OPPO 下一代 Agent 亮相：TopoClaw 跨设备协同，Venom 走进物理世界

本文整理自 OPPO 研究院数据智能研究部拓扑 Lab 高级算法工程师王吉宏在 DataFun 2026 深圳站 Agentic AI Summit 超级智能体系统机构峰会上的分享。分享围绕“从孤岛走向链接、从数字走向物理”展开，既介绍了 TopoClaw 在跨设备、跨用户协作上的探索，也涵盖了 Venom 在连续感知、主动交互和长期记忆方面的设计，最后讨论模型与 Harness 的分工。

主要内容包括以下几个部分：

1. 当前智能体的核心困境：信息孤岛与数据隔阂
2. 下一代智能体的两条正交跃迁路径
3. 数字世界探索：TopoClaw——跨设备、跨用户的智能体探索
4. 物理世界探索：Venom——全自主多模态智能体探索
5. 模型与 Harness 的协同演进

当前智能体的核心困境：信息孤岛与数据隔阂

从 2022 年的对话式智能（回答），到 2023 年工具增强（调用）、2024 年单机执行（完成）、2025 年 多 Agent 编排（协作），Agent 每一次演进都在重新定义任务边界。王吉宏认为，下一阶段要解决的问题，已经从“会不会回答、会不会执行”延伸到跨设备、跨用户，以及数字世界与物理世界之间的连接。

1. 四个方向的孤岛问题

信息孤岛来自用户信息在手机、电脑、平板等终端间的分散；执行孤岛则是任务需要不同设备的能力，例如电脑能读取合同，发送短信却需要手机执行。现有一些跨端方案可以通过手机向电脑发指令，但不等于具备手机端执行能力。

关系孤岛体现在会议邀约等多人任务中：发起方不仅要联系对方，还需要对方的 Agent 根据日程和优先级做判断，而不应直接获取其私人日程。感知孤岛则来自数字系统对现实环境了解有限：Agent 可能知道用户买过什么，却无法仅凭历史订单判断用户当下的状态与需求。这四类问题共同指向跨设备、跨用户、跨环境的连接能力。

下一代智能体的两条正交跃迁路径

1. 两条正交的跃迁路径

团队将探索分为两个方向：横向是从孤立走向链接，把设备、用户和 Agent 连接起来；纵向是从数字走向物理，让 Agent 面对持续发生的现实事件，而不只处理一轮轮离散指令。两者分别对应数字世界的 TopoClaw 和物理世界的 Venom。

2. 四象限划分

这两条轴形成四个象限：聊天助手属于“数字·孤立”，连接型数字助手属于“数字·互联”，孤立的单体机器人属于“物理·孤立”。团队希望探索的右上角，是兼具连接性、持续性、行动能力和可追责性的“持续多主体智能体生态”。这是目标形态，并非已经完成的产品能力。

数字世界探索：TopoClaw——跨设备、跨用户的智能体探索

1. TopoClaw 总览：三大核心能力

TopoClaw 探索三类能力。跨端协同执行把电脑、手机、平板抽象为设备单元，根据任务调用相应终端；多人多 Agent 协作将用户与助手作为有关系、有身份的节点，通过拓扑链接协作；主动感知推进则把分散事件串起来，例如位置变化触发推荐，或由事件 A 推动后续的事件 B、C。它关注的不只是单次任务能否完成，还有任务能否跨设备和协作关系继续流转。

2. TopoClaw 总体架构：双拓扑

架构分为设备拓扑与用户拓扑：前者连接电脑、手机、平板和边缘设备，后者连接用户、好友、同事、家人、个人助手、公共助手等节点。在双拓扑之上，Harness 提供生命周期、记忆、工具与技能、调度器、消息总线；跨拓扑引擎负责物理设备路由和社交关系编排。执行前还要经过拓扑上下文监控、动态权限降级、分布式策略执行、沙箱与语义审计等边界防御机制，最终进入设备或社交执行平面。

3. 设备拓扑：让任务在最合适的终端上执行

不同终端承担不同工作：手机负责消息、GUI、位置与穿戴信号；电脑适合代码、工具、GUI 自动化和数据处理；平板侧重 GUI、学习与娱乐；边缘设备提供环境感知及本地执行。PC 中枢统一编排，汇总状态和结果回执，执行链路依次为任务投递→能力路由→端侧执行→结果回流→状态更新。

对手机端，方案不预设第三方应用拥有系统级控制权，主要借助 GUI 操作；电脑则按实际能力选择 CLI、MCP、代码工具或 Computer Use。设计目标是让任务跨端执行后，仍保持一致的回执口径和用户感知。

4. 社会拓扑：把真实关系带进智能体协作

社会拓扑围绕关系、身份、权限组织协作。好友系统描述真实关系；身份区分用户、个人助手及其归属；权限决定谁能看见什么、执行什么。例如，好友的 Agent 可以询问某个时间是否方便，但不应因此获得完整日程。跨用户协作必须与权限边界同时设计。

5. Demo 演示：跨设备与跨用户

跨设备 Demo 中，用户要求从电脑上的《劳务合同》PDF 找出甲方姓名、电话，并发短信询问时间。Agent 在电脑读取文件、提取信息，再转到手机借助 GUI 完成短信编辑与发送。另一个 Demo 中，用户要求创建“内部小聚群”、拉好友小 B 入群并询问晚餐时间。演示展示了个人 Agent 向对方 Agent 发起询问、由对方根据自身日程判断的协作方式，对方的详细日程无须直接暴露给发起方。

物理世界探索：Venom——全自主多模态智能体探索

1. 数字世界 vs 物理世界：三个根本差异

Venom 面对的是持续输入的现实环境。相较于数字世界中较为离散的任务、回合制交互、文本记忆，物理世界对应连续事件、自主交互、多模态记忆：画面与声音不断进入系统，Agent 需要判断是否响应、采取行动还是保持沉默。连续输入也提高了计算和存储负担，无法把所有画面与对话无限堆进上下文。

2. Venom 的三个核心研究问题

团队把难点归纳为三个研究问题：RQ1 连续感知，如何从无边界音视频生成可更新、可抢占的状态；RQ2 主动个性化，何时说话、行动或沉默；RQ3 长期记忆，如何压缩经历，同时保留回到原始证据的能力。感知、介入和记忆需要共同形成持续闭环，而不能各自独立处理。

3. Venom 总体架构：顶层、中层与底层

Venom 采用三层设计。顶层状态与策略层包含 BIG5 人格特质、行为偏置和目标状态等配置；中层运行与决策层接收视频、音频、文本，结合人格、目标上下文和近期记忆（约 2 分钟）决定走快速通道，还是检索记忆后经慢通道推理，输出回复、行动或工具调用。底层记忆存储层按证据粒度分为 L1 事实与关系、L2 片段与事件、L3 视觉帧。检索时由宏观记忆逐步下钻，沉淀时由原始记录提炼更稳定的信息，并在后台异步回写。

4. 连续感知：用事件—状态—策略—记忆组织连续现实

运行链路为连续音视频→事件流→Agent 状态→主动策略→语音/工具/行动。行动回执或环境变化重新进入事件流，系统沿共享时间轴持续更新。另一条异步记忆链路将当前状态提炼为情景片段、语义事实，再形成用户画像与 Agent 自我模型；新增记忆反过来影响下一时刻的感知重点和主动阈值。

5. 长期记忆：可逆的分层压缩

长期记忆并不等于无限上下文。Venom 将记忆分成 M0 当前状态（秒至分钟，场景、说话人、进行中的任务）、M1 情景记忆（分钟至小时，事件、参与者和结果）、M2 语义记忆（跨天至跨月，稳定事实、规律、偏好及因果假设）、M3 人格与关系记忆（更长期的画像、自我模型和关系历史）。抽象路径为 experience→episode→fact→persona。高层结论只是压缩视图，必要时仍要能够回溯原始证据并修正记忆。

6. Demo 演示：全自主行为监测

Venom Demo 模拟用户离开工位并请 Agent 帮忙留意环境。Agent 通过多模态感知识别来访者，用户回来后主动提醒“老板来过”；当用户追问上周交代的工作，又可从长期记忆中检索相关任务。演讲人也说明，这一方向仍处在较早的研发阶段，交互个性化和主动判断还有改进空间。

模型与 Harness 的协同演进

在现场问答中，王吉宏谈到模型与 Harness 的关系：模型能力决定系统上限，Harness 负责补足当前模型还做不到或做不好的环节。Venom 的多模块设计，正是为连续感知、交互决策和长时记忆提供工程层面的支持。

如果未来模型能够对连续视频快速处理，并实时决定何时响应，部分调度逻辑可以简化；但现阶段，持续输入与跨天、跨月的长期记忆仍需要外部架构承接。随着模型能力变化，Harness 也会不断调整。团队介绍了其研究网站 madeagents.ai，并表示 TopoClaw 已在 GitHub 开源，后续 Demo 与代码仍会逐步发布。

以上就是本次分享的内容，谢谢大家。