AI落地Best Practice · 企业与业务成品 · 2026-03-09

OpenClaw 专场:一场关于 Agent 时代的早期共识|锦秋小饭桌

OpenClaw的爆火预示AI正从智能工具进化为数字劳动力,这场小饭桌集结一线实践者,揭示Agent时代如何重塑工作流与社会结构。

核心内容:

  1. OpenClaw现象背后的产业转折:从模型能力竞争转向任务执行系统
  2. Agent实践案例展示:个人Agent系统如何实现600+任务自动化
  3. 行业共识:涌现大于设计,开放环境比精密规划更利于AI能力进化

不到一百天,OpenClaw登顶GitHub榜首,成为史上最快开源项目,超越了Linux和React等十多年的积累。

OpenClaw 的爆火,未必是因为它是一个技术上最复杂的项目,而是因为它恰好出现在一个关键转折点上:AI 的价值结构正在改变。

**

**

OpenClaw在GitHub上的🌟速度

过去三年,行业竞争的核心是模型能力——谁的推理更强、上下文更长、benchmark 更高,但 OpenClaw 所代表的方向并不在模型本身,而在如何让模型真正完成任务。

一旦 AI 从“智能助手”变成“任务执行系统”,整个软件行业的价值逻辑都会改变。用户购买的不再是模型能力,而是任务完成能力;软件的核心竞争力也不再只是功能,而是 工作流自动化与执行效率。

因此,在 2026 年研究 OpenClaw,还是在观察一个更大的产业变化:AI 从“智能工具”进化为“数字劳动力”。

一旦这一转变成立,未来几年真正被重写的,将是整个社会结构。

锦秋小饭桌|OpenClaw:

一场关于Agent时代的早期共识

OpenClaw 爆火成为github历史榜一之前,锦秋基金在 2026 年开年的第一场锦秋小饭桌,就把主题放在了 OpenClaw 上。

这场小饭桌来的参与者参会者既有上市公司创始人、连续创业者,也有 AI 公司技术负责人、超级个体,报名人数远超预期。

相比社交媒体上的情绪化讨论,这场小饭桌更像一次一线使用者的集体复盘:大家带着自己的实践经验而来。有人已经为Bot 做了大学;有人已经开始用AI来“做CEO管理公司”。

“用 Agent 工作的感觉像电影《永无止境》。”

DeerFlow的负责人王浩展示了自己搭建的一套 个人 Agent 系统。这套系统只有一个主 Agent,但背后接入了 600 多个任务、80多个技能(skills),可以调用不同工具自动完成各种任务。从管理自媒体账号、在闲鱼接单,到自动聊天、发布商品、整理知识、安排日程,很多原本需要人工操作的流程都可以由 Agent 直接执行。

Agent带来的不仅是效率提升,还有认知带宽的提升。

“涌现大于设计”。

这是王浩高频实践后的感悟。

在传统软件世界里,产品往往依赖精确设计:功能、流程、权限,每一步都需要被提前规划。

但在创业者使用OpenClaw 实践中,当 AI 被赋予更多工具和执行权限之后,当AI可以并行完成远超人类带宽的任务时,它会逐渐形成比开发者最初设计更优的工作流。

在 Agent 系统里,过于精密的设计反而可能限制能力的发挥。与其预先规划所有功能,不如提供一个开放的环境,让能力在真实任务中不断进化。

“很多 AI 产品的突破,其实是入口突破。”

在讨论 OpenClaw 为什么突然爆火时,有人提出一个很重要的观察:很多技术其实早就存在,但只有当它们进入正确的入口时,才会真正爆发。

AI 的能力往往早于产品爆发几年出现,但用户并不会主动去寻找一个新的工具。真正改变局面的,是 AI 被嵌入进用户每天已经打开的界面——聊天窗口、代码编辑器、办公软件或者操作系统。

这种模式在技术史上反复出现。搜索技术在 90 年代就已经存在,但直到 Google 成为浏览器首页入口,搜索才真正成为互联网的核心行为。智能手机时代,是因为 iPhone 把入口变成了触摸屏和 App Store。

AI 时代同样在重复这个逻辑:ChatGPT 把大模型变成聊天入口,Cursor 把 AI 带进代码编辑器,OpenClaw 则把 AI 带进真实的软件操作环境。

“Agent时代的软件,本质是任务系统。”

过去的软件是功能系统。用户需要自己组合不同功能来完成工作,例如打开文档、处理数据、生成图表,每一步都要手动操作。但在 Agent 系统里,软件开始围绕任务设计。用户只需要描述目标,系统会自动拆解任务并调用工具完成执行。

软件的核心逻辑从“功能菜单”变成“任务执行”。

“未来的软件可能不是一个产品,而是一套不断生长的技能库。”

传统软件通常是固定形态的产品,开发者定义好功能,用户在这些功能范围内使用。而在Agent系统中,软件更像一个不断扩展的能力集合。新的工具、插件和技能可以持续加入系统,Agent根据任务调用不同能力完成工作。随着技能数量增加,系统能够处理的任务范围也会不断扩大。

在这种模式下,软件不再是一个静态产品,而是一套持续进化的技能生态。

“ Agent 当下还存在基础设施空白。”

讨论到创业机会时,不少创业者把视角从应用转向基础设施。他们认为,当越来越多任务由 Agent 执行时,新的需求会出现:Agent 如何支付、如何搜索、如何管理工具、如何共享技能。

这些能力看起来很底层,但可能会成为整个生态的关键组件。就像移动互联网时代的支付和地图服务一样,一些看似不起眼的基础设施,最后往往会变成最大的机会。

OpenJobs AI的联创戴金胜最近在思考,Agent执行一个真实任务,需要调用什么?

他认为,Agent如何访问「人」。 任何真实任务,最终都要触达人。当Agent需要找到一个候选人、一个潜在客户、一个领域专家时,它调用什么?现有人员数据产品的设计逻辑是为人类界面服务的,联系人卡片、搜索列表、CRM字段。但Agent需要的是另一套东西:这个人现在在关注什么、通过哪条路径触达成功率最高、什么时机切入最合适。这类结构化信号,从未被系统性地生产过。

Agent如何访问「Agent」。 没有一个Agent能独立完成所有任务。遇到能力边界时,它需要找到另一个专业Agent来协作,就像人类会转介绍、会外包。但今天不存在任何机制让Agent被搜索、被评估、被可信地调用。

能力边界在哪里、执行记录是什么、调用协议是否兼容,这些问题没有任何基础设施层在回答。单个Agent的能力上限,就是今天多Agent协作的实际天花板。

Agent如何自主完成支付。 找到了人、协调了Agent,任务到了关键节点,它需要花钱。订阅工具、支付服务费、完成履约,这些动作对人类来说天然嵌入账户体系。但Agent没有钱包,没有信用身份,没有被任何金融基础设施认可的主体资格。每一步涉及资金流转的动作,都必须中断,等人来按一下确认。

Agent的智能已经足够自主,但围绕它的基础设施还是为人类主体设计的。找不到人、找不到同类、也付不了钱,自主性的天花板不在模型能力,在基础设施的缺位。

“OpenClaw带来的是从软件到硬件的结合改变。”

ChatExcel的创始人逄大嵬认为,OpenClaw是一个基础设施层面的产品,类似Linux级别的一个产品,创业者要去思考在这样一个新的基础设施平台上,如何去做创新。

龙虾带来的是从软件到硬件的结合改变,有手和脚真正形成生产力,但是Data和memory还是核心引擎,大家会更注意到私密和安全。

吾云创新的创始人郭亚楠的看法也类似。

他认为,传统的 PC 设计逻辑是围绕人的“屏幕、键盘、鼠标”三件套展开的,但这种架构对 Agent 极度不友好,UI渲染消耗了大量的内存和 CPU 资源。未来的硬件(如 AI NAS或 Agent Computer)应该干掉 UI 相关的沉重负荷,让人类只负责输入需求和拿走结果。对于硬件创业者来说,机会在于构建一种“人类不友好但 AI 友好”的计算设备,实现数据层面的直接搜索和交互,而不是让 Agent 去模拟点击文件夹。

“更多的产品要开始关注从被人发现到被Agent和人都发现。”

Talkme的创始人贾子健认为,我们能够看到越来越多的自主Agent 像一个个活生生的人“坐在电脑前”自主完成各种各样的任务。尽管任务完成率还没那么高,但这过程中很多共性问题其实已经显现出来。传统互联网是服务于人的,架构追求的是人类体验友好,Agent 更多追求的是高效率的获取信息和决策。

Agent 工作机制目前就在模拟人类,但其实有远远比模拟人类更高效的信息…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/Openclaw/2026030997683.html