20260511研读Openclaw类Agent资料摘录

20260511研读openclaw类agent资料摘录

先用 GPT Image2 生成视频故事板，再把这张故事板丢给 SD2.0，让它根据故事板直接生成视频。
这套流程我试了一下，最大的感受就一句话：AI 视频这件事，终于开始像正经拍片流程了。
现在可以用 SD2.0 的平台还是比较多的，除了即梦之外，比如 TapNow，Lovart 等等这些平台都不错，我这里选择的是 Lovart，大家就根据自己的情况来选择吧。

无论大家是否承认，目前在文本大模型领域，最顶的那几个，还是外边的那些大模型。
你要说最能打的，大家心里其实都知道，差不多就是克劳德、机破特和哈吉米这几家。
国内这边比较不错的，像 GLM、MiniMax 和 Qwen，我觉得也都还可以。
先说一个比较忧伤的事情吧。
国内我目前最推荐的，其实还是 GLM-5.1。

日常对话要的是方便、顺手、门槛低。
AI 编程要的是稳定、额度够、别掉链子。
如果你是轻度 AI 编程用户，那真的没必要一开始就上高成本方案。
如果你只是偶尔写点代码、改点脚本、做点小项目，或者用 AI 帮你补全、解释、排错，那我觉得可以先直接用 Google 的 Antigravity 编程工具。
中度的 AI 编程用户了，那 Antigravity 那点额度，说实话就完全不够看了。
我现在一般是两种方法结合着用：一种是购买第三方 API 额度。 
另一种是 GPT Plus。无论是用网页版的 ChatGPT 还是 Codex，对于中度用户来说，都足够了。

Skill 不是 Prompt——它是围绕任务、工具、流程和输出边界的结构化行为设计。 写好 Skill 的关键在于理解规范标准、掌握构建方法论、选择合适的设计模式。在 AI Agent 生态中，Skill 是一种可复用的 Prompt 增强包，通过渐进式加载机制为 Agent 注入领域知识和工作流程。2025 年 12 月，Anthropic 将 Skill 规范作为开放标准发布，目前已被 33+ 个 Agent 产品采纳，包括 Claude Code、OpenAI Codex、GitHub Copilot、VS Code、Cursor、Gemini CLI、Kiro 等。

open-slide 本质上是一个给 AI Agent 用的 Slide 框架。你用自然语言描述要什么样的课件，Agent 去写 React 代码生成出来。它支持 Claude Code、Codex、Cursor 这些 coding agent，我自己这里用的是 Claude Code。
它有两个核心命令：/create-slide 用来从零生成一套 Slide，/apply-comments 用来根据评论修改。所以我要做的其实很简单：通过 CC SWITCH 把 Claude Code 底层模型切到 Step Plan，然后照常用 open-slide 就行。

我想出来了的四个进阶的维度，这四个维度，可以共同组成AI使用度的10个等级。
第一个维度是可控性。从最开始觉得AI瞎编、发散，到知道怎么约束它，知道怎么喂上下文，知道怎么设计harness让它精准产出。
第二个维度是广度。从最开始只在自己一亩三分地里用，到借着AI开始跨行业探索，从窄走向广。
第三个维度是形态。从用ChatBot到用Agent，从对话变成长程任务。
第四个维度是角色。从消费者到创造者，从用别人的Prompt，到做自己的Skill。
这四个维度，共同组成了10个等级。

Hermes Agent（爱马仕智能体）登顶 OpenRouter 全球 Token 消耗量榜首，首次超越 OpenClaw。而 Hermes Agent 本月调用排名前五的模型，分别是小米 MiMo-V2-Pro、MiniMax M2.7、英伟达 Nemotron 3 Super、阶跃星辰 Step 3.5 Flash 和腾讯 Hy3 preview,

Hermes Agent 是自进化技能系统。在完成任务后自动分析执行轨迹、提取高频操作模式并封装为可复用的技能（skills），使同类任务越做越快。
在部分测试中，连续运行3个月后65%的新任务可直接调用已有技能。
它持久跨会话记忆。基于 SQLite + FTS5 的四层记忆机制确保即使设备重启或切换平台，Agent 依然记得用户偏好、历史任务和目标，无需每次重新描述背景。
允许一对一拉起子智能体完成专项任务（如性能测试、漏洞扫描），子智能体拥有独立的对话上下文、终端与 Python RPC 环境，保障主流程不受干扰。
支持本地沙箱、Docker 容器、SSH 远程、Singularity 镜像包及按需启动的云环境（Modal）等 6 种执行环境，将敏感任务与宿主机文件系统隔离开。
集成了 Telegram、Discord、Slack、WhatsApp、Signal、钉钉、飞书、企业微信等主流 IM 平台，扫码即可接入 Agent。
修改文件前自动保存工作目录快照，操作出错时可通过 /rollback 一键恢复，这是 OpenClaw 尚未原生提供的功能。

OpenClaw 的专属 Computer Use 工具 Peekaboo v3 正式回归，并在发布后高频更新。它补上了 OpenClaw 最缺的一环，让 AI 不只会回消息，还能看屏幕、点按钮、操作真实桌面。
对普通用户来说，Peekaboo 最好理解成一套 macOS 自动化工具。
它能截图，能识别窗口，能读 UI 元素，能找按钮，能点、能打字、能滚动、能切应用、能操作菜单。
一句话概括，OpenClaw 管「谁来找我」「要做什么」「交给哪个 Agent」，Peekaboo 管「屏幕上有什么」「按钮在哪里」「这一刀该往哪儿落」。

职业
每天主要交付
主力工具
国内替代/补充
最适合让 AI 做什么
普通职场人 / 行政 / HR / 销售
邮件、通知、纪要、客户资料、日常问答
GPT-5.5
豆包
降低幻觉、整理材料、生成标准文本
内容创作者 / 编辑 / 品牌公关
选题、文章、脚本、知识库、配图
Claude Opus 4.6 + GPT-image-2
DeepSeek V4 Pro + Seedream
长文结构、语气控制、资料整理、图文生产
产品经理 / 创业者
竞品、需求、PRD、原型、方案判断
GPT-5.5 + DeepResearch + Gemini 3.1 Pro
豆包 + Kimi K2.6
调研、拆需求、做原型、验证产品方向
程序员 / 独立开发者
架构、代码、测试、调试、上线
Claude Code + Opus 4.7；Codex + GPT-5.5
Claude Code + deepseek-v4-pro
规划归规划，执行归执行
数据分析师 / 财务 / 投研
表格、脚本、报表、归因、研究结论
Codex + GPT-5.5 + DeepResearch
Claude Code + deepseek-v4-pro / 豆包
读表、写脚本、跑验证、搭证据链
设计师 / 市场 / 电商运营
海报、banner、商品图、活动页、信息图
GPT-image-2 + Gemini 3.1 Pro
Seedream + Kimi K2.6
视觉生成、中文海报、落地页原型
视频创作者 / 广告导演
分镜、短片、产品视频、广告素材
Seedance 2.0 + 可灵 3.0
两个都是国内强项
Seedance 管运动，可灵管电影感
教师 / 培训师 / 知识付费
教案、课件、题库、课程脚本、教学素材
GPT-5.5 + Claude Opus 4.6 + GPT-image-2
豆包 + DeepSeek + Seedream
备课、分层讲解、课程结构、知识卡片
老板 / 管理者 / 技术负责人
战略判断、组织分工、技术规划、复盘
DeepResearch + Claude Code + Opus 4.7
豆包 + deepseek-v4-pro
看趋势、拆问题、定路线、盯执行
这张表的核心逻辑只有一句：不要按模型热度买，按职业交付物买。

微成都报道 “如果一个人能同时用好流量杠杆和AI杠杆，欢迎来找我，我很愿意投资的。”说这话的，是星阙超级个体孵化器的创始人廖泽锐。这家位于成都的机构，是全国首个以投资OPC驱动的平台，目前已投资8个OPC项目，计划今年投资50个项目。

从DeepSeek时刻到自己的AI心理咨询项目落地，经过半年多的深度学习，他自己推演出一个理论：在AI时代，杠铃的一头是通用AGI加持的大厂，会演化成超级大厂，商业触手无限下探；另一头，是AI工具带来的个人生产力爆发，使得5人以上的小团队都要面对来自大厂的直接竞争，被迫收缩到更垂直的领域。杠铃两端同时生长，而中间的部分正在被快速压缩——那些原本需要几十个人的团队才能完成的事情，现在一个人加几个AI工具就够了。
“超级个体OPC将是AI时代的主流商业形态。”他说。

读论文、读代码、做知识库、分析会议纪要、处理长文档，都离不开它。
但上下文长度不是一个越大越好的单一数字。它背后其实是一组能力：检索、抗干扰、关系追踪、信息聚合、多答案召回，以及在长材料里继续依赖证据，而不是凭记忆发挥。
如果只是日常聊天，可能不用太纠结这些。
但如果你正在做知识库、Agent、AI Coding、论文阅读、企业内部问答，最好别只测试模型能不能装下资料。还要测试它能不能真的用好资料。
模型能读 1M Token 是能力进步，但怎么组织资料、怎么拆任务、怎么复查遗漏，仍然决定了 AI 在真实工作流里能不能靠谱。

Markdown 凭借着简洁、纯文本、版本控制友好、几乎随处可编辑的特点，从技术文档到 GitHub ，从笔记软件到博客平台，它几乎成了轻量级标记语言的代名词。

HTML 还是有“两把刷子”的——Markdown 做不到的地方也就成为了HTML的优势。
优势1：超丰富的信息表达形式
HTML 除了能够完成简单的文档结构功能，还能呈现 8 种类型的信息，包括表格、插图等等。
优势2：视觉清晰、阅读友好
相对于Markdown，HTML 文档更容易阅读：Claude 可以从“界面”的角度去组织内容结构，通过标签、插图、链接等导航，它甚至还可以是移动响应式的！
优势3：更容易分享
在分享 Markdown 文件时，通常需要作为附件添加到电子邮件或消息中。
如果使用的是 HTML ，只要上传文件，就能轻松分享链接。
优势4：支持双向交互
更重要的是，HTML 不只是“更好看的文档”，它甚至可以变成一个可交互的界面。比如加入滑块、旋钮、按钮等交互组件，用来实时调整设计参数，或者修改算法中的不同选项，能够直接观察到结果。

Stripe、Coinbase、Visa 各自押了一条线，三件事让这个判断在 2026 年 5 月看起来格外清晰。
图片
3 月 18 日，Tempo 主网上线，Stripe 把 MPP（Machine Payments Protocol）正式发布。 4 月 29 日，Stripe Sessions 一次性推出 288 个产品，从 Link Agent Wallet 到 streaming payments 全面押注 agentic 经济。 5 月 7 日，AWS AgentCore Payments 公测，把 x402 和 Stripe Privy 都接了进来。

VirusTotal是谷歌旗下的在线文件安全检测平台，可扫描文件、网址、IP等以检测恶意软件。它整合了全球70多家安全厂商的引擎，用户上传文件后会自动分发至各引擎检测，结果实时汇总。
在OpenClaw集成中，VirusTotal用于扫描技能包的安全性，若检测为良性则允许安装。平台还支持通过文件哈希值快速调用历史检测结果，提高效率。
需要注意的是，VirusTotal虽能有效筛查已知威胁，但新出现的恶意软件可能仍存在漏报风险。

https://mp.weixin.qq.com/s/hVizUucsy8rwFOUR-VZ6wA