小龙虾所带来的冲击（四）一 像Agent一样思考

最近AI圈里最火的项目，非OpenClaw莫属。这个凭借一只龙虾吉祥物在国内被亲切称为“小龙虾”的开源项目，发布四个月出头就创造了一个历史——以超过24.8万的GitHub星标数正式登顶星标榜，把Linux都甩在了后面。说到底，它之所以引发如此广泛的讨论和实践，根本原因在于它不止是聊天机器人，而是一个能真正帮你操作电脑、执行任务的个人AI助手。这标志着AI正从“会聊天”迈入“能干活”的关键阶段。

OpenClaw在GitHub登顶这件事，被业内视为AI Agent实用化的里程碑。和ChatGPT这类停留在对话框里给“建议”的产品不同，OpenClaw可以7×24小时自动干活——读取文件、搜索信息、编写代码、发送邮件，全都不在话下。很多程序员已经把它当成了一个能动手干活的数字员工，圈里有个形象的调侃：人手一只“龙虾”。

不过，强大能力往往是一把双刃剑。OpenClaw的高权限特性也带来了显著风险：它能读写本地文件、执行系统命令，一旦配置不当或被恶意利用，数据泄露、文件误删之类的后果绝不是闹着玩的。所以，安全这件事，是使用OpenClaw时必须最先考虑的底线问题。

图片

以合作伙伴式的关系培养智能体生态

Agent正在加速成为数字化助理，更深度地介入我们的工作协同。随着AI Agent表现出越来越强的自主能力，信任问题将成为大规模应用中最核心的关卡。要成为真正的合作伙伴，前提就是彼此之间能完全信任——从本质上说，这和大模型当下的奖赏机制是有冲突的，因为答复速度优先已经成为“胡说八道”的根本原因之一。

想要把技术进步持续转化为实际技能，并与组织成长目标对齐，关键还是要让人保留足够的怀疑精神、好奇心和独立思考能力。在文化、敏捷变革管理等方面，人需要发挥更重要的作用，这才是相互激发创新、解决挑战、促进组织成长的锚定点。人类具备坚强的意志和独到的眼光——AI正在从工具走向战略。企业不仅需要不断校准人力与智能体的协作模式，还需要构建无缝衔接的高效工作流。甚至在未来，可能需要探索出独特的“弹性产能”模型，由新的职能部门负责需求预测，并为迅速扩大智能体和临时员工队伍做好准备，以应对骤增的业务量。

已经有部分领先的领导者开始思考“价值与成本”的平衡点，并把这种把控能力视为关键的竞争差异。这种差异，注定会让一部分企业在绩效和收益上遥遥领先。

随着技术变革速度的加快，“成熟”的半衰期越来越短。即使我们清楚地知道成功的秘诀一半甚至更多在于组织变革，但实际中还是会把大量时间花在具体的技术讨论上。一个需要充分认识到的事实是：使用者的能力上限，可能就是工具能力的上限；而工具能力的上限，又可能反过来决定模型能力的上限。即使是同一个工具，面对不同的模型，理解上也存在巨大差异。

这要求我们学会像智能体一样去看世界，学会观察与假设“能做什么”或“不能做什么”。同时也需要让智能体向人类一样思考，让模型能力得到进一步释放，不被过往的工具设计束缚住手脚。在工具内嵌约束、过度泛化与发挥模型内在能力之间，还要形成符合预期的上下文关联——在这种种因素中做高效平衡，极其艰难。也许正是因为这个原因，才形成了当下这波“养虾热”。换个角度看，模型的选择和适配，其实比模型的规模更重要。

每一位行业领导者，本质上都是持续变革的总设计师。这其中最关键的词就是“持续”。总体目标是提升组织层面的智能水平，通过AI实现更卓越的人机协作。就实践而言，这要求对工作方式进行彻底的革新。岗位职责会不断重构，工作流程会持续调整。除此之外，领导者还需要为实施战略变革创造有利条件。企业可以借鉴行为科学领域的经验，帮助员工适应新的学习节奏和变革步伐。在混合型劳动力模式下，企业要建立能随时调整的岗位技能标准，让员工成长与技术发展同步。

这场变革远不止于技术层面，它本质上是一场文化转型。唯有以目标为导向、秉持同理心，并持续聚焦于创造超越财务指标的价值——也就是提升人的效能——方能在这场变革中真正胜出。

图片

渐进式披露（Progressive Disclosure）

Agent的本质是什么？简单说就是Model + Harness。模型提供智能，Harness让智能变得有用。Harness是模型之外的所有东西——系统提示、工具描述、文件系统、沙箱、编排逻辑、Hooks。一个裸模型不是Agent，它只能输入数据、输出文本。连最基本的“聊天”体验都需要一个while循环来维护历史消息。

模型裸跑有四个硬伤：无法维持跨会话状态、无法执行代码、无法获取实时知识、无法搭建工作环境。每一个“不能”，恰好对应Harness里的一个组件。

Skills是可复用的工作方法包，将流程、标准、注意事项都统统放进SKILL.md文件里，由模型决定任务按这套方法执行。龙虾的本质只是一个路由器，真正决定其能力上限的是模型和技能。如果没有Skills，每次任务都需要重复劳动，结果还可能完全不一致。Skills则是一次配置、反复使用：个人可复用，团队可共享。

在智能体技能（Agent Skill）架构中，关键原则是“不是给得越多越好，而是给得恰到好处”。信息的加载机制，采用分层设计——通过动态、按需、分层的信息释放策略，在保障任务完成能力的同时，最大限度降低大模型的上下文负担与推理噪声，实现“自然、可信、高效”的交互艺术。

这种聪明的“按需加载”设计，实际上是对人类专家“先概览、再深入、后执行”工作方式的模拟。启动时只读取元信息（name/description），真正触发时才加载完整指令，脚本和参考资料则按需读取。通过“信息最小化 + 精准注入”重构注意力分布，从技术层面破解了“Lost in the Middle”与Token成本的困境。在多步骤任务中，执行准确率提升约35%；因为模型始终在“认知负荷可承受”的信息密度下工作，推理延迟也能下降40%。

分层路由将全量开放变成了按需可见，显著提升了工具选择的准确率，有效解决了“工具过载”与“选择困难”。同时，借助状态机式的强制约束，彻底根治了执行不可控与流程跳步的问题。渐进式披露通过对信息进行分级治理和精准投放，成功驯服了复杂Agent的不可控性，最终将AI从一个“偶尔灵光一现”的聊天伙伴，重塑为能够稳定交付业务价值的可靠执行者。这标志着AI Agent正加速走向成熟，真正融入工程世界。

其内核完美呼应了“智能体是艺术而非科学”的核心命题：它不是预设的“答案库”，而是一种有节奏的控制艺术——如同苏州评弹艺人“欲说还休”的留白，智能体在对话中“只揭一层纱”，让用户在探索中获得认知满足。

延伸阅读：政府工作报告学习

《政府工作报告》已经连续3年对“人工智能+”作出部署——从2024年首提“人工智能+”行动，到2025年持续推进，再到今年明确“打造智能经济新形态”——核心目标就是要抓住人工智能发展机遇，拓展AI赋能千行百业的广度和深度，尽快打开经济增长的新空间，培育新模式、壮大新动能。

数字经济已经成为推动高质量发展的核心引擎。“十五五”期间的核心目标非常明确：将数字经济核心产业增加值占GDP比重从2025年的10.5%以上提升至12.5%。2026年作为开局之年，其工作落地成效直接决定总量目标的推进节奏，也是AI产业从技术应用向智能经济新形态跃升的关键一年。

按照“十五五”总量目标，未来5年数字经济核心产业增加值占GDP比重需要提升2个百分点。2026年作为开局之年，需率先实现0.4个百分点左右的提升，数字经济核心产业增加值预计增速不低于8.8%，保持高于GDP增速的增长态势。

这一增长依托三大核心支撑：

一是传统产业数字化转型的增量贡献。2026年推行的普惠性“上云用数赋智”服务将重点覆盖中小企业，预计带动数智化转型渗透率稳步提升，释放制造业、服务业的数字化潜力。2025年规模以上数字产品制造业增加值同比增长9.3%，占规模以上工业增加值的比重达到12.5%，对全部规模以上工业增速的贡献率达20.3%，为2026年数字经济总量提升奠定了坚实的产业基础。

二是AI及未来产业的新增量拉动。重点培育的量子科技、具身智能等未来产业都与AI技术深度融合，预计将带动相关产业规模较快增长；“人工智能+”的商业化规模化应用持续推进，推动AI与各行业深度融合，进一步拓宽数字经济增长空间。

三是算力、数据等新基建的底层支撑。2026年超大规模智算集群、算电协同等新基建工程逐步落地，全国一体化算力调度体系不断完善，将有效解决算力供给瓶颈；数据要素市场化改革持续深化，数据资源价值不断激活，与“深化数据资源开发利用”的要求精准匹配。三者协同发力，预计可以顺利实现2026年总量提升目标。

2026年推动数字经济总量提升和AI产业升级的核心抓手，主要体现在以下几个方面：

“人工智能+”规模化应用

报告提出推动重点行业人工智能商业化规模化应用，目前行业进度已逐步显现：工业领域，智能制造试点示范项目覆盖面持续扩大，智能工厂、智慧供应链建设提速，预计2026年底工业AI应用渗透率将有明显提升；消费领域，新一代智能终端推广加速，相关智能产品销量保持较快增长，与“促进新一代智能终端和智能体加快推广”的要求形成呼应。AI技术已从早期的概念演示迈入能够切实解决实际问题、创造商业价值的新时期。模型能力的提升直接打开了此前受技术限制的各类场景应用空间，形成了“技术突破—场景应用—商业收入—数据闭环”的良性循环。

人工智能开源社区建设

当前国内开源生态已经进入加速发展期：活跃开源项目和开发者数量都处于较高水平，国产开源大模型表现突出，部分头部模型累计开源数量、全球下载量均达到较高规模，性能已接近全球先进闭源模型水平。中国开源模型凭借较高的综合性价比、针对高效推理优化的模型架构，以及市场竞争锤炼出的产品化能力，正在全球开发者及企业市场中获得越来越多的关注。

算力基础设施建设

报告提到“实施超大规模智算集群、算电协同等新基建工程”。2026年超大规模智算集群、算电协同等新基建工程已逐步落地，全国一体化算力调度体系加快完善，已有多个省市建成省级智算中心，算力调度效率显著提升；算力成本持续优化，为规模化应用提供了有力支撑。AI产业海外业务占比的提升，得益于中国在电力、算力等基础资源上的成本优势，以及卓越的工程化、产品化能力。AI推理的物理成本核心是算力和电力，中国凭借相对低廉的电价和高效的AI模型架构，形成了强大的成本优势。

数据要素开发利用

数据要素基础制度逐步健全，高质量数据集建设提速，国内已建成多个国家级数据交易平台，数据交易额保持较快增长；数据安全保障体系不断完善，为数字经济总量提升提供了安全支撑。

总体来说，2026年数字经济与AI产业发展呈现清晰的向好态势：一是数字经济总量提升路径清晰，传统产业转型与新兴产业培育双向发力，有望顺利完成年度总量提升目标，为“十五五”期间实现12.5%的占比目标奠定坚实基础；二是AI产业已进入规模化发展、全球化竞争的新阶段，开源生态、Token出海、核心技术攻关均取得突破性进展，国产大模型已具备全球竞争力，为智能经济新形态构建提供了核心支撑；三是政策与市场协同发力成效显著，科技金融、开放政策等为产业发展提供了良好环境，形成了“政策引导—技术突破—市场落地—总量增长”的良性循环。