震：开源框架的 breaking change 与闭源模型的 API 迭代不同步，组合系统的维护是持续的追平游戏。能力错配：框架的抽象常常滞后于模型的新能力（新模型的原生工具调用、缓存机制，框架要数月才适配）——组合层用户用到的模型能力经常落后于模型真实水平。

这些暗礁解释了一个趋势：闭源产品在向上吸收组合层（把编排、工具、记忆做进产品，减少用户自己组装的需要）——「一体化 vs 组装」的钟摆正在从组装端回摆。开源阵营的回应是把部署做简单（一键自托管、一体化发行版）。钟摆的两端都在向中间挤，最终稳态大概率是「简单场景一体化、复杂场景组装」的分工——组装层不会消失，但会退守到它真正的领地。

组合层的实践样本：一家中型企业的智能体栈

把组合层的抽象讨论落地成一个典型样本：一家两百人规模科技公司的智能体技术栈（行业里常见的形态，特征做了脱敏与泛化）。接入：闭源旗舰模型 API（复杂任务）+ 开源自托管中型模型（高频简单任务）的双轨，网关统一路由与成本统计。编排：一个主流开源框架做运行时，业务逻辑自研（框架只用它的循环与状态管理，核心的工作流逻辑自己写——本库工具链篇的最小工具链原则）。能力：内部知识库 RAG（自托管向量库）+ 官方 MCP server 若干（GitHub、数据库）+ 自建的两个内部系统 server。运维：商用可观测平台 + 自建的评测回归集（每周跑）。安全：生产凭证全部代理化，智能体的操作走独立低权限账号。这个样本的启示有三：其一，组合层的「组装」比「选型」更难——每个组件的选型一天就定了，组件之间的集成（网关的日志接观测平台、评测集随模型切换维护）才是持续的工程量；其二，闭源与开源的分工在样本里非常务实（能力买闭源的、控制权留开源的），没有意识形态只有成本收益；其三，样本会漂移——这家公司半年内换了一次主力模型、升了一次框架大版本，组合层用户要习惯「栈的持续重装」。这个样本的另一面同样值得记录：他们的智能体只在三个场景生产化（内部问答、代码辅助、周报汇总），二十个试点死在了路上——组合层的自由是有代价的：自由地建，也自由地死。

分层的动态视角：层间迁移的成本曲线

三层结构（正文）不是静态归属，层间迁移的成本曲线值得单独画出。消费层 → 组合层的迁移成本：中——要补自托管与编排的工程能力，但数据与工作流的知识是连续的（最大的隐性资产不流失）。组合层 → 定制层的迁移成本：高——自建平台团队、安全体系、评测基建，是从「用工具」到「养团队」的质变。反方向（定制层 → 消费层）的成本看似为零，实则最高——已经内化的工作流与数据依赖要迁移到别人的产品里，等于把自建的资产重新押注——这是「上分层的船容易、下船难」的非对称结构。对企业规划的含义：选层之前先想「两年后我要在哪层」——因为向下迁移（往高控制层）难、向上迁移（往高控制层）也难，中间的每一次换层都是一次重装。更实用的策略是「层间的过渡带驻留」：用开源框架 + 闭源模型的组合层驻留，保持向两层的选项开放——这正是组合层是「最厚一层」的微观原因：多数企业买的是「选项」，不是当下最优。

一个选型的反例：为什么「全都要」是最贵的路

分层的反面教材值得单独记录：「每层都选最强」的堆叠策略。观察到的实际案例：某团队消费层买了旗舰智能体订阅、组合层又上了开源框架 + 双模型、定制层还养了一个平台团队——三层的成本同时支付，而三层的产出互相重复（订阅产品能干的活，自建的那套也在干）。堆叠策略的失效机制：三层的价值前提不同（消费层买效率、组合层买控制、定制层买资产），一个团队在同一个时期只真正需要其一；「全都要」的动机是「怕押错」——但用三份成本对冲一份选择的不确定，是保险买过头。正确的姿势是「主层 + 侦察」：主层按当前的最优解全力投入（吃满效率），其他层只保留最小侦察（一个人、一个试点项目），当侦察信号明确（主层的前提被打破——数据合规变了、需求定制化超了）再启动迁移。分层的选择本质是资本配置问题：把「怕押错」的对冲成本，控制在主投入的十分之一以内——这是分层生态里最容易被忽视的一条财务纪律。

小结

开源与闭源智能体生态是三层结构：消费层闭源产品主导（买体验）、定制层开源框架主导（买控制权）、组合层两者混用（最厚最活跃）。用户在层间迁移由数据敏感性、运维能力、定制深度与成本结构四变量驱动，且随企业成熟度漂移。开源阵营内部再分框架、模型、工具三层，工具层的增长曲线是生态健康度的最佳指标。组合层的责任缝隙、版本地震与能力错配是暗礁，一体化与一键自托管的钟摆互挤正在重塑分层。开源是研发部、闭源是交付部——分层共存的生态结构，比零和竞争的叙事更接近现实。