20260410研读Openclaw资料摘录
20260410研读openclaw资料摘录
设计 Agent 每次推理时看到的完整信息结构——系统级的信息架构设计：SOUL.md放在 system prompt 最前面，是 Agent 的"宪法"——身份定义、决策框架、绝对禁止项。保持精简，只放最核心的约束AGENTS.md跟在 SOUL.md 后面，定义操作规范和协作协议Skills通过extraDirs配置按需加载——Trading 有 15 个 Skills 共 68000+ 行内容，不可能全放在 system prompt 里。只在 Agent 需要用到某个 Skill 时才注入上下文shared-context/是跨 Agent 的共享状态，Agent 通过工具主动读取Obsidian Vault是冷存储，归档产出但不参与推理
Agent 最大的价值不是执行力，而是"参与设计"。当 Agent 从"你让我做什么我就做什么"进化到"我发现了问题，调研了三种方案，推荐 B，你确认我就落地"——这时它才真正成为团队成员。十个进化案例里，大多数的起因不是"我让它做什么"，而是"它遇到了问题然后自己想办法"。系统设计的目标不是让 Agent 听话，而是让它有能力自己解决问题。
昨天腾讯在 QQ 浏览器电脑端上线了 QBotClaw，官方定义是国内首个浏览器原生 AI 智能体。它可以让浏览器变成一个会自己干活的 Agent。 你不需要会写代码，也不需要配什么自动化环境，打开 QQ 浏览器，点 AI 按钮，说你想让它做什么，它去做。
QBotClaw 的处理方式是三层机制：沙箱隔离：AI 权限被限定在沙箱内核里，不能越权访问浏览器范围外的系统资源。腾讯电脑管家 18.0 配合提供「AI 安全沙箱」，动态拦截高危指令。指令约束：所有可执行操作通过 Markdown 指令格式规范化，可执行范围被 SkillHub 认证机制限定。黑名单机制：涉及隐私敏感的数据访问有黑名单拦截，AI 碰不到那些内容。
QBotClaw是腾讯QQ浏览器内置的国内首个AI智能助手，昵称“龙虾”，于2026年4月8日上线Mac版，支持免安装直接使用。
它通过自然语言指令实现网页自动化操作，如自动比价、填表单、跨页面抓取数据等，具备X5USE高精度网页识别和上下文记忆能力，并支持接入通义千问、文心一言等主流大模型API。用户可通过微信远程控制电脑端任务，Windows版即将推出。
为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。
2026年3月，英伟达CEO黄仁勋在GTC大会前发表了一篇署名文章，标题叫AI Is a Five-Layer Cake（《AI是一个五层蛋糕》）。他把AI产业拆成五层：能源、芯片、基础设施、模型、应用。前三层合起来叫AI工厂，核心功能是制造智能。3后两层中，模型层是智能的载体，应用层让智能发挥价值。
Token经济中已经出现了三种截然不同的商业模式：
第一种：按量计费。用多少Token收多少钱。OpenAI的API、Anthropic的Claude API都是这个模式。好处是简单透明，问题是用户为了省钱会刻意减少调用。11
第二种：包月订阅。ChatGPT Plus每月20美元，不按Token计数。这让用户不再纠结每次调用的成本，使用量通常比按量计费高5-10倍。订阅制的本质是让用户形成习惯——一旦AI成为工作流的一部分，退订的概率就很低。
第三种：按价值收费。不按消耗了多少Token收费，而按创造了多少价值收费。比如AI帮你发现了一个合同漏洞，避免了1000万的损失，收你10万。这种模式的利润率可以高到夸张，但前提是你能可靠地衡量AI创造了多少价值。目前这仍然是最大的难题。
他们尝试用4000行左右的代码打造nanobot，实现了OpenClaw这种百万行代码量级项目的核心功能；他们推出开源项目ClawWork，将AI助手转变为真正的AI同事，完成工作任务并创造经济价值，在11小时内赚取了15000美元。它的底层运行逻辑和OpenClaw是接近的，OpenClaw能做的绝大多数事情，nanobot基本也都能做到。比如，写代码、报告生成、行业调研、文档整理、做PPT。
某种意义上，它是OpenClaw的一个轻量化实现。
ClawWork更像是我们搭建的一个生态，用来评估这些能干活的Agent到底能达到什么样的表现。不管是nanobot，还是其他类似的Agent，都可以把ClawWork当成一个载体，在上面做测试和评估。
为什么你们觉得CLI（命令行接口）更像Agent的原生工作语言？
黄超：因为GUI Agent有一些问题。
第一，它慢。因为它每一步都要先理解当前屏幕截图，再判断应该点哪个位置，整个过程本质上依赖多模态理解，所以推理链条会比较长。
第二，它不够准。尤其是在电脑这样的大屏幕上，要去完成一些很精细的点击任务，其实并不容易，所以准确率往往也会受到影响。
第三，它的token消耗会很高。因为这里面涉及大量的图像理解。很多时候，可能只是让AI帮我们点一杯咖啡，最后消耗掉的token成本，已经快接近那杯咖啡本身了。
这种方式看起来很炫，但不一定真正实用。我们觉得，GUI Agent不一定是当下最“Agent Native（原生）”的形态。
之前我们其实容易陷入一个思路，总想让AI像人一样去做事。但后来我们意识到，人类熟悉的方式，不一定是AI最有效率的方式。
我们的判断是，CLI这种模式可能更接近Agent Native，AI通过代码去交流，本身就是一种更准确、更快速的方式。
CLI-Anything其实就是抓住了一个很明确的痛点：一方面是当下软件生态本身的使用方式，另一方面是Agent未来要和软件更高效适配的趋势。
就是它为Agent创建了一套可以直接和软件生态沟通的CLI接口。抓住了这个点之后，很多事情反而就变得顺了。
甲骨文2026财年三季报（截至2026年2月28日）显示，它的营收超170亿美元、净利润37亿美元，同比都增长了20%以上，并创下了史上最好业绩。
所以他们这次裁员，不是被动裁员，是主动的战略换血。砍掉的绝大多数，都是中层数据库管理、常规运维、流程管控类岗位，省下来的钱，反手全部投进了AI研发和企业级AI服务的布局里。
中层的核心价值，本该是承上启下：把老板的战略，拆解成团队能落地的执行动作；把基层的执行结果，汇总成能支撑决策的有效反馈；带着团队解决问题，拿到结果。
但现实里，太多的中层慢慢丢掉了这个核心价值，变成了纯粹的信息中转站：不做决策，只做信息传递；不解决问题，只同步问题；不创造价值，只过滤信息。
而AI，恰恰就是这类“信息中转”工作的终极杀手。没有任何一个人，比AI更擅长标准化、无损耗的信息处理与流转。
对老板来说，不会用AI提人效，你的企业就会被同行淘汰；
对高管来说，不会用AI带团队，你的位置就会被会用AI的人替代；
对中层来说，不会用AI创造价值，你就会被AI直接替代。
那些AI永远替代不了的中层，我给他们起了个名字，叫“AI指挥官”。
AI能干活，但它不会指挥；AI能执行，但它不会决策；AI能处理信息，但它不懂人心。而“AI指挥官”的核心价值，就是驾驭AI，让AI的能力发挥到极致，这是AI永远学不会的。
AI从来都不是来抢我们饭碗的，它是来重构整个商业世界的游戏规则的。
一人公司=(1+N)×X。
其中，“1”是不可替代的你，负责关键决策、定义业务方向、蹚通从0到1的路径；“N”是可灵活组合的外部资源，包括AI数字员工、兼职人员、外包团队、其他一人公司的合作者；“X”是可迭代、可复制、可放大的业务模块。
Trae Solo 独立端是字节跳动把 AI Agent 能力单独打包成的一个轻量客户端，网页版直接用，不用安装 IDE。
它分两种模式：Code 模式给写代码的人用，MTC 模式（More Than Coding）给产品、运营、数据分析、HR 等非技术同学用。中国版地址是 solo.trae.cn，目前完全免费。从 6 个真实案例来看，Trae Solo 最大的价值在两块：一是把「从 0 到可运行原型」这件事的时间成本砍到了 15 分钟以内；二是 MTC 模式真正让非技术人员也能用 AI Agent 做复杂任务，而不只是聊天问答。
据国务院发展研究中心预测，中国具身智能2030年达4000亿元人民币，2035年突破万亿元。与此同时，中国信通院《具身智能发展报告（2025年）》中，首次将具身智能纳入国家未来产业重点，2025年全球市场规模195.25亿元人民币。
Hermes Agent推出后势头很猛。
从2月底上线以来，迅速在GitHub上超过4万星，目前已经迭代到v0.8.0，平均不到一周一个大版本，贡献者超过240人，合并PR达到了1400个。根据官网介绍，Hermes Agent具有六大核心特性：与你同在、越用越强、定时自动化、委派与并行、沙盒隔离、全网页与浏览器控制。
MemOS。一个OpenClaw的记忆插件。
不用换系统，不用迁移，一行命令装上，你的龙虾就有长期记忆了。跨session、跨Agent，而且token消耗直接砍掉一大半。
而 MemOS 用的是向量库。
向量库是什么？你可以理解成一个超级聪明的文件柜。
普通文件柜是按日期归档的——你只能说"帮我找 4 月 6 号的文件"。
向量库是按内容的含义归档的——你可以说"帮我找之前关于写公众号的讨论"，它就能把所有跟写公众号相关的对话全捞出来，不管是哪天聊的。
这就是核心区别。
龙虾自带的记忆是"按时间翻日记"，MemOS 是"按内容找答案"。
她甚至给自己的虾写了一句格言：办法总比困难多。
我自己的经验是：不停给它规则，把好的做法写成skill，把重复任务写成脚本。它会越来越稳定。不是因为它变聪明了，是因为它知道你要什么了。
https://www.liblib.tv
因为国内很多所谓文生视频的制作平台，百分之九十都是纯噱头，接上Api再套个前端的壳，就直接宣布开卖。
唯独只有 LibTV 是真从 stable diffusion 还有 comfyui 那儿取到了真经。
要知道，先前它爆火就是因为它算国内首家把 sd 和 comfyui 上的插件全搬过来的劳模典范。
再加上领跑其余厂商这么久，还一直深耕文生图文生视频板块，我自然也是非常相信。
最近智谱放了个新模型出来，叫 GLM-5V-Turbo。
这个模型的定位很特别：它不是"能看图的聊天机器人"，而是面向视觉编程的多模态 Coding 基座模型。翻译成人话就是：它能看懂画面，然后直接写代码、直接干活、直接操控你的电脑。
GLM-5V-Turbo 的 多模态 Deep Research（深度调研） 能力范畴。它的工具链从纯文本扩展到了视觉交互：画框、截图、读网页（含图片），Agent 的感知-行动链路不再局限于文字。
最近我在疯狂使用 OpenClaw，和云端 Agent 的体验真的不同，本地部署的 Agent 可以不断进化，你可以随时随地查看他的大脑，也就是整个文件系统。同时换不同的模型，就像是装进了不同的大脑，但是有相同的记忆，你会发现模型会有完全不一样的表现。
Marc Andreessen 在 a16z 办公室录 Latent Space 播客的时候，说了一句话：
“Agent 的本质就是文件存储。”
紧接着他给了一个公式：
LLM + Shell + 文件系统 + Markdown + Cron + Heartbeat
Agent 不需要神秘感。它的运作机制可以被阅读、被调试、被修改、被复制。它用的是我们用了五十年的工具，以从未有过的方式组合在一起。
Agent 的突破遵循同样的模式，但有一个根本性的差异：以前的组合解决的是功能问题，这次解决的是自主性问题。
Shell 给了 Agent 执行能力。文件系统给了它记忆。Markdown 给了它一种结构化但同时人类可读的存储格式。Cron 给了它时间感——不是被动响应，是到点触发。Heartbeat 给了它存在感——持续自我确认「我还活着」。
LLM 是这个组合里唯一的未知数，也是唯一的推理引擎。它让其他五个被动组件变成了主动系统。
关键在于：这个系统的状态不在代码里。在文件里
一个 Agent 的架构本质上就是 Unix 哲学的具象化：LLM 是一个模块，可以替换；Shell 是一个模块，可以替换；文件系统是一个模块，可以替换。它们之间用文本接口通信——自然语言文本。
Marc 的判断很直接：MCP 和那些花哨的协议其实不需要。我们只需要命令行接口。
Bash 已经是世界上最成熟的互操作协议。每一个软件都暴露了命令行接口。Agent 有了 Shell 访问权，它天然就和整个软件世界互通了。
Agent 的突破在于：它通过文本文件实现了状态的内省。状态不只是代码执行栈，而是它的信念、记忆、计划、身份。一个 Agent 读它的 memory 文件，就像一个人读自己的日记。区别在于，Agent 读完之后可以修改日记、改写记忆、给自己制定新规则——然后下次启动时，它会变成一个有微妙差异的自己。
跨模型迁移的能力更值得深想。今天用 GPT-5 跑一个 Agent，明天换成 Claude，后天换成某个开源模型。它的工具调用风格可能变了，回复语气可能变了，决策偏好可能变了。但它积累的知识文件、项目文件、配置文件都还在。
身份连续，能力可变。
这在人类历史上也没有对应物。一个最接近的类比可能是：你的大脑被换成了一个不同性格的人，但你的笔记本、日记、待办清单、通讯录全部原封不动。那个人拿起笔记本，读了读，开始接着你停下来的地方继续工作。
代码（prompt 和配置）是 Markdown 文件。数据（记忆和状态）也是 Markdown 文件。用户可以直接编辑这些文件来改变 Agent 的行为。Agent 自己也可以编辑这些文件来改变自己的行为。
软件和用户之间没有边界。软件自己就是用户，用户自己也成了软件的一部分。
2026 年 4 月 2 日，《纽约时报》记者 Erin Griffith 报道了 Gallagher 的公司 Medvi。这家远程医疗创业公司 2024 年 9 月上线，2025 年全年销售额达到 4.01 亿美元，2026 年的目标是 18 亿美元，据报道，目前日均收入超过 300 万美元。公司正式员工只有两个人：Gallagher 本人，和他后来雇的弟弟 Elliot。《纽约时报》称已核实了 Medvi 的财务数据。他用了 ChatGPT、Claude、Grok 写代码和网站文案，用 Midjourney 和 Runway 生成广告图片和视频，用 ElevenLabs 的语音工具做客服通话，还搭建了一批自定义的 AI Agent 让各个软件系统互相打通。整个启动过程花了两个月，总投入 2 万美元。
如果你 2026 年想做一个自己的网站、小工具或者 App，我建议你先试试 v0。不是 Cursor，不是 Claude Code，而是 v0。它把编程、前后端、模型、域名、数据库这些事全打包好了，一站式。你用自然语言描述需求，它直接给你一个能跑的成品，一键部署上线。
v0 是 Vercel 推出的 AI 编程工具。Vercel 你可能没听过，但 OpenAI 官网、TikTok 这些网站的底层都跑在 Vercel 上，它旗下的 Next.js 每周下载量超过 2 亿次。