Clawdbot（現(xiàn)在叫 OpenClaw）很火，幾乎是現(xiàn)象級的。

幫助投資人找項目、做交易、接入飛書作為工作助手，很多人已經(jīng)把 Clawdbot 玩出了花，本地 Agent、personal Agent 也成為 2026 年大家都在關(guān)注的方向。

(相關(guān)資料圖)

2 月 4 日，F(xiàn)ounder Park 搞了一場閉門活動，聚集了 130 多位 AI 創(chuàng)業(yè)者，來自 AI 游戲、AI Coding、Agent Memory、AI 硬件、AI 語音等不同賽道，分享了他們在上手用 Clawdbot 的感受和思考。

應(yīng)用側(cè)、技術(shù)側(cè)、端側(cè)、硬件，這場閉門，從各個角度全方面地拆解了 Clawdbot 到底是什么、離真正能 scale 落地的 Agent 還差什么，以及這一波可能給 AI 圈帶來什么樣的沖擊。

Founder Park 把這場討論中的部分精彩觀點、思考、爭議整理出來。對這波趨勢的理解，因人而異，因不同「角度」而異。因此，以下內(nèi)容更多地是「非共識」，希望能拋磚引玉，給大家?guī)硪恍┬滤伎肌?/p>

01

從被動響應(yīng)到主動服務(wù)，

AI 開始自己迭代自己了

1. Agent 雖然已經(jīng)很聰明了，但用戶面對一個 Agent 產(chǎn)品時，還是很「笨拙」，不知道自己到底想干什么。

2. Clawdbot 最 大的突破點是，自主權(quán)限的突破。大家給了 AI 一個非常高的自主權(quán)限。更關(guān)鍵的是，它對 Skill 的編輯或創(chuàng)造是開放的、沒有邊界的，為自我進化打開了想象空間。

3. Clawdbot 之所以能給大家「主動」的感覺，很大原因是它的一些內(nèi)置機制，給了 Agent 更多的自主性。比如在 Moltbook 上，它會默認(rèn)每 4 小時自己去探索一下「可以做些什么」。這種高頻的定時任務(wù)，加上足夠大的自主空間，催生了更多的可玩空間和想象力。

4. AI 的自主感知能力其實很強。過去，prompt 都是我們來寫。今天，嘗試讓我的 Agent 自己去感知我的環(huán)境變化，包括本地文件、郵箱、云盤、日歷等等，然后觀察它是如何主動地感知這些變化，主動為我創(chuàng)造新的 Skill，然后自己調(diào)度執(zhí)行，實現(xiàn)一些新的點。

5. Clawdbot 最核心的一點是，AI 能夠迭代工具本身，這個是非常可怕的。而且現(xiàn)在，Clawdbot 已經(jīng)成為了無可爭議的開源 Agent OS 的第 一名。

6. 過去一年，其實大家都沒有找到一個能讓 Agent self-evolve 的好場景。現(xiàn)在看來，個人本地 Agent 可能是最 好的場景。一方面是，用戶給它的任務(wù)非常多樣化，迫使它必須在不同領(lǐng)域都做到越做越好；另一方面，它需要不斷記住用戶的偏好，這個「記住」的過程，本身就是一種針對特定個體的 self-evolve。

7. Clawdbot 的進化速度真的超乎想象。現(xiàn)在，感覺它已經(jīng)進化到我們有點不認(rèn)識它了。雖然還沒到完全失控的地步，但說實話，已經(jīng)覺得嚇人了。

02

Skills 就是新時代的 Apps

8. Clawdbot 之后，可能會有一個新的機會到來。現(xiàn)在的 Agent 、IM 其實就是新的 OS；個人 AI 云電腦是新的 Runtime；Skills，就是新時代的 Apps。在構(gòu)建這個全新的用戶交互層中間，會出現(xiàn)大量的創(chuàng)業(yè)機會。

9. 過去，用戶得先打開產(chǎn)品才能使用。現(xiàn)在，用戶可能在數(shù)百億流量的 IM 入口中與你的產(chǎn)品做交互，這個唯 一能觸達到你產(chǎn)品的點，就是那個 Skill。

10. 底層的沙箱、云電腦，以及大模型，無論是 Kimi 2.5 還是 Claude 3.5 Sonnet，都將趨于同質(zhì)化，成為標(biāo)配。唯 一的變量就是 Skills，你的 Skill 能提供什么新的增量價值。

11. 從 2026 年開始，一個新變量會出現(xiàn)。以前大家做自己的 Agent，做自己的 UI 入口，未來變成了大家不需要有交互入口了。未來的模式是：開發(fā)一個 Skill，將它發(fā)布到 Skill Store，然后等待被大量的 Agent 發(fā)現(xiàn)、調(diào)用。

12. 產(chǎn)品所有的增量價值，都來自于用戶在 IM 交互中激活，以及運行你的 Skill 所帶來的收益。商業(yè)化的關(guān)鍵，不再是讓用戶訂閱整個 App，是為每一次成功的 Skill 執(zhí)行付費。

13. Skill 會成為所有平臺的標(biāo)準(zhǔn)。未來，所有的人都會只會在各種 IM 中下達指令，不會關(guān)心是哪個工具在服務(wù)。所以說，未來的競爭，是圍繞在如何在 Skill Store 中做好 SEO、如何優(yōu)化 Skill 的交互鏈路，以及如何設(shè)計好其中的商業(yè)化閉環(huán)。

14. 未來絕大多數(shù)產(chǎn)品都會「Skill 化」，所有的 Apps 也會「Skill 化」。開發(fā)者不再需要維護 UI 界面，只需要提供能力，做好被發(fā)現(xiàn)、被調(diào)用的機制，以及與 Agent 和人的交互體驗就可以了。

03

Memory as a File System

15. 大家都說 Agent 的 memory 是 Infra，但我個人更偏向于把它看作一個輕量化的組件。

16. Memory 其實和現(xiàn)在常說的 self-evolving agent 是緊密相關(guān)的。如果 Agent 能在運行中不斷總結(jié)、優(yōu)化自己的 Skills，它就能越做越好。從這個角度看，memory 其實就等同于 self-evolving。沒有 memory，Agent 基本上就沒有進化的能力。

17. 「Memory as a File System」，一定會是未來的其中一個方向。因為 Agent 天然對讀上下文這件事情非常的擅長，把信息記錄成 file 對它來說更友好。

18. 但未來的記憶系統(tǒng)不會是單一模式，最后一定是個混合的 solution。Agent 應(yīng)該能自己判斷，當(dāng)前任務(wù)需要的是精確檢索、模糊檢索，還是直接去檢索一個結(jié)構(gòu)化的索引或文件。

19. 進化是需要反饋閉環(huán)的。Clawdbot 今天的思考還是需要人來做反饋的，否則它所有的 Skill、迭代方向是沒有邊界的。需要像做 RLHF 一樣，不斷在反饋中引導(dǎo)它，讓它走向更符合我工作偏好的主動 Agent。我把我的所有反饋都做成 memory，讓它的 Skill 在這個 memory 里去迭代進化。

20. Clawdbot 的本地文件系統(tǒng)不僅 Token 消耗大，召回能力也有限，因為它沒有索引。這個問題要靠一個云端的、由小模型驅(qū)動的記憶引擎來解決，去幫它做推理、信息凝練、召回和過濾。所以，未來的智能體，必然是一個多智能體協(xié)作的系統(tǒng)。

04

人類「交互帶寬」有限，

終 極形態(tài)應(yīng)該是 A2A 互動

21. 每一波 AI 更新出來，其實都是在圈內(nèi)很嗨，但很難破圈。為什么？傳統(tǒng) C 端用戶的日常任務(wù)和信息處理的「帶寬」是有限的。

普通大眾的日常是很瑣碎的，可能就是「寫個文案」、「問個天氣」。如果一個 AI 產(chǎn)品要求用戶有極高的「任務(wù)定義能力」，或者給用戶返回一堆需要二次處理的信息，比如扔給你一個 GitHub 鏈接讓你自己看），普通用戶的「認(rèn)知帶寬」就溢出了。處理不過來，也缺少動機去處理。

22. 同樣，「交互帶寬」也是受限的。人類一直在不停地追求信息傳遞的速度。但點對點的信息傳遞，在微信這種 message app 上已經(jīng)做到了頭。我們的大腦處理速度，決定了我們沒法實現(xiàn)高效的「面到面」溝通，即一萬個人同時與另一萬個人進行有效的三次握手。

23. 這次 Clawdbot 讓人興奮的，不是人與 AI 的互動，而是它真正做到了 AI 與 AI 互動的可能。Agent 之間可以以機器速度完成成千上萬次「三次握手」，這直接放大了整個社會的信息交流效率。

24. 在「AI 與 AI 互動」這個點上，可以長出非常非常多的應(yīng)用，不管是社交，還是以前這些內(nèi)容社區(qū)，全都可以被重新做一遍。

25. 從 AI 的底層能力上看，人通過 Chat 去直接操縱 LLM 的這種范式是錯誤的。沒有發(fā)揮出 AI 在「速度」上的真正優(yōu)勢。人慢吞吞的大腦去指揮一個高速的 AI，效率太低了。前面兩年每年都有人說「狼來了」，但我覺得今年才是真正的「狼來了」。

05

未來的 AI 產(chǎn)品，

應(yīng)該「活」在用戶最高頻的工作流中

26. 以前用 AI，先想到 ChatGPT、豆包這類「目的地」應(yīng)用，主動去打開它。雖然 ChatGPT 周活能做到 10 億，但始終是個有限的入口。但現(xiàn)在，Clawdbot 能在所有的 IM 和任何能做聊天的入口做交互。這意味著，AI 的入口，從單個 App 一下子到了能覆蓋百億甚至千億用戶。這是第 一次，用戶在真正意義上能以最自然、最直接的方式和 Agent 交互。

27. IM 即任務(wù)入口。能不能在 IM 里直接管理我的 To-do？現(xiàn)在，通過 Skill，我把滴答清單這樣的應(yīng)用接了進來。在聊天框里，AI 就能幫我拆解任務(wù)，自動填入清單，再同步到日歷。IM 成了我任務(wù)管理的入口，讓 AI 去處理，最終的 GUI 面板就是一個匯總看板。

28. 社交場景。把 Clawdbot 的執(zhí)行能力和社交結(jié)合，可能會自然生長出一個全新的社交平臺。想象一下，你想「找?guī)讉€在北京愛打羽毛球的人」，它可能就會到網(wǎng)上去找各種各樣的數(shù)據(jù)和 Skills 去做分析，和別人交流。甚至和其他人的 Agent 進行交流。可能會形成一個新時代的社交圈層，能大大提高大家對信息處理的效率，而且能極大拓寬普通人的動機和視野。

29. 交易場景。Clawdbot 能傳播這么廣，就是拿來做 trading。特別是結(jié)合了預(yù)測市場之后，比如 Polymarket 這種。這個市場比的就是手速和信息面。以前這是專業(yè)人士才能玩的，現(xiàn)在，推特和 GitHub 上有大量各種用 Clawdbot 搭建交易 Bot 的教程。

06

端側(cè)可以作為，

Agent 上下文的「沉淀池」

30. 從端側(cè)產(chǎn)品的角度來看，最核心的還是 Agent 本身的設(shè)計，包括模型和腳手架如何做得更好。

31. 一個思考是，端側(cè)可以作為上下文的「沉淀池」。Clawdbot 本質(zhì)上是一個效率工具，適合執(zhí)行長流程任務(wù)。但我們每個人的手機、穿戴設(shè)備，其實是更重要的生活工具，和人們每天產(chǎn)生最直接、頻繁的交互，沉淀了大量真實、細(xì)碎、但又高度個性化的上下文。

07

安全，是目前最 大的短板

32. Clawdbot 現(xiàn)在有兩個非常痛的痛點。

一是上下文處理沒有經(jīng)過優(yōu)化，Token 消耗非常夸張。如果不從 memory 層面進行優(yōu)化，或者對 context 不做優(yōu)化，這個成本其實沒有人能 cover 住。

二是低效的文件檢索。Agent 在本地生成大量文件后，下次再找就很困難，因為它缺乏有效的索引機制。

33. 無論是云端還是本地，現(xiàn)在的沙箱和本地虛擬化 Infra 實際上都是嚴(yán)重不足的，無法很好地支持 Agent 的檢查點和恢復(fù)這類高級功能。

34. 安全，是當(dāng)前最 大的短板。我恰恰認(rèn)為 Clawdbot 應(yīng)該部署在云端，而且必須嚴(yán)格限制網(wǎng)絡(luò)訪問。它現(xiàn)在完全不安全，需要設(shè)定很多安全規(guī)則，比如限制它只能接入公司內(nèi)網(wǎng)，不能隨意訪問外部網(wǎng)絡(luò)，因為它太容易被 hack 了。

35. Claude Cowork、Clawdbot 這類產(chǎn)品，目前沒有一個好的備份和沙箱機制。它刪你東西的時候，像一個搞不清 Git 的「新手」，只不過工程師自己能 review 和回滾。但普通用戶不懂這些，碰到一個通用 Agent，出問題的頻率會高得多。

08

Clawdbot，

會成為 2026 年 AI 應(yīng)用的主流形態(tài)嗎？

36. Clawdbot 帶來了一些和聊天不一樣的「增量」。它的本質(zhì)，是為你配了一臺「云電腦」。第 一次可以真正地指揮一個 AI 去增、刪、改、查文件。這讓 AI 從一個信息工具，變成了一個執(zhí)行工具。

37. 這次 Clawdbot 的爆火，更像是一場硅谷極客圈的內(nèi)部狂歡，它反映了一個事實：大眾市場仍然是缺席的。大量的 AI 應(yīng)用，其實還沒有真正觸達到更廣泛、更多元、更下沉的大眾市場。

38. Clawdbot 很可能就像當(dāng)年的 Linux，是一個發(fā)燒友在不設(shè)限的環(huán)境中創(chuàng)造出來的產(chǎn)品。恰恰因為它打破了這個規(guī)則，才打開了這個潘多拉魔盒。

39. 未來，Clawdbot 很可能會穩(wěn)定成為一個開源操作系統(tǒng)。現(xiàn)在大家已經(jīng)在上面去做生態(tài)了，后來者再去想追趕其實很難。因為它的迭代，不再僅僅依賴開發(fā)者。任何一個用戶，有一個 crazy 的想法，幾分鐘就能讓 AI 幫他寫成代碼、發(fā)布成 Skill。這種基于 AI 的進化速度，是傳統(tǒng)軟件開發(fā)模式無法比的。