小龙虾所带来的冲击（四）一 像Agent一样思考

一款名为OpenClaw的开源AI项目在全球范围内迅速走红，因其独特的龙虾吉祥物，被国内用户亲切地称为“小龙虾”。它引发了广泛的讨论和实践，因为它不仅是一个能与人对话的聊天机器人，更是一个能够实际操作电脑、执行任务的个人AI助手，标志着AI正从“会聊天”向“能干活”迈出关键一步。这个目前AI圈内最火的项目，发布仅四个多月就创造了历史——以超过24.8万的GitHub星标数正式登顶星标榜，超越Linux成为GitHub平台上最受欢迎的开源项目。OpenClaw在GitHub登顶，被视为AI Agent实用化的里程碑事件。和与ChatGPT等停留在对话框里提供“建议”的产品不同，OpenClaw可以7×24小时自动执行任务——读取文件、搜索信息、编写代码、发送邮件等。很多程序员将其当作一个能动手干活的数字员工，人手一只”龙虾“。OpenClaw的强大能力是一把双刃剑，其高权限的特性也带来了显著的风险。它能够读写本地文件、执行系统命令，这意味着一旦配置不当或被恶意利用，可能导致数据泄露、文件误删等严重后果。因此，安全是使用OpenClaw时必须首要考虑的问题。

2026年3月

图片

以合作伙伴式的关系培养智能体生态

Agent正在成为数字化助理，参与到我们更多的协作运营中。伴随AI Agent表现出越来越强大的自主权，信任将成为后续大面积应用中最为关键要素之一。要成为合作伙伴的首要前提就是要在协同间彼此能完全信任（本质上这与大模型当下的奖赏机制是冲突的。答复速度优先已经成为胡说八道的根本之源）。要将技术进步持续转变为技能，并提升与组织成长目标对齐，让人保留足够的怀疑、好奇心与独立思考能力，在文化、敏捷变革管理等方面发挥更重要的作用，则是相互激发创新、解决挑战并促进组织成长的锚定点。人类具备坚强的意志以及独到的眼光（果敢与肯定）：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。甚至在未来还需要探索出其独特的“弹性产能”模型，通过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资源做好准备，以应对骤增的需求。部分领先的领导者已经开始思考“价值与成本”的平衡点，并将这种把控能力视成为关键的竞争差异，这种差异会使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。即使我们清晰地知道成功的秘诀一半甚至更多在于组织变革，但我们还会花很多时间在具体的技术讨论上。我们还要充分地认识到：使用者能力上限可能就是工具能力的上限，工具能力的上限可能就是模型能力的上限。即使是同一个工具，针对不同的模型，理解上也存在着巨大的差异。我们需要向智能体一样去看世界，学会向他们一样观察与假设能或不能做什么等思考。同时也需要让智能体向我们一样的思考，并让模型能力得到进一步释放，不让过去的工具设计成为约束成长的枷锁。要想在工具内嵌约束、过度泛华与发挥模型内在能力，并形成符合预期的上下文关联，并在其中进行高效平衡是非常艰难的选择，也许正因如此，才会导致当下“养虾热”。换个角度我们也可以理解成：模型的选择、适配比模型的规模更为重要。

每位行业领导者们，都是持续变革的总设计师，其中最为关键的就是“持续”。总体目标是提升组织层面的智能水平，通过AI实现更为卓越的人机协作。就实践而言，这要求彻底革新的工作方式。岗位职责将不断重构。工作流程将持续调整。此外，领导者需为实施战略变革创造有利条件。企业可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，企业将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。这一场变革远不止于技术层面，它本质上是文化转型。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（即提升人的效能），方能在这场变革中成功。

图片

渐进式披露（Progressive Disclosure）

Agent本质是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、注意事项都放进 SKILL.md，由模型决定任务按这套方法进行执行。龙虾的本质只是一个路由器，是模型和技能的能力决定其能力程度。没有 Skills 每次任务都需要重复劳动，却结果还可能会出现完全不一致的结果。 Skills则是一次配置，反复使用：个人可复用，团队可共享。而在智能体技能（Agent Skill）架构中，并 “不是给得越多越好，而是给得恰到好处”。信息的加载机制，则是分层：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，是对人类专家“先概览、再深入、后执行”的模拟。启动时只读元信息（name/description），真正触发时才加载完整指令，脚本和参考资料再按需读取。通过“信息最小化+精准注入”重构注意力分布，从技术角度，破解“Lost in the Middle”与Token成本困境。在多步骤任务中，执行准确率提升约35%，因模型始终在“认知负荷可承受”的信息密度下工作，推理延迟下降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。渐进式披露通过对信息进行分级治理和精准投放，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“智能体是艺术而非科学”的核心命题：不是预设的“答案库”，而是‌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”，就是要抓住人工智能发展的机遇，拓展人工智能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。数字经济已成为推动高质量发展的核心引擎。“十五五”期间核心目标明确--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”服务重点覆盖中小企业，预计将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均与 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 应用渗透率将较当前有明显提升；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进入加速发展期：我国活跃开源项目和开发者数量均处于较高水平，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。

------------------------ END ------------------------