Clawdbot（现已更名为 OpenClaw）无疑是近期 AI 圈的现象级产品。从帮助投资人筛选项目、促成交易，到接入飞书成为工作助手，用户们已经将其玩法拓展得五花八门。与此同时，本地 Agent 与个人 AI 助理（Personal Agent）正成为 2026 年业界共同关注的焦点方向。
2月4日，Founder Park 组织了一场闭门交流活动，汇聚了超过130位来自不同赛道的 AI 创业者，涵盖AI游戏、AI编程、Agent记忆、硬件及语音交互等领域。大家围绕上手使用 Clawdbot 的实战体验与深度思考，进行了一场干货满满的分享。
这场讨论从应用、技术、终端及硬件等多个维度，全面剖析了 Clawdbot 的本质、距离真正可规模化落地的 Agent 还有多远，以及这一波趋势可能对 AI 生态带来的冲击。以下内容整理自讨论中的部分精彩观点与争议。对于趋势的理解，往往因人而异、因视角而异，因此这些内容更多地呈现了一种“非共识”，希望能激发大家的新思考。
从被动响应到主动服务，AI 开始自我迭代
- 即便 Agent 已经相当智能，用户在面对一个 Agent 产品时，往往仍感到“笨拙”，难以清晰定义自己究竟想要什么。
- Clawdbot 最重大的突破点，在于其自主权限的突破。 用户赋予了 AI 极高的自主权。更关键的是，它对 Skill（技能）的编辑和创造是完全开放、无边界的，这为 AI 的自我进化打开了广阔的想象空间。
- Clawdbot 之所以给人“主动”的感觉，很大程度上源于其内置机制增强了 Agent 的自主性。例如，在 Moltbook 上，它会默认每 4 小时自动探索一次“可以做什么”。这种高频的定时任务，结合足够大的自主空间，催生了更多的可玩性和想象力。
- AI 的自主感知能力其实非常强。过去，提示词（Prompt）都由人类撰写。而现在，我们可以尝试让 Agent 自主感知环境变化，包括本地文件、邮箱、云盘、日历等，观察它如何主动感知这些变化、创造新 Skill，并调度执行，从而发现新的价值点。
- Clawdbot 最核心的一点在于，AI 能够迭代工具本身，这是非常惊人的能力。 目前，它已无可争议地成为开源 Agent OS（操作系统）领域的领头羊。
- 过去一年，业界并未找到一个能让 Agent 实现自我进化（self-evolve）的理想场景。现在看来，个人本地 Agent 或许是最佳场景。一方面，用户赋予的任务极其多样化，迫使 Agent 必须在多个领域持续优化；另一方面，它需要不断记忆用户偏好，而这个“记忆”过程本身，就是针对特定个体的自我进化。
- Clawdbot 的进化速度超乎想象。如今，它已经进化到让我们有些“不认识”了。虽然尚未完全失控，但其进展确实令人震撼。
Skills 就是新时代的 Apps
- Clawdbot 之后，一个新的机会窗口正在打开。当下的 Agent 和 IM（即时通讯工具）就是新的 OS；个人 AI 云电脑是新的运行时（Runtime）；而 Skills，就是新时代的应用程序（Apps）。 在构建这个全新的用户交互层的过程中，将涌现出大量的创业机会。
- 过去，用户需要先打开产品才能使用。现在，用户可能在拥有数百亿流量的 IM 入口中与你的产品交互，而触达产品的唯一节点，就是那个 Skill。
- 底层的沙箱环境、云电脑以及大模型（无论是 Kimi 2.5 还是 Claude 3.5 Sonnet）都将趋于同质化，成为基础设施。唯一的变量在于 Skills，你的 Skill 能提供什么新的增量价值。
- 从 2026 年开始，一个新的变量将出现。以往开发者需要构建自己的 Agent 和 UI 入口，未来则可能不再需要专属的交互入口了。 新模式是：开发一个 Skill，将其发布到 Skill 商店（Skill Store），然后等待被海量的 Agent 发现和调用。
- 产品所有的增量价值，都将源于用户在 IM 交互中激活并运行你的 Skill 所带来的收益。商业化的关键，不再局限于让用户订阅整个 App，而是可以为每一次成功的 Skill 执行付费。
- Skill 将成为所有平台的标准。未来，人们只会在各种 IM 中下达指令，而不会关心是哪个工具在提供服务。因此，未来的竞争，将围绕如何在 Skill Store 中做好 SEO、如何优化 Skill 的交互链路，以及如何设计其中的商业化闭环。
- 未来绝大多数产品都会“Skill 化”，所有的 Apps 也会“Skill 化”。 开发者不再需要维护复杂的 UI 界面，只需提供核心能力，完善被发现、被调用的机制，并优化与 Agent 及人的交互体验即可。
Memory as a File System
- 许多人将 Agent 的记忆（Memory）视为基础设施（Infra），但我更倾向于将其看作一个轻量级组件。
- Memory 与常说的自我进化 Agent（self-evolving agent）紧密相关。如果 Agent 能在运行中不断总结、优化自身 Skills，它就能越做越好。从这个角度看，Memory 实质上就等于自我进化。没有 Memory，Agent 基本上就丧失了进化能力。
- “Memory as a File System”（记忆即文件系统）一定会是未来的方向之一。 因为 Agent 天生擅长读取和理解上下文，将信息记录为文件对它而言更加友好。
- 但未来的记忆系统不会是单一模式，最终一定是一个混合解决方案。Agent 应能自主判断，当前任务需要的是精确检索、模糊检索，还是直接检索一个结构化的索引或文件。
- 进化需要反馈闭环。目前 Clawdbot 的思考仍依赖人类反馈，否则其所有的 Skill 和迭代方向将没有边界。 我们需要像进行 RLHF（人类反馈强化学习）一样，在持续反馈中引导它，使其成长为更符合个人工作偏好的主动 Agent。我将所有反馈都制作为 Memory，让它的 Skill 在这个 Memory 池中迭代进化。
- Clawdbot 的本地文件系统不仅 Token 消耗巨大，召回能力也有限，因为它缺乏索引。这个问题需要靠一个云端的、由小模型驱动的记忆引擎来解决，帮助其进行推理、信息凝练、召回和过滤。因此，未来的智能体，必然是一个多智能体协作的系统。
人类“交互带宽”有限，终极形态应是 A2A 互动
- 每一轮 AI 技术更新，往往在圈内引发热潮，却难以破圈。为什么？因为传统 C 端用户日常处理任务和信息的“带宽”是有限的。
- 普通大众的日常需求琐碎，可能只是“写个文案”或“问个天气”。如果一个 AI 产品要求用户具备极高的“任务定义能力”，或返回一堆需要二次处理的信息（例如直接扔给你一个 GitHub 链接），普通用户的“认知带宽”就会溢出。他们处理不过来，也缺乏深入处理的动机。
- 同样，“交互带宽”也受到限制。人类一直在追求信息传递的提速，但点对点的信息传递在微信这类 Message App 上已接近极限。我们大脑的处理速度，决定了我们无法实现高效的“面到面”沟通，即让成千上万人同时与另外成千上万人进行有效的多次握手式交流。
- 此次 Clawdbot 令人兴奋之处，不在于人与 AI 的互动，而在于它真正实现了 AI 与 AI（A2A）互动的可能性。 Agent 之间可以以机器速度完成成千上万次“握手”，这直接放大了整个社会的信息交流效率。
- 在“AI 与 AI 互动”这个节点上，可以衍生出极其丰富的应用，无论是社交，还是以往的内容社区，全都有机会被重塑。
- 从 AI 的底层能力看，人类通过聊天（Chat）直接操控大语言模型（LLM）的范式可能并不高效，未能充分发挥 AI 在“速度”上的真正优势。用人类相对缓慢的大脑去指挥一个高速 AI，效率太低。前两年总有人说“狼来了”，但我认为今年或许才是真正的“狼来了”。
未来的 AI 产品，应“活”在用户最高频的工作流中
- 以前使用 AI，我们首先想到的是打开 ChatGPT、豆包这类“目的地”应用。尽管 ChatGPT 周活能达到 10 亿，但它始终是一个有限的入口。 而现在，Clawdbot 可以在所有 IM 以及任何能聊天的入口进行交互。这意味着，AI 的入口从单个 App 瞬间扩展到能覆盖百亿甚至千亿用户的场景。这是第一次，用户能以最自然、最直接的方式与 Agent 交互。
- IM 即任务入口。 能否在 IM 里直接管理待办事项（To-do）？现在，通过 Skill，我可以接入滴答清单这类应用。在聊天框中，AI 就能帮我拆解任务，自动填入清单，再同步到日历。IM 成了我任务管理的入口，让 AI 去处理，最终的 GUI 面板只是一个汇总看板。
- 社交场景。 将 Clawdbot 的执行能力与社交结合，可能会自然生长出一个全新的社交平台。想象一下，你想“找几个在北京爱打羽毛球的人”，它可能会调用各种网络数据和 Skills 进行分析，甚至与其他人的 Agent 进行交流。这可能形成一个新时代的社交圈层，极大提高信息处理效率，并拓宽普通人的视野和社交动机。
- 交易场景。 Clawdbot 能够广泛传播，一个重要用途就是进行交易（trading）。特别是结合预测市场（如 Polymarket）后。这类市场比拼的是手速和信息面。以前这是专业人士的领域，现在，推特和 GitHub 上已有大量关于用 Clawdbot 搭建交易 Bot 的教程。
端侧可作为 Agent 上下文的“沉淀池”
- 从端侧（设备侧）产品的角度来看，最核心的依然是 Agent 本身的设计，包括如何将模型和脚手架做得更好。
- 一个思考是，端侧可以作为上下文的“沉淀池”。Clawdbot 本质上是一个效率工具，适合执行长流程任务。但我们每个人的手机、穿戴设备，其实是更重要的生活工具，与人们每天产生最直接、频繁的交互，沉淀了大量真实、细碎且高度个性化的上下文。
安全，是目前最大的短板
- Clawdbot 目前存在两个非常突出的痛点。
- 一是上下文处理未经优化，Token 消耗非常夸张。如果不从 Memory 层面进行优化，或对 Context 不做处理，这个成本几乎无人能够承受。
- 二是低效的文件检索。Agent 在本地生成大量文件后，再次查找非常困难，因为它缺乏有效的索引机制。
- 无论是云端还是本地，当前的沙箱和本地虚拟化基础设施实际上都严重不足，无法很好地支持 Agent 的检查点（Checkpoint）和恢复这类高级功能。
- 安全，是当前最大的短板。我恰恰认为 Clawdbot 应该部署在云端，并且必须严格限制网络访问。它目前完全不安全，需要设定诸多安全规则，例如限制其只能接入公司内网，不能随意访问外部网络，因为它太容易被攻击（hack）了。
- Claude Cowork、Clawdbot 这类产品，目前缺乏良好的备份和沙箱机制。它删除文件时，可能像一个搞不清 Git 的“新手”，只不过工程师自己能审查和回滚。但普通用户不懂这些，面对一个通用 Agent，出问题的概率会高得多。
Clawdbot，会成为 2026 年 AI 应用的主流形态吗？
- Clawdbot 带来了一些与纯聊天不同的“增量”。它的本质，是为你配置了一台“云电脑”。第一次，你可以真正指挥一个 AI 去增、删、改、查文件。这让 AI 从一个信息工具，转变为一个执行工具。
- 这次 Clawdbot 的爆火，更像是一场硅谷极客圈的内部狂欢，它反映了一个事实：大众市场仍然是缺席的。大量的 AI 应用，其实还没有真正触达更广泛、更多元、更下沉的大众市场。
- Clawdbot 很可能像当年的 Linux，是发烧友在不受限的环境中创造出来的产品。恰恰因为它打破了某些规则，才打开了这个潘多拉魔盒。
- 未来，Clawdbot 很可能稳定发展成为一个开源的 Agent 操作系统。现在大家已经在上面构建生态，后来者想要追赶会非常困难。因为它的迭代，不再仅仅依赖开发者。任何一个用户，只要有一个疯狂的想法，几分钟内就能让 AI 帮他写成代码、发布为 Skill。这种基于 AI 的进化速度，是传统软件开发模式无法比拟的。
头图源自 X 用户 clairevo
更多阅读
技术的演进总是伴随着激辩与探索，Clawdbot 引发的讨论正是 开发者 们对未来 AI 形态的一次集体思考。你对下一代 AI 产品有何预见？欢迎在社区分享你的见解。 | 
发表于 昨天 04:13
|
查看: 1|
回复: 0
