20260327研读Openclaw资料摘录
20260327研读openclaw资料摘录
在 3 月 27 日上海举行的腾讯云城市峰会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生谈到，「AI 落地不只是一道算法题，更是一道工程题。」在他看来，当模型能力逐渐趋同，真正拉开差距的，不再是参数规模，而是围绕模型构建的 Harness 工程能力——包括工具调用、上下文管理、长记忆与工作流设计在内的一整套系统工程。这也意味着，Agent 的竞争，正在从「模型能力」，转向「工程能力」。
腾讯云在此次峰会上首次系统性展开了其 Agent 全景布局：从 MaaS 升级为 TokenHub，到开源底层平台 Cube，再到围绕 ADP 开发平台与 Agent Runtime 构建的执行体系，本质上是在搭建一套让 AI「能够稳定做事」的工程底座。
这波热潮的本质，是 AI 完成了从 Chatbot 到 AI Agent 的关键跃迁——过去的 AI 对话机器人，只能完成「你问我答」的交互；而今天的 Agent，已经能听懂指令、自主决策、完成执行动作。这个从「对话」到「执行」的跨越，让 AI 真正走出了实验室，拥有了深入产业场景、解决真实问题的可能。
token 生意的本质，是一个切换成本极低、几乎没有用户黏性的生意。
腾讯云端出了一套包含五层的 AI 服务体系：从底层的能源供给（如在内蒙古赤峰落地的绿电直供数据中心），到支撑训练与推理的算力底座，再到兼容多种主流模型的 TokenHub 平台，以及面向不同受众的智能体开发平台（ADP）和应用层落地。腾讯云试图扮演的，是一个为企业铺设「AI 水电」的基础设施提供商角色。
腾讯云把 Agent 的安全能力拆解为一整套贯穿全流程的治理体系：在云端，通过安全中心与网关实现统一管控；在终端，通过 iOA 与龙虾管家完成权限管理与审计留痕；在技能层面，通过 SkillHub 对外部能力进行审核与过滤；在执行层面，则通过云沙箱实现环境隔离和按需销毁。
WorkBuddy 可以直接通过微信或企业微信远程调度电脑，完成文书处理、数据分析等任务；QClaw 则进一步降低门槛，通过扫码连接，即可用自然语言驱动电脑操作。
在具体行业中，Agent 也开始承担稳定的执行角色，进入具体业务流程，承担可量化、可复用的生产职能：在酒店场景，华住将其用于客需服务处理，实现大规模自动化响应；在研发侧，CodeBuddy 已在腾讯内部及荣耀等企业中规模化使用，成为工程师的日常生产工具；在工业领域，三峡能源通过 Agent 完成光伏巡检，将原本依赖人工的高强度作业转为自动识别与处理；在企业服务中，AI 合同处理将数小时的人工流程压缩至分钟级。
Kimi出了K2.5，我第一时间开了Allegretto 套餐，199元/月的套餐，布局 KimiClaw 的最低配套餐，想试试Agent集群到底有多能打。MiniMax的Coding Plan也试了。
结果呢？Kimi隔三差五跳出“高峰时段算力不足”的提示，Agent任务跑到一半断掉是家常便饭。MiniMax那边更离谱，龙虾部署上去，聊两句就掉线，API动不动返回限速警告。
Chatbot时代GPU就好像餐厅服务员，一桌客人上完菜就去下一桌。Agent时代，服务员全程陪同，从点菜到结账，思考菜单的时候也不能走。同样数量的服务员，能服务的桌数断崖式下降。
粗略计算的话，Chatbot单轮对话消耗约1,000到3,000个token。Agent做一个完整任务——比如用龙虾跑一次深度研究——要经历感知、规划、执行、反思等多个循环，中等复杂度轻松吃掉10万token，复杂任务到百万级。
Kimi背后是火山引擎和阿里云双轨供应：火山引擎从2023年起独家提供训练和推理方案，后来阿里投了月之暗面8亿美元，其中一部分直接以阿里云算力结算，杨植麟公开给阿里云“代言”。MiniMax更复杂，阿里云、腾讯云、火山引擎都是它的供应商，早期招标会上三家杀到2折竞价。
算力会被同质化，感知才是护城河。真正能让一个智能设备『懂你』的，是它对这个世界的感知能力。
现在的大模型，用的是互联网上积累了几十年的数字资产——文字、图片、视频。它能写代码、能生成方案、能回答几乎所有你能用语言描述的问题。但有一件事它做不到：感知此刻正在你面前发生的事情。
这是为什么 vivo 今年在内部正式成立了一级技术支撑赛道—「感知赛道」——把视觉、听觉、触觉等多模态感知，通过传感器结合感知大模型，统一转化为设备可以理解的物理世界信号。
技术路径上，vivo 的选择是聚焦端侧。原因不复杂：端侧能做到云端做不到的事——实时感知周边环境，不依赖网络往返，隐私数据留在本地。但端侧有硬件瓶颈，算力和带宽双重限制。为此，vivo 两年前就开始和合作伙伴一起定制专用算力芯片，计划在后续旗舰产品中上线。旗舰机配专用芯片、端侧能力全开；中端靠 SoC 加云侧补充；其他产品以云侧为主。分级是真实的，不是随便说说的。
这里有一个具体的设计选择值得说：vivo 做的 Agent，所有关键用户数据存在本地，换手机时，这些数据可以整体迁移——「用户不需要和手机重新建立认知」。这跟 OpenClaw 这类产品有一个本质区别，云端 AI 的数据用完就散，你的手机 Agent 却在积累真正属于你的东西。他把这个东西叫「数字 DNA」——影像留住的是记忆，Agent 学习的是习惯，两者融合形成的是一份独一无二的「个人资产」。听起来有点科幻，但底层逻辑是实在的。
GenieAI 是腾讯云 CodeBuddy 推出的一款在线 AI 编程工作台，无需编程经验和背景，只要输入你的需求描述，就能快速生成一个网页应用、小程序、游戏、AI 应用等。
与传统的 AI 代码补全工具不同，GenieAI 的核心亮点在于全流程覆盖，从产品构思、界面设计、代码开发到一键部署，全部在一个平台内完成。它不只是在帮你"写代码"，更像是一个 AI 开发团队，产品经理、设计师、程序员的工作它都能干。工具地址：https://genie.codebuddy.ai/
帮我创建一个微信小程序，包含以下功能：
快速打卡：支持按「运动项目」、「时长」选择，都可自定义添加/删除，点击提交即可完成打卡。
记录查看：自动保存打卡数据，展示「今日状态」，历史记录按日期排序，支持按月筛选。
数据看板：直观显示「累计打卡天数」「本月次数」「总运动时长」，用简单图表呈现。
连续打卡激励：记录连续打卡天数，达成里程碑（如 7 天、30 天）弹出成就徽章，增强坚持动力。
页面风格：整体采用酷炫的页面风格，采用现代化深色渐变背景，营造专业运动氛围
GenieAI 还支持开发完直接一键部署，比如前面 Chris 创建的小程序，这里只要填写自己体验版小程序的 AppID 和密钥，即可一键发布到体验版小程序，真的是太方便了，连代码都不用下载到本地，更不用本地运行起来。
在 GenieAI 里面直接对话进行修改，然后一键发布。
最值得关注的几点：
生成全栈项目：生成的代码包含前后端，数据库表、接口都已打通
支持微信小程序：一套代码可编译到微信、支付宝、QQ 等多个小程序平台
从生成到上线一站搞定：可视化精准编辑 + 一键部署，全程不用本地跑代码
适合人群精准：产品经理、创业者、非技术用户，用来快速验证产品逻辑性价比极高
作为阿里AI能力在企业工作场景的统一出口，悟空不仅全面打通企业账号、安全权限及应用系统，更将以Skills形式逐步嵌入阿里生态ToB业务能力，重塑智能办公新范式。
悟空内置企业级运行环境：AI Agent自动继承企业权限规则，所有操作在安全沙箱中运行，token消耗和成本一目了然，像管预算一样管AI开支。
在技术的输出侧，仅仅国内大厂，就有阿里发布悟空AI原生工作平台、飞书与各大OpenClaw兼容同时也推出了官方版AIaily、向来看似克制的微信也接入了Workbuddy，在用户联系人中多了一个微信Clawbot。
超级麦吉的能力就在于，借助沙盒隔离、私有化部署、成本管控、操作审计、人机协同闭环，让Agent之间的协同，不同人与同一Agent的项⽬制协同，成为可能。
具体来说，超级麦吉允许企业将整个平台部署在自己的私有环境中，并让每个Agent运行在独立的沙盒容器中，与主系统处于不同VPC，做到多租户完全隔离，不同员工、不同部门只可以看到权限内的信息，调用不同Agent时，权限也可以精确到每一个操作。他们的Agent不仅完美兼容Anthropic Skills生态与OpenClaw Skills生态，企业可以在超级麦吉的底座上自由调用全球开源社区的能力。超级麦吉提供的是养好的企业级精品数字员工，拿来即用。用户可以在数字员工市场中直接雇佣已经训练好的调研分析、数据处理、内容生成、会议洞察、设计处理等等专家级Agent。而这些Agent给用户最终交付的是结果，不是半成品。
比如，通过底层渲染框架，超级麦吉可以直接生成PPT、数据看板、录音总结、专业报告、Excel文件。员工不再需要拿着AI输出的素材自己再加工一遍。
卡兹克的公司27个人，龙虾在他们公司落地最深的两块：内容端和HR。
内容端，以前要养好几个人，每天盯着各平台刷热点、筛新闻、挑选题，现在龙虾全包了。人腾出手去做判断、做创意、做只有人能做的那部分。
HR这边，他们自己搭了套简历筛选系统，原来要买SaaS，一年好几万，现在内部跑，自给自足。
这两件事我都点头。我一直说，软件这件事正在被龙虾重写——原来你要为一个功能付钱买SaaS，今天这个功能可以自己搭，而且是专门为你的业务定制的。龙虾不只是工具，它在替代一整层软件。
卡兹克总结了一套框架，叫Token金字塔，三层结构。
底层：脚本。 固定的、重复的任务，规则写死，让它自己跑，不消耗TOKEN，稳定，便宜。商务发刊例表之类的工作，脚本一键处理，几乎零成本。
中层：龙虾技能加小模型。 需要一点理解的任务，小模型跑够了。内容分类、新闻评分，没必要上顶级大模型。
顶层：完整Agent。 目标清楚但路径不确定，才让Agent完整跑一遍。