20260419研读Openclaw资料摘录
20260419研读openclaw资料摘录
Claude 最新出品的产品 Claude Design，真的太好用了，做设计一绝。
只不过目前必须要 Claude 会员才能使用，这基本上难住 90% 的人了，无他，唯害怕封号尔。
不过还好最近网络上有大神把 Claude Design 的系统提示词泄露出来了，
https://github.com/elder-plinius/CL4R1T4S/blob/main/ANTHROPIC/Claude-Design-Sys-Prompt.txt
一句话概括就是，普通 Prompt 在告诉模型“你是谁”；成熟 Prompt 在规定模型“怎么工作、怎么协作、怎么交付、怎么验收”。
Claude Design 这套写法更厉害的地方，在于它一开始就把三件事钉住了：你是谁。你和用户是什么关系。你最后要交什么。
你是增长产品经理，我是你的评审人。你的工作不是给建议，而是把需求落成可评审的 PRD。
先确认目标用户、增长指标、灰度范围、已有会员权益；如果信息缺失，先提问。
最终交付 4 个部分：
1. 一页执行摘要
2. 详细 PRD
3. 埋点与实验清单
4. 风险与待确认项
交付前必须完成自检：
1. 页面或文档可以正常打开
2. 没有明显报错
3. 没有残留占位文案
4. 关键按钮或跳转逻辑能工作
5. 移动端首屏不溢出
如果发现问题，先修复，再交付；不要只告诉我“理论上已经完成”。
真正厉害的 Prompt，通常都包含 7 个主要部分：
岗位：你是谁，负责什么。关系：用户是你的老板、评审人还是搭档。上下文：开工前必须拿到什么信息。流程：先问、再找、再做、再迭代。工件：最终要交什么。护栏：哪些错误绝对不能犯。验收：什么叫真正完成。
最让人头皮发麻的，是它们不再是工具，AI们不再是“回答问题”，或者给我们结果，这么简单。
它们是真正开始“接管”任务。
丢几句指令，它自己去扒代码、修 Bug、翻全网资料、攒出一份长报告。
以前的工具是地图，路要你自己走。
现在呢？你刚报个终点，车就自己动了。
你以为自己还在开车。其实不是，虽然你还坐在主驾。
赶紧去注册你的 ChatGPT，去用 Codex 跑你的代码，去把 Claude Cowork 嵌进你的工作流，去安装你的小龙虾。
哪怕你清楚，每个月几十美元换来的，只不过是一根极度危险、随时可能把你拽翻的缰绳，你也必须死死攥住它，先强行把自己拉上牌桌再说。
今天，同样的故事正在GPU领域重演。趋动科技正试图在不改变用户体验的前提下，把“独占GPU”变成“共享算力池”。
在趋动科技的方案里，用户感知到的仍然像是一张“自己的卡”，但后台真正运行的已经不是固定的物理GPU，而是一个可统一调度的资源池。用户不用时，这张“虚拟卡”并不占用真实资源；用户真正发起任务时，系统才会在池子里为其即时分配可用算力——换句话说，趋动科技试图把GPU从一个必须被提前买断、长期绑定的硬件资产，变成像票据一样可以被动态领取、即时兑付的资源单元。
GPU虚拟化技术大致可以分成三层：硬件层、内核层和运行时层。硬件层的代表如NVIDIA MIG，优点是性能损失小，但只能固定比例切分，也只支持部分高端GPU；内核层的代表如vGPU、qGPU、cGPU，虽然更进一步，但本质上仍然更多站在“单张卡”的角度处理问题。它们可以切分，但很难把整个数据中心里分散的GPU真正组织成一个统一资源池，更难做到跨服务器、跨节点调用GPU、动态分配、自动释放与超分超售GPU。
趋动科技除了支持全系列英伟达GPU，还支持当前主流的国产GPU，并且已经在金融、运营商，能源电力等对稳定性和安全性要求极高的重要客户的生产系统上稳定运行了数年时间。
对于金融、运营商、能源电力这类客户来说，趋动科技提供的不只是一套“更便宜的卡”，更是一套让AI基础设施真正可运营、可扩展、可长期依赖的软件底座。“趋动科技产品的本质是英伟达和国产GPU的操作系统，更长远的目标是做AI芯片的安卓操作系统。”王鲲说。
我在手机上用 OpenClaw 处理即时性任务（查数据、发消息、跑命令），用 Hermes 处理需要持续跟进的项目（每日摘要、周期性分析）。两个 Agent 在 PocketClaw 里切换很方便，不用退出重新登录。
还有一点，Hermes 目前在用开源模型的体验上比 OpenClaw 更好。如果你想用 Ollama 跑本地模型来省 API 费用，Hermes 是更合适的选择。
Dokobot 的思路很直接。它不是再给 agent 包一层更花哨的 fetch，而是直接让 agent 借助真实的 Chrome 浏览器去读网页、搜网页。换句话说，它处理的不是一份冷冰冰的网页源码，而是用户眼前那个已经渲染好的页面。
它提供的能力也很直接：
dokobot read [url]：读取网页内容，支持 JS 渲染、登录态、无限滚动，还能做多屏截图
dokobot search [query]：直接做网页搜索
它支持的 agent 也比较广，像 Claude Code、Cursor、Codex、Qwen Code、OpenClaw、Hermes、Trae、WindSurf 这些主流 coding agent 基本都能接，走的是 MCP 或 Skills 协议。
Qwen3.6-Max-Preview即将通过阿里云百炼API提供，模型名称为qwen3.6-max-preview。您也可以在Qwen Studio上即时体验。
所谓“数据投毒”，是通过向AI大模型训练数据中注入伪装成正常样本的恶意数据，实现削弱模型性能、降低准确性的攻击方法，常被用于恶性市场竞争，甚至可能涉及间谍活动，日益呈现出链条化、隐蔽化、跨境化特征。
——数据投毒：源头污染AI认知体系。不法分子借助GEO（生成式引擎优化）工具批量、高权重生成虚假内容，如虚构产品介绍、虚假测评、恶意对比信息等，定向投放至各类网络平台。AI大模型在训练与检索增强生成阶段会自动抓取网络信息，少量虚假内容经迭代学习后就能固化为“标准答案”，最终输出失真结果。
——模型投毒：隐蔽植入恶意操控后门。该方式更具隐蔽性与危害性，不法分子会通过模型微调、插件植入、接口篡改，在模型权重中嵌入触发式恶意指令。模型日常运行并无异常，但遇到特定关键词、产品类别时会自动输出预设虚假信息，可定向操控榜单、误导专业认知，难以被常规审核识别，对政务、医疗、金融等关键领域AI应用构成直接威胁。
——滋生蔓延：产业链日趋完整。当前AI“投毒”已形成完整黑灰产业链，从技术开发、内容生成、账号注册到批量投放、刷量控评、榜单操控环环相扣，部分链条呈现跨境特征，极易被境外势力利用。
测试出来的效果，大家直接去生成对比，目前 GPT-Image-2 就是文生图的新王。 比 Nano Banana Pro 香多了！
什么是Harness？其英文直译为马具、缰绳。如果将大模型比作一匹潜力无限的烈马，Harness便是驾驭它的全套驾驶系统，统筹调度工具、上下文记忆、工作流路径，进而直接决定AI能否稳定、高效、低成本地创造价值。
近期，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生撰文指出：“人工智能正式进入了Harness时代。”
作为AI时代的调度中枢，Harness的高效运转，高度依赖底层能力支撑，也依赖于Coding与Skills能力的夯实。
可以说，Harness、Coding与Skills三者，共同构成了AI落地的工程体系。其中，Coding负责生成代码、工具与软件，让AI具备执行操作的基础能力。Skills是封装后的可复用技能，将高频任务模块化、标准化。Harness则是顶层的约束与调度系统，统一管理工作流、上下文、记忆、权限与成本。
2025年，阿里、字节、腾讯先后推出了AI Coding工具——Qoder、Trae、Codebuddy，极大提升了代码效率，也极大压缩了产品周期。
2026年开年，三大厂又同步推出了桌面Agent产品，并密集上线Skills广场，目标直指全面重构企业工作流。
目前，阿里、腾讯、字节三家也均建成了Skill广场：QoderWork拥有数十个社区共享技能，用户使用超十万次；腾讯WorkBuddy汇聚了140多位专家、1000多个常用Skill，成为企业级能力中枢。
智谱AI同样将技术重心放在工程化与自进化体系。财报电话会上，智谱CEO张鹏提出，智能范式正经历关键跃迁：从轻量化Vibe Coding，逐步走向工业级Agentic Engineering（智能体工程）。这一演进将持续突破智能上限，并推动Token调用量呈指数级增长。
好提示词 = 图像类型 + 主体内容 + 构图版式 + 信息模块 + 视觉气质 + 材质细节 + 文字系统 + 画幅比例
OpenAI 全量上线了全新的图像生成模型 ChatGPT Images 2.0，先说几个最直观的感受：
图像生成能力更强了：生成出来的画面更逼真，细节明显更丰富，整体质感提升非常明显。
可生成的图像类型更多了：人物、风景、动物、抽象艺术等不同类型的图片，基本都能覆盖。
支持的风格更丰富了：像卡通、水彩、油画这类风格化表达，也能做得比较自然。
使用门槛更低了：界面更简洁，操作更直观，上手几乎没什么压力。
尺寸和格式更灵活了：能适配更多实际场景，无论是做封面图、海报，还是产品展示图，都更方便。
Claude Cowork——这个今年1月推出的桌面端AI智能体工作台——正是被重度用户最依赖、也最难被替代的核心能力。年初，Claude Cowork插件引发SaaS股票抛售，被称为SaaS末日
但现在，这个「最强生产力工具」正在变成悬在国内用户头上的达摩克利斯之剑。
OpenClaw让AI智能体具备了操作本地应用、调用系统工具的标准化能力，各家大厂纷纷入局：OpenAI的Codex在扩展智能体功能，谷歌也在推进类似布局。
整个赛道的共识已经非常明确——下一代AI产品的核心竞争力，不是「会说」，而是「会做」。
3月22日，百度智能云全量上线了一款名叫「搭子DuMate」的AI助手产品。知识整理自动化：告别手动翻找，AI自动整理、提取、归档——让本地文件变成随时可查的资产；
数据分析自动化：多源数据自动清洗、关联计算、可视化呈现，省去繁琐的手动整理与汇总，直达分析结论；
办公操作自动化：模拟人工操作浏览器和业务系统，完成填表、查询、发送等高频流程——AI 来干，你来审。
搭子DuMate的产品设计，正是对这个定义的具体实现：
以自然语言为交互入口，突破传统AI助手的对话边界——你不需要学会编程，不需要配置环境，会说话就能用。
自主完成跨应用、跨文件的复杂任务——不是你把文件一个个喂给它，而是它自己去你的文件夹里找、去你的表格里算、去你的浏览器里查。
基于记忆模块持续学习你的工作习惯——用得越久，它越懂你。不需要每次都从头解释背景，它记得你的偏好、你的风格、你的工作节奏。
从「理解」到「执行」的闭环交付——不是给你一个「参考答案」让你自己去落地，而是直接把活干完，把成品摆在你面前。
达龙·阿西莫格鲁可能是五人中对 AI 经济影响最为审慎的一位。他任教于麻省理工学院（MIT）经济学系，2024 年因制度经济学方面的开创性贡献获得诺贝尔经济学奖。近年来，他将研究重心转向 AI 领域。2024 年，他发表论文《AI 的简单宏观经济学》，结论出人意料：据其模型估算，AI 在未来十年对美国全要素生产率（衡量经济体整体效率的核心指标）的提升幅度，大约只有 0.5% 至 0.9%。这一数字，与硅谷流行的“AI 将重塑全球经济”的宏大叙事之间，存在近乎一个数量级的落差。
奥托将此概括为“专业知识的民主化”，不是消灭专家，而是降低成为“准专家”的准入门槛。当然，他也反复强调，这并非技术进步的自动结果，而取决于企业的部署方式和政策的引导方向。2026 年 2 月，他与阿西莫格鲁合作发表《构建支持工人的 AI》，系统性地界定了何种 AI 技术可被归为“亲工人型”，试图为技术开发提供明确的价值导向。
这类技术包括：能开辟全新劳动领域的“新任务创造技术”（如让农民转型为管理多维数据的“精准农业调度员”）、旨在降低准入门槛的“决策支持技术”（如辅助护士执行复杂临床诊断，实现医疗专长的下放），以及强调人类处于回路中心的“协作型人机交互”（如在精密制造中由 AI 负责误差补偿，工人负责核心工艺决策）等。
天工 AI 董事长兼 CEO 周亚辉在 2026 中关村论坛上的一段发言不谋而合。
他一针见血地指出：当前最大的市场机会不是 Chatbot，而是生产力 Agent，是对传统企业级软件（SaaS）市场的重构 。
企业级 Agent，才是未来几年真正的金矿，也是普通人通往一人公司的真实底牌。
以前的SaaS软件（比如CRM、ERP、剪辑软件）是给人用的，人是流程的驱动者。
但现在，随着AGI标准收敛到自动化跑通工作流，软件的范式变了。
系统不再是服务于人的，而是直接服务于Agent（智能体）的。
这就是为什么周亚辉认为，传统SaaS体系正在被AI深度侵蚀。
LLM 不是百科全书，它是一个需要被精确引导的、基于概率分布的推理引擎。相比搜索，大模型需要付出十倍百倍的学习，才能用好。
[ 判断：搜索是寻找存量答案，建模是限制优化概率分布。 | 行动：将 Prompt 升级为“角色+约束+输出空间”的函数描述。 ]
中科紫东太初以自研紫东太初ScienceClaw为突破口，从AI4S（AI for Science）赛道切入，正在走出一条中国特色AGI发展之路。中科紫东太初成立于2024年，是依托中国科学院自动化研究所孵化的多模态大模型产业化公司，同时也是名副其实的AI大模型“国家队”。2025年9月发布的紫东太初4.0，成为全球首个“深度推理+多模态”大模型，该模型采用行业领先的原生多模态统一架构，独创“多角色模拟数据增强”“批判式多轮反思学习”等核心技术，实现“边看、边识、边思”的类人认知能力，更一举创造了16项SOTA纪录。
紫东太初ScienceClaw具有以下三大核心能力：
专业力：8大学科覆盖、3000+科研工具与技能，懂“行话”、懂“流程”，可以拆解专业任务，按照科研的逻辑、流程去自动执行。开箱即用，告别环境配置，只要接入飞书、企业微信这些主流办公平台，就能直接使用。
安全力：构建了七层纵深防御体系，包括网络与传输安全、身份认证与授权、输入安全、Agent执行安全、沙箱与隔离、数据安全、审计与可观测，覆盖从网络入口到Agent执行的全链路，为Agent安全运行保驾护航。由于所有数据都在国内自主搭建的服务器上流转，涉及国家重点科研项目也可放心使用。
可信力：全链路可追溯、可接管、可复现，拒绝黑盒，推理过程透明，可以随时随地验证AI的判断逻辑，适配科研严谨性，把判断权和自主性交还科研人员，陪伴其成长。
据悉，紫东太初ScienceClaw围绕论文调研、科研问答、科学构思、自动实验四大能力，构建了覆盖“查、问、想、做”的科研闭环。不仅提升文献获取与知识理解效率，更能辅助研究设计、假设生成与实验执行，推动Agent从处理杂活，真正走向参与科研主流程。因其针对国内科研场景做了大量训练，也会比国外工具更懂中国科研人的需求。
OpenTelemetry（OTel） 是 CNCF 旗下的可观测性框架，由 OpenTracing 和 OpenCensus 合并而来。它不是某个具体产品，而是一套采集和传输标准：
API + SDK：各语言的埋点库（Java/Python/Go/Node.js...）
OTLP 协议：统一的遥测数据传输格式
Collector：数据采集、处理、转发的核心组件
关键定位：OTel 只管采集和传输，不管存储和展示。这避免了厂商锁定——换了存储后端，采集层代码不用改。
模型不是万能的，不同模型有不同的擅长领域，我们可以把它分成三个梯队：
第一梯队：Claude Opus
斯坦福博士级别，当前天花板。
复杂推理、深度分析、任务规划，这三件事交给它，不用反复重来。我自己的感受是，用Opus和用其他模型，就像换了个人在帮你干活，贵，但贵得值。
第二梯队：Sonnet / GPT-4o
综合够用，编程首选GPT。日常工作、写文案、处理数据，完全能胜任，性价比高。
第三梯队（多用）：国产 + Flash + Haiku
便宜，但差距明显。简单任务、打草稿、批量处理可以用，复杂任务别指望它——能力上限和幻觉控制，跟第一梯队有肉眼可见的差距。
“AI并不是让员工更加高效。它的核心是——一个AI加一个人，等于一个组织。”AI时代，真正的赢家，将是最先完成组织重构的人。
尽管早在去年11月OpenClaw就已问世，但是真正将其推上神坛的，是黄仁勋。在GTC 2026大会上，他指出「OpenClaw是个人AI的操作系统。」——这个极具分量的论断，直接点燃龙虾赛道，吸引腾讯、字节、阿里蜂拥入局，二级市场的概念股也情绪高涨。
荣耀正式发布自研终端侧龙虾AI智能体——YOYO Claw技术，并宣布将首发搭载于MagicBook系列轻薄本中，开创「养虾本」全新品类。这不是「AI PC又来了」的故事，而是AI智能体第一次被真正打包进终端，实现产品化。通过出厂预置、开箱即食、词元消耗节省50%、设备级安全防护，AI普惠道路上的绊脚石被逐个击碎。
协作是能力的放大器，不是补丁。如果单个 Agent 本身是个废柴，拉三个废柴来协作，结果就是三倍的废柴，三个废柴开会，废柴还是废柴。SOUL.md 写细、skills 配齐、模型选对，把 Agent调教好，这是多 Agent 能跑的前提，不是结果。
profile 其实就是 Hermes 的人格档案。一个 profile 就是一个完全独立的 AI 分身，有自己的 config.yaml、.env、SOUL.md、独立的 memory、独立的 skills、甚至独立的 gateway 进程。
为什么要强调"真隔离"这件事? 因为多 Agent 架构里最怕的就是"一个挂了全挂了"。Hermes 的 profile 是进程级隔离，每个 profile 跑自己的 gateway 进程，互不依赖。即便某一个 agent 挂了，也完全不影响其他 agent 继续干活。
这点和 OpenClaw 是有差别的。用过 OpenClaw 的朋友都懂，它的多身份更多是配置层面的切换，进程还是同一套。
Hermes 这种物理隔离在企业交付场景下是真的香，客户不会因为一个 bot 崩了，整套自动化系统跟着下线。
先在桌面建文件夹，用 Trae 打开它，再在 Trae 终端启动 Claude Code。接着安装 Superpowers 和 minimax-pdf。用 /brainstorming 问清楚需求，自动进入 /writing-plans 落成计划文件，再用 /dispatching-parallel-agents 让多个子代理分头搜资料、核验、整理，最后用 /minimax-pdf 生成 PDF。