20260602研读openclaw类ai agent资料摘录

主要问题在于：知识没有被消化。OpenClaw 的 Active Memory 只是“记录对话”RAG 只是“检索原文”你需要的是让 AI 把知识编译成笔记就在今年 Karpathy 提出了 LLM Wiki：由 AI 代理（AI Agent）全自动构建、维护和更新的结构化知识库，构建你的第二大脑

Anthropic 是一家奇怪的公司。它花大量时间写文章讲自己的 AI 有多危险，同时把这个"危险的 AI"卖给全世界。它有一套叫 Constitutional AI 的训练方法，有一份叫 Responsible Scaling Policy 的内部承诺，还有一个叫 Claude Code 的产品——你可以在终端里让它读懂你的整个代码库，跨文件改代码，跑测试，提交 git。它不是单纯的聊天机器人公司，也不是单纯的模型研究院，它是把"我们在认真对待 AI 风险"这件事做成了核心卖点、同时又真的在做前沿模型和开发者工具的一家公司。这个组合在全球范围内都很罕见，即便放在美国科技圈里也找不出第二家完全类似的。中国现在有没有类似的公司？有，但没有完全对标的。最接近的三家是智谱、MiniMax、DeepSeek。最像 Anthropic 这家公司的是智谱，最可能最先做出中国版 Claude Code 的是 MiniMax，底层模型能力最接近 Claude 量级的是 DeepSeek。这三个判断是分开的，不能混用。

英伟达CEO黄仁勋6月1日上午11点在台北的GTC演讲中表示，“有用的AI”时代已经到来，现在token（词元）是利润单位，AI是GDP“生成器”，软件工程师的数量正在增加。人们谈论AI减少了工作岗位，这完全是胡说八道，实际上有更多软件工程师被雇用。

今日，在台北国际电脑展的主题演讲中，英伟达首席执行官黄仁勋正式发布了与微软联合研发的全新 N1X 处理器。
该处理器将被集成到全新的 RTX Spark 超级芯片中，并将于今年秋季在微软、戴尔和惠普推出的全新 Windows PC 系列产品中首次亮相。
黄仁勋表示：“这次计算机的重塑，其意义堪比当年手机向智能手机的变革。” 他指出，智能体 AI 将在所有新电脑上运行。
他补充道：“微软和英伟达将重塑个人电脑。这是 40 年来个人电脑产品线首次迎来彻底的重新设计和重塑。”

AIPC为何爆火
一是端侧算力崛起。近两年端侧NPU算力开始质变：算力从10TOPS级跃升至50–80TOPS级别。NPU算力突破，让AI PC可在本地运行几十亿参数的AI大模型，规避了云端AI延迟、隐私泄露等问题，适配办公、创作等高频场景。
二是全产业链的共同迭代，加速了市场爆发。上游芯片厂商与下游PC品牌巨头全面发力，将AI硬件标配化。叠加4-5年左右的PC自然换机周期。配合操作系统层面深度集成的AI助手，如智能文档处理等，降低了普通人在PC端使用AI门槛。

全场压轴好戏，是英伟达首款RTX Spark「超级芯片」！
它史无前例地搭载了6144个GPU核心、128GB统一内存，把过去只有数据中心才有的算力，塞进了一台笔记本。
全球首款专为Agent打造的Windows PC，此刻诞生了。

老黄抛出了一个更底层的判断，「我们进入了全新的Agent时代，智能体就是未来的操作系统」。
传统时代，计算机的运行逻辑是，应用层加代码加操作系统。
而今天，这个架构变成了，智能体+Harness。

Agnes AI 又把竞争推向全模态领域：官方宣布，自6月1日起，旗下核心全模态模型 API 面向全球开发者与创作者无限期免费开放。
这次免费开放覆盖文本、图像、视频三条模型线，包括Agnes-2.0-Flash、Agnes-Image-2.0-Flash、Agnes-Image-2.1-Flash和Agnes-Video-V2.0。它面向的不只是单点模型能力，而是一套更完整的多模态自动化生产流程：
目前，Agnes 2.0和2.1系列模型已接入Agnes产品体系。普通用户可以登录Agnes Web端或Agnes App直接使用，非付费用户默认可调用模型，无需额外配置Agent环境。Agnes旗下视频应用PAVO也可以直接使用相关图片模型和视频模型。

在硅谷最近的一场对Claude Code之父Boris Cherny的闭门访谈中，探讨了Claude Code的起源及其对软件开发的颠覆性影响。Cherny指出，随着AI模型从简单的代码补全演变为能够自主编写全部代码的智能体（Agents），传统的手动编程已基本被“解决”，开发者正转型为管理成千上万个并发代理的全能通用型人才。并重点介绍了 “循环”（Loops） 和 “例程”（Routines）等自动化工作流，并预言软件开发将像印刷术后的文字读写一样实现全面民主化。访谈最后强调，未来的核心竞争力将从编写代码转向领域知识的掌握，且小型初创公司将通过原生AI 构建模式获得超越大型企业的竞争优势。

作为Claude Code之父，他再也没有亲手写过生产环境的代码。对他而言，Claude项目的代码库虽然包含TypeScript和React等技术栈，但那些只是为了方便模型理解而选取的“在分布内”的工具。 真正的权力已经转移：100% 的代码由模型生成，人类退居到了指挥官的位置。

在Anthropic内部，已经没有任何手动编写的代码了，连所有的SQL都是模型生成的。 这种效率的跨代差，正是所谓的“Claude Code精神病”的根源。
现在的编程，正处于那个“识字率10%”向“全民识字”跨越的临界点。
当代码编写的成本降低10倍、100倍时，权力的重心发生了不可逆的偏移。Boris认为，如果你要开发一款会计软件，现在最合适的人选不是一个资深架构师，而是一个“真正懂业务的顶级会计师”。
因为编码已经变成了容易的部分，对该领域知识（Domain Knowledge）的深度理解才是最难的。

不要再迷恋你亲自敲下的每一行代码了，” 这是一个曾经靠写教科书教人编程的顶级大拿给出的最真诚建议。代码只是tokens，是低成本的消耗品，而你的意图和对现实问题的拆解，才是无法被替代的。
从“泥瓦匠”变成“总导演”，这就是Boris Cherny眼中的软件开发新范式。

把 Step 3.7 Flash 接进 Codex，我最大的感受是，国产大模型真正有价值的地方，不只是在聊天窗口里回答得多漂亮，更应该是能进入真实工作流，接住上下文、工具和反馈。
Codex 这样的工具，已经把代码 Agent 的操作框架搭好了。
接下来真正关键的，是谁能成为这个框架里稳定、好用、性价比高的大脑。

Xinference（全称Xorbits Inference）是一个性能强大且功能全面的分布式推理框架，旨在为各种AI模型的运行和集成提供便捷的解决方案。借助Xinference，您可以使用任何开源 LLM、嵌入模型和多模态模型在云端或本地环境中运行推理，并创建强大的 AI 应用。通过 Xorbits Inference，可以轻松地一键部署你自己的模型或内置的前沿开源模型。

中科院自动化所模式识别实验室开源MobileGym，运行在浏览器里的高并发安卓仿真平台，完全自定义，告别模拟器风控与真机成本，一个平台搞定Mobile Agent训练与评测，甚至还能玩原神！MobileGym 诞生了：一个完全跑在浏览器里的、轻量级安卓仿真环境。
团队硬是在浏览器里实现了一整套安卓运行时机制：任务栈、键盘、通知、权限流、intent路由、返回键派发……它覆盖了28个App（12个日常App + 16个系统App），微信、小红书、支付宝、B站、 谷歌地图、12306、腾讯会议、微信读书、Spotify、Reddit、X、eBay全都在内，连主题切换、动态桌面小组件都做了。

豆包的输入有两种模式。
一种是按住一个键就开始说，松开就停。识别率非常高，还会顺着上下文的语义帮你做优化。
另一种更妙：双击一个键，它就安安静静在旁边等着你。你慢慢说，想到哪说到哪，说完再双击回去，它就把这一整段话优化、总结成文字。识别率高到离谱——这一点，我觉得目前很少有别的工具能跟它比。

如果要同时跑两个 agent 做不同的事：
git worktree add ../repo-experiment-a feature/hermes-a
git worktree add ../repo-experiment-b feature/hermes-b

终端 1

cd ../repo-experiment-a && hermes

终端 2

cd ../repo-experiment-b && hermes

前两天 Nous Research 悄悄往 hermes-agent 仓库里塞了一个 ComfyUI Skill，ComfyUI 是生图、生视频的利器，堪称多媒体工作流中的“乐高”，但也正因如此，上手难度很高。而有了 ComfyUI Skill 之后，只需一句话就能在本地出图、出视频，更重要的是，还能用自然语言完成复杂的工作流。

OpenAI官方公告里最核心的一句话：Codex现在支持Slack集成和Google Workspace全家桶集成。翻译成人话就是——它不光能写代码，还能读你的邮件、回你的Slack消息、操作你的Google Docs和Sheets。

从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering，AI Coding 正在经历第三次范式跃迁。本文结合 Anthropic、OpenAI 的最新方法论与真实项目实践，系统分享如何为存量 Java 应用构建完整的 Harness 体系，将 AI 代码率从不到 25% 提升至 90%。

AI 工程实践正在经历三个清晰的演化阶段：
Prompt Engineering（2022-2024） 关注的是单次交互的优化——如何通过 Few-shot Learning、Chain-of-Thought、角色设定等技巧，让模型在一次对话中给出更好的回答。它的核心隐喻是"写好一封邮件"。
Context Engineering（2025） 向前迈了一步，关注的是"给 Agent 看什么"——动态构建的上下文窗口中应该填充哪些文档、对话历史、工具定义和 RAG 检索结果。Shopify CEO Tobi Lutke 将其类比为"给邮件附上所有正确的附件"。这一阶段的核心突破是认识到：模型的表现上限取决于上下文的质量，而非 prompt 的措辞。
Harness Engineering（2026） 则站在更高的抽象层次，它不再只关注"一次对话"或"一次上下文窗口"，而是设计跨越多个会话、多个 Agent 角色、多个执行阶段的完整系统架构。正如 OpenAI 工程师 Ryan Lopopolo 在其团队用 Agent 构建百万行代码产品后总结的那样："Agents aren't hard; the Harness is hard."

经过一轮完整实践，我最核心的体会是：Harness 的价值不在于让 Agent 变得更聪明，而在于让 Agent 的错误变得可控、可发现、可修复。
这和传统的软件质量保障思路一脉相承——我们不指望程序员写出零缺陷的代码，而是通过 Code Review、Unit Testing、CI/CD、灰度发布等机制来确保缺陷被层层拦截。Harness 做的事情本质上完全一样，只不过拦截对象从"程序员"变成了"AI Agent"。正如 Anthropic 所指出的，Agent 存在一个根本性限制——它们无法准确评估自身产出的质量。因此，外部化的约束和反馈不是可选的增强，而是 Agent 可靠运行的必要条件。

GitHub：EKKOLearnAI/hermes-web-ui（2364 Star，MIT 协议）
Hermes Agent 的完整 Web 管理面板。支持多平台 AI 聊天、会话管理、定时任务、使用数据分析、渠道配置（Telegram、Discord、Slack、WhatsApp、飞书、企业微信、Matrix），还有内置的文件浏览器、Web 终端和群聊功能。
Vue 3 + TypeScript + Naive UI 前端，Koa 做 BFF 层，MIT 协议。

如果你做的是分享、讲解、在线演示：
先看 html-ppt-skill。
如果你已经有完整文档，想稳定转成 PPT：
先看 huashu-slides。
如果你更在意品牌一致、可控输出、本地部署：
看 Open Design。
如果你已经有结构，重点是把页面做得更像样：
加上 guizang-ppt-skill。
如果你做的是固定模板、重复性高、需要批量产出：
看 ppt-master。

Orbit的功能定位是主动式简报+洞察系统，跨Claude和Claude Code两个平台。
意思是，不论你是普通知识工作者还是程序员，都会用上同一个Orbit。
其中，集成连接器包含Gmail、Slack、GitHub、Calendar、Drive、Figma。这是初始连接器列表。
机制是opt-in（用户主动开启）+ 时区识别。
输出形态是个性化简报，含从已连接工作工具中提取的可操作洞察.
Orbit Apps：可部署、可pin收藏。