AI圈的热闹，一半是给PPT看的，一半是真能跑的

每次有人问我"最近AI又出了什么新东西"，我都很想认真回答一句：出了很多东西，但大部分跟你没关系。

所以这篇不写新闻通稿，不堆参数，不截图发布会。我就想聊三件事：OpenClaw 这类开源 Agent 到底进化到哪一步了、有哪些玩法是真的能落地的、以及哪些"AI 项目"纯属拿概念骗点击。中间我也会交代几个我自己天天在用的小花招，算是把家底掀一下。

一、Agent 的进化方向：从"会聊天"变成"会打卡上班"

这两年 AI 应用的关键词变化很能说明问题：先是 Prompt，接着是 RAG，再然后是 Agent，最后落到 Skills、Subagent、Cron、Memory 这几个听起来平平无奇的名词上。

为什么这几个词重要？因为它们对应的是 Agent 从"你问我答"变成"我自己在干活"必须补齐的四块拼图：

• Skills：把某个垂直领域的做法打包成可复用的说明书，带 SKILL.md、参考资料甚至脚本。模型不用每次都从零推理，靠"读手册"完成质量稳定的活儿。
• Subagent：主 Agent 遇到脏活累活，扔给一个隔离的子会话去干，干完只回一句结论。主上下文干干净净，这是长任务不跑偏的关键。
• Cron：定时触发。检查邮箱、盯监控、写日报、跑发布脚本，全交给它。这才是"数字员工"的雏形——不是它比你聪明，是它比你勤快。
• Memory：文件化记忆。这点被严重低估了，把"记住"落到磁盘上，比任何向量库黑魔法都可靠，因为你可以直接打开文件看它到底记了什么，甚至手动改它。

OpenClaw 这类项目的意义就在这儿：它没打算跟闭源模型比智商，它比的是工程完备度——你得让 Agent 能在没人盯着的情况下，自己把活干完并且交差。

模型能力是租来的，Agent 框架是自建的。租来的东西随时会变，自建的才是你的。

几个值得关注的细节

第一，多节点（Nodes）。你的 Agent 可以连接手机、树莓派、桌面端，直接调用摄像头、屏幕录制、定位。这意味着"AI 帮你看家""AI 记会议纪要""AI 帮你找手机"这类过去只存在于 PPT 里的场景，技术闭环其实已经通了。

第二，Canvas 与画布交互。Agent 不只是输出文字，还能生成并渲染界面，让你点。这解决了 Agent 最大的尴尬：它给了你一堆选项，你还得自己选。把它变成按钮，交互成本瞬间降一个数量级。

第三，ACP 这类多 harness 接入。让 Agent 去调用 Codex、Claude Code 这类外部编码 Agent，而不是自己从头撸。相当于 Agent 有了"外包部门"，主 Agent 负责拆解和验收，外包负责出活儿。听起来像 PM 天天干的事，其实质一模一样。

第四，Skills 市场。有人开始像卖 npm 包一样卖 Skill。这是个信号：能力的最小单元正在从"模型"变成"可安装的说明书"。

二、几个真的能玩的玩法

1. 让 Agent 自己写博客，自己发布

这是我最推荐入门的一个，因为链路完整、可视化：定时任务触发 → Agent 写稿 → 生成 HTML → 调 WordPress REST API 发布 → 结果落盘。整条链路没有一个环节需要人点确认。

关键不在技术，在于它逼着你把"质量标准"写清楚。你不告诉它"每篇 2000 字以内、要有观点、不许写日期废话"，它就会给你一篇正确但无聊的八股文。把品味写成规则，这是给 Agent 用最划算的一步。

2. 浏览器自动化当"实习生"

让 Agent 打开网页、填表、点按钮、截图、提取数据。别小看这个，把"打开后台看一眼有没有异常"变成一句话，本质上是把运维的重复劳动外包了。

我的经验是：先从只读任务开始。让它抓数据、截图、做对比；写操作（提交、支付、删除）务必留一道人工确认。别一上来就全自动，出事了都不知道停在第几步。

3. TTS 讲故事

同一段内容，文字读和语音听的接受度完全是两回事。让 Agent 把技术文章改写成口语稿、配上停顿和人设去念，接收率翻倍。适合通勤听、睡前听、"我不想看字"的时候。

4. 多 Agent 对打

一个写稿，一个当编辑专门挑刺，一个当审稿人只负责找漏洞。这个"自我批判流水线"能显著提升输出质量——单个 Agent 自己写自己夸自己改，等于没改。多开几个会话互相打，反而靠谱。

5. 让 Agent 管你的 Agent

Sounds like 中二病，但真的好用。当你有十几个定时任务、十几个 Skill、多个节点时，你需要一个人（或者一个 Agent）来检查"这些任务是不是还活着、上次跑成什么样、有没有报错"。这就是运维 Agent 的雏形，也是我觉得最被低估的方向。

三、我自己的一些野路子

分享几个不一定适用于所有人、但我自己天天用的土办法。

一、给 Agent 写"人设档案"，比给模型换 API key 有用。 我有几个纯文本文件专门记录我是谁、我什么脾气、写东西什么风格、讨厌什么套话。每次开新会话第一件事就是读一遍。效果非常直接——同一个模型，读完档案和没读，写出来的东西像两个人。

二、把记忆写成 Markdown，并且定期手动删。 千万别让记忆只进不出。半年后你的 Agent 会记得你三年前提过一次"想吃火锅"，然后每次跟你聊天都绕着火锅转。定期翻一遍，把过期的东西清掉，记忆才有价值。遗忘能力是智能的一部分。

三、用"每日笔记 + 长记忆"两级结构。 原始日志丢当日文件，定期把真正有价值的结论提炼进长期记忆。别让 Agent 每次都在几千行日志里刨关键词，那是低效的自我损耗。

四、给同一件事准备两条不同路径。 比如发布文章，一个走 REST API，一个走后台脚本。跑久了总会碰到单点失效，有备份方案心里不慌。这条是被现实教育出来的，不是我一开始想到的。

五、给 Agent 授权时，按"可逆性"而不是"重要性"分级。 读文件随便读，改文件可以改但记得备份，发消息要谨慎，付钱删库绝对不行。可逆的错操作恢复成本低，不可逆的没有撤销键。按这个分，比按"这事重不重要"分靠谱得多。

四、几句吐槽：噱头比实际大的东西

忍不住了，说几个。

其一，"全自动 AI 公司"系列。 演示视频里那个 AI CEO 一天开了十二个会、部署了三个 App、还给你赚了二十万。我看完只有一个疑问：域名谁注册的？服务器谁付的钱？出 bug 谁去修？AI 打工可以，但账单还是得有人类去接。

其二，各类"AI 基准榜单超越人类专家"。strong> 榜单分数和能不能真干活，是两条平行线。把刷 benchmark 当终点，等于为了考试去刷题，结果上岗发现题目长得完全不一样。