20260506研读Openclaw类Agent资料摘录

20260506研读openclaw类agent资料摘录

模型越强，对提问的精准度要求反而越高：你随便问一句，它能给你60分的答案；但你懂提示词，能给它精准的指令，它能给你95分的答案。学会如何高效与AI进行沟通交流，这个是一直都需要学的，也是区分普通用户和AI高手的分水岭。

模型越强，对提问的精准度要求反而越高：你随便问一句，它能给你60分的答案；但你懂提示词，能给它精准的指令，它能给你95分的答案。学会如何高效与AI进行沟通交流，这个是一直都需要学的，也是区分普通用户和AI高手的分水岭。
但它有几个限制：闭源、付费、云端、锁 Anthropic 自家的模型和 Skills。没有自托管，没有 Vercel 部署选项，没法换成你自己的 Agent。

open-design 有它独有的几样东西：问答表单引导、视觉方向预设、71 个设计系统打包、可以部署到 Vercel。
差距也很明显。Claude Design 用的是 Opus 4.7 原生加专门调过的设计 Skill，整体出图质量、节奏、细节都更精致。open-design 的最终质量取决于你接的是哪个模型，Claude Code 配 Sonnet 4.6 表现不错，但跟 Anthropic 自家 fine-tune 过的产品体验比还是有差距。我的判断是：如果你只是想看 Claude Design 长啥样，订阅一个月就好。如果你已经有 Claude Code 在跑、想要数据本地化、想自己加 Skills，open-design 是一个完成度足够高的平替。

claude-trace。
我专门看了一下它的 README 和源码，发现这不是一个简单的“抓包小工具”，而是一个做得挺完整的观察面板。它会拦截 Claude Code 发往 Anthropic API 的请求，记录成 .jsonl 日志，同时生成一份可以直接打开的 HTML 报告。

AGENTS.md 是一个简单的开放格式，用于指导 AI Coding Agent 在你的项目中工作。你可以把它理解为给 AI 看的 README——README.md 是给人类看的项目说明，AGENTS.md 则是给 AI Agent 看的项目指令，包含构建命令、编码规范、测试要求、安全注意事项等 AI 需要知道的上下文。
这个概念最早由 Anthropic 通过 Claude Code 的 CLAUDE.md 普及。Claude Code 运行时会自动加载当前目录下的 CLAUDE.md，把内容注入到发给模型的请求中。这个设计简单而有效——维护好一份上下文文件，Agent 的表现就会变好；表现变好了，你就更愿意用它，进而更愿意维护这份文件，形成正向循环。

2026年，大模型工具链正经历从“通用型套壳”向“模型原生适配”的结构性转移。在开发者逐渐对高昂的月费订阅感到疲劳之际，DeepSeek TUI在五一节突然出现，作为由并非传统计算机科班出身的美国独立开发者、AI Agent研究者Hunter Brown构建的终端原生编程智能体，DeepSeek TUI拒绝了平庸的通用接口封装，而是针对DeepSeek-V4的原生协议进行了从协议层到交互层的深度重构。它不仅继承了DeepSeek-V4 1M超长上下文与原生思维链（Thinking-mode）的强大推理能力，更凭借1/20的极低成本优势，为全球开发者，尤其是中文开发者，提供了一个成本仅为常规工具1/5甚至更低的高性能编程入口。它以Rust编写的轻量化身躯，集成了MCP协议、多智能体编排以及自动化任务队列，旨在将AI编程从一种昂贵的试错，转化为一种如呼吸般自然的终端原生体验。

简单来说，DeepSeek TUI是一款运行在终端（Terminal）的原生编程智能体（AI Coding Agent）。如果你曾被Claude Code的文件操控能力所惊艳，那么DeepSeek TUI就是它的“深度硬核版”。

DeepSeek TUI 的核心开发者是Hunter Brown。在2026年模型工具链日益碎片化的背景下，Brown敏锐地察觉到了一个技术断层：通用的AI 框架（如 LangChain或各种Aider变体）虽然兼容性强，但往往因为要兼顾多个模型而牺牲了特定模型的高级特性。

DeepSeek-TUI的整体架构，本质上是一个“终端原生（Terminal-Native）的智能体运行系统（Agent Runtime）”。它并不是传统意义上的聊天 CLI，而是围绕“模型推理—工具调用—环境观察—持续迭代”这一 Agent Loop构建的工程化平台。整个系统以DeepSeek Coding Model 为核心，通过终端UI、任务循环、工具运行时、Hook机制、MCP扩展与 Runtime API 等模块，将大模型从“对话生成器”升级为“可持续执行开发任务的智能体”。其核心目标不是单次回答问题，而是让模型真正参与代码编写、文件操作、测试验证与复杂工程工作流。：

Pi 在 coding-agent README 里把自己称为一个 minimal terminal coding harness。这个定位很准确。它没有停在聊天壳，也没有把几十个概念堆在一起做演示。默认情况下，它先给模型一组很小的身体能力：read、write、edit、bash。除此之外，Pi 还内置了 grep、find、ls 这类只读检索工具，适合只读模式或按需 allowlist。

Pi 更接近 runtime kernel，解决模型适配、tool loop、session JSONL、工具执行、compaction、skills、resource loader。
OpenClaw 更接近 product control plane。它把 Pi 嵌进一个长期运行的个人助理系统里，外面接入 IM 通道、移动端节点、Canvas、cron、webhook、Control UI。用户从不同入口发来的消息，最后路由到某个 agent session。底层模型循环、工具调用、session transcript，仍然大量复用 Pi 的 agent core / coding-agent 能力。
Pi 和 OpenClaw 的关系，可以直接看成 runtime kernel 与 control plane 的分工。

在快速发展的AI时代，没有一款平台能够满足所有需求。Dify、n8n、Coze、FastGPT与RAGFlow各有侧重：
·Dify强在全栈与企业级运维；
·n8n擅长跨系统自动化；
·Coze以极低门槛吸引运营与产品经理；
·FastGPT 聚焦轻量 RAG，效率至上；
·RAGFlow 则以深度文档理解与可追溯性制胜。

Andrej Karpathy 给了一个很精准的定义："完全沉浸在 vibe 中，彻底忘记代码的存在。"
不是"AI 帮你写代码"，是"忘记代码的存在"。
Schluntz 说得更直接：只要你还在逐行审查 AI 写的代码，你就没有在 vibe coding，你只是换了个更贵的 IDE。
真正的 vibe coding 是：你跟 AI 说清楚要什么，它出结果，你只看结果对不对。代码长什么样你不关心。就像打车，你关心的是到没到目的地，不是司机怎么握方向盘。

Schluntz 说了一句我特别认同的话：不要让 AI 为代码负责，让工程师为产品负责。
以前的模式是工程师对代码质量负责。新模式是工程师对产品结果负责，AI 对代码实现负责。

如今，AI 提效正在成为大厂员工必须面对的一个话题。一边是大厂们正在强制所有人都要拥抱 AI，另一边是员工为了应付 AI 考核，开始用 “魔法战胜魔法”。

2025 年的时候，斯坦福大学有一个研究，它最后的结论是这样子的：表现平庸的人，把 AI 当工具，但表现杰出的人，其实是把 AI 当队友。
那什么叫做当工具，什么叫做当队友？简单来讲，如果你是希望 AI 给你答案，那就叫做当工具，如果你是希望 AI 帮助你变得更好、让你可以产出更好的答案，那就是当队友。（ 编者注：王教授提到当对手和当队友是对于使用者来说的，因为管理者更在乎的是工作结果，这就形成了某种目的性上的不一致，作为打工人，应该在这波浪潮里更多的关注个人借助 AI 的提升。）

王安智：我觉得如果我们就把所谓的 AI 时代再细分成几个阶段。
2022 年到 2024 年，我会说这叫做 MaaS 的时代就是 Model as a Service，我们都在谈要怎么做模型的事情，那个时候 AI 是工具，人是使用者。
2024 到 2026 年的发展，是 SaaS 的时代，AI 是技能的组合，Skills as a Service，这时 AI 是你的协作者，而人类的角色比较像是决策者。
2026 年开始 AI 最终要走向的就是那个 AGI 的时代，那 AGI 的时代 AI 是代理者，它可以取代人类了，那人要干啥？
我觉得我的答案是：在 AI 成为代理者的时候，人应该是探索者。

Epoch AI 与 Ipsos 调查显示，美国 Claude 周活用户 80% 来自年入 10 万美元以上家庭。AI 助手开始按价格、入口和工作场景分层，高收入用户率先进入更高阶的 AI 服务。

ChatGPT 更像全民入口。
Gemini 绑在 Google 搜索、Gmail、Docs 等场景里。
Copilot 跟 Microsoft 365、Word、Excel、Teams、Edge 连接更深。
Meta AI 则直接进入 WhatsApp、Instagram、Facebook、Messenger。
Claude 的典型使用场景更偏主动访问、长文本处理、代码、复杂写作和专业任务。

入口决定用户。
Meta AI 被放进社交网络，Gemini 被放进搜索，Copilot 被放进办公软件。
Claude 则更多依赖用户带着明确任务进入产品。

NotebookLM 是 Google 出的 AI 知识工具。它跟 ChatGPT、Claude 这类通用助手有个很直接的区别：它主要围着你给它的资料工作。
你扔进去 10 篇论文，它给出的回答就从这 10 篇里找。每条回答还会带来源，这点很省心。
Hermes 负责采集、投喂和执行动作，NotebookLM 负责分析、问答和生成结果。结果出来以后，还能继续回流到你的知识库里。

美西时间 4 月 28 日，魔法原子 MagicLab 在硅谷举办全球首届具身智能创新大会 GEIS。
魔法原子在会上推出了新一代人形机器人 MagicBot X1 和灵巧手 MagicHand H01，而且第一次把其世界模型 Magic-Mix、数据生成与训练反馈闭环，作为一套完整的具身智能底层能力集中展示出来。

AI 到来时，网络世界的基础建设已经完备，人类已经大部分迁入而且习惯了网络生活。于是，我看到很多 AI 公司在一开始就收费，当产品才勉强可用，拥有数量有限的死忠用户的早期，他们立即就开始收费。无非是手段比以前柔和一些，在收费的同时，提供了免费体验的机会，并没有做一刀切。

同样都是 7 岁的两个小孩子，一个可以使用每月 200 美金月费的 AI 大模型，另一个只能使用免费 AI 大模型。不考虑其他因素，在二十年之后，他们之间的差距会有多大，后者有没有机会弭平这种差距？还是说，这种差距在一开始就注定，随着 AI 的进化，差距只会越拉越大，最后大到双方彻底无法理解对方，各自过上永无交集的生活？

伴随着 AI 出现，也就出现了一种全新的互联网计价单位：Token，中文翻译为「词元」。一个用户在 AI 上进行任何操作，都会同时消耗 Token。而每一个 Token 都对应着具体的电费，硬件费用，模型开发费用。这可能是历史上第一次，互联网硬件商、基建商、互联网应用商连带线下能源商和制造商，大家提供的服务都统一在 Token 下，而且是直接面对每一位普通用户。

我更想记录的是这次旅行给我的一个测试：
人不在电脑前，只剩一部手机，一个人加一群 Agent 的内容系统，到底还能不能慢慢转起来？
能。

先交代一下我的基本链路，免得后面读起来太玄。
前台是飞书。
中间是 Hermes Agent。
背后接的是 Codex，自带 GPT-Image-2 最近最火的生图能力。图片生成直接走 Codex 内置的 GPT-Image-2，我也不用再切一个生图工具。

Agent 更像什么岗位 主要负责什么
个人助理 Agent 日常运营中枢 信息、待办、复盘、资料整理
内容总监 Agent 内容负责人 选题、脚本、配图、方法论沉淀
蓝皮书 Agent 专项研究员 长周期资料与专题内容
Agent 群聊 临时项目组 上下文同步与跨角色协作

Hermes Agent 和 Skill 接在一起后，我用起来还挺顺手。
不用每次重新写一大段 Prompt。
我可以边用边改，边改边沉淀。
这件事让我越来越确定：
如果判断标准留不下来，Agent 每次都像临时工。
如果判断标准能留下来，它才会慢慢变成一个熟手。

近日，外商投资安全审查工作机制办公室（国家发展改革委）依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。这是《外商投资安全审查办法》实施以来首个被公开叫停的AI领域外资收购案，也是该办法框架下最严的一档审查结论。

经过对对标视频进行分析，提炼出来一个万能提示词，你需要给一个 idea，借助豆包、ChatGPT、DeepSeek 等等 AI 助手就能一键帮你生成角色和分镜脚本提示词,接下来借助 GPT-Image 2 生成角色形象图片。生成角色图主要目的是为了后续可以用来做视频，保证视频一致性。生成视频可以直接使用 豆包 或者 即梦的 Seedance 2.0，目前我先用豆包来生成。

硅谷思想教父凯文·凯利前两天刚刚发表了一篇文章，《Our Uncertain Uncertainties我们不确定的不确定性》，其中提出了一个有点悲观丧气的可能性：未来三年，我们也许依然得不到答案。AI可能继续进步，但每一次进步都不回答旧问题，只制造新问题。
他写道：“AI continues to advance,but the new stuff doesn‘t answer the old questions,it only expands our ignorance because the new is new in a new way.”AI继续演进，但新东西不回答旧问题，只放大无知，因为这些“新”是以一种前所未见的方式新出来的。