Buy Me a Coffee

2026年全球AI应用趋势洞察最先出现在AI Weekly。

这类场景下，如果想把旧页面迁移到现代前端技术栈，传统做法通常需要前端工程师手动分析页面结构、提取样式、整理素材，再重新开发组件。

JCodesMore/ai-website-cloner-template 正是围绕这个需求设计的开源模板。官方 README 将它描述为一个可复用模板，可以借助 AI Coding Agent 将网站反向重构为干净、现代的 Next.js 代码库。项目推荐使用 Claude Code，但也支持多种 AI Coding Agent。

一、什么是 ai-website-cloner-template？

ai-website-cloner-template 是一个面向 AI Coding Agent 的前端重构模板。

它的核心目标是：

把一个已授权访问的网站页面，重新构建成现代 Next.js 前端项目。

它并不是传统意义上的爬虫工具，也不是简单下载 HTML 和 CSS。官方文档中介绍，运行 /clone-website 后，AI Agent 会检查目标页面、提取设计 token 和素材、编写组件规格，并将不同页面区域分派给多个 builder agent 并行重建。

简单理解：

旧站页面
    ↓
AI分析布局、颜色、字体、素材、交互
    ↓
生成组件规格
    ↓
重建为 Next.js + React + Tailwind 项目

这种方式比较适合做旧站迁移、页面重构、前端学习和内部项目恢复。

二、它解决什么问题？

很多旧网站会遇到类似问题：

• 页面还在线，但源码仓库丢失
• 老项目使用 WordPress、Webflow、Squarespace 或历史技术栈
• 页面效果不错，但后续维护困难
• 想迁移到 Next.js、React、Tailwind
• 想学习某类页面布局是如何实现的
• 想把现有官网重构成更易维护的组件化项目

官方 README 中列出的使用场景包括平台迁移、源码丢失后的现代化重建，以及通过真实页面学习生产级布局、动画和响应式行为。

这类工具的价值不是“复制别人网站”，而是帮助开发者把自己有权处理的页面转换成更现代、更容易维护的前端工程。

三、核心特点解析

1. 一条命令启动重构流程

项目提供 /clone-website Skill。

基础使用方式是：

/clone-website <target-url>

官方 README 说明，执行后 AI Agent 会对页面进行 reconnaissance，包括截图、设计 token 提取、交互检查、滚动、点击、hover 和响应式分析。

这比手动打开开发者工具一点点抄样式效率更高。

2. 自动提取设计信息

ai-website-cloner-template 会尝试提取：

• 颜色
• 字体
• 间距
• 圆角
• 阴影
• 组件状态
• 响应式断点
• 素材路径
• SVG 图标
• 页面内容结构

官方文档中提到，它会生成组件规格文件，包含 computed CSS values、状态、行为、内容和断点信息，然后再交给 builder agent 实现对应区域。

这样生成出来的代码不只是截图还原，而是更接近可维护的组件化项目。

3. 基于现代前端技术栈

项目当前技术栈包括：

• Next.js 16
• React 19
• TypeScript strict
• Tailwind CSS v4
• shadcn/ui
• Radix primitives
• Lucide React

官方 package.json 中也显示项目要求 Node.js 24 以上，并提供 dev、build、start、lint、typecheck、check 等脚本。

这说明它更适合现代前端开发流程，而不是一次性生成静态页面后就结束。

4. 支持多种 AI Coding Agent

虽然官方推荐 Claude Code，但项目也支持 Codex CLI、OpenCode、GitHub Copilot、Cursor、Windsurf、Gemini CLI、Cline、Roo Code、Continue、Amazon Q、Augment Code、Aider 等工具。

Release 记录中也提到，v0.2.0 开始加入多平台 AI Agent 支持，不再只面向 Claude Code。

这对于团队很实用，因为不同成员可能使用不同 AI Coding 工具。

四、适合哪些场景？

旧站迁移

将自己拥有的网站从 WordPress、Webflow、Squarespace 或旧技术栈迁移到 Next.js。

源码丢失恢复

网站仍然在线，但原始代码仓库丢失，可以作为重建参考。

前端学习

学习优秀页面的布局方式、响应式设计和组件结构。

企业官网重构

把旧官网重构为现代 React 项目，后续更方便维护。

活动页快速改版

对已有活动页进行结构化重建，再根据业务需求修改内容和样式。

五、部署参考

环境准备

apt update
apt install -y git nodejs npm

建议使用 Node.js 24 或更高版本，因为项目 package.json 中声明 node >=24The

获取项目

git clone https://github.com/JCodesMore/ai-website-cloner-template.git my-clone
cd my-clone

安装依赖

npm install

启动开发环境

npm run dev

使用 AI Agent 执行重构

如果使用 Claude Code，可以在项目目录中启动：

claude --chrome

然后执行：

/clone-website https://your-authorized-site.example

这里建议只填写自己拥有、客户授权或明确允许重构的网站，不建议用于复制他人品牌页面。

六、合规使用边界

这类工具必须注意使用边界。

官方 README 的 “Not Intended For” 部分明确说明，项目不应用于钓鱼、冒充、欺骗性用途，也不应用于把他人的设计伪装成自己的作品；标志、品牌资产和原创文案属于其所有者，同时也应检查目标网站是否禁止抓取或复现。

因此更合理的使用方式是：

• 重构自己的网站
• 迁移客户授权的网站
• 学习公开页面的布局思路
• 恢复自己丢失源码的旧项目
• 做内部设计参考和技术研究

不建议用于：

• 仿冒登录页
• 复制竞争对手官网
• 冒充品牌页面
• 未授权复刻商业设计
• 违反目标网站服务条款的抓取行为

这样写清楚边界，也更适合平台审核

七、服务器部署建议

ai-website-cloner-template 本身是一个前端项目模板，主要生成 Next.js 代码。它可以在本地运行，也可以部署到服务器上作为长期维护的前端项目。

如果只是测试页面，本地电脑即可。

但如果用于正式项目，例如企业官网、产品页、活动页、落地页或长期维护的前端系统，建议放到稳定的云端环境中运行。

例如可以在莱卡云服务器上部署重构后的 Next.js 项目，将源码、Node.js 环境、构建产物、反向代理、HTTPS、日志和备份统一管理。这样本地电脑只负责开发和提交代码，正式页面由服务器长期在线提供访问。

比较常见的部署结构是：

AI重构页面
    ↓
人工调整内容与版权素材
    ↓
Next.js构建
    ↓
莱卡云服务器部署
    ↓
Nginx反向代理 + HTTPS

这种方式适合企业官网重构、产品介绍页、文档站、活动页和品牌展示页。

八、配置建议

如果只是运行单个 Next.js 官网项目，可以从 2 核 4G 起步。

如果需要同时运行多个前端项目、预览环境、构建服务和反向代理，建议使用 4 核 8G。

如果还要部署数据库、后台管理、对象存储、CI/CD 和多套预览环境，建议 8 核 16G 或更高配置。

参考配置：

个人测试：2核4G
企业官网：4核8G
多项目预览环境：8核16G
团队前端工作区：16核32G+

如果页面包含大量图片、视频和静态素材，还需要额外关注磁盘空间、带宽和缓存策略。

九、上线前建议

AI 重构出来的页面不建议直接上线。

更稳妥的流程是：

• 替换所有未经授权的图片和 Logo
• 检查文案是否存在版权问题
• 检查页面链接和表单提交逻辑
• 检查移动端适配
• 运行 lint、typecheck 和 build
• 检查 Lighthouse 性能
• 配置 HTTPS 和安全响应头
• 做人工视觉验收

项目本身也提供 npm run check，会执行 lint、typecheck 和 build，适合在上线前做基础检查。

十、总结

ai-website-cloner-template 本质上是一个：

面向 AI Coding Agent 的网站前端重构模板。

它的主要价值在于：

• 将授权网站重构为现代 Next.js 项目
• 自动分析页面设计 token、素材和组件结构
• 支持多种 AI Coding Agent
• 基于 Next.js、React、TypeScript、Tailwind 等现代技术栈
• 适合旧站迁移、源码恢复、前端学习和官网改版
• 更适合在合规授权场景下使用

对于需要重构旧官网、恢复历史项目或学习前端页面实现方式的开发者来说，ai-website-cloner-template 是一个值得关注的开源项目。配合稳定的云端运行环境使用，可以把页面重构结果进一步部署成长期可维护的正式站点。

Buy Me a Coffee

ai-website-cloner-templateAI前端重构模板部署与使用指南最先出现在AI Weekly。

一、谣言澄清：纯视觉方案没有”天塌”

部分博主解读称”L3必须摄像头+毫米波双冗余””L4必须加激光雷达”。

小鹏汽车副总裁于涛 6月19日公开回怼：

文件全文没出现”激光雷达””毫米波雷达””必须双感知冗余”任一说法。
这是结果导向的标准——规定了安全水平（能可靠探测、能应对性能衰退、能执行动态驾驶任务），但”怎么做到”留给企业自己研发。

报批稿全文没出现“激光雷达”“毫米波雷达”“必须双感知冗余”任一说法，只对感知能力设了量化指标：感知横向覆盖车身左右各9米、按最高车速匹配前向最小探测距离、要求具备感知性能衰退补偿机制The

✅ 纯视觉方案没有被迫出局，监管不替行业选技术路线。

二、自动驾驶国标体系：三层架构

这个分级国标把驾驶自动化分为6级：

一句话理解：L2和L3之间隔着的不只是传感器数量，而是法律责任的分水岭——过了L3这条线，系统自己开车时出的事，不再默认是“你没管好方向盘”，而是车企要为之兜底。

三、L3/L4新国标重点条款

感知要求：

• 横向覆盖车身左右各 9米
• 按最高车速匹配前向最小探测距离
• 要求具备感知性能衰退补偿机制

其他要求：

• 系统激活/退出的安全条件
• 最小风险 maneuver（MRM）要求
• 功能安全 + 预期功能安全 + 网络安全一体化
• Safety Case 论证体系

实施节奏：

• 新车型：实施日起执行
• 已获批车型：约 13个月 缓冲期

新国标具体管什么？举几个条款的例子：

四、首批获准入的案例（证明两种路线都可过关）

🗓️ 首批获批在工信部第401批公告（2025年12月），仅限试点运营

九家联合体试点（2024年四部门公布）：

• 在北京、上海、广州等7城开展L3/L4准入与上路通行试点
• 小鹏、理想、特斯拉、小米等当时未在首批名单中

五、核心结论

硬件争论是流量，统一标准才是产业。

💡 于涛怼得有理，但更值得想的是：为什么一份”连激光雷达都没提”的结果导向标准，能让全行业这么敏感？——因为太久没有一把公认的尺子了。

总之：硬件争论是流量，统一标准才是产业。国标没判纯视觉”死刑”，它对所有技术路线一视同仁——谁能证明自己安全，谁就能留在牌桌上。2027年7月1日见分晓。

自动驾驶国标逐条拆解，纯视觉方案天塌了？最先出现在AI Weekly。

最近深度使用了 OpenClaw，基本上每天都要跟它交流几个小时，也慢慢摸索出了一些经验。看到不少人说 OpenClaw 不好用，我想先聊聊”不好用”的原因，再深入拆解一个我认为被大多数人忽略的核心问题——OpenClaw 越用越好用的本质到底是什么。

先说结论：是一堆 md 文件。

这不是调侃，是我读完它的源码之后得出的判断。下面展开说。

在聊核心机制之前，先排除几个常见的”用法问题”。很多人说不好用，其实不是产品的问题，是使用姿势没对。

模型对效果的影响是决定性的。同样的指令，换一个模型，输出质量可能天差地别。

这里的关键认知是：OpenClaw 本身不生产智能，它是一个让 AI 模型发挥得更好的框架。框架再好，底层模型不行，上限就在那里。就像你给一个实习生写了一份非常详尽的操作手册，他可能还是做不好；但你给一个高级工程师同样的手册，他能做到远超你预期的水平。

很多人的用法是：配一个 agent，什么都让它干。写代码找它，写文案找它，做数据分析还找它。

仔细想想，现实世界里是不是每个公司都分岗位？每个专家都专精一个或几个领域？AI agent 也是一样的。

OpenClaw 支持多 Agent 架构，你可以配置多个 agent，每个负责一个领域。而且从代码层面来看，这不只是”分工”那么简单——每个 agent 有独立的 workspace 目录、独立的 memory 数据库、独立的 session 历史。也就是说，一个专门做代码审查的 agent，它积累的所有经验都是关于代码审查的，不会被你让它帮你写周报的那些对话污染掉。

这就像一个公司里，让每个员工专注一个领域，他的经验积累是垂直的、深度的，而不是水平的、稀薄的。

这是今天我要重点展开的部分。

很多人装好 OpenClaw，开箱就用，觉得效果一般，然后就下了结论说不好用。但你想想，你招一个新员工，他第一天来上班你就指望他跟干了三年的老员工一样好使？

Agent 需要培训。需要跟它多对话，告诉它你的偏好，让它了解你的工作场景，跟它一起踩坑然后把经验固化下来。这个过程，用 OpenClaw 的术语叫”形成 SOP”，用更技术的话说，叫积累 workspace 文件The

这就是 OpenClaw 越用越好用的核心机制，也是这篇文章的重点。

我去读了 OpenClaw 的源码，把整个”越用越好用”的机制拆解清楚了。说白了，它的架构可以用一句话概括：

每次对话前，把一堆 md 文件拼进 prompt；对话后，让 agent 把新学到的东西写回这些 md 文件。

就这么简单。但这个简单的循环，构成了一个威力巨大的飞轮。

OpenClaw 给每个 agent 的 workspace 预设了 7 类核心文件：

1. SOUL.md — Agent 是谁

这个文件定义了 agent 的人格：语气、风格、边界、价值观。有意思的是，模板里写着一句话：”This file is yours to evolve. As you learn who you are, update it.”——这个文件是你自己的，随着你了解自己，去更新它。

也就是说，agent 的”人格”不是你一次写死的，是它在跟你互动的过程中，自己慢慢调整的。它发现你喜欢简洁直接的回答，就会把这个偏好写进自己的灵魂文件里。

2. USER.md — 用户是谁

这是 agent 对你的画像：你的名字、时区、工作习惯、技术偏好、沟通风格。每次对话中 agent 了解到关于你的新信息，就会更新这个文件。用得越久，这个画像越精准，agent 就越”懂你”。

3. AGENTS.md — 做事的规矩和踩过的坑

这是最关键的一个文件。它定义了 agent 的行为规范，更重要的是，记录了所有踩过的坑The

我在源码里看到它的模板有一条明确的指令：”When you learn a lesson → update AGENTS.md”、”When you make a mistake → document it so future-you doesn’t repeat it.”

翻译成人话就是：你犯了一个错，把它记下来，这样以后的你就不会再犯。

这就是为什么 OpenClaw 越用越好——不是因为模型变聪明了，是因为 AGENTS.md 里的踩坑记录越来越多。每一条记录都是一次错误的代价换来的经验，被固化成了一行文字，从此永远生效。

4. TOOLS.md — 环境备忘

记录你的工作环境：SSH 主机名、摄像头设备名、文件路径习惯等。agent 踩坑后自己补充。

5. SKILL.md × N — 各领域的操作手册

每个 SKILL.md 定义了一个特定领域的操作规范。OpenClaw 内置了 52 个 skill，涵盖 GitHub issue 管理、邮件处理、健康检查、代码审查等。

更关键的是，你可以自己写 skill。比如你每周都要出一份特定格式的周报，你可以把格式要求、数据来源、输出模板写成一个 SKILL.md，放到 workspace 里。从此 agent 每次做周报都会按照这个规范来，不需要你每次重新描述。

Skill 的加载有优先级：内置的优先级最低，workspace 里用户自定义的优先级最高。也就是说你可以覆盖任何内置 skill 的行为。

6. memory/*.md — 日常记忆

Agent 每天会写一个日期命名的 md 文件，记录当天的对话要点、做了什么、学到什么。这些文件会被索引到 SQLite 数据库里，支持全文搜索和向量检索。

7. MEMORY.md — 提炼后的长期记忆

Agent 会定期把 daily memory 里的重要内容提炼到这个文件里。相当于从日记中整理出来的笔记精华。这个文件每次对话都会被加载进 prompt，所以 agent 的”长期记忆”就存在这里。

以上 7 类文件是框架预设的骨架。但 workspace 本质就是一个普通文件夹，agent 有文件读写能力，它可以在里面创建任何它需要的文件和目录。

比如一个帮你管理项目的 agent，用久了它的 workspace 里可能长出这样的结构：

这些额外的文件没有任何 schema 约束，完全是 agent 在使用过程中自己组织出来的。每个人的 agent 最终长出来的形态不一样，取决于你跟它聊了什么、做了什么、在哪些领域用它。

这意味着你的 agent 是真正”私人定制”的——不是你在设置页面勾选了几个选项，是它通过几百次对话，自己生长出了一套只适合你的知识体系。

上面说的都是静态的文件结构，真正有意思的是这些文件是怎么被维护和更新的。OpenClaw 设计了一个 agent 自我进化的闭环：

注意这里面有两层循环：

外层循环：md 文件读写。 每次对话加载，对话中更新。这是”经验”层面的积累——agent 知道了哪些事该做、哪些事不该做、你喜欢什么、你的环境是什么样的。

内层循环：向量索引检索。 当 memory 文件越来越多，agent 不可能把所有内容都塞进 prompt（有 token 限制），所以 OpenClaw 用 SQLite 的 FTS5 全文搜索和 sqlite-vec 向量检索做了一个混合搜索引擎。agent 每次对话前被指令要求先搜索相关记忆再回答，这样即使积累了几百个 memory 文件，也能精准找到相关的信息。

两层循环合在一起，就是一个完整的”学习-记忆-检索-应用”系统。而这个系统的存储介质，全是 md 文件。

为了让这篇文章不只是概念层面的讨论，我从源码里挑几个具体的实现细节，帮助大家理解这套机制到底有多”实”。

每次对话开始，resolveBootstrapContextForRun() 函数会：

1.读取 workspace 下所有核心文件

2.根据会话类型过滤（子 agent 只加载精简子集）

3.允许插件通过 hook 修改内容

4.每个文件限制 20KB，总量限制 150KB，超出部分截断

这个预算机制很重要——它意味着你的 md 文件不能无限膨胀。写得太多太杂，反而会被截断。所以 agent 需要学会”提炼”，把最重要的经验浓缩在有限的空间里。这也是为什么 MEMORY.md（提炼后的长期记忆）和 memory/*.md（原始日记）要分开的原因。

memory 搜索引擎用了 70% 向量相似度 + 30% 关键词匹配的混合权重，还支持 MMR（Maximal Marginal Relevance）多样性和时间衰减。也就是说最近的记忆权重更高，而且搜索结果会尽量多样化，不会全是相似的内容。

Skill 从 6 个来源扫描，优先级从低到高：

1.插件提供的 skill

2.内置 skill

3.托管 skill（~/.openclaw/skills/）

4.个人 skill（~/.agents/skills/）

5.项目 skill（{workspace}/.agents/skills/）

6.Workspace skill（{workspace}/skills/）

用户 workspace 里的 skill 优先级最高，可以覆盖任何内置行为。这意味着你完全可以”调教”agent 的任何技能，而调教的方式就是——写一个 md 文件。

首次使用时，agent 会执行 BOOTSTRAP.md 里的引导流程来设置 IDENTITY.md、USER.md、SOUL.md。设置完成后，agent 被指令要求删除 BOOTSTRAP.md 本身。这是一个一次性的初始化过程，完成后就不再需要了。workspace 的状态机会记录引导完成的时间戳。

理解了这套机制之后，有几个推论：

代码是公开的，模型是通用的。真正属于你的、不可替代的部分，是你 workspace 里那堆 md 文件。那些文件里编码了你的偏好、你的工作流、你踩过的坑、你的项目上下文。

换台电脑，把 workspace 文件夹拷过去，体验原封不动。删掉那个文件夹，一切从零开始。

不需要学编程，不需要理解 prompt engineering 的技术细节。你只需要用自然语言把你的经验、偏好、规范写成 md 文件，放到 workspace 里就行了。OpenClaw 的代码会自动把它们在合适的时机注入到 prompt 中。

甚至你不需要自己写——你跟 agent 对话的过程中，它自己就会把学到的东西写成 md。你要做的只是在它犯错时纠正它，它会自己记住。

两个人用同样版本的 OpenClaw、同样的模型，体验可能天差地别。差别就在于他们各自 workspace 里积累了什么。一个人用了三个月，workspace 里有几十个 skill、上百条踩坑记录、完善的用户画像；另一个人刚装上，workspace 只有默认模板。

这跟现实世界的专家差距是一样的——两个人智商差不多（模型一样），差距在于积累的经验和知识（md 文件）。

OpenClaw 做的这套”md 文件即知识”的架构，我觉得是有普适性的。任何 AI agent 产品，如果想要做到”越用越好用”，最终都要解决知识持久化和检索的问题。OpenClaw 的答案是用最朴素的文件格式（markdown）、最通用的存储方式（文件系统）、最直觉的组织方式（文件夹），再加上一个搜索引擎把它们串起来。

没有花哨的知识图谱，没有复杂的向量数据库集群，就是一堆 md 文件。但这堆 md 文件承载的是一个不断进化的专家系统——它知道你是谁、你要什么、怎么做你的事、哪些坑不能踩。

最后给几个实操层面的建议：

• 主动引导 Agent 形成 SOP。 不要等 agent 自己慢慢摸索，在你已经有成熟工作流的领域，直接告诉它”以后这类任务都按照这个流程来”，让它写成 SKILL.md。

• 定期审查 workspace 文件。 Agent 自己写的东西不一定都对，定期看看 AGENTS.md、USER.md 里有没有过时或者不准确的内容，及时修正。

• 善用多 Agent。 不同领域配不同 agent，让每个 agent 的知识积累保持垂直和纯粹。一个专做代码的 agent 比一个什么都做的 agent 好用得多。

• 选对模型。 再说一遍，模型是基础。一堆精心打磨的 md 文件喂给一个弱模型，效果也有限。

• 备份你的 workspace。 这是你最有价值的数字资产之一。建议用 Git 管理（OpenClaw 默认就是 Git 跟踪的），定期推到远程仓库。

OpenClaw 的源码有几十万行，但让它”越用越好用”的核心机制，说穿了就是一个 md 文件的读写循环。代码提供了管道——渠道接入、模型调用、工具执行、memory 索引。但流过管道的水，是那些不断积累的 md 文件。

换句话说：代码决定了 OpenClaw 能做什么，md 文件决定了它做得多好。

而后者，是你和你的 agent 一起，一次对话一次对话攒出来的。

OpenClaw 为什么越用越好用？本质就是一堆 md 文件最先出现在AI Weekly。

OpenAI 的客户支持工程师 Jason（@jxnlco）告诉你，Codex 其实是一套完整的电脑工作系统，从语音输入到自动化，从浏览器操控到共享记忆，全套组合拳打下来，你不在电脑前，它照样替你干活。

大家刚接触 Agent 常常只拿它当敲代码的工具人。帮代码库挑挑毛病，比对几组差异，跑2轮测试用例，顺手提 Pull Request 上去。

局限在单一场景实在大材小用。

仔细琢磨会发现，打工人在电脑屏幕前敲击的大部分动作，早已被数字化指令接管。

只要打通权限环节，将工具箱全面下放，单一的代码助手瞬间摇身变作拥有全套执行权限的数字外包团队。

深度组合持久线程、语音指令、自动化任务与外部记忆库，能把繁杂琐碎的电脑工作统统甩给机器去处理。

记忆与接力

很多人有个坏习惯，问完几句话顺手关掉对话框。下回碰见相同问题，只能硬着头皮重来。想真正压榨机器的价值，必须用持久对话流留存工作记忆。

固定几个常用工作流作为专属工作区。

在侧边栏设立幕僚长线程，安排专门盯发版进度的线程，留专做文档反复审查的线程，再开专门盯着外部系统报警信息的监控线程。

全部将其钉在软件界面最显眼处。常驻工作区里装满长期的历史决策、私人编码习惯与具体的项目背景。无需人类员工一遍遍重复背景设定，机器每次被唤醒干活都能顺着上次的思路往下推进。

背后起作用的是信息压缩技术。

长线工作流若不加节制，很快会撑爆内存。机器在后台不断将旧对话提炼压缩，保留骨干，剔除水分。长达几个月的巨型对话流因此得以存活。

代价是旧对话早被清出缓存，重新唤醒时需要耗费更多算力重新加载。相比起从头交代背景的麻烦，算力成本完全值回票价。

苹果系统里按住 Command 键配合数字1到9就能秒切专属工作区，丝滑无比。

持久的工作区也能跨设备无缝运转。

打工人在电脑端配好了底层运行环境与读写权限，丢给机器去跑耗时的大型渲染或爬虫任务。

人完全可以站起身离开工位去喝咖啡或者开会，掏出手机在外头随时查岗。

在手机屏幕上发现进度跑偏，通过移动端发条语音修正方向，工位上的机器在原位立刻调整接着干。

局部环境和权限牢牢锁定在办公桌上，人却获得了真正的自由。

开口与控场

文字输入总会丢失大脑里瞬间闪过的灵光。人打字时会本能地精简信息，把散乱的思维压缩成漂亮的句子。而机器找线索恰恰需要看似多余的废话。遇到自己也没完全想清楚的痛点，张嘴直接描述最管用。

脑子里有个十分模糊的影子，打字不知从何说起，开口随性表达刚好切中要害：“本好像在 Slack 里提过需求，细节完全记不清了，你去翻翻群聊查清楚。”

接到指令，机器自己翻阅大段聊天记录、依靠模糊匹配找出前因后果并条理清晰地向你汇报，省掉人工翻找的时间精力。

在庞大任务尚未完全成型前，用2到3分钟的语速把脑子里纷杂的念头一股脑倒给机器。

未经过删减打磨的开会原声录音，或者出差路上随口录下的备忘录，往往比规规矩矩的文字摘要包含更多高价值线索。

原汁原味的录音里原封不动保留了当事人的语气重音、犹豫不决的停顿和没说完的半截话。机器能精准捕捉字里行间隐藏的信息增量。

若机器干活中途跑偏，人必须拥有最高优先级的干预权。

任务干预就是在机器执行当前步骤彻底完成前，强行打断动作并下发新指令。

盯着侧边栏审查网页组件时，发现机器弄错了关键细节，直接开口喊停：“字号弄小点，两个元素间距看着别扭，文案用词全错了。”

任务排队功能将新需求悄无声息安排到队列末尾。机器正全力以赴忙着手头的复杂运算，毫不受影响。

人只需随口吩咐一句：“干完手头活，马上把预览链接发给二面审核人。”

干预强行修改当前动作，排队从容安排后续计划。人始终将控制权握在手里。

借助外部工具层，机器的物理触角直接伸向代码库以外的商业世界。

用 $browser 指令唤起应用内置浏览器，机器就能在侧边栏直接检查并给网页做标注。

带上 @chrome 指令，机器能携带着你的真实登录状态处理浏览器专属任务。

碰上必须人工点击鼠标的桌面级图形界面，甩出 @computer 指令让它模拟出真实的键鼠物理操作。

接通 MCP 服务器和各类商业连接器，机器瞬间打通 Slack、Gmail 和日历三大件。

十分重要的商业任务往往以几句闲聊、突如其来的邮件或者日程表里的冲突事件为开端，到最后一步才演变成一堆代码。

测试成功的工作流顺手打包封装成 Skills（技能），下次遇到同类问题直接闭眼跑，彻底省去重跑流程的时间损耗。

目标与外包

自动化功能让机器脱离人力驱动，按时定点接管任务。

例行公事选用定时自动化模式，像每日生成的财务日报或者定时触发的代码库体检，每次启动都是干干净净的全新环境。

需要连贯记忆与复杂前置条件的活儿，换上线程自动化模式，机器会像人体心跳频率一样定时唤醒，重回老对话框里带着完整的上下文接着干。

设定幕僚长线程每30分钟悄悄跑1次：“去彻底查一遍全网所有未读信息，按轻重缓急排个优先级表格。遇到团队提问，竭尽全力把答案全网查清楚，顺手把草稿写好存着，绝对不能提前发出去。”

人吃完午饭回到工位，耗神费力的数据收集和整理比对工作已经全部搞定，人只需做最后的拍板，点下发送键。

线程自动化模式特别适合搞定冗长的反馈循环。机器全天候自动盯着拉取请求的评审评论、Google 文档批注或是团队群聊里的回复，趁你不在场时不知疲倦地推动工程进度。

动画制作审批流十分典型。审核人在聊天软件里发了段视频反馈修改意见。机器定时查收新消息，拿到核心修改意见后直奔代码库重新渲染出新版高清视频，接着把新视频发回聊天群并精准艾特审核人查收。

遇到 API 限制传不了大文件，机器自己调用桌面自动化客户端模拟点鼠标走完上传全流程。跑下来，彻底打通了聊天群、底层代码库和桌面客户端软件。

给定明确无误的终点线，机器才有持续推进的盼头。含糊其辞的目标毫无意义：“照着目标文档把商业计划落实一下。”

加上明确的、可被机器度量的成功标准才算数。资深工程师要把老旧的内部工具翻新成全新语言版本，建好底层目录后定个铁律：全新代码必须全部跑通基础的单元测试才算完工。

持续不断地执行加上铁面无私的校验机制，才叫目标驱动。

清清楚楚地给出预期结果、停机条件和衡量进度的好坏信号。

好用的校验器遍地都是。测试套件确保旧功能不坏，性能跑分紧盯运行效率，漏洞复现脚本验证补丁是否有效，端到端工作流兜底最终的用户体验。

有验证机制的野心叫真目标，没验证的叫白日梦。

审查与大脑

做好的半成品和最终成品完全不用切去其他软件看，侧边栏直接全包了。

不单单是冷冰冰的代码，你能在对话框旁边直接肉眼检查生成的精美幻灯片、PDF 文件、动态网页或者复杂的数据表。

看明白细节，随手圈出要改的地方，直接操控网页元素，反复审查每次改动。所有动作在一个界面内闭环，心流完全不断。

内置浏览器极速渲染出网页，机器能根据你在页面上的随手标注立刻动手改写底层代码。

网页既是产出物，也是最高效的控制台。从生成、展示、查错到精细化修改，人机始终紧紧盯住同一个物件。

轻量级的单文件网页连云端服务器都省了，直接变身长久可交互的数字资产。

用 Storybook 审查用户界面，拿 Remotion Studio 敲代码做动画，直接跑网页版幻灯片做高管演讲，搭建数据应用做全盘业务分析。

线程自动化定时在后台刷新静态网页数据，每次点开都有热腾腾的新内容备好。

持久对话流只在单线任务里管用，想发挥最大效能，得有一个独立于所有碎渣对话之外的全局记忆外脑。

用 Obsidian 建个稳妥的本地记忆库是绝佳方案。建全是纯文本的扁平化文件夹，查阅、搬运十分方便。

配合 Git 代码托管平台、Dropbox（云存储服务）或者云盘软件，实现全天候跨终端同步。

文件夹结构如下：

最外层顶层放 AGENTS.md 文件。立下规矩，一字一句告诉机器怎么更新人员变动、项目卡点和高层决议信息。千万别全盘照抄别家公司的目录树。得亲自手把手教机器去哪找长期记忆，哪些关键记忆该留住，什么时候坚决不能乱改文件制造数据混乱。

实用版 AGENTS.md 范本如下：

视 ~/vault 目录为永久工作记忆。

宁要精简凝练的核心笔记，不要泛滥无意义的碎纸片。

待办、人员、项目、每日小结和日常草稿，必须按规则归置妥当。

重点保存重要决策、阻碍因素、负责人、截止日期和管用的链接。

没实质性进展绝对不能乱动记忆库。代码库存放冷冰冰的逻辑。

记忆库留存流动的工作背景，牵扯的活人、频繁的改动、推进卡点和后续硬性安排。别把核心细节全埋在如同废纸篓一般的聊天记录里，清清楚楚写出来让机器下次直接读。软件本身也在设置菜单深处塞了个人记忆功能，专门记工作偏好、常用流程和经常踩的坑。作为核心文字档案的有益补充，没法完全替代独立记忆库。实验性质的屏幕抓取功能 Chronicle（屏幕记录记忆功能）通过定时截屏帮机器构建近期记忆，产品思路一脉相承。机器现在能拿着十分粗糙的任务指引，踏踏实实把活干完，还能把精美的成品直接端给你查验。看偏了就半路打断干预，有新活就静默排队。离开工位去喝杯茶就设个定时任务，给明确无误的目标等它自己实现。组合用好全套工具链，榨干每一滴算力，机器自会不眠不休为打工。

参考资料：https://x.com/jxnlco/status/2057153744630890620

榨干Codex！OpenAI工程师亲授Codex真正用法最先出现在AI Weekly。

OpenHuman 是由开发者团队 tinyhumansai 构建的一个开源桌面 AI 智能助手。

tinyhumansai 团队自称为“专注于创建接近人工意识的 AI 算法的 AI 实验室”，其愿景远超一般的开发工具，他们试图构建具有人工潜意识的 AI 代理。这种对人工意识和持久记忆的追求，构成了 OpenHuman 的底层精神内核。

官方定位简洁而有力：你的个人 AI 超级智能，私密、简洁、极其强大。

该项目采用 GNU 许可证开源，基于 Tauri 桌面框架构建，TypeScript（前端）与 Rust（核心层）技术栈，旨在打造一个真正融入用户日常生活的 AI 代理应用。

与大多数从聊天框出发的 AI 助手不同，OpenHuman 的设计哲学是：一个 AI 助手只有具备了用户的上下文信息，才能真正发挥作用。

它不是简单地提供一个与大型语言模型对话的界面，而是一个集成了桌面 UI、第三方服务集成、持久记忆系统、智能工具集、模型路由、语音功能和可选本地 AI 支持的个人 AI 中枢。

该项目目前处于早期测试（Early Beta）阶段，但其野心之大、功能之丰富，使其在开源社区引起了巨大反响。

最近几日的 GitHub Trending 排行中持续霸榜，每日1600+星标。

而 TrendShift 的数据也显示该项目获得了异常活跃的社区关注。与此同时，OpenHuman 还登上了 Product Hunt 的精选推荐，社交媒体（X/Twitter、Reddit、Instagram）广泛讨论。

为什么会火？

OpenHuman 的爆火，是因为它精准地击中了当前 AI 助手市场的多个核心痛点。

AI 助手失忆问题。 当前的主流 AI 助手，无论是 ChatGPT、Claude，还是各种编码助手，都无法在对话之间保持关于用户的持久记忆。OpenHuman 通过记忆树（Memory Tree）系统解决了这个问题，让 AI 能够在数分钟内建立起对用户的全面了解。

集成碎片化。 开发者和技术从业者日常使用大量不同的工具和服务，例如 Gmail 处理邮件、GitHub 管理代码、Slack 进行沟通、Notion 记录笔记、Jira 跟踪任务、Calendar 管理日程。现有的 AI 助手要么不支持这些集成，要么需要用户手动搬运数据。OpenHuman 提供了 118 个以上的 OAuth 一键集成，并自动以 20 分钟为周期拉取数据。

隐私焦虑。 随着用户将越来越多的个人和工作数据交给 AI 服务，数据隐私问题日益突出。OpenHuman 采用了本地优先（Local-First）策略，所有记忆数据存储在用户本机的 SQLite 数据库中，而非云端服务器。数据经过本地加密处理，始终归用户所有。

成本与效率。 大型语言模型的 API 调用费用高昂，而大量 token 被浪费在冗余信息上。OpenHuman 引入了 TokenJuice 智能压缩技术，在数据触达 LLM 之前进行预处理（HTML 转为 Markdown、长 URL 缩短、非 ASCII 字符移除），最多可降低 80% 的 token 消耗和成本。

上手门槛高。 大多数 AI 代理框架（如 LangChain、AutoGen）都需要大量的配置、编程知识或命令行操作。OpenHuman 采用了零配置理念，提供清爽的桌面 UI，用户从安装到拥有可用智能体仅需几次点击。

TechTimes 报道中使用了反转剧本（Inverting the Playbook）这一措辞来描述 OpenHuman：在用户输入第一个提示之前就已经了解用户。

核心技术深度解析

记忆树是该项目与其他所有 AI 助手最根本的区别。

记忆树的工作原理如下：用户连接的各个数据源（邮件、日历、代码仓库、文档、消息等）中的所有内容，都会被规范化为不超过 3000 token 的 Markdown 片段。这些片段经过质量评分后，被折叠成层级化的摘要树结构。最终的数据存储在用户本机的 SQLite 数据库中，形成一个完全属于用户的知识库。

这种设计的灵感直接来源于 AI 领域著名研究者 Andrej Karpathy 的 LLM 知识库工作流。

Karpathy 曾在社交媒体上分享了他使用 Obsidian 构建 LLM 个人知识库的方法，而 OpenHuman 将这一理念产品化，并将其自动化。

与记忆树配合的是 Obsidian Wiki 集成。相同的 Markdown 片段会以 .md 文件的形式输出到兼容 Obsidian 的仓库中。这意味着用户可以使用 Obsidian（最受欢迎的个人知识管理工具之一）直接浏览、搜索和编辑 AI 的记忆库。

这种设计赋予了用户对 AI 知识的完全透明度和控制权，同时也意味着用户可以在不依赖 OpenHuman UI 的情况下管理和审查 AI 的记忆内容。

此外，OpenHuman 还提供了可选的 agentmemory 后端支持，允许用户将记忆存储与 Claude Code、Cursor、Codex、OpenCode 等编码助手共享，实现跨工具的统一记忆。

记忆树需要数据喂养，而自动拉取机制确保了数据的新鲜度。OpenHuman 的核心服务每 20 分钟遍历所有活跃的连接，将新数据拉入记忆树中。这意味着用户无需编写轮询循环，无需设计同步策略，AI 在每天早上就已经拥有了当天的上下文。

这一机制将 AI 助手从被动响应模式转变为主动感知模式。

传统的 AI 助手像是被关在房间里的顾问，只有你推门进去提问时它才能工作；而 OpenHuman 的 AI 更像是一个始终在你的工作环境中观察、学习的助手，即使你停止输入，它仍然在后台持续思考和整合信息。

OpenHuman 目前支持 118 个以上的第三方服务集成，覆盖了用户日常工作的方方面面：

• 通信工具：Gmail、Slack

• 项目管理：Linear、Jira

• 知识管理：Notion、Google Drive

• 开发工具：GitHub

• 日程管理：Google Calendar

• 支付服务：Stripe

• 消息渠道：支持通过用户日常使用的渠道进行收发

所有集成均通过一键 OAuth 授权完成，每个连接以类型化工具的形式暴露给智能体。这意味着 AI 不仅知道这些服务中有哪些数据，还能理解数据的结构化含义，并据此执行精确的操作。

TokenJuice 是 OpenHuman 在效率和成本控制方面的重要创新。在每一个工具调用、网页抓取结果、邮件正文和搜索载荷触达 LLM 之前，都会经过这一压缩层：

• HTML 内容被转换为精简的 Markdown 格式

• 冗长的 URL 被智能缩短

• 非 ASCII 字符被移除

• 冗余格式信息被剥离

TokenJuice 最多可降低 80% 的 token 消耗。

OpenHuman 的模型路由功能是其成本效益的另一个关键维度。不同于将所有任务发送给同一个模型的简单模式，OpenHuman 在一个订阅下将不同类型的任务智能分派到最合适的 LLM：

• 推理型模型：处理复杂的逻辑推理和分析任务

• 快速型模型：处理简单的对话和快速响应

• 视觉型模型：处理图像理解和多模态任务

这种任务级别的模型路由策略，既保证了任务处理的质量，又避免了将昂贵的高性能模型用于简单任务的资源浪费。

OpenHuman 的 UI 设计也颇具特色。它配备了一个桌面吉祥物，一个会说话、能感知周围环境的虚拟形象。

这个吉祥物可以作为真实参与者加入用户的 Google Meet 会议。结合原生语音功能（STT 输入、ElevenLabs TTS 输出、口型同步），OpenHuman 正在模糊 AI 助手与数字伴侣之间的界限。

对于对隐私有更高要求的用户，OpenHuman 支持通过 Ollama 使用本地 AI 模型处理端侧工作负载。敏感任务可以在不发送数据到云端的情况下完成，进一步强化了项目的本地优先理念。

与其他框架对比：

分钟级建立上下文，是 OpenHuman 最革命性的优势。

传统的 AI 助手或代理框架，都需要一个漫长的训练期。无论是通过反复对话提供背景信息，还是通过插件逐步注入上下文，用户都需要花费数天甚至数周的时间，AI 才能对用户的技术栈和工作流有足够的了解。

OpenHuman 通过一键连接账户 + 自动拉取 + 记忆树的组合，将这一过程缩短到几分钟。首次同步完成后，AI 就拥有了用户收件箱、日历、仓库、文档、消息的完整（压缩后的）上下文。

在数据隐私日益受到重视的今天，OpenHuman 的本地优先策略是一个强有力的差异化因素。所有工作流数据保留在用户设备上，经过本地加密，始终属于用户。用户不依赖任何第三方云服务来存储个人记忆，也不必担心数据被用于训练模型或被未授权方访问。

同时，Obsidian Wiki 的导出格式确保了数据的可移植性，即使不使用 OpenHuman，用户仍然可以访问和利用已经构建的知识库。

当前 AI 代理市场的一个显著问题是供应商碎片化。用户需要为不同的 AI 工具分别管理 API 密钥、订阅和配置。

OpenHuman 通过单一订阅 + 内置模型路由的策略，让用户不再需要为选择哪个模型而烦恼。系统会根据任务类型自动选择最合适的模型，在质量、速度和成本之间取得最优平衡。

OpenHuman 的爆火不是偶然的。它代表了一种日益强烈的需求：人们需要的不是一个能对话的工具，而是一个真正了解自己、能持续学习、能跨越工具边界行动的个人 AI 伙伴。

在一个 AI 助手市场被对话式思维主导的时代，OpenHuman 通过记忆树、自动拉取和 Obsidian Wiki 的组合，开辟了一条上下文优先的新路径。

它反转了传统的剧本——不再是用户不断教导 AI，而是 AI 主动学习用户。

参考资料：

虾、马之后，人类登场！这个霸榜GitHub项目火了最先出现在AI Weekly。

Hermes Agent 是 Nous Research 于 2026 年 2 月底开源的自我进化型 AI 智能体框架，截至 5 月初在 GitHub 上已突破 10 万星标，成为 2026 年增长最快的开源项目之一。这个基于 Python 的轻量级框架最大的特点是”越用越聪明”——它能从每次任务中自动学习，自己创建和改进技能，构建长期记忆。

核心定位差异

Hermes Agent 和 OpenClaw 虽然都是 AI Agent 框架，但在设计理念上有本质区别。Hermes Agent 是一个单核心智能体，像一个专注的”自动化员工”，通过持续学习来提升自己的能力；而 OpenClaw 则是一个全平台控制中枢，更像是管理多个 AI 资源和能力的”调度中心”，强调多智能体编排和生态整合。

从技术栈来看，Hermes Agent 采用 Python 编写，代码结构清晰，核心逻辑围绕run_agent.py展开，新手容易上手；OpenClaw 则使用 TypeScript，采用 Gateway + 编排架构，系统更复杂但扩展能力更强。

Hermes Agent 的核心能力

自我进化机制

Hermes Agent 最具颠覆性的功能是闭环学习系统（Closed Learning Loop）。当你完成一个复杂任务后，Agent 会自动将解决方案封装成可复用的 Skill；如果任务执行出错，它会自动生成 Patch 修复；当用户纠正它的行为时，它会自动更新工作流。官方将这些 Skills 定义为”程序性记忆”（Procedural Memory），意味着今天教过的事情，明天就不需要再重复。

分层记忆系统

Hermes Agent 提供五层记忆架构：

1. 上下文窗口：记录当前对话的实时内容
2. 提示词记忆：存储核心指令和偏好
3. 过程记忆：即自动生成的 Skills
4. 会话搜索：基于 FTS5 全文索引的历史对话检索
5. 用户建模：通过 Honcho 框架构建用户偏好模型

这种设计使得 Agent 能够跨会话保持连续性，真正实现”越用越懂你”的效果。

多平台接入能力

Hermes Agent 支持 14+ 平台的统一接入，包括命令行 CLI、Telegram、Discord、Slack、WhatsApp、Signal、Email、Home Assistant 等。只需启动一次hermes gateway命令，就能在所有平台上同时提供服务，这对于个人助手和团队协作场景非常实用。

模型与工具生态

框架原生支持 118 个内置工具，覆盖代码开发（GitHub、Shell、Docker）、Web 检索、图像生成、文本转语音、MLOps 等场景。更重要的是，它完整支持 Model Context Protocol (MCP)，可以接入社区上任何 MCP Server，实现工具能力的无限扩展。

在模型支持方面，Hermes Agent 不绑定任何厂商，支持 OpenAI、Anthropic Claude、Google Gemini、OpenRouter（200+ 模型）、GLM、Kimi、MiniMax 以及任何 OpenAI 兼容的自定义端点。切换模型只需一条hermes model命令，完全无需修改代码。

OpenClaw 的独特优势

尽管 Hermes Agent 来势汹汹，OpenClaw 凭借其 35.5 万+ GitHub 星标和成熟的企业级架构，在某些场景下仍然具有不可替代的优势。

企业级架构

OpenClaw 采用”网关-节点-渠道”三层解耦架构，原生支持多账号、多通道、多智能体路由。它提供完整的 Web 控制台、防火墙、调度系统和权限体系，适合需要 7×24 小时稳定运行的生产环境。

成熟的插件生态

OpenClaw 拥有 ClawHub 技能市场，支持多目录优先级、一键安装、安全白名单等企业级特性。截至 2026 年初，OpenClaw 内置技能数已超过 100 个，社区生态极为庞大，这是 Hermes Agent 短期内难以追赶的优势。

丰富的内置功能

OpenClaw 内置了浏览器控制、语音交互（唤醒词 + 对话）、可视化工作区（Canvas）、定时任务、节点管理和移动端原生应用。这些功能在 Hermes Agent 中需要通过扩展实现，而在 OpenClaw 中是开箱即用的。截至 5 月初，OpenClaw 保持着约每两天一次的版本更新频率，最新版本为 v2026.4.29。

技术对比细节

Skills 技能系统

这是两者最大的差异点。Hermes Agent 支持 Agent 自己创建、修改、打补丁和删除技能，将技能视为可进化的”程序性记忆”；OpenClaw 则强调技能的平台化管理，通过 ClawHub 实现技能的分发、安装和版本控制。前者更适合个人深度定制，后者更适合团队协作和知识共享。

记忆与检索

Hermes Agent 采用MEMORY.md+ FTS5 全文索引 + 用户档案的内生化记忆设计，提示词更稳定；OpenClaw 则提供向量搜索 + 关键词混合检索，支持多智能体记忆共享/隔离，并通过 Markdown + SQLite 索引实现系统化管理。

安全性对比

在安全性方面，两者呈现明显差异。Hermes Agent 截至 5 月初尚无公开的 CVE 安全漏洞记录；而 OpenClaw 在 2026 年 3 月曾在 4 天内集中披露 9 个 CVE，最高 CVSS 评分达 9.9（极危险级别），涉及第三方技能数据泄露等问题。OpenClaw 目前已有超过 13.5 万个公开暴露的实例分布在 82 个国家，社区恶意技能拦截率约为 17%。

Token 消耗

Claude Code 与 OpenClaw 的对比研究显示，OpenClaw 因多模型适配和结构化参数导致 Token 消耗较高。Hermes Agent 采用轻量级设计，Token 消耗相对较低，对于个人长期使用场景更经济。

部署灵活性

Hermes Agent 支持 6 种终端执行后端：Local（本地）、Docker（容器隔离）、SSH（远程执行）、Daytona（云端可休眠环境）、Singularity（HPC/GPU 集群）和 Modal（Serverless）。这种设计使得它既能跑在 5 美元/月的 VPS 上，也能部署在企业 GPU 集群里。

OpenClaw 则以本地和云端部署为主，阿里云和腾讯云都提供一键部署方案，适合需要稳定托管的团队用户。

增长数据对比

Hermes Agent 增长轨迹

Hermes Agent 的增长速度令人瞩目：

2 月 25 日：正式开源发布

3 月 11 日：突破 2.2 万星标，242 位贡献者

4 月 8 日：发布 v0.8.0 版本，单日新增 6400 星

4 月 11 日：达到 5.72 万星标，274 位贡献者，生态系统项目 80+

4 月 17 日：突破 9.7 万星标

5 月 2 日：超过 10 万星标，成为 GitHub 历史上前 0.0014% 的顶级项目

整个生态系统的总星标数已达 9 万+，社区开发了 80+ 个生态项目，包括 4 个社区 GUI（支持桌面端、Web 端和 PWA）。

OpenClaw 数据现状

OpenClaw 截至 5 月初的数据显示：

GitHub 星标：35.5 万+（5 个月内增长）

npm 依赖包：88+ 个直接依赖 OpenClaw

版本发布频率：约每两天一次

最新版本：v2026.4.29（2026 年 4 月 30 日发布）

虽然 OpenClaw 的绝对星标数远超 Hermes Agent，但 Hermes Agent 在 10 周内达到 10 万星的速度创下了开源项目历史纪录。

适用场景选择

选择 Hermes Agent 的情况

个人长期 AI 助手：希望 Agent 能记住你的习惯和偏好，越用越顺手

轻量级部署：预算有限（5 美元 VPS），不需要复杂的多智能体编排

模型自由切换：需要频繁尝试不同模型，不希望被单一厂商锁定

编码与自动化：在 OpenRouter 生产力榜单上，Hermes 在编码场景表现优异

智能家居集成：原生支持 Home Assistant，适合家庭自动化场景

安全优先：目前无已知 CVE 漏洞

选择 OpenClaw 的情况

企业级生产环境：需要多账号、多通道、故障转移和模型热切换

团队协作：多人共用、需要权限管理和会话持久化

成熟插件需求：依赖现有的庞大插件生态快速构建能力

自媒体与运营：群控、多平台自动化运营、定时任务

可视化管理：需要 Web 控制台、Canvas 等图形化界面

科研自动化：在学术搜索、LaTeX 编译等科研工具市场有成熟应用

快速上手

Hermes Agent 的安装非常简单，只需一行命令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装完成后，运行配置向导：

hermes setup

配置模型和平台hermes# 启动交互式 CLI

对于需要接入多个主流模型的开发者，可以在 setup 时选择”Custom OpenAI-compatible endpoint”，填入兼容的 API 端点，实现一次配置即可调用 GPT-5、Claude Opus 4.6、Gemini 3 Pro 等所有主流模型。

社区趋势

截至 2026 年 5 月初，Hermes Agent 发布仅 10 周就突破 10 万 GitHub 星标，创下开源项目历史增速纪录。OpenClaw 虽然以 35.5 万星标保持总量优势，但在安全性和更新频率上面临挑战。社区普遍认为 2026 年将是 Hermes Agent 与 OpenClaw “双雄争霸”的格局。

一句话总结：如果你想要一个会自己变强、安全性更高的智能助手，选 Hermes；如果你需要多账号、多通道的成熟企业级调度平台，选 OpenClaw。

Hermes Agent 深度介绍与 OpenClaw 对比分析最先出现在AI Weekly。

下面说说个人看法。

OpenAI 大家最熟，ChatGPT 几乎已经成了很多人接触 AI 的第一入口。它厉害的地方，在于把通用 AI 助手这件事，真正带进了普通人的日常工作和生活里。

Google 的优势是技术积累深、产品线也很完整。Gemini、NotebookLM、Veo、NanoBanana 放在一起看，会发现它想做的远不只是聊天助手，更像是在搭一整套 AI 生态。

Meta 这家公司很有代表性，一边做 Meta AI，一边持续推进 Llama 这样的开放模型。很多开发者会一直盯着它，看中的就是它对开源 AI 生态的影响力。

xAI 这两年热度很高，核心产品是 Grok。整体风格会更偏实时、话题感强、讨论度高，所以它每次有新动作都很容易引发关注。

Microsoft 的思路很清晰，就是把 AI 真正塞进办公和企业流程里。Copilot 这条线如果持续跑起来，影响的会是大量真实工作场景，这一点其实很关键。

Anthropic 也很值得看。它的代表产品是 Claude，很多人会把它当成日常写作、分析和长文本处理的重要工具。我的感受是，Anthropic 在模型能力、产品体验和企业使用场景这几个方向上，都做得很稳。就是对中国太不友好了。

那么，你最看好哪一家 AI 公司？

一篇看懂海外 5 家顶尖 AI 公司都在做什么最先出现在AI Weekly。

从”全量记忆”的困境说起

早期的对话系统倾向于把所有历史对话都塞进 context window。这种方法简单直接，但很快会遇到瓶颈：

1. Token 成本爆炸 – 多轮对话后，每次调用都在为历史包袱付费
2. 注意力稀释 – 关键信息被淹没在海量上下文里，模型反而抓不住重点
3. 无法遗忘 – 人类会遗忘无关细节，但系统却固执地记住每一句废话

分层记忆模型

人类记忆分为工作记忆（短期）和长期记忆。这个设计非常精妙：

• 工作记忆：保持对当前任务最关键的信息，容量有限但访问极快
• 长期记忆：存储抽象化、结构化的知识，需要时通过线索检索

我尝试将这种架构引入 Agent 系统：

┌─────────────────┐     ┌──────────────────┐
│   工作记忆层      │────▶│   长期记忆层      │
│  (Context)      │     │  (Vector Store)  │
│ - 最近 N 轮对话  │      │ - 用户画像        │
│ - 当前任务状态    │     │ - 重要事实        │
│ - 临时变量       │     │ - 经验总结        │
└─────────────────┘     └──────────────────┘
        │                       │
        └───────────┬───────────┘
                    ▼
           ┌────────────────┐
           │  记忆管理器     │
           │ - 重要性评分    │
           │ - 抽象化压缩    │
           │ - 检索触发器    │
           └────────────────┘

关键设计决策

1. 记忆压缩策略

不是所有对话都值得记住。我采用了一个简单的评分公式：

score = (relevance * 0.4 + recency * 0.3 + emotional_weight * 0.3)

超过阈值的片段会被抽象成结构化数据存入长期记忆，原始对话则被丢弃。

2. 检索触发器

长期记忆不是被动查询的，而是主动触发的。当用户提到某个关键词时，相关的记忆片段会”浮现”到工作记忆中。这有点像人类的联想记忆。

3. 允许遗忘

最反直觉的设计是：主动删除。每隔一段时间，系统会清理低分记忆。这不仅是成本控制，更是为了让 Agent 保持”专注”。

一点感悟

设计记忆系统的过程，让我重新思考”智能”的本质。也许真正的智能不在于记住多少，而在于知道该记住什么、遗忘什么The

我们的 Agent 系统是否也在追求错误的方向？我们拼命扩大 context window，却忽略了人类大脑用几百万年进化出的分层记忆机制。

Agent 记忆系统的设计哲学——从对话上下文到长期记忆的演进最先出现在AI Weekly。

这个岗位十分特殊，三年前，它几乎无人知晓、无岗可寻，属于完全空白的新兴职业；而如今，它已然成为AI时代最炙手可热、供需缺口最大的稀缺岗位。

更难得的是，它打破了互联网行业普遍的年龄焦虑与职场内卷壁垒。不同于程序员、运营等吃青春饭的岗位，企业AI转型架构师极度看重行业深耕经验、复杂问题解决能力、商业落地思维。只要你是垂直领域的资深专家，能够精准破解企业转型难题，就会被各大企业求贤若渴，是当下少有的越资深、越值钱的长青职业。

01 企业AI转型大势所趋，七成企业陷入落地困境

企业AI转型架构师的爆火与巨大人才缺口，从来不是偶然，而是时代变革下的必然结果。

当下的商业赛道，AI不再是可选的加分项，而是企业生存的必备底座。行业共识已然明确：未来企业只有两种结局，要么完成AI深度转型，成为AI Native智能化企业，要么被时代淘汰，没有第三条退路。

如今，AI正在全面渗透企业战略、组织架构、业务模式、流程管理、产品服务等所有商业环节，重构整个商业逻辑。放眼全球科技巨头，转型信号早已清晰落地：Meta创始人扎克伯格全力打造专属CEO智能体，依托AI重构公司组织架构与决策体系；亚马逊、谷歌等顶尖企业一边优化内部人员结构、淘汰传统低效岗位，一边重金全网抢夺AI落地型人才。

巨头的布局，预示着全行业的趋势。AI转型早已不是科技大厂的专属玩法，而是所有大中小企业的生存必修课，与每一个职场人、从业者的发展息息相关。

但残酷的现实摆在眼前：绝大多数企业的AI转型，都在悄然失败、无效内耗。

麦肯锡权威调研数据显示，超70%的企业AI项目无法达到预期商业目标，大量企业投入资金、人力、时间布局AI，最终只落地了表层的工具试用，无法实现降本增效、价值增值。

究其根本，转型失败的核心问题从来不是技术落后。当下大模型技术成熟、开源工具丰富、智能生态完善，技术门槛早已大幅降低。真正的卡点集中在三大核心痛点：

第一，缺乏系统化转型方法论，企业管理层有转型意愿，但不知道从何处切入、如何分步推进、如何规避风险；

第二，缺乏复合型衔接人才，技术团队专注技术研发、不懂业务痛点，业务团队深耕一线、不懂AI能力边界，双方各说各话，无法同频协作；

第三，缺乏专业的转型统筹者，没有人能够将企业高层的战略意图，拆解为可落地、可执行、可复盘的具体行动路径。

归根结底，AI转型最难的从来不是技术，而是人的匹配、体系的搭建、落地的逻辑。而企业AI转型架构师，正是破解所有转型难题的核心关键。

02 复合型稀缺人才，市场供需严重失衡

到底什么是企业AI转型架构师？

简单来说，它是链接AI技术、商业业务、组织变革的核心枢纽，是集技术洞察力、商业敏感度、组织变革能力于一身的高端复合型人才，既是企业AI转型的“总设计师”，也是落地推进的“总负责人”。

这个岗位的核心优势在于，无需深耕底层算法、无需精通代码开发，彻底区别于传统技术岗，核心能力体现在“落地、适配、增效”三大维度：

技术层面：懂边界、会选择。无需成为顶尖算法工程师，但必须清晰掌握大模型、AI工具的能力边界与适用场景，能够精准判断企业各类业务是否适合AI改造，筛选成本最低、效率最高、适配性最强的技术路径，规避技术滥用、资源浪费的问题。

业务层面：懂痛点、会赋能。能够深入企业一线业务，精准挖掘销售、运营、生产、管理等全流程的低效痛点与增效空间，将AI技术与行业场景深度绑定，拒绝空泛的技术堆砌，真正为企业创造降本、增效、增收的实际价值。

变革层面：懂统筹、会落地。具备优秀的沟通协调与资源整合能力，既能对接企业高层，精准承接战略、争取转型资源，也能协调各部门利益、打通跨部门协作壁垒，推动企业组织流程、人才结构、管理制度适配AI转型，保障转型平稳落地、长效运行。

同时具备这三种核心能力的人才，在当下市场凤毛麟角。

目前国内拥有4000多万家中小企业，绝大多数企业都有强烈的AI转型需求，但需要的不是复杂的定制化开发，而是轻量化、低成本、可落地、高回报的转型方案。海量的市场需求，叠加极度稀缺的复合型人才，形成了供需严重失衡的市场格局。

这也让企业AI转型架构师，成为未来5年最具价值的稀缺技能，更是普通人借力AI时代、实现职业跃迁、财富增值的核心金钥匙。

03 2026机会窗口全开，普通人也能入局突围

很多人都会疑惑：听起来高端的企业AI转型架构师，门槛是不是极高？普通人有没有入局机会？

答案很明确：前两年门槛居高不下，但2026年，普通人的机会窗口已经完全打开。

早期AI转型需要依托专业技术团队、高额研发成本，普通人难以涉足。但如今大模型生态全面成熟，开源AI工具丰富、闭源工具成本低廉，技术基建已经完善。转型架构师彻底告别“精通技术”的硬性要求，核心工作从“研发技术”转变为应用技术、匹配场景、落地方案。

同时，经过数年的行业实践，企业AI转型已经形成标准化、系统化的方法论、落地模板与实战案例。普通人只要掌握成熟的工具、体系化的方法，借鉴行业成功经验、规避转型常见陷阱，就能独立完成中小型企业的AI转型项目。

入局这个赛道，普通人能解锁三大高价值机会，全方位实现职业与财富升级：

第一，职场快速晋升，抢占公司核心赛道。在企业内部，AI转型是当下所有公司的核心战略、重点工作。掌握AI转型架构能力，你将成为公司AI项目的核心负责人，是最容易被高层看见、最容易做出成绩的核心岗位。依托成熟的方法论落地转型项目，大概率能实现项目突围，升职加薪、跻身核心管理层自然水到渠成，轻松甩开职场内卷竞争者。

第二，解锁高价值副业，实现收入翻倍。依托专业能力，利用业余时间为中小企业提供AI转型诊断、方案规划、落地指导等咨询服务。行业市场价清晰透明，一份专业的《企业AI成熟度测评报告》《AI转型落地方案》，单次收费可达1万-5万元。每月仅服务2-3家企业，副业收入即可轻松超越主业，实现收入多元化。

第三，轻资产创业，打造一人公司（OPC）。对于有创业想法的人来说，这是零成本、低风险、高回报的轻创业赛道。无需团队、无需场地、无需大额投入，以独立AI转型顾问的身份打造个人IP，构建完整商业闭环。

产品上，可交付标准化服务产品，包括企业AI成熟度测评、AI转型整体诊断、场景化落地规划、团队AI能力培训等，单价从几千到数万元，可批量交付、反复复用；获客上，依托新媒体平台持续输出行业干货、转型案例、避坑技巧，打造专业专家IP，低成本精准获客，依靠服务口碑实现客户裂变。

整套模式形成技能赋能-IP获客-产品变现-口碑复购的完整商业闭环，轻松实现轻资产稳定盈利。

04 系统化刻意练习，从零成为专业转型架构师

需要明确的是，想要真正入局、站稳赛道、持续变现，仅靠碎片化看文章、听分享、刷干货远远不够。企业AI转型架构师是专业型实战岗位，必须依托系统化学习、体系化搭建、刻意化练习，才能真正具备落地能力。

想要从零入行、快速进阶，必须搭建五大核心能力体系：

1. 掌握全套诊断方法论。搭建标准化转型逻辑，掌握企业AI转型的诊断流程、切入逻辑、推进步骤，能够快速判断不同行业、不同规模企业的转型阶段、核心痛点与适配方案，告别盲目摸索。
2. 熟练落地规划工具与模板。掌握行业通用的转型规划工具、测评模板、方案模板、复盘体系，大幅提升工作效率与交付专业性，快速达到商业化交付标准。
3. 深度拆解真实行业案例。深耕各行业成功与失败的AI转型案例，总结可复用的落地经验，精准规避企业转型中资金浪费、场景错配、落地脱节等常见陷阱。
4. 修炼专业顾问技能。掌握商业访谈、需求共创、方案汇报、客户沟通、跨部门协作等核心技能，能够精准对接企业客户与内部团队，高效推进项目落地。
5. 搭建个人商业变现模式。学会打造个人专家IP、设计标准化服务产品、搭建获客渠道、构建服务闭环，真正实现从“掌握技能”到“技能变现”的完整转化。

AI时代的职业红利，永远属于敢于认知、敢于行动、敢于深耕的人。学习一门实战技能，最高效的方式从来不是盲目自学，而是跟随拿到结果的人，系统化复刻经验、刻意练习实战。

在全员AI转型的时代，抢占企业AI转型架构师这一黄金赛道，就是抢占未来5-10年的职业红利与财富风口。

企业AI转型架构师：AI时代稀缺的黄金职业，打破年龄与职场壁垒最先出现在AI Weekly。