20260519研读Openclaw类Agent资料摘录
20260519研读openclaw类agent资料摘录
5月18日，腾讯AI设计智能体协作平台Ardot正式开启公测。Ardot是一款支持多人实时协作UI/UX设计工具，主要面向设计师和产品经理；覆盖从视觉设计、代码交付、团队协作与资产流转的软件设计全流程。用户可以用自然语言描述界面需求，Ardot实时流式生成可编辑的设计初稿，并一键转代码，也支持直接导入Figma文件，完整保留原有布局、样式和组件，实现零成本迁移。
腾讯研究院发布《AI原生工作报告》的要点：
驾驭工程：设计 AI 工作环境，而不是只检查输出。
记忆：不是记住一切，而是会筛选、合并和遗忘。
技能：把“怎么做”沉淀成可复用的 Skill。
评估：给 AI 一个独立裁判，别只靠自评。
上下文管理：只给高信号信息，不把所有资料塞进去。
工作流：从单点提效，升级为整条流程重构。
多智能体：先用好一个 Agent，再考虑多个协作。
加法偏见：警惕越加越乱，学会策展和减法。
去技能化：用 AI 增强思考，不把判断力外包。
知识工程：把经验、错误、规则、判断框架连成长期资产。
AI Agent正在成为越来越多人的“工作搭子”。今年5月的百度开发者大会上，李彦宏提出，AI时代的度量衡不该是消耗多少token，而是DAA（Daily Active Agents），即每天有多少Agent在给人类交付结果。这背后是大厂面向普通用户的Agent平台竞赛：字节Coze、百度AgentBuilder、腾讯元器、阿里百炼，几乎每家基座模型厂商都在推广自己的Agent开发平台，希望改造人们的工作方式。
Agent创业的火热，是多重因素叠加的结果。AI编程能力让“造产品”的门槛急剧降低。以Cursor、Lovable、Claude Code为代表的“Vibe Coding”工具，让非专业开发者也能快速构建原型，“把产品做出来”变得非常简单。相关数据显示，2025年中国AI Agent行业市场规模达182.34亿元，同比增长78.03%，行业进入爆发式增长期。2026年政府工作报告也首次将“智能体”写入，国家战略定位不断升级。
龙虾成为GitHub上有史以来增速最快项目之一。据报道，在谷歌搜索热度上，龙虾这个项目一度超过了Claude Code和Codex的总和。
2月份，彼得上了著名科技播客莱克斯·弗里德曼（Lex Fridman）的节目，节目标题叫《OpenClaw：那个让互联网崩溃的病毒式AI智能体》。这不是夸张，它真的把互联网「搞崩了」。
但到了当下的5月，很多人都感觉到龙虾已经明显退潮了。如果说还有什么比龙虾更热，那就只有Codex了。
上周，OpenAI突然进行了一次大规模组织架构调整。从这次调整中可以看出，Codex的地位一下子上升到了战略级。
首先是联合创始人布罗克曼接管产品战略，然后把ChatGPT、Codex和开发者API合并成一个核心团队，领导者就是把Codex做起来的那个人——蒂博·索蒂奥（Thibault Sottiaux）。
这几个月AI工具的迭代速度，说实话，有时候快到连我自己都跟不上节奏。但Codex这个东西，我觉得值得单独拿出来讲。
不只是因为它的数据好看，更因为它代表了一个方向上的变化：AI编程工具，正在从「开发者专属」，真正走向「普通人可用」。
要知道 Grok 是全模态的大模型，不仅仅有聊天，还有生图和生视频，还是距离 X 平台最近的大模型，搜索 X 上的帖子简直是信手拈来。这样一来，我们的爱马仕就成为一个全能战士了，比接入 Codex 还要厉害。
Gemini App正在全面铺开第三方应用集成。目前，已接入GitHub、OpenStax、Spotify、WhatsApp。
支持的文档显示，Canva、Instacart、OpenTable即将上线。
如果你打开最新的内部测试设置界面，就会看到一个令人心跳加速的全新入口：
「设置」 -> 「连接」 -> 「控制其他设备」
点击加号，你就可以把所有安装了Codex的设备全部绑定在一起。
你的主力MacBook、放在公司工位上的高性能工作站、常年插着电源插座的Mac Mini，甚至是你淘汰下来的旧电脑，都会在瞬间被一根AI纽带串联起来！在这个网络里，你的手机就是最高入口，而你所有的笔记本、Mac Mini、备用机都变成了执行节点。
OpenHuman 的 GitHub 仓库才创建没多久。统计数据是 9.8k stars、830 个 fork、51 个贡献者。技术栈是 Rust 主导，前端用的 Tauri，一个桌面应用。它的官方口号是，Your Personal AI super intelligence，私有、简单、极其强大。
OpenHuman 的定位是一个「桌面端 AI Agent」。不是聊天窗口里的一个对话机器人，而是一个深深嵌入你工作流的助手。它有一个桌面吉祥物，可以说话、可以做唇语同步，甚至可以加入你的 Google Meet 会议当成一个参与者。你想象一下，开会的时候桌面上有个小人在那里听着，你让它去查一下邮件它就去查了，这种感觉太赤鸡了。
但最让我感兴趣的不是吉祥物，而是它的「记忆系统」和「自动化集成」。
OpenHuman 支持 118 个 OAuth 集成。Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira，基本上你日常用的工具全在里面。你点一下授权，它就能自动读取这些平台的数据。每五十分钟自动重新拉取一次，不需要你去手动同步。
OpenHuman 的做法是，这些事情不需要你去教它。你把各种帐号一拉，它自动去读你的邮件、日历、文档、消息、代码仓库，然后把所有这些信息压缩成不超过三千 token 的 Markdown 片段，存在你本地的 SQLite 里。不是云端数据库，是你自己电脑里的一个文件。然后它把这些片段组织成一棵「记忆树」。分层的、带摘要的、有等级的。你要找一个三个月前讨论过的方案，它不是去翻所有聊天记录，而是直接在记忆树里搜索。这种设计很像 Karpathy 的那种 LLM Wiki 思路，把所有信息归档成可搜索的笔记。
OpenHuman 还有一个很有意思的技术叫 TokenJuice。名字很有意思，意思是「令牌汁液」。它的作用是在每个工具调用、网页抓取、邮件内容进入 LLM 之前，先做一遍压缩。HTML 转 Markdown，URL 短化，非 ASCII 字符清理。官方声称这能省下百分之八十的 token 成本和延迟。
豆包上线了“博物馆讲解”功能，它的讲解内容基于数据合作，深度覆盖全国20多家头部博物馆，包括中国国家博物馆、浦东美术馆、甘肃省博物馆等，支持更准确的个性化解说。
5月11日，一款名为AnySearch的产品在海外正式上线。
它给自己的定位很明确：AI时代的「搜索基础设施」，专为AI Agent打造统一的高质量搜索入口。它迅速登陆GitHub、ClawHub、skills.sh、SkillHub、Glama等多个开发者生态平台，在技术社区和插件商店中获得了稳定的下载量和互动量。AnySearch可以通过大模型获取Reddit论坛、代码仓库、股票市场等多种信息。四个场景看下来，AnySearch 展现的不是同一个优点的重复，而是四层不同的能力：
场景1是聚合广度，场景2是专业深度，场景3是对已知的甄别，场景4是对未知的诚实。
回望搜索引擎的历史，每一次范式转移，都伴随着「谁在搜」的改变。
1998年Google诞生时，搜索是帮人找网页。2010年代移动互联网兴起时，搜索变成了帮人找服务。
2023年ChatGPT引爆LLM浪潮后，Perplexity们把搜索变成了帮人找答案。
而现在，2026年，搜索正在经历第四次范式转移：从帮人找信息，到帮AI理解世界。
过去几年，科技行业最热闹的地方在大模型。人们讨论Chatbot，讨论Agent，讨论AI会不会写代码、做PPT、生成视频，讨论机器人什么时候能进工厂、进家庭。可所有这些讨论最后都会落到一个问题上：AI如果只能停留在屏幕里，它再聪明，也只是一个答案机器。AI只有进入物理世界，能感知、决策、行动，才真正开始改变生活和生产。
这也是“具身智能”突然变成热门词的原因。问题是，具身智能的第一台大规模商业化设备会是什么？每个人有不同的想象和答案。
李想在与罗永浩的对谈中，给了一个很有判断力的定义：自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场。此外，李想还系统化将上下半场分成共六个阶段，并分别对应具体落地时间节点，时间线从辅助驾驶初期的2018年，贯穿至2040年的通用人工智能（AGI）。
OpenHuman本质上就是把Karpathy这套手工流程变成了全自动的。你不需要自己整理。它去Gmail读你的邮件，把重要的讨论提炼成Markdown片段；它去GitHub读你的PR和Issue，把技术决策整理成记忆节点；它去Slack读你的频道消息，把有价值的讨论归档。你不是在搭建一个AI知识库——你只是在用你本来就用的工具。
OpenHuman 是一款桌面应用，不是纯CLI。有桌面 mascot（一个会说话、会做出反应的虚拟形象），能加入Google Meet当真实参与者，有本地语音（STT进，ElevenLabs TTS出）。
open-design，接近 4 万 Star。
Claude Design 的开源替代。4 月 28 日上线，16 天涨到接近 4 万 Star。
它不是"做 PPT 的"。它是"生成一切前端产物"的平台。
网页、桌面应用、移动端原型、幻灯片、图片、视频。PPTX 只是它四种输出格式之一——HTML、PDF、PPTX、MP4。
支持 Claude Code、Codex、Cursor、Gemini、OpenCode、Qwen、Copilot、Hermes、Kimi CLI。几乎覆盖所有 Agent 平台。
19 个 Skills。71 套设计系统。
要 PPTX 给老板 → open-design。
要网页 PPT 演讲 → guizang。
要文档一键转 PPTX → ppt-master。
open-design 从零生成初稿 PPTX，10 分钟。
ppt-master 把文章链接或文档直接转成可编辑 PPTX。
如果要做演讲版，用 guizang 生成杂志风 HTML 版本。
Hermes 想解决的是另一类问题：如果一个 AI 要长期替你做事，它怎么记住你是谁，怎么沉淀经验，怎么跨平台继续工作，怎么随着使用越来越顺手。第一层是入口层，从 CLI、Telegram、API 都能进。第二层是Agent 核心调度层，负责组装提示、选模型、调用工具。第三层是能力扩展层，包括 memory、skills、MCP、subagents、cron、browser。第四层是执行环境层，支持本机、Docker、SSH、Modal。Hermes 一直强调 Telegram、Discord、Slack、Email、CLI 等多平台接入，还支持 local、Docker、SSH、Modal 等执行环境。背后的思路很朴素：如果 agent 只能绑在你当前这台电脑、当前这个窗口，它就很难成为长期助手。
Anthropic团队（Claude大模型母公司）核心成员Barry与Mahesh的最新内部演讲实录编译。他们主导了Claude Code及Agent Skills的开发。文中揭示了2026年AI应用开发的最前沿范式转移——从“构建智能体（Agents）”转向“构建技能（Skills）”。这不仅是技术架构的迭代，更是普通人低成本驾驭AI的绝佳路径。
当所有人都在疯狂给AI套壳、造各种垂直领域的“智能体（Agent）”时，Claude的亲生父母——Anthropic团队却突然踩了刹车。他们发现了一个惊人的事实：代码才是连接数字世界的通用接口，我们根本不需要那么多五花八门的Agent。“智商300的AI，为什么连个税都报不好？”因为它们缺的是“老炮儿”的行业经验。为此，他们放弃了造Agent，转而用最原始的“文件夹”发明了Agent Skills（智能体技能）。
什么是Skill？说出来你可能不信，它本质上就是一个“文件夹”。里面打包了文件、指令和程序化知识。这种极简设计是故意的，只要你有电脑，无论是人还是AI，都能轻松创建和使用。
相比于传统的“工具（Tools）”，Skills解决了两个致命痛点：1. 告别“冷启动”死锁： 传统工具如果指令写得模糊，AI一旦卡住就毫无办法。而Skills里包含的是代码脚本，代码本身就是最好的文档，AI甚至可以自己修改它。2. 拯救“上下文窗口”： 以前塞太多工具，AI的脑容量（上下文）就爆了。现在，Skills采用“运行时渐进式加载”。平时只给AI看个目录（Metadata），等它真要用某项技能时，再去读取文件夹里的核心指令（skill.md）。这让AI同时挂载成百上千个技能成为可能。
一个通用的AI终极架构浮出水面：Agent Loop（管理上下文） + Runtime（提供文件系统和代码环境） + MCP Servers（连接外部工具） + Skills（提供专业知识库）。基于这套架构，Anthropic在发布Skills后，瞬间就推出了针对金融服务和生命科学的垂直行业解决方案。不需要重新训练模型，只需配上对应的MCP和Skills，Claude立刻变身华尔街分析师或生物医药专家。
Barry和Mahesh打了一个绝妙的比方：在计算机时代，模型就像是“处理器（CPU）”，极其强大但单打独斗没用；Agent Runtime（智能体运行环境）就像是“操作系统（OS）”，负责调度资源；而Skills，就是运行在上面的“应用软件（Apps）”。
Hermes Desktop 是一个桌面客户端，底层依赖 Hermes Agent 提供 AI 能力，上层用 Electron + React 做了完整的图形界面。你不需要碰命令行，就能完成 Hermes 的安装、配置和使用。
技术栈上用了 Electron 39、React 19、TypeScript 5.9、Tailwind CSS 4、Vite 7，本地数据用 better-sqlite3 存储。项目从 4 月初开始，到现在一个多月已经积累了 3.6k Star，发布到 v0.3.6 版本，社区活跃度很高。
它做两件事：一是帮你装好 Hermes 跑起来，二是把所有操作从命令行搬到 GUI 里。
平台覆盖很全：Windows 有 exe（NSIS 安装器），macOS 有 dmg，Linux 有 AppImage、deb、rpm。首次启动会检测系统里是否已经装了 Hermes，如果没有就引导自动安装，依赖解析和配置过程都在界面里完成，预计几分钟就能跑起来。
支持两种运行模式：
本地模式： Hermes 运行在本机 127.0.0.1:8642，数据都在自己机器上，适合注重隐私的个人用户。请求走 SSE 流式协议，桌面端实时解析渲染。
远程模式： 连接到远程的 Hermes API 服务器。比如公司电脑装 Desktop，连接家里服务器上的 Hermes，或者反过来。服务器常驻运行，桌面端负责管理和调试。