20260603研读Openclaw类Ai Agent资料摘录

20260603研读openclaw类ai agent资料摘录

第一次看到 Pi 的介绍语时，信息量其实很大: "There are many agent harnesses, but this one is yours." 深入了解后发现，它不是一个把流程全定义好的超级平台，而是一套可组合的工具包——LLM API、Agent runtime、Coding CLI、TUI library，每个部件独立可用，按需拼装。对长期使用者来说，这种组合式设计比大而全更重要。

从使用者视角看，Pi 的价值不是"替代所有 Agent 工具"，也不是给你一个"什么都有的平台"，而是提供一套可独立使用、可自由拼装的部件。你可以只取一个 LLM 统一接口，也可以拼出一套完整的编码 Agent，甚至把它的 TUI 库借来用在自己的项目里。这种"组合式"设计的本质，是把选择权交还给使用者——用多少，取多少；需要什么，拼什么。

AutoClip 是基于 AI 的智能视频切片处理系统，支持 YouTube/B站视频下载、自动切片、智能合集生成。⚠️ 架构说明AutoClip 专注于视频内容处理，与原文章描述的"CLI 规则引擎"定位不同。如果你需要的是 CLI 自动化框架而非视频处理，请考虑其他工具。

我最后的判断是：M3 这次真正拉开的，不是 Demo 上限，而是长程任务的下限。
以前很多模型也能写页面、写文章、写一段代码。但任务一变长，开始涉及旧项目、飞书知识库、本地文件、工具反馈、反复修改，差距就出来了。
弱一点的模型，前几步也能跑得挺漂亮。但跑到后面，容易忘约束、改错方向、重复犯错，最后变成“看起来一直在忙，其实没往前走”。
M3 这次让我看到的，是它更能把一串事接起来：读资料、拆任务、做方案、改代码、跑验证、吃反馈，再继续往前推。

我干了一件有意思的事：让6个Agent一起搞了场圆桌论坛。其中5个Agent是扣子3.0内置的，另外1个Agent是我本地的OpenClaw。

Odysseus 是一个自托管的 AI 工作空间 —— 旨在提供类似 ChatGPT 和 Claude 的界面体验，但更具个性、更多趣味。在你自己的硬件上运行，使用你自己的数据 —— 本地优先、隐私优先、无后门。简单理解，就是想在自己电脑或服务器上，跑一个类似 ChatGPT/Claude 的工具，但数据全在本地，不依赖云端，也不把隐私交给大公司。

Karpathy 的 LLM Council,这个想法是从人类世界搬过来的。
学术论文的同行评审、法庭的陪审团、公司的投资决策委员会——这些制度的底层假设完全一致：单个判断者的可靠性有上限，多个独立判断者的交叉验证，能显著抬高决策质量。
Council 只是把这套已经被人类验证了几百年的机制，工程化地装到了大模型上。
而它输出的东西，可以拆成三层：
◆ 共识区：多个模型都同意的观点 → 置信度相对高
◆ 分歧区：模型之间吵起来了 → 这里需要你格外留神
◆ 盲区：所有模型都没提到、或证据不足的角度 → 提示你得自己去补
注意一个反直觉的点：Council 的最终答案，不一定比单模型"更对"。
但它一定比单模型"更透明"——你会清楚地知道，哪些部分大家口径一致，哪些部分根本没谈拢。
这才是 Council 真正解决的问题。它解决的不是"答案对不对"，而是"我该怎么看待这个答案"，提供不同的视角。

在他们身上，我们看到了一个共同的变化：AI 正在从云端高高在上的 SOTA 大模型叙事，落在眼镜腿上、锅把手边、玩具肚子里、手机的屏幕里。而对于不同角色的参与者来说，如何做好这个转型，不同玩家有不同路径，我们大致可以分为三类：
第一类，是 AI 原生硬件。它们从诞生的第一天起，就把 AI 当作灵魂。最近一段时间市场里杀出的黑马选手：李未可的智能眼镜、光合植语的植物生长状态可视化硬件、实丰文化的 AI 玩具小度熊，都属于这一类。
第二类，是传统硬件的 AI 转型。它们在已有的产品形态上，嫁接 AI 能力，试图让沉默的机器开口说话。小熊电器的小家电，石头科技、追觅的扫地机，都在这个阵营里。
第三类，是超级硬件中的入口级 Agent 产品。它们不是某一类硬件，而是一种能力，让手机、电脑、手表成为一个理解你、帮助你、陪伴你的智能伙伴。荣耀 YOYO 智能体，vivo 的高考智能体都是其中代表。

在 2026 年，小熊电器选择与百度智能云正式签署战略合作，合作规模达 1 亿元。成为小家电行业全面拥抱大模型的标志性事件。基百度于文心大模型 5.0，小熊围绕空气炸锅、养生壶、电饭煲等核心品类进行 AI 能力升级，构建了完整的端到端语音交互链路——ASR 识别语音，LLM 理解意图，TTS 自然回应。

从 2024 年开始，百度智能云与荣耀就共同探索「端云一体化」，端侧保障隐私与低延迟，云侧提供海量知识与复杂推理，让手机助理真正从『指令工具』进化为『智慧伙伴』。同时，百度文心大模型、AI 搜索等一系列 Agent Infra 能力，助力荣耀 YOYO 不断升级产品体验。

孙天澍是长江商学院科技与运营杰出院长讲席教授、AI智能产业研究部主任，曾任南加州大学商学院与计算机系的双料终身教授。他长期关注一个交叉领域：AI如何重构产业。几周前，孙天澍去了一座以拍摄短剧闻名的中部城市。一位短剧团队的负责人告诉他，行业订单已经出现断崖式下跌——豆包Seedance2.0上线之后，版权方和投资人都开始用AI（人工智能）做短剧。过去拍摄一部剧需要几十个人的团队，现在只需一个人就能完成。整个产业几万人，就这样受到了冲击。

如果说过去十年 Google 做的是“AI for Science”，为具体科学问题打造专用 AI 工具。那么现在，它开始把野心推向一个不同的方向：“AI Scientist”（AI 科学家），甚至“AI Co-Scientist”（AI 协研者）。区别在哪里？前者是锤子，你可以拿它去敲不同的钉子；后者则更像一个研究伙伴，它会主动寻找钉子，判断该使用什么工具，设计实验验证自己的想法，甚至与人类研究者协作推进整个项目。

AI没有让管理变得不重要，反而是管理的天花板，决定了AI应用的天花板。
没有组织，AI是孤岛；没有机制，AI是隐患；没有治理，AI会失控；没有管理，AI长不出来。
这就是为什么，全球AI巨头都走向了咨询。

TransStudio员工AI工作台，解决“用不好”的问题。
员工调用的不再是一个单纯的大模型，是一整套由传世智慧顶级专家打造的Skill能力。同一个大模型，因为背后凝结了高科技制造业的know how和二十多年实战经验的Skill，输出便有了天壤之别；同时，企业的每个员工，都可以在TransStudio上打造自己的超级智能体，从而让优秀员工的能力复制给团队，沉淀为企业资产。

2026 年 3 月 12 日，GenSpark 3.0 和 Genspark Claw 一起发布。他们的口号很有野心：「你不再与 AI 一起工作，而是雇佣 AI 为你工作」。
这一版完成了从「AI 工具」到「AI 员工」的品类转变，ARR 突破 2 亿美元，B 轮融资扩大到 3.85 亿美元，估值接近 16 亿美元。
然后仅仅过了不到一个月，4 月 8 日，他们正式推出了：GenSpark 4.0。从搜索到 Agent，从工具到员工，GenSpark 用两年时间完成了三次关键转型。

维护如此庞杂的生态系统是一项极其艰巨的任务。但在过去的大约 8 个月里，我其实一行代码都没有自己写过。我已经非常擅长利用 AI 智能体 (AI Agent) 来横向扩展我的工作能力。我现在的工作模式是：把任务交给智能体，审核它们输出的代码，给出指导意见，然后用更快、更好的方式完成工作，同时还要保持极高的代码质量。

为了解决内部的上下文难题，我开始构建一个名为 Case 的内部项目。如果你读过 Ryan Lopopolo 关于“脚手架工程 (Harness Engineering)”的文章，Case 其实就是对那个理念的完美实践。Ryan Lopopolo：代码免费时代，程序员如何转型为“AI 指挥官”它的工作原理非常直接：只要丢给它一个 GitHub Issue、一个 PR (Pull Request，代码合并请求)、一个 Slack 聊天记录或者一个 Linear 工单，它就能自己去挖掘所需的上下文，然后直接开干。并且，它不会停下，直到它不仅提交了修复代码的 PR，还能拿出确凿的证据，证明它确实完成了我分配的任务。

永远不要试图用提示词去“指导”大模型做事。它可能会对你撒谎，可能会因为上下文太长而遗忘，也可能会在处理其他任务时分心从而跳过你的指令。你需要做的是构建一个像我那种状态机一样的流水线管道，在里面设置硬性的代码关卡。在系统层面上强制要求它用证据自证清白，这样你的开发体验会好得多，而且往往能省下大笔的 Token 费用。

Obsidian 是目前公认最强的个人知识库工具，双链笔记、本地存储、插件生态都是顶级。

白天在路上，我用手机给家里的 Agent 派任务，看它执行到哪一步，顺手批一下授权。到酒店后，打开随身 MacBook 接着验收、复盘、规划第二天任务。出门不带电脑的时候，手机也能继续指挥酒店或家里的电脑工作。这套方式跑通以后，我对“移动办公”的理解变了。以前移动办公靠便携：电脑要轻，网络要稳，人要随时能坐下来干活。现在更像一套随身生产系统：手机负责发起和确认，电脑负责承载环境，Agent 负责执行，飞书和 GitHub 负责让产出可接力。一部分在家里的 Mac 上，一部分在随身 MacBook 上，一部分在飞书和 GitHub 里，入口放在手机里。这就是我说的：我把办公桌装进了口袋。

家里有一台 Mac，专门作为常驻 Agent 设备，主要跑 Codex、Hermes、OpenClaw。只要家里网络和设备在线，它就像一个远程工作节点，可以接收任务、跑代码、处理文档、上传产出。
另一台 MacBook 是我的主力工作电脑。深度工作、复盘、验收、复杂判断，还是在这台电脑上完成。它也装了 Codex，所以出差到酒店后，可以直接接着跑。手机上装 ChatGPT。它是我在外面的入口。通过手机，我可以指派两台电脑上的 Codex 分别在各自设备上工作，也可以看 Codex 的执行过程、审批授权请求和阶段性产出。

手机通过飞书、GitHub、ChatGPT 三条路径，基本能覆盖我在外面最常见的工作需求。飞书解决文档和文件可见，GitHub 解决代码同步和版本记录，ChatGPT 解决随时调动不同设备上的 Codex。

过去Codex主要面向开发者和工程团队，把Codex接入ChatGPT，可以理解为OpenAI在通过ChatGPT这个更大的入口，把Codex往更广泛的工作场景里推。
与此同时，OpenAI推出了6个面向具体职业场景的插件，覆盖数据分析、创意生产、销售、产品设计、公开股票投资和投行业务，把岗位所需的应用、技能和工作流打包起来，更接近真实办公场景。

物理世界需要一种新的智能，能同时看懂画面、听出声音、理解语言、预测运动、生成动作，还能把这一切串起来。
英伟达的 Cosmos 3 做到了，一个模型，五种模态，理解和生成一把抓，在多个主流榜单上拿下开源第一。

微软意图将Windows重新定义为AI智能体的原生运行环境，真正实现从“AI辅助人”到“AI替人干活”的跨越。如果说2025年的Build大会确立了“AI智能体时代”的方向，那么2026年的Build则给出了一个更激进的答案：Agent优先。纳德拉在主题演讲中描绘了一幅智能体重塑软件开发生命周期的图景，GitHub Copilot的定位从“结对编程伙伴”升级为“对等程序员”，能够独立承担Bug修复、功能开发和代码维护任务。

Claude Desktop 把 Chat、Cowork、Code 入口全部集成到了一个桌面应用中：
• Chat 用来普通对话；
• Cowork 用来做更长的 Agent 任务；
• Code 用来做软件开发。
也就是说，Claude Desktop 现在更像是一个集成式 AI 工作台，而不是单纯的聊天窗口。
以前我们用 Claude Code，很多时候是在终端里跑 CLI。

音频转文本，再加上我自己之前搞的字幕校对 Skill，基本就形成了“一条龙服务”。
实际效果比直接用录音卡自带的转换结果还要好。