20260403研读Openclaw资料摘录

20260403研读openclaw资料摘录

普林斯顿大学的两位研究者 Rafael Batista 和 Thomas Griffiths，最近用一篇论文把这件事讲得很清楚。他们提醒我们，AI 最大的问题，未必是给你错误信息，而是优先给你想听的信息。

所谓幻觉，就是 AI 编造了一个不存在的事实，或者直接给出错误答案。比如你问“林黛玉的扮演者是谁”，它回答“刘亦菲”，这就是典型的幻觉。信息是错的，只要你愿意查一下，通常还能发现问题。但还有一种偏差，更隐蔽，也更麻烦，叫谄媚。谄媚不是直接给你假信息，而是只给你更愿意接受的信息。

量降低自己被带偏的概率。第一，别把“被肯定”误当成“被验证”。第二，主动索要反面证据。第三，重要判断不要只问一个 AI。

Claude Code被开源后，香港大学推出超轻量级替代方案，它是一个用 Python 实现的轻量级 Agent Harness（Agent 框架），核心代码只有 1.1 万多行，却实现了 Claude Code 中近 98% 的工具能力，同时完全兼容 Anthropic 的 skills 和 claude-code 的插件系统。

简单来说，Agent Harness 就是给大模型装上“手脚、眼睛和安全边界”的那一层基础设施。模型负责思考，Harness 负责执行、记忆、权限控制和多 Agent 协作。OpenHarness 的目标很明确：让研究者和开发者能更透明地理解、生产和扩展 Agent 系统，而不是把这些能力封装在黑盒里。

OpenClaw 越用越好用的本质到底是什么。先说结论：是一堆 md 文件。

为什么很多人觉得 OpenClaw 不好用：1. 模型没选对模型对效果的影响是决定性的。同样的指令，换一个模型，输出质量可能天差地别。2. 把 Agent 当成通才，OpenClaw 支持多 Agent 架构，你可以配置多个 agent，每个负责一个领域。而且从代码层面来看，这不只是"分工"那么简单——每个 agent 有独立的 workspace 目录、独立的 memory 数据库、独立的 session 历史。3. 没有"培训"你的 Agent，
Agent 需要培训。需要跟它多对话，告诉它你的偏好，让它了解你的工作场景，跟它一起踩坑然后把经验固化下来。这个过程，用 OpenClaw 的术语叫"形成 SOP"，用更技术的话说，叫积累 workspace 文件。

我去读了 OpenClaw 的源码，把整个"越用越好用"的机制拆解清楚了。说白了，它的架构可以用一句话概括：每次对话前，把一堆 md 文件拼进 prompt；对话后，让 agent 把新学到的东西写回这些 md 文件。就这么简单。但这个简单的循环，构成了一个威力巨大的飞轮。

1. SOUL.md — Agent 是谁这个文件定义了 agent 的人格：语气、风格、边界、价值观。有意思的是，模板里写着一句话："This file is yours to evolve. As you learn who you are, update it."——这个文件是你自己的，随着你了解自己，去更新它。
2. USER.md — 用户是谁这是 agent 对你的画像：你的名字、时区、工作习惯、技术偏好、沟通风格。每次对话中 agent 了解到关于你的新信息，就会更新这个文件。用得越久，这个画像越精准，agent 就越"懂你"。3. AGENTS.md — 做事的规矩和踩过的坑这是最关键的一个文件。它定义了 agent 的行为规范，更重要的是，记录了所有踩过的坑。
   这就是为什么 OpenClaw 越用越好——不是因为模型变聪明了，是因为 AGENTS.md 里的踩坑记录越来越多。每一条记录都是一次错误的代价换来的经验，被固化成了一行文字，从此永远生效。4. TOOLS.md — 环境备忘记录你的工作环境：SSH 主机名、摄像头设备名、文件路径习惯等。agent 踩坑后自己补充。5. SKILL.md × N — 各领域的操作手册每个 SKILL.md 定义了一个特定领域的操作规范。OpenClaw 内置了 52 个 skill，涵盖 GitHub issue 管理、邮件处理、健康检查、代码审查等。
   Skill 的加载有优先级：内置的优先级最低，workspace 里用户自定义的优先级最高。也就是说你可以覆盖任何内置 skill 的行为。6. memory/*.md — 日常记忆Agent 每天会写一个日期命名的 md 文件，记录当天的对话要点、做了什么、学到什么。这些文件会被索引到 SQLite 数据库里，支持全文搜索和向量检索。7. MEMORY.md — 提炼后的长期记忆Agent 会定期把 daily memory 里的重要内容提炼到这个文件里。相当于从日记中整理出来的笔记精华。这个文件每次对话都会被加载进 prompt，所以 agent 的"长期记忆"就存在这里。

Skill 从 6 个来源扫描，优先级从低到高：1.插件提供的 skill2.内置 skill3.托管 skill（~/.openclaw/skills/）4.个人 skill（~/.agents/skills/）5.项目 skill（{workspace}/.agents/skills/）6.Workspace skill（{workspace}/skills/）用户 workspace 里的 skill 优先级最高，可以覆盖任何内置行为。这意味着你完全可以"调教"agent 的任何技能，而调教的方式就是——写一个 md 文件。

你的 Agent 的价值在 workspace 文件夹里代码是公开的，模型是通用的。真正属于你的、不可替代的部分，是你 workspace 里那堆 md 文件。那些文件里编码了你的偏好、你的工作流、你踩过的坑、你的项目上下文。换台电脑，把 workspace 文件夹拷过去，体验原封不动。删掉那个文件夹，一切从零开始。

起源：时间拨回2025年10月16日，Anthropic在 Claude 3.7 Sonnet / Opus 中正式推出 Claude Skills 功能。定位解决通用大模型在垂直场景中“知道但不会做”的问题，提升任务执行的可靠性与一致性。刚一推出，在开发者社区获得高度评价。
标准：再到2025年12月18日，Anthropic 联合多家生态伙伴在 agentskills.io正式开源 Agent Skills SpecificationV1.0，并发布官方 SDK（支持 Python、TypeScript、Java）。并与Anthropic一年前发布的 MCP形成互补——MCP 解决“能调什么工具”，Skills 解决“怎么完成任务流程”。
响应：在2025年12月~2026年1月得到业界初步响应。微软宣布 Azure AI Studio 将原生支持 Agent Skills 格式；GitHub在 GitHub Copilot Workspace 中实验性支持 Skills；Cursor成为首个全面采用 Agent Skills 的 AI IDE，用户可安装并直接在编辑器中调用。Agent Skills 被 TechCrunch称为 “AI 领域的 Dockerfile”——它让 AI 能力变得可移植、可组合、可版本控制。
生态：截至 2026年2月初：公开可用的 Agent Skills 超过 85,000 个；支持该标准的主流平台达 27 家，覆盖开发、设计、办公、电商、金融等领域；Linux 基金会也已启动讨论，拟将 Agent Skills 纳入其 AI & Data 基金会（AIDF）的候选标准之一。

2026年的春天偏爱Kimi。从收入、融资、估值连破纪录，到以17岁高中实习生为一作的论文被马斯克等硅谷大佬高度评价，再到被500亿美金估值的美国公司Cursor「套壳」，Kimi几乎同时完成了资本、技术和商业的美丽三重奏。这家成立仅三年、估值超1200亿元人民币的创业公司，在全球AI的叙事版图里逐渐显影。300多人，平均年龄不到30岁，每人肩上扛着近4亿估值。这里80%的同事是I人（内倾型人格）——人们并排坐着，却更习惯打字，而非交谈。在这里，内向不是缺陷，而是一种组织协议。

过去一年里，Kimi招聘的人员有超过100人来自内推，要么是朋友，或者朋友的朋友。这种招聘模式被内部称为“人传人”。基于这种本就深度连接的关系网络，信任成为天然的组织资产。
本质上，Kimi把组织管理的难度转嫁到了人才招募上。通过举荐吸引来的人「气味相投」，这也正呼应几乎所有人都在强调的关键词：TASTE（品味）。

.claude 文件夹是 Claude 在你项目中行为表现的“控制中心”。它保存着你的指令、自定义命令、权限规则，甚至还包括 Claude 跨会话的记忆。
实际上有两个 .claude 目录，而不是一个。第一个存在于你的项目中，第二个存在于你的电脑用户主目录 (home directory) 下：
项目级文件夹保存团队配置。你会把它提交到 Git 代码库里。这样团队里的每个人都会遵守相同的规则、使用相同的自定义命令和相同的权限策略；全局 ~/.claude/ 文件夹保存你的个人偏好和本机状态，比如会话历史记录和自动记忆功能。

在现代软件开发中，开发者为了提升程序运行速度与减小文件体积，通常会将代码进行极致的压缩与混淆处理。Source Map文件就像是一把还原密码锁的钥匙，专门用于将压缩混淆后的生产环境代码映射回原始源代码，主要目的是方便开发者在内部测试时快速定位错误环节。

苹果刚刚把一款名为Anything的应用从App Store彻底下架。这款应用在2025年9月以1亿美元估值融资1100万美元，上线以来帮助用户发布了数千款应用。下架理由是违反了App Store审核指南第2.5.2条——禁止应用下载或执行未经审核的代码。在此之前，苹果已经冻结了Replit和Vibecode等同类工具的更新，持续时间长达数月。
这些被封杀的工具有一个共同的名字：Vibe Coding（氛围编程）。
这个概念由OpenAI联合创始人Andrej Karpathy在2025年2月提出，核心理念是“完全跟着感觉走，拥抱指数增长，忘掉代码本身的存在”。它被柯林斯词典评为2025年度词汇。

VibeCoding让人人能够用自然语言编程，也造成了各种应用量的暴增。问题的根源不在于“文科生不该碰代码”，在于一个在媒体传播中被忽略的事实：软件开发的难度从来不只在“写出能运行的代码”。架构设计、安全审计、边界条件处理、数据库权限配置、长期可维护性，这些才是专业工程师花费多年积累的核心能力。

Agent 之所以变得重要，是因为近年来实用型 LLM 系统的进步，并不只是来自模型本身更强，还来自我们使用模型的方式。在很多真实应用里，围绕模型的系统层，比如工具使用、上下文管理和记忆机制，和模型本身同样关键。这也解释了为什么 Claude Code 或 Codex 往往会让人感觉明显强于同一模型在普通聊天界面中的表现。

Claude Code 或 Codex CLI。简单来说，它们本质上都是带有 agentic 特征的编程工具：在 LLM 外面包上一层应用层，也就是所谓的 Agent Harness，从而让模型在编码任务上更方便、表现也更好。

简单总结一下：LLM：原始模型推理模型：经过优化、会输出更多中间推理痕迹并加强自我校验能力的 LLMAgent：一个结合模型、工具、记忆和环境反馈运行的循环Agent Harness：围绕 Agent 的软件脚手架，负责管理上下文、工具使用、提示、状态和控制流Coding Harness：Agent Harness 的一种特例，也就是面向软件工程任务的专用 Harness，负责管理代码上下文、工具、执行和迭代反馈

OpenClaw 可能是一个很有意思的对照对象，但它和这里讨论的系统并不完全是同一类东西。OpenClaw 更像是一个本地的通用 Agent 平台，它也能做编码，但并不是一个专门面向终端场景的编程助手。不过，它和 Coding Harness 之间仍然有不少重叠点：使用工作区中的提示与指令文件，比如 AGENTS.md、SOUL.md 和 TOOLS.md保存 JSONL 会话文件，并包含转录压缩与会话管理可以生成辅助会话和子 Agent等等

通过 Docker 对 Claude Code 进行隔离，本质上是在构建一个受控的高权限执行环境：
利用 --dangerously-skip-permissions 提升效率
借助容器隔离降低风险
通过配置共享与用户对齐保证可用性
这套方案在实际使用中非常稳定，尤其适合需要频繁执行自动化任务或 AI Agent 的开发场景。

Trae IDE 是工作台。你打开它，左边文件区，中间编辑器，右边 AI 面板，底下终端。所有操作都发生在这个界面里。
Trae Agent 是住在工作台里的装机师傅。你在 AI 面板里发的 Prompt，就是交给它的任务单。它会自己调终端、自己跑命令、自己看报错、自己修。
Claude Code 是最终要装起来干活的主角，它里面的内容是一个超能力的 Agent。它才是后面真正调模型、写代码、跑任务、交付结果的那个东西。
记住：Trae Agent 是装机代理，Claude Code CLI 才是干活主体。

一句话，Claude Code 是世界上最强大最聪明的 Agent（没有之一），Claude Code 本身只是一个 CLI 工具，它具有最强大的 Agent，但是还需要一个模型才能干活。
目前国内能跑通的方案分两大类：Coding Plan（月订阅制） 和 API 按量付费。

MiniMax 官方已经把 Claude Code 接入单独列了出来，主推模型是 MiniMax-M2.7。国内直连，不需要任何网络条件。Coding Plan 月付，配置项最少，MCP 支持开箱即用（图片理解、联网搜索直接配上）。第一次装 Claude Code，先求亮灯，再求满配。 MiniMax 就是那条变量最少、路径最短的线。

路线 B：火山方舟 Coding Plan。
备选路线。火山引擎的方舟平台，同样国内直连，模型选择最多（豆包、Kimi、GLM、DeepSeek 都有）。如果 MiniMax 额度用完或者你想换个模型试试，走这条。
路线 C：其他 API 按量付费方案。
除了 Coding Plan，任何提供 API 按量计费的平台都能接入 Claude Code。原理完全一样——你只需要准备好那三样东西：API Key、Endpoint、Model Name。 后面的总 Prompt 一样能接住，不需要改任何流程。

三个值：
1. API Key：你刚创建的那串
2. Endpoint：https://api.minimaxi.com/anthropic，该平台提供的 Claude Code 兼容 API 地址
3. 模型名：MiniMax-M2.7（如果是极速版，模型为MiniMax-M2.7-Highspeed）