20260408研读Openclaw资料摘录
20260408研读openclaw资料摘录
DeepSeek迎来重要更新。财闻4月8日注意到，DeepSeek最新网页版本中，DeepSeek输入框上方新增“快速模式”与“专家模式”，这是DeepSeek走红以来首次在产品端引入模式分层设计。
4 月 7 日，据外媒报道，Anthropic 旗下 AI 编程工具 Claude Code 正遭遇严重的信任危机。AMD AI 总监 Stella Laurenzo 发布的量化报告证实，该工具自 2 月起出现系统性能力退化。核心数据表明，Claude Code 的思考深度骤降 67%，修改代码前的「读改比」暴跌 70%。目前约三分之一的代码操作沦为未读取目标文件的「盲改」，导致低级错误频发。同时，模型表现出严重的推诿与提前终止等消极行为，无效循环致使同等工作量下的 API 成本暴涨 122 倍。Laurenzo 直言，已无法信任其处理复杂的工程任务。
4 月 7 日，大模型 API 调用平台 OpenRouter 公布周榜单，阿里 Qwen3.6-Plus 位列全球大模型周调用量第一，连续 4 天登顶日榜。据了解，该模型是 OpenRouter 平台上首个单日调用量突破 1 万亿 Token 的模型。 （来源：36Kr）
《生成式 AI 服务管理暂行办法》明确规定，训练数据涉及个人信息的，必须取得个人同意。若未经许可将员工的代码、文档、方案用于 AI 训练，涉嫌侵犯其隐私权及个人信息权益。情节严重的，可能构成侵犯公民个人信息罪，面临三年以下有期徒刑或拘役；情节特别严重的，处三年以上七年以下有期徒刑，并处罚金。（来源：IT 之家）
Claude Code 干活像请了一个项目经理——你说需求，它自己拆任务、调资源、干活、验收。Claude Code 在 SWE-bench Verified 上跑出了 72.7% 的得分，在所有 AI 工具里持续领先。而且它的上下文窗口极其强大——标准 20 万 token，最高可扩展到 100 万 token。这意味着它能一次性理解你整个项目的背景，而不是像 ChatGPT 那样聊几轮就忘了前面说的什么。
Claude Code 的核心是一个叫 Agent Loop 的东西——代理循环。它不是一问一答，而是持续执行，直到任务完成。具体来说，每次你给它一个任务，它都会自动跑这五步：
第一步，收集上下文。 它会自己去读文件、搜索内容、执行命令，搞清楚你这个项目是什么情况。
第二步，规划任务。 搞清楚状况后，它会把你的需求拆成具体的执行步骤。
第三步，执行操作。 创建文件、修改内容、安装工具，该干什么干什么。
第四步，验证结果。 检查输出、运行验证，看看自己干的活对不对。
第五步，自我纠正。 如果验证发现有问题，它不会傻等你追问——它自己改，改完再验证，循环直到搞定。
Anthropic 官方说的很直白："Claude Code 不是聊天工具，而是一个能直接在你电脑上执行复杂任务的 AI 助手。"
Claude Code 有三种权限模式，大多数人只知道默认的那个。
Normal Mode——默认模式。Claude 每次要执行操作（改文件、跑命令），都会弹窗问你"可以吗？"。你确认一下它才动。像有个保安站在旁边看着你干活，每一步都要刷卡。
Plan Mode——只读分析模式。快捷键 Shift+Tab 按两次，Claude 进入只读状态，只分析、只出方案、不动手。像请了个军师——只出主意，不动手。看完它的规划满意了，再切回 Normal 让它执行。
好 Prompt 把 Claude 的决策空间压到最小——它不需要猜任何东西，直接干就行。目标、位置、验证、约束，四要素全齐。 你只需要把文件路径和具体需求换成自己的——不管是数据处理、自动化脚本还是文档审核，公式都一样。
看一下 @screenshot.png 这个报错截图，帮我分析原因和解决方案"
Claude 会调用 understand_image 看懂截图内容，然后基于截图帮你排查问题。
这两个能力的价值在于：Claude 不再是一个封闭的工具。 它能看外面的世界，也能看你给的截图。没装 MCP 的 Claude Code 只能读你本地文件；装了 MCP 的 Claude Code，能联网、能看图、能搜最新数据——差距不是一点半点。
! 前缀直接执行 Shell 命令。你在 Claude Code 里输入 ! ls -la，它会直接在终端执行这条命令，结果自动喂给上下文。不用切窗口，不用复制粘贴。
CLAUDE.md 可以放在四个地方，优先级从高到低：
位置作用是否提交 Git项目根目录 /CLAUDE.md团队共享规则是.claude/CLAUDE.md同上，更整洁是CLAUDE.local.md你个人的偏好设置否（加入 .gitignore）~/.claude/CLAUDE.md全局规则，所有项目生效否
Mythos 太强了，强到他们自己都慌了。回到安全这块。Anthropic 的措辞是这样的，「AI 模型在发现和利用软件漏洞方面的编码能力，已经达到可以超越除最顶尖人类之外所有人类的水平。」Mythos Preview 在 CyberGym 安全漏洞基准上跑出了 83.1%，Opus 4.6 是 66.6%。而且它已经自主发现了数千个高危零日漏洞，覆盖所有主流操作系统和浏览器。取而代之的，是一个叫 Project Glasswing 的计划，玻璃翼计划。
Hermes是OpenClaw🦞的“高替”，用惯了Hermes Agent，就回不去龙虾了..
短短几天，就接连三次翻车，无论是服务稳定性崩盘，还是核心能力退化，都在证明这样一件事：急于上市的Anthropic，现在已经变得太功利了。
一天一个花哨的新功能，却连基本的稳定都保证不了。
在4月3日「甲子光年」举行的一场内部分享活动中，姜海舟进行了一次“非标准意义的技术讲解”：尽管他现场展示了OpenClaw的能力，但更多的时间，他是作为一线实践者在进行“事故复盘”——系统崩溃、记忆失效、流程错乱，而一间被他反复提及的“AI急诊室”，成为理解企业AI化当下阶段的关键隐喻。
在这间“急诊室”里，只有三样东西：一台远程Mac mini，一堆运行中的AI Agent，以及一个随时准备“心肺复苏”的人类操作员。正是在这个极端环境下，他逐步验证了一个核心判断：企业AI化的瓶颈，不在模型能力，而在信息结构与组织方式。
AI Agent是一支无所不能的机械化智能军团，大模型就是每个机器人的大脑。但这支军团脑子里没有你公司的任何原始信息。你不喂给它，它不知道要干什么，也不知道怎么判断。
过去做数字化，是把流程装进系统。现在做AI化，是把经营过程装进AI。
什么叫全面数字化？开会全程AI录音转文字；所有业务规则、方法论、企业三观写成文档；每个重要客户、合伙伴、团队成员的信息建成结构化档案；所有约定俗成但没写下来的事，写下来。AI知道的越多，越强大——这不是抽象的说法，是直接的因果关系。
AI Agent彻底改变了这个逻辑。
它最擅长什么？搜集资料、整理信息、跟进进度、写初稿、做调研、结构化输出、监控重复任务——全是“手”的工作。那个脑子好但手不够快的人，突然有了很多只手。
AI替代的是动作，不是托付。替代的是执行，不是信任和责任。
所以我们的策略是两条腿同时走：引进和培养具备AI原生思维的人——能用AI放大判断力，成为真正的AI指挥官；同时识别出拥有不可替代品质的团队成员——信任、责任感、深度业务理解——给他们补上AI技能，让他们如虎添翼。
这两类人都是接下来最值钱的。缺任何一类，企业AI化都会跑偏。
我给这个窗口设置了一个期限：3到6个月。在窗口关闭之前，你必须积累好四样东西：
1.能驾驭AI的思维方式 —— 不只是会用工具，是理解AI的能力边界和信息边界
2.适配AI时代的商业模式 —— 业务设计本身要能承载AI参与，不只是在旧业务上贴AI功能
3.扎实的业务积累 —— AI放大的是你已有的判断和信息，你自己空洞，AI也帮不了你
4.对的团队 —— AI指挥官和拥有不可替代品质的业务骨干，这两类人都不能少
碳基做碳基的事，硅基做硅基的事——分工而非替代
近日，共绩科技完成 Pre-A 轮融资，投后估值 3.5 亿元人民币，并计划于近期启动 A 轮融资。在算力赛道普遍承压的 2025 年，这家用人工智能方法解决资源调度问题的科技公司悄悄做到了数千万营收，客户留存率接近 100%。
共绩科技，正在把算力调度变成一门真实的生意。
简单来说共绩科技做的事就是把闲置算力调度起来，再按需分配给有弹性需求的 AI 企业。无论是网吧夜里空转的机器、或者个人用户的 4090，又或者是小机房的空闲资源都能够成为共绩科技可调度的算力池一部分。如果客户不够用，就随时在算力池子里再调，随用随取。
到了2026年，破局的分水岭出现了。
评价AI价值的标尺，已经从“有没有接入”，变成了“是不是真有用”、“有没有重塑业务”。而答案越来越指向同一个关键词——智能体（AI Agent）。不是聊天框，不是问答机器人，而是能自主理解任务、调用工具、完成业务闭环的智能体，实现从“Chatbot”向“AI Agent”跃迁。
我们不看PPT，只看真实工作流，向行业提出一个全新的务实标尺——“含虾量”。
“含虾量”不是口号。它回答的是一个具体问题：一家企业到底把AI用到了多深？它有没有真正进入核心业务？又有没有带来可验证的商业回报？ 你的智能体，在多大程度上成为了企业的生产力基础设施？
高“含虾量”的企业，不只是用得广，更懂得精细地用——通过Skills精准调用、向量检索等手段，让每一次Agent交互都指向真实任务，而非无效消耗。 如果AI始终停留在边缘场景，就永远无法触及企业最核心的利润区。看场景深度，本质上看的是：AI到底有没有进入业务腹地？AI在这里不再是外挂工具，而是扛起了原本属于高强度脑力劳动的核心KPI。智能体有没有推动组织发生质变？跨部门协同是不是更顺了？那些重复、繁琐、容易卡住流程的环节，是不是因为智能体的加入被彻底压缩了？是少数人的尝鲜，还是全员落地的生产力基建？
谷歌发布了Gemma 4全系列开源模型。其中一个仅需激活3.8亿参数的MoE模型，能在权威榜单上击败体量是其20倍的庞然大物。此次发布的模型包含4个尺寸，分别是有效参数量2.3B的gemma-4-E2B模型、有效参数量4.5B的gemma-4-E4B模型、拥有26B参数的gemma-4-26B-A4B混合专家模型，以及31B参数的gemma-4-31B稠密模型。
3 月 31 日，OpenAI 宣布完成 1220 亿美元新一轮融资，亚马逊、英伟达、软银联合领投，微软继续押注，估值达到 8520 亿美元。
同一天，他们公布月收入已达 20 亿美元，2025 年全年收入 131 亿美元。ChatGPT 周活用户逼近 9 亿，付费用户突破 5000 万。Codex 编程代理的周活用户超过 200 万。广告试点项目在不到六周内年化收入就超过了 10 亿元人民币等值的规模。
这就是AI正在对营销和销售这两个职业做的事情。
表面上看，AI是一个普惠工具——它让所有人都能写出像样的文案，让所有销售都能生成专业的提案，让每一个刚入行的新人，都能快速摸到"及格线"。听起来是一件好事。
但仔细看，你会发现一个令人不安的现实：AI真正消灭的，不是顶端，也不是底层，而是那个庞大的"中间地带"——那些靠经验积累混到中等水平、靠熟练度而非深度维持生存的从业者。
这个中间地带，在营销和销售行业里，占了整个从业人口的绝大多数。
AI目前无法提供，因为它不是一个算法问题，而是一个品位问题。
品位这个词，听起来很玄，但它有非常具体的构成：大量真实的失败经历（知道什么是错的）+ 对人性的深刻理解（知道人们真正在意什么）+ 跨领域的认知储备（能从意想不到的地方找到答案）+ 经过磨砺的直觉（在没有足够信息时仍能判断）。
发现WorkBuddy远不止一个"AI对话框"那么简单。它能读写文件、执行命令、搜索代码、操作浏览器……本质上是一个能直接操作你电脑的AI助手。
Gemma 4 是一个能看图、听声音、调工具、做多步推理的大语言模型。Android 用户：直接在 Google Play 搜索 "Google AI Edge Gallery" 下载。
网易有道却选择了一条最彻底的路：大年初三，全量开源其桌面 Agent 产品 LobsterAI（有道龙虾）。
当 LobsterAI 意外收获 OpenClaw 之父 Peter Steinberger 的公开赞扬时，不少圈内人戏称，在十分焦灼的百虾大战中，LobsterAI 或成为最大赢家。从 LobsterAI 到深耕专业场景的视频答疑功能、有道同传与有道宝库，一套密集爆发的 Agent 矩阵，正是其 AI 原生底座释放出新的势能。面对 Windows 适配的刚性需求，LobsterAI 团队将复杂的 Python 运行环境与各类常用依赖包进行了深度整合与预置封装。
周枫认为，在 Agent 时代，护城河的构建逻辑发生反转：企业不再执着于用封闭的生态将用户圈禁在单一软件内，当用户面临一个具体的繁杂任务时，他的第一反应是唤醒你的 Agent，并且确信只有你的 Agent 能最高效、最完美地交付结果，这才是真正的壁垒。
LobsterAI、有道宝库作为一个个生动的引子，向外界宣告了一个不容忽视的事实：一家拥有深厚历史积淀的教育科技公司，完全具备足够的敏锐度与技术底蕴，在新一轮产品变革的风暴眼中，率先长出最纯粹的 Agent 基因。
OpenClaw可直接调用谷歌Lyria、Runway等顶尖模型，一次对直出视频/音乐。最为硬核的，4.5版本还引入了「梦境」（Dreaming）记忆机制。
它将AI记忆提取为三个协作阶段：轻度、深度、REM（快速眼动）。输入/dreaming，「龙虾」便会在后台对「短期记忆」加权汇总，提取出「持久真相」，并记录在dreams.md中。
这就相当于，让AI模仿人类一样「睡眠」，结果——
OpenClaw不仅能记住对话，更学会了在反思中进化，精准把控长期任务。视频生成接入了11家提供商，Grok、Wan、Runway、Google、MiniMax、OpenAI、Qwen、fal、Together AI、BytePlus，外加ComfyUI的本地工作流。音乐生成支持Google Lyria、MiniMax和ComfyUI。图片生成同样拉满，ComfyUI、fal、Google、MiniMax、OpenAI的gpt-image-1全部接入，gpt-image-1还支持上传参考图做编辑。
这次OpenClaw内置了一个ComfyUI媒体插件，同时覆盖图片、视频和音乐三条线，支持本地ComfyUI和Comfy Cloud两种部署方式。
仅需在聊天框输入/dreaming on瞬间开启，/dreaming status查看当前状态，/dreaming off随时关闭。
开启后，OpenClaw默认每天凌晨3点自动执行一轮完整的「睡眠」扫描。
Tailscale 底层用的是 WireGuard 协议，这是一个被广泛认可的现代加密通信协议，性能好、代码量小、安全性高。Tailscale 做的事情是在 WireGuard 的基础上加了一层协调服务，让设备之间能自动发现、自动打洞、自动建立连接。
你可以把它理解为一个帮你把所有设备拉进同一个安全局域网的调度中心。
数据显示，全球范围内，越来越多的企业将AI作为裁员的重要理由。甲骨文、Meta、微软、Salesforce等知名公司，在业绩依然盈利的情况下，依然启动了大规模裁员。一个反常的现象正在上演：公司越赚钱，裁员越凶猛。这彻底颠覆了我们过去“公司不行了才裁员”的传统认知。
未来的职场，将不再是“谁掌握的技术多”，而是“谁能更好地利用AI创造独特价值”。我们看到，那些懂得将AI作为“副驾驶”，用它来筛选信息、处理杂务，从而让自己专注于核心创造性工作的人，不仅没有失业，反而实现了效率和价值的跃升。
同时，新的机会也在涌现。AI训练师、提示词工程师、AI伦理专家等新兴岗位需求激增。就业市场正呈现出“沙漏型”结构：高端的AI技术和管理人才，以及需要高度人性化服务的线下岗位，需求都在增长。
真正的省钱之道，是放弃这种低效率的社交试探，一次性把要求、边界条件、参考范例说清楚。少去费力解释“不要做什么”，因为否定句往往比肯定句消耗更多的理解成本；直接告诉它“要怎么做”，并给出一个清晰的正确示范。
AI 也一样。Claude Code 的官方文档里也明确建议：Sonnet 处理大多数编程任务，Opus 留给复杂的架构决策和多步骤推理，简单的子任务指定用 Haiku。
更具体的实操方案是构建“两段式工作流”。在第一阶段，用免费或廉价的基础模型做前期的脏活累活，比如资料搜集、格式清理、初稿生成、简单的分类和归纳。进入第二阶段，再将提炼后的高纯度精华投喂给顶级模型，进行核心决策与深度精修。