20260525研读Openclaw类Agent资料摘录

20260525研读openclaw类agent资料摘录

如果一个最佳实践不能被转成 Skill，它很可能只是短暂地提升了我们的认知，但没有真正进入我们的工作流。

以前我们强调 AI First，是说遇到工作、学习、生活问题时，先想想 AI 能不能参与。现在更进一步，我们要想：这个场景有没有可能沉淀成 Skill，让 AI 下次自动做得更好？比如材料优化、代码审查、论文解读、竞品分析、知识库整理，这些高频场景都可以逐步沉淀成 Skill。

据印度知名独立媒体Scroll报道，这发生在服装制造巨头明珠全球工业有限公司位于古鲁格拉姆（Gurugram）的工厂。“我们被要求在上午10点到下午4点之间佩戴这个设备。”该工厂的一位工人称，“他们说我们必须佩戴一个星期，想看看我们在轮班期间都在干什么，以及干了多长时间。”
工人每天下班时，管理人员会收回这些配备了32GB内存卡的摄像头。每台设备都有一个独特的序列号，这个号码会被记录在工厂提供给工人的身份ID旁边。设备收集到的视觉数据会被“聚合、处理并打包成数据集”，提供给“构建机器人、计算机视觉和自主系统的全球AI公司”。Egolab AI在一份文件中称，这些公司包括特斯拉、波士顿动力以及Figure AI。去年，优步（Uber）也试点了一项类似的任务，允许其美国零工从业者通过执行额外的数字化任务来赚钱，包括上传用于训练AI的照片和录音。近年来，数据标注行业蓬勃发展，数十个平台都在雇用合同工来帮助在线训练AI模型。

聊"AI 好不好用"时,我们经常一锅烩。拆开看,里面其实是四件不同的事。第一层,模型能力。底层的推理、代码、写作水平。这是厂商给你的底座,也是几乎所有测评唯一盯着的东西。第二层,产品能力。同一个模型封装成什么样的系统,差别巨大:有没有项目空间、上下文管理、工具调用、文件组织、长任务的承接入口。这一层,跑分测不出来。第三层,用户能力。你会不会拆任务、会不会给背景、会不会判断对错、会不会在它犯错时纠偏、会不会把东西沉淀成系统。这一层,完全在你身上,跟模型是谁无关。第四层,关系记忆。模型有没有逐渐熟悉你的目标、习惯、语言和项目脉络,是不是不再每次从零认识你。这一层,只有长期用才长得出来。

5月25日上午，腾讯宣布，此前有超10万人排队等待的ima copilot功能正式全面开放，所有用户打开最新版ima即可直接使用，不用再排队申请。ima copilot 不只是普通对话工具，它能记住用户的使用习惯和项目进度，越用越贴合个人需求，不用每次都重复说明背景。

OpenHuman不是终端里的CLI工具。
它是一个真正的桌面应用——有UI、有吉祥物、有表情、能说话。这个吉祥物会感知你的工作环境，甚至可以作为"真实参与者"加入你的Google Meet会议。

阿里通义千问团队发布的 Qwen3.7-Max，可能是阿里真正面向 Agent 时代的旗舰模型。
它写代码、调内核、做报表、跑长线任务，而且跨框架通用，从编程到办公到自动驾驶全栈覆盖。
Qwen3.7-Max 已通过阿里云 Model Studio 上线，兼容 OpenAI 和 Anthropic 的 API 协议，可以直接接入 Claude Code、OpenClaw、Qwen Code 等主流编程助手和 Agent 框架。
它支持 preserve_thinking 特性，在多轮 Agent 任务中保留前序轮次的思考内容，这对长链推理任务有实际帮助。

自己封装的一个 Skill 生成的。跑在 Hermes Agent 里，底层调的是香蕉模型。你要是更习惯用 GPT Image 2 或者别的，换掉 API 就行，后面会说怎么换。
你把写好的文章整篇丢给它，它会自己分析哪些段落值得配图，挑出 4-5 个位置，然后直接生成对应的概念图、流程图、对比图或者架构图。
支持四种视觉风格：手绘笔记本风、专业信息图风、科技商务风、温暖手绘卡片风。

OpenClaw 干了一件很聪明的事：它把 Agent 包装成了一种"你电脑上一个自动帮你干活的东西"。它接入微信、飞书、Telegram，你在聊天窗口里说句话，它就能去操作你的电脑。这个体验对大多数人来说是第一次。所以它火了。GitHub 上 star 数狂飙，技术圈人人都在讨论。
所以 OpenClaw 的宿命其实挺清晰的：它是一个伟大的概念验证，但不是一个能普适落地的产品。

OpenClaw 退潮，是因为用户有了更好的选择。现在的 AI Agent 市场已经分化成了三个清晰的方向：第一类，云端一键派。代表产品是 MiniMax MaxClaw，还有昆仑万维的天工超级智能体。你不用装任何东西，注册就能用，模型、算力、存储都在云端。天工甚至把国内主流大模型全接进来了——Kimi K2.6、DeepSeek V4 Pro、GLM 5.1、MiniMax M2.7、Qwen 3.6 Plus，一揽子全包。你关心的不是"用哪个模型"，而是"让 AI 把活干了"。第二类，微信/飞书深度集成派。腾讯的 QClaw 和 WorkBuddy 走了这条路。你在微信里发条消息，Agent 就在本地帮你干活，干完了结果直接推回聊天窗口。不用开新 App，不用学新界面，学习成本几乎为零。QClaw 内测数据挺猛——30 秒分类 45 个桌面文件，5 分钟处理 45 张发票，准确率 97%。第三类，企业级安全派。bit-Agent（小青龙）和 WorkBuddy 企业版是这个赛道的代表。Token 消耗只有 OpenClaw 的 1/60，流程可以固化复用，央企级安全标准。企业客户要的不是"功能最多"，而是"可控、可审计、成本可预期"。

2026 年 5 月 14 日，微软已经开始取消大部分员工的 Claude Code 内部许可。截止日期是 6 月 30 日——也是微软财年最后一天。仅仅 6 个月前，微软还在做完全相反的事——2025 年 12 月，它把 Claude Code 开放给数千名员工，包括工程师、产品经理、设计师，鼓励所有人都用 vibe coding 的方式来重塑工作流。员工很喜欢这个工具，但也许，太喜欢了。微软取消的不是 Claude 这个模型。Anthropic 的模型还会继续通过 Copilot CLI 提供给微软员工。它取消的是 Claude Code 这个产品入口本身。

vibe coding 是什么。这个词是 Andrej Karpathy 在 2025 年初提出的——他描述了一种新的编程方式：开发者不再一行行写代码，而是用自然语言描述意图，让 LLM 生成代码。开发者甚至不读代码、只看结果——能跑就接受，不能跑就再让 AI 改一遍。它意味着：一个不会写 Rust 的工程师能让 AI 帮他写 Rust；一个产品经理能让 AI 帮他做出原型；一个设计师能让 AI 帮他写出能跑的代码。

「给每个员工配一个 AI 副驾」这个假设本身。这种姿势在科技圈有一个流行的名字——「副驾模式」（copilot mode）。它的核心假设是：人继续在驾驶位上，AI 在副驾位上给你建议。它不替代你，只是让你更快。这个假设在文字层面非常温柔——「AI 不会抢走你的工作，AI 只是帮你」。但在财务层面，它的隐含意思是：原来的所有工资不变，但额外多了一项 token 费用。

真正的 AI-native 公司应该是另一种样子。Blomfield 用了一个很具体的描述：每个动作都应该产生一个可记录、可调用的产物，让一切对 AI 清晰可读（legible to AI）；公司应该被设计成「自我改进的 AI 循环」，系统能感知环境、做出决策、调用工具、接收反馈、自我修正。人在这种公司里只剩两种角色。一是个人贡献者——每个人不论部门都是 builder 和 operator，开会带原型，不光带想法；二是 DRI（直接负责人）——每个产出都有一个明确的责任人，「不能躲到 AI 后面」。

这就是微软和 YC 看到同一件事，却给出相反答案的根本原因——他们烧的根本不是同一种 token。微软的 token 是给原班人马的副驾加油，YC 的 token 是替代原本的驾驶员。

而 Blomfield 描述的 AI-native 公司，是在做一件事：把这些原本只存在于人脑里的资产，全部抽取出来，变成 AI 可读、可调用、可迭代的「上下文资产」。具体形式是什么？是详尽的需求文档；是把每一次决策、每一次邮件往来、每一次 Slack 讨论沉淀下来的过程文档；是开放的 MCP 接口和 API；是每个内部工具产生的 artifact——所有这些东西，构成了一家公司新的、可继承的、不会随员工离职而蒸发的资产层。

当我们经常有一些重复的工作需要让大模型去做时，每次都输入重复的提示词就成了一件麻烦事。所以Claude Code团队里有个大聪明就想出了一个主意：给这些提示词绑定一个简短的快捷指令，每次都只需要输入快捷指令就自动将绑定的提示词提交给大模型，这样一来就省事多了，这个方式就叫Skill。

大部分skill的内容都是关于如何干一件事的描述，相当于一套工作流程——告诉大模型"做一件事应该怎么做，遵守哪些规则，按哪几个步骤，碰到异常应该如何处理等等"，工作流程往往是可重复使用的，所以很适合用技能来表示。

每个Skill定义的是"做这件事的步骤，定义的是工作流"。每个Agent定义的是"这个角色该怎么做，实际上也是工作流"。在一个会话中调用多个技能并不是好的做法。流行的做法是每次都创建一个subagent的会话，让subagent去调用这个技能来干活，这样就不会污染主会话，而subagent的上下文也能得到隔离，专心执行技能。

Agent的概念更完整，你可以给它定义身份、背景知识等，概念天然清晰，技能虽然也能这样来编写，但从概念上总是有点别扭。并且，Agent是可以有记忆的，它能记住踩过的坑，吃过的苦头，技能却做不到。Agent有工具集，有权限控制，这些都可以根据技能内容进行调整以达到最佳效果，而纯技能根本做不到这一点。一句话：技能可以做到Agent也能，而Agent能做到的技能却未必能。

阿里云从芯片、云架构、模型、推理平台到产品入口，做了一次彻底的全栈重构。阿里云资深副总裁刘伟光表示，Agent突破临界点之后可以24小时不间断工作，对AI和云的需求无穷无尽。阿里云正在进行全栈技术革新，从底层芯片、Agentic Cloud、模型到推理平台全面升级，建设中国最大的AI工厂。阿里云由此做出的判断是，未来云计算产品的主要使用对象，将逐渐从人类工程师变成Agent。
这个判断，也贯穿阿里云的整个重构逻辑，为了让Agent真正用得上云，阿里云对云产品进行了三个维度的改造，Skill化、MCP化和CLI化。

这套体系被阿里云命名为“Agentic Cloud”，区别于以往几年为大模型训练和推理服务的“AI Native Cloud”。两者的区别在于，AI Native Cloud更多专注在模型的生产迭代，提供弹性高效的算力调度，Agentic Cloud面向的是智能体的运行时，提供沙箱、AI网关、记忆管理、安全防护与编排治理等全套能力。

OpenClacky 的核心工具只有 16 个。
PS：Hermes Agent 有 52 个工具。Claude Code 有 40+。OpenClaw 有 23 个。
OpenClacky 的做法是保留一个轻的核心工具箱，再用 invoke_skill 调长尾能力。这样一来主 Agent 的 prompt 轻了，Token 消耗自然也往下走

如果用一个隐喻来说：
Skill不是菜谱，是厨师的手艺被数字化之后，装进机器人手臂里可以反复执行的肌肉记忆。
没有Skill的Agent，是一个空转的引擎。有了Skill的Agent，才是一个能干活的员工。Tool Skill的核心价值不是速度，是标准化了"顶级人才的思考框架"，让它成为整个团队的基础能力。Workflow Skill是把一个端到端的业务流程，包括其中所有的判断节点、分支逻辑、异常处理，全部封装成一个可以自动运行的Agent行为序列。

AI不会取代你，但会用AI的人，会取代不会用AI的你。
而Skill，是把你和AI结合起来的接口。你不是在跟AI竞争，你是在跟AI合作。而Skill，是你们合作的契约。一个能把自己的知识Skill化的人，不只是一个好的执行者，而是一个知识的建筑师。

CodeX APP 的优势：
1 其实 AI 产品好不好，主要几点：模型和 Harness。GPT 5.5 本身模型能力也很强大，CodeX 的 Harness 做得很好。
2 最近 GPT Image 2 画图效果特别好，生成 PPT 配图、海报等都非常好，CodeX 中使用 GPT Image 2 生图很方便
3 CodeX 支持操作浏览器、操作电脑、应用截图当做上下文、支持手机操作电脑、支持桌面宠物等
4 CodeX 量大管饱还经常重置积分
5 相比于 Claude Code 那个“黑框框”， CodeX 对程序员和非程序员群体都更友好。谷歌的 Antigravity 改版之后都长得和 CodeX 一样啦，就是一种想从程序员群体转扩大到其他群体的一个信号！
6 CodeX APP 最近更新特别频繁，很多和 Claude Code 落后的功能都正在追赶，比如 SubAgent 也支持了，最近还推出了 goal 模式等。

今年整个AI领域形成的共识：AI要从被动回答，变成自主行动。不管是3月火的OpenClaw、4月火的Hermes，还是最近大热的Codex，其实都在不断优化和解决这个问题。
我们做了这么多年知识服务，一直想解决的核心问题就一个：能不能让一个人的学习门槛更低、成就更高？

真正的「得到大脑」，要做的是下一步：主动。不是等你来问，而是它主动来找你。
你丢进去一段录音，它不只是简单转成文字，还会顺着线索往下挖，告诉你知识里有个盲区，然后从得到的知识库里接上；你随手记了一个念头，它过几天主动来告诉你，你最近反复说过类似的话，这背后是不是有个想法值得整理成文章。

Toonflow 是由 HBAI-Ltd 开发并开源的一站式 AI 短剧创作工具。它可以将小说或剧本快速转化为动画短剧，集成了 AI 编剧、智能分镜、角色设计和视频生成等功能。从文本到角色，从分镜到视频，0门槛全流程AI化，创作效率提升10倍+！
项目采用跨平台桌面应用形式，支持 Windows、macOS 和 Linux 系统，轻量部署，本地化运行，适合个人创作者、短剧团队以及对 AI 内容生产感兴趣的用户使用。核心目标是让创作者能以较低成本批量产出视觉内容，实现从策划到出片的完整闭环。

这其实不只是Figure一家的选择，所有人形机器人都面临同样的物理约束：操控动作需要避免延迟。就拿分拣快递来说，一个包裹滑过来，机器人必须迅速决定怎么抓。你不可能每次都先把摄像头画面传到云端、跑一遍GPT级别的大模型、等一会再把指令传回来。那包裹早堆成山了，更别说机器人的真实工作环境也不一定有稳定的网络。
所以Helix-02采用分层架构：顶层是一个7B参数的视觉语言模型，每秒做7-9次场景理解和任务决策；底层是一个只有千万参数级的全身控制器，以1000Hz频率实时控制关节。全程在机器人本地芯片离线运行，不依赖云端。

OpenClaw 不是一个黑盒玩具，而是一套有清晰架构、有严谨逻辑、有安全哲学的个人 AI 操作系统。不懂 Gateway，就做不到稳定调度；不懂 Agent Loop，就做不到连贯执行；不懂会话状态，就做不到跨平台同步；不懂沙箱与安全模型，就永远不敢把它真正用于生产。

近八年前，微软以75亿美元收购GitHub时，全球程序员曾充满担忧。
果然，在度过短暂黄金期后，这个承载着全球超过1.5亿开发者、10亿代码仓库的「程序员圣地」，如今正以一种极其惨烈的方式，站在生死存亡的十字路口。七年来，GitHub始终保持着「独立子公司」的骄傲。但去年夏天，它被并入新组建的CoreAI团队。

Pixmax。它不仅聚合了全球最顶尖的大模型，更重要的是，它用全模型聚合的无限画布+精细化控制+短剧工业化流水线，重新定义了 AI 内容创作。Pixmax 的“企业控制台”专为短剧团队的协同与管理而生，免费开通，而且不限制子账号席位。现在 Pixmax 把这些全部解决了，它没有把自己只做成一个“生成按钮”。它更像是一个无所不能的大管家，把 AI 短剧需要的后台、画布、模型、资产和流程，放到了一起，让创作者更多的专注于创作，其他的浪费精力的事情，。

从战略上来说，OpenAI一直更像一家什么都想要的公司。
在模型能力上，math、science、coding、reasoning、多模态、架构创新等，OpenAI都在发力。
在产品上，Codex、浏览器、机器人、企业平台、智能硬件、芯片和数据中心等等也都在同时推进，据说OpenAI内部的项目数一度高达约300个。
而Anthropic完全相反，他们是御三家里唯一很早就放弃多模态的，且从来没讲过架构创新，没强调过reasoning model、RL、continual learning等概念，只做好语言模型的scaling，只重点做coding一个方向，先把最关键的能力打穿。

关于为什么coding如此重要，现在市场也都清楚了，核心是三点：
1、Coding是通往一切的道路。数字世界的绝大多数任务都可以通过Code来表达。
2、Coding是最适合模型学习的能力。结果可验证性强、Feedback loop短，用户数据能更大程度上反哺模型训练。
3、Coding是AGI研发的核心加速器。现在头部AI labs已经进入了这种加速循环，今年模型一个季度的进步幅度，比过去一年更快。

如果去看Anthropic成员出来录的播客，几乎每一个人都会提到Anthropic的文化，一些人甚至把这种教派般的文化视为Anthropic最大的secret sauce。Anthropic的使命是“确保世界能够安全地度过transformative AI的转变”，也就是一切以安全为重。这某种程度上从Claude模型命名里就能看出来：Haiku、Sonnet、Opus，分别对应着凝练的俳句、莎士比亚的十四行诗和古典语境下的大部头作品。
作为对比，OpenAI的GPT-4/4o/o1是工程编号命名，Google的Gemini Ultra/Pro/Flash是经典的产品线命名。多少能说明一些问题。

今年一季度，中国日均词元调用量突破140万亿，而这个数据在2024年只有1000亿，两年增长超千倍。
粗略来看，1个汉字通常对应1～2个词元，1个英文单词通常对应1个词元。我们经常用手机上网消耗流量，使用AI服务消耗的就是词元。因此，词元调用量越高，就意味着模型被用得越多，创造的价值也就越大。
近日，中国电信推出试商用“词元（Token）套餐”，提供面向个人和开发者的多档位选择，最低月费9.9元起，中国移动和中国联通也在积极布局。

飒姐团队认为，AI中转站的业务本质其实就是境外大模型API的“反向代理”。实际操作中，用户通过中转站提供的国内域名、服务器，将信息转发到OpenAI、Claude、Gemini等海外AI平台接口，再接收返回结果即可。AI中转站再通过批量薅海外AI平台的免费额度或批量购买低价账号后加价卖给国内开发者、企业，即可赚取利差（坊间传闻头部AI中转站甚至能够月赚数百万）。

金蝶集团总裁章勇在媒体采访中说得很直白："今年年初‘SaaS已死'的声音甚嚣尘上，但现在大家看到，AI不是要 ‘杀死’ SaaS，而是重构SaaS。就像金蝶的灵基平台，它就是在重构金蝶SaaS的一种新的展现形态。
这句话背后的潜台词是：大多数企业软件厂商还停留在“+AI”的阶段，把AI当成工具来调用。而真正的AI原生，是以AI为内核，重新设计企业的组织和流程。灵基拥有六层架构，从底层的模型与算力（L1），到知识与本体（L2）、智能体编排开发（L3）、智能体运行（L4）、治理与可信层（L5），一直到最上层的市场与生态层（L6）。这样一套架构打破了传统软件的操作逻辑，提供对话、工作、开发三大模式，覆盖全员、全业务、全场景。
这个架构的核心逻辑是：让AI真正理解企业业务，打通从决策到执行的闭环，并且让企业能够在一个统一的平台上管理所有AI能力。

2022年到2024年，大家都在拼提示词工程。精力全花在怎么写指令、给示例，优化单次调用的输入文本。
到了2025年，智能体运行时间变长，焦点变成了上下文工程。核心是决定模型每一步该看什么，涉及记忆检索、信息压缩。
进入2026年，重点彻底转向了Harness工程。开发者开始搭建包裹模型的执行外壳，维护状态、调度工具、注入反馈、强制执行安全规则。

现阶段，光帆产品的能力仍在持续完善和迭代之中，但光帆AI全感穿戴设备提供了一种区别于传统设备形态的全新交互思路。对于一款面向未来的AI硬件来说，重要的从来不是一出场就完美，而是在真实使用场景中不断成长、持续进化。
光帆真正让我眼前一亮的，是它的"主动式AI"——它不是等你下令才动，而是在你需要之前，就已经把事情安排好了。当所有设备还在卷"你说我做"的时候，光帆已经在做"我替你想"了。这才是AI硬件该有的样子