20260616研读Openclaw类Ai Agent资料摘录
20260616研读openclaw类ai agent资料摘录
综合“铅笔道”“深网腾讯新闻”等公开报道信息，钉钉拥有7亿注册用户、2600万家企业组织，但付费企业仅约19万家，付费转化率不足1%。截至2024年9月，钉钉软件订阅ARR（年内经常性收入）超过2亿美元。作为对比，飞书月活仅3000万，2023年ARR达2亿美元，预计2024年超过3亿美元。
去年8月，推出了钉钉ONE、AI表格、AI听记、AI搜问等；年底12月发布了Agent OS和20多款AI新品；今年3月则亮相了“悟空”。除了产品，还催生了7.5万的离职长文，来自最高决策层的严厉批评，以及引发的一场舆论风暴。
这是无招为阿里，也为钉钉创造的所有。
真正让 Obsidian 开始"进化"的，往往不是双向链接。
而是 Dataview 插件。
它能让你的笔记：
• 自动分类
• 自动汇总
• 自动统计
• 自动生成仪表盘
甚至让整个笔记库，变成一个轻量级数据库。
插件是装能力包，Skills 是教它套路。
插件装上，等于给 Codex 一些装备，让 AI 能碰到原来碰不到的一些软件或者交互，比如说浏览器、你的屏幕、Figma 文件。严格说，一个插件里往往打包了好几样东西，skills、应用连接等。
而 Skill 就是一份操作手册，它本身是依赖 AI 已经有的能力（插件可能扩展了能力）的基础上，你告诉它，这类活按这个流程干。
本届智源大会上，智源研究院为世界模型定义了四条清晰的路线。
第一类是以语言为中心的世界模型，包括VLM、VLA，模型在文本空间中预测下一个词，学到的是语言描述的世界，并不能理解背后的物理后果；
第二类是以像素为中心的世界模型，像Sora和Seedance等视频生成类模型，在视觉空间中学习视频或图像，学到的是像素描述的世界；
第三类是以三维结构为中心的世界模型，包括3D重建以及李飞飞团队的World Labs Marble模型，不过模型重建3D空间不等于理解世界，几何结构也不代表物理状态；
第四类是以视觉表征为中心的世界模型，比如杨立昆的JEPA系列模型，预测的是视觉表征的压缩，但视觉嵌入演化不等于物理规律演化。
1.AI医药已到爆发前夜：从遗憾到治愈。科技巨头与药企巨头频繁合作，真正解决生死问题的案例已经发生，而且成本是可控的。5年内，部分癌症将被治愈或变为慢性病。
2.医学更多不是science，是humanities。医学决策不是绝对性的——病人的描述模糊、治疗方案因人而异、道德和心理因素交织。AI擅长标准问题的标准答案，但真正的医疗决策需要理解人的context。
3.AI在医疗中100步还没走到第1步。一是大模型在标准测试中表现优秀，但真实问诊中病人描述千差万别，AI难以处理不确定输入；二是AI尚不能为最终交付物负责任——代码可以自动验证，但医疗决策的后果无法回滚，没有责任主体就没有突破。
4.药物研发链条从靶点发现到临床管理极长，AI在每一环起作用。AI是超级工具，能加速但却无法替代人的干预和判断。
5.AI医疗的核心法律困境：责任主体不解决，AI医疗的生产力就无法释放到极致。这不仅是法律问题，更是社会问题：我们愿意让渡多少自主权给AI？
Fable 5 直接下架了，全球都不能用了。
整个过程非常抓马。我把来龙去脉理了一遍，你会发现这根本不是一个"政府管太宽"的八卦，而是一个信号：AI 的能力已经跑到了整个社会制度的前面，包括企业、政府、用户在内的所有人，都还没准备好。
harness = 把"AI 该怎么干活"固化成可执行、可约束、可评测的工程框架。 它和"写更好的 prompt"有本质区别——prompt 是一次性的说服，harness 是结构性的约束。模型供给智商，harness 供给纪律。
Loop Engineering 是设计一套能在无人干预的情况下让 Agent 能自主循环执行任务直到达成目标的系统。
你定义触发条件、目标、验证方式和退出机制，系统自己跑、自己检查、自己决定下一步 — 直到满足终止条件或主动停下来喊你。
Google 的工程师把 Loop 拆成五块加一个记忆层：
Automations — 定时或事件触发，让 Loop 自己醒过来。
Worktrees — 多个 Agent 并行跑时各自独立分支，不互相踩文件。
Skills — 把项目约定、风格规范写成 Markdown，Agent 每次启动直接读取。
Connectors — 通过 MCP 协议接入 GitHub、数据库，让 Loop 能在真实环境里操作而不只是 "告诉你该怎么做"。
SubAgents — 写代码的和审代码的采用不同的 Agent。
Harness 指 Agent 运行时的外壳：系统提示词、工具集、验证规则、上下文管理 — 解决的是一个 Agent 单次跑得靠不靠谱的问题。
Loop 在 Harness 上面一层。
它把 Harness 里的 Agent 变成可被重复调度、能自我校验、能产出持续状态的组件，再加上调度、并行隔离、分工协作这些系统级能力。
Loop 不会取代 Harness，而是把 Harness 当积木来组装更大的系统。
AI真正做的事情，是把“技”（skills，可操作、可标准化的技能）和“能”（capabilities，好奇心、判断力、想象力等底层能力）的捆绑关系强行拆开，不管岗位是初级还是高级。科技大厂偏爱的那些年轻人，与其说是因为“年轻”而被选中，不如说是因为他们身上尚未被“技”的训练所覆盖的“能”更加清晰可辨。
“技”与“能”的分野也不是文理科的差别。一个文科生如果只擅长写作和修辞技巧，那是“技”；一个理科生如果只会熟练操作实验流程和统计软件，同样是“技”。反过来，文科训练中对文本的深层解读能力、对叙事结构的直觉、对人类动机的洞察，是“能”；理科训练中的建模思维、从混沌数据中抽象规律的能力、对因果关系的严格辨析，也是“能”。AI不认学科背景，只认“技”与“能”的边界。那些以为“学了理工科就安全”或者“文科生更容易被替代”的判断，本身就还停留在旧的坐标系里。
4月27日，百度文库网盘在AI DAY上发布通用智能体GenFlow4.0，并首次集中展示GenFlow融合OpenClaw后的新进展。
这次更新的指向十分明确。一方面，GenFlow4.0试图让AI更深地介入Word、Excel、PPT等基础办公软件，更深度打通从内容激发、生成到排版交付的完整链条；另一方面，GenFlow在兼容OpenClaw后，将Agent引入个人云端工作区与团队空间，使AI能够直接读取、分析、整理文件，并实质性地参与团队协作。
Notebook LM是啥？
它是谷歌旗下的一款神级知识库工具。
你可以把PDF、谷歌文档、PPT、表格、网站、视频、文档、音频投喂给它，不同于别的AI工具，它只会基于你给它的资料回答问题，绝不胡编乱造。还能把枯燥的文档，转化成很多种形式。
把一本书，变成了一个可以反复使用的学习系统。
比如它可以帮我生成音频，有一天我在外面走路的时候，我可以听它给我生成的两人对谈的博客音频，就像有人在跟我对话一样，把这本书重新讲给我听。
比如如果我想快速回顾整本书的结构，它会自动生成一张思维导图，整本书的逻辑，一眼就能看清楚。
如果我想检验自己到底掌握了多少，它还会生成一组测验题，逼着我去真正思考，而不是“以为自己懂了”。
另外针对这本书的核心要点还能生成闪卡，供自己回顾书中关键的内容。
比如我想要了解整本书的核心章节，还能生成数据表格帮我梳理出每一章的概念，行动建议和具体的方法论。
比如我希望以更有趣的方式了解书本时，它还能生成视频给我呈现书中的内容。
微信公众号对数据中心 IP 有反爬机制。Tavily 用的是住宅 IP 池，看起来像真实用户访问。你可以把它理解成"代理上网"，但不用自己配置代理服务器。Hermes 内置了 Tavily 集成，自动帮你绕过反爬。
嘴上谈Agent的人很多，真正下场用的人很少。
躬身入局、收缩边界、积累Skill——这三条铁律，是傅盛用14天踩出来的。
龙虾的学习方式很特别：踩坑、总结、写成文档、下次自动执行。每一次犯错都变成一条Skill，永不消失。这就是躬身入局的回报：持续踩坑，直到涌现。用好Agent的核心，是让它在窄的领域做到足够可靠。收缩边界，是让Agent从“能干活”变成“能信任”的关键一步。
傅盛自己的做法，就是最典型的“收缩边界”。
他的8个Agent，每一个都有明确的职责：三万负责整体协调；笔杆子负责内容；参谋负责分析；运营官负责执行；进化官负责自我迭代；健康管家负责健康提醒；交易官负责交易数据；社区官负责社区运营。
Agent学技能的方式：犯一次错，写一条规则，这条规则永不再犯。
没有遗忘，没有疲劳，没有重复犯错。
更关键的是：Agent之间的知识传递成本趋近于零。龙虾=AI+电脑+记忆+技能。
傅盛把龙虾的构成总结得很清楚：
“大模型是智商，记忆系统是海马体，Skill是肌肉记忆，定时任务是生物钟，多通道接入是感知器官。这些组合起来，才是一个完整的、能持续运转的智能体。”
现在，在浏览器登录千问创作网页版（c.qianwen.com），在「AI 视频」里就可以调用 HappyHorse 1.0 生成视频了，有免费体验额度，体验下来每天都可以免费生成几个视频，额外部分消耗积分（具体扣除额度及对应价格以页面为准）。HappyHorse 1.0 的加入，意味着千问在多模态生成能力上的关键拼图进一步补齐，使通义大模型家族在「文本—图像—视频」之间的生成链路更加完整与连贯。创意表达从自然语言输入开始，能够直接延展至高质量视频成片输出，从而形成更完整的端到端生成闭环。
Voice Working来了！TRAE SOLO把「说话」变成主力干活方式，口语自动清洗、说错自动纠正、一句话调Skill切模式。TRAE SOLO则能识别这种自我修正，自动保留最终结论，删掉被推翻的信息。说错了没关系，AI只留结论。
多端协同，任务不中断。你的踱步思考时间，变成了生产力。
今年以来，语音AI赛道突然变得异常拥挤。
IBM和Deepgram官宣合作，把语音能力嵌入企业级AI平台。
OpenAI的gpt-realtime持续迭代，实时语音对话已经做到了近乎人类水平的流畅度。
Google发布了Gemini 3.1 Flash Live，一个端到端的原生音频模型，能感知语气、语速、情绪，还支持90多种语言。
这些动作背后指向同一个趋势：语音正在从「辅助输入」升级为「主力交互」。
这个理念，贯穿了李继刚所有 Skills 的设计。
他的每一个 Skill，本质上不是一段提示词模板，而是一套认知压缩工具。把复杂的东西压进去，把精准的东西吐出来。李继刚的 Skills 仓库里有 16 个 Skill，我自己用下来，最值得先跑通的，有三个。它们分别对应了他的方法论的三个环节：
理解 → 判断 → 传播
ljg-plain 解决的是「说人话」;
ljg-writes 解决的是「带观点写」;
ljg-card 解决的是「做成可交付物」。
三个串起来，就是一套完整的知识生产流水线。
如果说 ljg-plain 是帮你把话说清楚，那 ljg-writes 就是帮你把话写出灵魂来。
ljg-card 是把文字变成视觉。
这个 Skill 可以把任意内容自动生成一张 PNG 图片，支持多种视觉风格，包括长阅读卡片、信息图、漫画风、白板风、大字报风，等等。
Obsidian 虽然 Markdown 写得爽，但一碰到画架构图、流程图、ER 图就犯难。Mermaid 能顶一部分，可有些图它的表现力确实差点意思。Draw.io 插件就是来解决这个痛点的——把一个完整的 draw.io 编辑器塞进 Obsidian，而且完全离线跑。
Andrej Karpathy 提出的 LLM-Wiki 的理念，让 LLM 自动读取笔记、提取概念和实体、生成自组织的知识网络。你只管在本地写笔记，LLM 帮你编织知识网络🕸。
具体来说，你把笔记导入进 Obsidian，插件调用 LLM 读一遍后，就能自动提取里面的人名、组织、概念、理论、事件等，然后再自动生成对应的条目页面，并且自动形成知识连接，将一个个零散的知识点串联成结构化的网络，形成你自己的维基百科。
而且，你还可以对你的维基百科进行针对性地提问，它的回答是完全基于你自己的内容，而不像其他 AI 软件存在幻觉或与你的资料不关联的现象。
wiki/ 文件夹里各个目录和文件的作用。你可以把它理解成你的维基百科的骨架：
sources/：你原始笔记的"摘要页"。每篇被 Ingest 的源文件都会在这里生成一个对应页面，记录它的核心内容、提取出的实体/概念，以及原文引用。它就像Wiki的"参考文献"，方便你随时回到原始资料。而你的原始文件请放心，插件严格要求不会进行任何修改。
entities/：实体页面。人名（如"罗辑"）、组织（如"三体组织"）、产品、地点、事件等具体对象会出现在这里。
concepts/：概念页面。理论、方法、术语、抽象思想（如"黑暗森林法则"、"注意力机制"）会出现在这里。
schema/config.md：Wiki 的"设计规范书"。它定义了页面模板、frontmatter 字段、标签词汇表等规则，LLM 生成页面时会参考它。你可以手动编辑它，来定制自己的 Wiki 风格。
index.md：Wiki 的自动生成的总目录。它汇总了所有实体、概念和别名，相当于你个人维基百科的"索引页"。
log.md：运行日志。每次 Ingest、Lint 或维护操作后，插件会把关键信息记录在这里，方便你回溯和排查。
Karpathy让模型变得更强，Olah理解模型内部在发生什么，Askell定义模型应该成为什么样的存在。
而Anthropic并不是特例，美国AI本身就是外国人才撑起来的。
MacroPolo全球AI人才追踪器的数据显示，美国机构雇佣了全球59%的精英AI研究者，但本土培养的只占37%。
IFP 2025年的研究发现，美国排名前列的AI初创公司中60%有移民创始人，其中超过70%最初是拿学生签证来的。
2026年第二季度，Anthropic的H-1B签证申请量同比暴涨490%，从10份跳到59份。OpenAI同期涨了215%，从20份到63份。
美国出口管制里有一条叫deemed export（视同出口），就算技术没有离开美国国境，只要在美国境内释放给了foreign person，也可能被视为一次「出口」。
因为知识已经进了人脑，而人是可以自己「走出去」的。
过去，这套逻辑主要出现在半导体等敏感领域。现在，前沿AI模型被套进了同一个框架。
而整个硅谷AI实验室里，持H-1B、OPT、学生签证的研究员数以万计，全都在这条线的另一边。
普通 AI 更擅长直接回答问题，决策机 Decitron 会先把问题拆开，里面有哪些参与方，哪些变量会影响结果，可能出现几条路径，什么条件会让判断发生变化。
再基于以上的各种因素，再给出最合理的分析结论。
DeepSeek V4 和 Kimi K2.6。
一个把「AI 能帮你干多少活」这件事往前推了一大步，一个把「用 AI 要花多少钱」打到了一个让人不敢相信的地板价。
而且这两家之间有一段特别有意思的关系。K2.6 的架构用了 DeepSeek 的 MLA 注意力机制，V4 的训练用了 Kimi 的 Muon 优化器。两家公司最后的深层交汇点，居然是芯片。
Agent 集群，这个架构跟 Anthropic 今年 2 月在 Claude Code 里上线的 Agent Teams 异曲同工，但 Claude 那个是给开发者用的，得敲命令行配 settings.json，产物主要是代码。K2.6 的 Agent 集群面向所有人，说句话就行，交付的是 PDF、PPT、Excel、Word 这些办公产物。以后你每次让 Agent 集群干活的时候，调用这个 Skill，产出的东西就会自动对齐那份顶级产物的标准。Excel、PDF、Word、PPT，全格式支持。
Skill 加上 Agent 集群，等于标准化批量交付。
这两个功能合在一起，才是 K2.6 真正的杀手锏。DeepSeek 和 Kimi 正在做的事情，是在共同浇筑中国 AI 的「Linux」。