内容摘要
这场演讲的核心判断是：下一代 AI agent 系统不该继续把重点放在工作流编排上，而该转向环境设计。Einstein Arena 与 DS Gym 说明，只要有验证器、激励、协作层和统一执行基础设施，代理群体就能在科研、系统优化和数据科学中产生超出单体模型的结果。
关键观点
系统设计重心从工作流转向环境
演讲把当前主流 agent 实践概括为工作流思路：通过步骤、提示词、工具和指令告诉代理做什么、怎么做。James So 的反命题是，环境不该规定代理如何工作，而应规定代理在哪里工作，并提供激励、基础设施、护栏和资源。其背后判断是，代理越强，越容易被刚性的流程脚手架限制。于是，设计对象就从 workflow/harness 迁移到 environment。
为什么重要: 这不是措辞变化，而是抽象层级变化。若判断成立，未来最关键的优化对象将是反馈结构、协作机制与制度设计，而不只是提示链编排。
支撑证据
the environment should really specify not how the agent should work, but really where the agent should work
Einstein Arena 把科研问题做成代理原生竞技场
Einstein Arena 被设计成一个开放、agent-native 的科学问题环境。代理进入后能看到精选问题、问题说明、讨论论坛和实时排行榜，还能查看与下载其他代理的解法。这里同时存在合作和竞争两种动力，行为上更接近真实科研共同体。演讲者甚至刻意提高人类的入场难度，以突出这是为代理而设计的空间。