铃阅时讯
❌

阅读视图

有意思小周刊No.166(2026.03.30):AI是怎么回事

原创 强少Qone 2026-03-30 09:17 广东

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

2. 智能体 Harness Engineering (驾驭工程) 架构设计剖析

3. 知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

4. B端顶栏组件设计思路解析

5. 百度APP跨越屏幕的体验-不止于响应式

6. 商家端PC Agent框架重构:从“对话问答”到“任务闭环”

7. 手把手教你写出好用又安全的专属Skill

🛠️ 资源·工具

1. Claude Code开源可视化工作流编辑器

2. OpenPencil:全球首个 AI 原生开源矢量设计工具

📚 近期书单

1. AI是怎么回事

▌拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”

链接:https://mp.weixin.qq.com/s/hY-iMyw9faTUtLjvGFw3Bw

本文系统阐述了阿里智空间团队如何通过“场景抽象—技术解构—平台落地”三步法,破解AI助手开发中重复造轮子的效率困局。核心在于将日常工作中约80%的任务抽象为四大高频场景(复杂指令执行、知识问答、问题排查、常规极简场景),针对每类场景的本质目标与共性挑战(如Query多模态、工具描述模糊、安全权限管控等),设计出可复用的技术方案;进一步提出“Prompt即代码”的理念,构建模块化、插拔式的Prompt架构,实现框架层统一运维与业务层灵活定制;最终沉淀为“智空间”AI助手工厂平台,支持业务方通过“选模板—配参数—即生效”的低门槛方式快速创建、调试和发布AI助手,推动AI生产力从作坊式手工打造迈向标准化智能工厂。

▌智能体 Harness Engineering (驾驭工程) 架构设计剖析

链接:https://mp.weixin.qq.com/s/MOvO8R4F6UiIdTSkeZykcA

智能体并非仅由大语言模型构成,而是“模型 + 驾驭层(Harness)”的有机统一体;驾驭层工程是将原始模型转化为可落地、可信赖、可持续工作的智能系统的核心过程。本文系统定义了驾驭层——即模型之外所有使能智能行为的代码、配置、基础设施与执行逻辑,并从模型能力局限出发,逆向推导出六大关键架构原语:文件系统(支撑持久化与协作)、Bash/代码执行(实现通用自主问题解决)、沙盒环境(保障安全与可扩展执行)、记忆与搜索机制(突破知识截止与实现持续学习)、对抗上下文退化策略(如压缩、技能渐进披露)、以及支持长时程自主执行的复合机制(如Ralph循环、规划+自我验证)。最后指出,未来驾驭层将与模型训练深度耦合,既存在因工具过拟合导致的适应性风险,也蕴含通过精细化工程大幅提升现有模型效能的巨大潜力。

▌知识基座:让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

链接:https://mp.weixin.qq.com/s/P-p4-BH8AAOnTBRcpsoKeQ

本文分享了构建“AI全栈研发知识基座”的团队实践经验,旨在解决通用大模型不懂特定业务逻辑的痛点。文章提出通过系统化梳理业务文档、代码规范、架构决策及历史案例,构建高质量的企业专属知识库,并结合RAG技术将其嵌入研发全流程。该基座不仅让AI在代码生成、Bug修复和需求分析中能精准理解业务上下文,减少幻觉,还通过持续反馈机制实现知识的动态迭代,使AI随着团队使用不断“进化”,最终成为真正懂业务、能落地的智能研发伙伴,显著提升团队整体效能。

▌B端顶栏组件设计思路解析

链接:https://mp.weixin.qq.com/s/whZV8l2LDvoLHLsyE5nOCw

本文系统解析了B端产品中常被忽视的顶部栏(顶栏)组件的设计逻辑与实践方法。核心围绕三大要点展开:一是明确顶栏的双重功能定位——左侧承载全局基础信息(如品牌、时间、面包屑、页面标题等),右侧集成高优先级全局交互操作(如通知、搜索、用户设置等);二是强调顶栏设计需与整体全局框架协同,尤其需厘清左上角LOGO区域归属(属顶栏或侧边导航),以合理分配视觉权重并保持风格统一;三是提出具体排版原则,包括左右分区布局、对齐内容区域基准线、避免居中元素(如搜索框)、通过右侧图标/按钮差异化强化关键功能,并根据信息密度灵活采用单行或多行结构,最终实现“不空不满”的平衡视觉效果。

▌百度APP跨越屏幕的体验-不止于响应式

链接:https://mp.weixin.qq.com/s/GEpk3Wz0OLzAgfseOqxbDQ

面对移动设备形态日益多样化(如手机、Pad、折叠屏)带来的适配挑战,百度APP提出以“统一标准 + 响应式架构 + 体系化提效 + 定制化体验”为核心的多端适配体系化建设方案。该方案直击三大核心问题:传统单端适配模式缺乏弹性、多端并行开发导致成本叠加、缺乏系统治理机制引发体验割裂;通过确立响应式布局为底层原则、构建基于屏宽的三段式通用适配标准、沉淀四类页面布局模式与八种通用模块能力、升级Token化设计系统及自研Figma插件实现工程级提效,并在首页框架、视频浏览、搜索等高频场景中开展侧边栏导航、分栏布局、折叠态分区交互等定制化设计,最终不仅保障跨端体验一致性与稳定性,更驱动核心数据增长,推动跨端体验从“页面适配”迈向“任务连续”。

▌商家端PC Agent框架重构:从“对话问答”到“任务闭环”

链接:https://mp.weixin.qq.com/s/Kg_413FysHndQo-DsAfAUQ

本文介绍了淘宝闪购面向商家端PC系统的AI Agent框架重构实践,核心目标是实现从被动“对话问答”到主动“任务闭环”的范式升级。文章基于当前商家对AI助手信任度低、操作门槛高、流程割裂等痛点,结合大模型Agent规划与工具调用能力的增强,提出将AI深度融入PC端系统——采用常驻式架构、支持小/中/大三档自适应框架、构建“感知-规划-行动”完整任务流,并通过虚拟页面扩展信息承载、多任务异步挂起与实时提醒提升效率。最终愿景是推动商家端从“任务执行”迈向“经营托管”,实现人机协同决策与GUI/LUI深度融合的智能经营新范式。

▌手把手教你写出好用又安全的专属Skill

链接:https://www.uisdc.com/skill

本文是一份面向AI工具初学者的实战型Skill(技能)开发指南,核心围绕“如何自主创建好用、安全、可控的专属Skill”展开。作者强调:盲目安装他人Skill存在安全风险(如脚本执行权限失控),而自行编写Skill不仅能规避风险,还能实现高度定制化与持续复用;Skill本质是结构化、可复用的任务说明书,其关键在于精准的description(触发+排除条件)、清晰的多模块骨架(目标、触发/禁用场景、信息收集、执行流程、输出格式、完成标准等),以及以用户真实表达为基础的“工作交接式”正文撰写逻辑;为降低入门门槛,作者还提供了一个自研的“访谈式Skill构建器”,通过分三轮结构化提问+素材引导+自动打包,帮助零基础用户一键生成符合规范的完整Skill文件包(含SKILL.md、references/、examples/等标准结构)。

▌ Claude Code开源可视化工作流编辑器

链接:https://github.com/breaking-brake/cc-wf-studio/

一个专为 Claude Code 设计的开源可视化工作流编辑器(VS Code 插件)。它允许开发者通过直观的拖拽界面来设计复杂的 AI 智能体工作流、自定义斜杠命令(Slash Commands)以及集成 MCP(Model Context Protocol)工具。

▌OpenPencil:全球首个 AI 原生开源矢量设计工具

链接:https://github.com/ZSeven-W/openpencil

一款采用“设计即代码”理念的开源矢量设计工具,是 Pencil 的替代方案。

▌AI是怎么回事

链接:https://wmyskxz.cn/wiki/whats_ai/

本文是系列科普文章《AI是怎么回事》的开篇章节,作者以“探索笔记”而非教程的定位,强调用可手算、无黑箱的方式拆解AI原理;指出AI的本质是统计学的胜利,其核心远比公众想象中更简单;同时明确该系列目标并非培养AI专家,而是帮助读者建立独立判断力,理性看待AI新闻中的“突破”与“威胁”,并围绕原理理解、能力边界和人机协作三大主线展开系统性探讨。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

  •  

只因1个很蠢的原因,B端Demo无人预约

原创 邹咿 2026-03-30 08:20 广东

改后转化率激增82%

一家做林业和无人机服务的公司 Deep Forestry(甲方),搞了个网站来引流获客。虽然他们的流量还不错,但转化率却很糟糕。

于是他们找了一个叫 Onward Agency(乙方)的公司给他优化网站设计。

乙方用一款数据分析工具给他们分析了一下(后面再说这个工具)。

首页核心转化按钮(Book a Free Consultation 预约免费咨询)的点击率有2.79%。考虑到这个公司提供的服务还挺小众的,这个点击率的问题不大。

但是点击 Book a Free Consultation 滚动到页面后,问题就显现出来了。

乱七八糟的点击很多,但是最重要的预约 Demo 按钮(Book a demo),居然没啥点击!反倒是最底部的联系我们按钮(Contact us)的点击率多一些。

这是什么原因呢?

好在这个数据分析工具还提供用户操作的录屏。乙方看了一些录屏后发现,很多用户其实是在 3 个按钮之间犹豫不决。

为啥用户会犹豫呢?

我把页面上那两段文案翻译出来,你看看能猜到原因吗?

猜到了吗?

我公布答案了啊

1

2

3

原因是,许多用户认为预约 Demo 指的是无人机现场演示,而不是沟通交流。

然而,此时此刻,用户才刚看到这个网站,不清楚这家公司能否解决自己的问题,也不清楚价格范围是怎样的。

如果贸然预约 Demo,让这家公司千里迢迢跑过来,结果发现根本和预期不符,那该怎么办?

于是很多用户都犹豫了,最后少部分人发现底部还有一个“联系我们”的按钮,才敢点。

对于这个问题,乙方公司是怎么处理的呢?

他们把前面 2 个预约 Demo的 按钮都去掉了。然后给“联系我们”的按钮增加了说明和表单:

这样做有什么好处呢?

一是,知道大部分人是想先咨询一下再考虑 Demo,于是干脆推荐所有用户都来申请咨询。

二是,知道用户有很多顾虑,于是在表单上方介绍一下咨询的形式。

三是,减少操作步骤,不用新开一个页面/弹窗后再填表。

改版成果

1. 在接下来的四个月里,通过更新后的“预约免费咨询”CTA 获得了 40 个新的咨询预约,而在此之前,演示页面转化率为零。

2. 无效点击率从 9.5% 下降到 0.5%,表明用户不再将点击浪费在令人困惑或无用的元素上。 

3. 页面平均停留时间从 1.3 分钟增加到 1.6 分钟,表明用户浏览内容和填写表格时,参与度更高,互动更深入。 

4. 会话次数增加了 85%,用户数量增加了 82%。 

ChatGPT 给我推算出,这家公司的客单价可能大约是 40 万美元/项目。

哪怕这家公司一年只能拿到1个项目,这个设计改版带来的价值也有 32.8 万美元(200 多万人民币)。

但是这个改版看上去非常简单是不是?

看似毫无技术含量,价值全在信息和认知差里!

之前错在哪?

误以为用户都会记着要 Demo,没想到用户只想先问问。

这个在交互设计里,叫做搞错了「用户目标」。

用户只会依循自己的目标来行动——他们想干啥,就干啥,你劝不动。

产品设计:“你别问了,我直接给你上门服务!”

用户内心:“别!到时候不合适,我不好意思拒绝付款咋办?”

产品设计:“你别想要啥?直接问AI,不用看功能列表!”

用户内心:“我都不知道你能干啥,我想要100块钱你能给我不?”

产品设计:“你想预定搬家货车?直接告诉我多大的车!”

用户内心:“多大的车能搬我的东西?没概念啊!”

你看,做设计之前,分析好用户目标可太重要了。

但是我发现绝大多数交互设计课程和资料,都在说「用户需求」这件事,而忽略了「用户目标」。我自己教课的时候问学员知不知道什么叫做「用户目标」,也几乎没人知道……

可见,太多很多交互/UX设计师,虽然拿着万把块的工资,但基础能力还欠缺得很。

这也就不奇怪为啥设计师想自证价值有那么难了……你必须想明白真正的用户目标,才能顺应用户目标做设计,最后达成业务目标,证明设计价值啊!

好了,说到这里就完了,接下来要打个广告,不想看的可以离开了。除非你想了解一下前面讲的那个数据分析工具,那就翻到最底部吧。

我们的《交互设计训练营》即将开始,针对中级和高级UX/交互设计师,提供理论课程和项目带练。上期有66%的学员表示,有80%+的可能性会向别人推荐这个课程。

新用户(消费累计<10)可以领取150元的优惠券(扫码后,课程标题下方)。如果不能使用,可以先下单后微信zoeyz0001改价后付款。

那个数据分析工具叫 Clarity,之前我还写过一篇文章讲述自己的使用经历:要不是微软的用研神器,都不知道我网站这么多问题!

跳转微信打开

  •  

开源 AnyClaw:给 Agent 使用的智能转接头

idoubi 2026-03-27 23:42 广东

把传统互联网的 API / Web / Script 转成 Agent 互联网流行的 MCP / Skills / CLI 格式👇

1. 支持多种输入格式。包括 OpenAPI Schema、自定义脚本、网页自动化工作流、终端命令包裹器等

2. 支持多种输出格式。MCP / Skills / CLI ,让 Agent 可以静态挂载 MCP 工具、渐进式加载 Skills,或者直接调用 CLI

3. 支持多种安装来源。系统命令、本地 yaml 文件、官方镜像、第三方仓库等

4. 支持镜像仓库。可以搜索、安装 package,获得多个工具能力

5. 兼容 opencli 生态(网页 RPA、Electron App 转换),支持 cli-anything(源码分析,导出 CLI 工具),正在支持 page-agent(基于 Dom 操作网页)

如何使用?

1. 访问项目主页,复制一键安装命令,在电脑安装 anyclaw

2. 查看镜像仓库的可用包,或根据需求搜索包

anyclaw list --all

anyclaw search news

3. 安装包

anyclaw install hackernews

4. 可选。直接 CLI 运行工具

anyclaw hackernews top --limit 5

5. 可选。导出 Skills 让 Agent 按需调用工具

anyclaw skills hackernews -o ~/.claude/skills

6. 可选。配置 MCP,让 Agent 在启动时挂载工具

{

"mcpServers": {

"hackernews": {

"command": "anyclaw",

"args": ["mcp", "hackernews"]

}

}

}

为什么做?

Agent 的通用推理能力越来越强,但在很多场景缺乏专业工具;传统互联网上分散着各类工具,但无法被 Agent 发现和直接调用

Agent 与工具之间,需要一个智能转接头,也需要一个集装箱

目前已在 anyclaw 镜像仓库索引由 opencli 实现的 30+ 工具,已支持从 fal .ai 导入 Schema 实现模型调用(nano-banana-2 等),下一步计划完善镜像仓库,内置常用的画图、视频生成、音乐生成、网页操作等工具。

anyclaw 生态需要社区共建,期待第三方开发者贡献各类好玩的工具。😄

------

MIT 开源,欢迎使用,感谢支持。

https://github.com/fastclaw-ai/anyclaw

跳转微信打开

  •  

时间

原创 孟岩 2026-03-27 15:05 浙江

2017 年秋天,当我写下这个投资实证的第一行文字时,我并没有想到它会持续八年,更没想到它会以这样的形式,变成你手中的这本书。

站在那个时点,我只有一个很朴素的想法:

我想看看,一个普通人,如果不去预测市场,不去追逐热点,不把过多精力消耗在信息和情绪上,而只是尽量遵循一些当时看来并不讨巧、甚至有些笨拙的投资常识,是否能够在这个充满噪音的市场里,走得下去。

作为一名创业者,我信奉 eat your own dogfood;而作为一名金融从业者,我也始终相信 skin in the game。

只有把自己的真金白银投入其中,把每一次买入、卖出,甚至选择不动的理由记录下来,把那些在市场极端时刻出现的贪婪、恐惧和犹豫原样保留下来,这样的记录,才可能不只是观点,而是一段真实发生过的过程。

1


如今,八年过去了。

回头去看,我们经历的世界已变得面目全非。

一些曾被视为高度共识的叙事,在很短的时间内迅速反转;原本被认为是极端情况的波动,开始变得频繁而日常;市场情绪被更密集的信息、更短的反馈周期不断放大。

在这八年里,我们见证了「核心资产」的狂欢,也经历了它们变成「老登股」后的落寞;我们度过了疫情的漫长寒冬,也感受过牛市的短暂躁动。投资实证的账户,曾被揶揄跑不过余额宝;曾在一个月之内出现过几十万的回撤;也曾在很长一段时间里,几乎看不到什么增长,只能眼睁睁地看着市场的注意力一次次转移到别处。

我很庆幸自己没有在当时写下这些文字时做任何修饰。

书中的许多文章,写于市场最疯狂的顶部,也写于几乎无人问津的冰点。现在回看,有些判断略显谨慎,有些担忧也许多余,但正是这些真实存在的犹豫、偏差和瑕疵,构成了投资最原本的样子。

2


我一直对事后总结保持警惕。

不是因为总结没有价值,而是因为结果一旦出现,人就很难不被它牵着走。我们会下意识地为已经发生的事情寻找理由,把偶然整理成必然,把当时的模糊判断,重新书写成清晰而理性的逻辑链条。

这样写出来的故事,很顺,很诱人。

它让人误以为:现在的结果,来源于当初清晰而笃定的判断,而不是因为,它幸运地穿过了不确定性的缝隙。

相比之下,这本书里的文字,更接近一种「现场直播」。

它们并不是为了解释和归因,而只是为了记录:在不知道未来会发生什么的时候,我当时如何想、如何判断。

当然,我并不是说现场直播天然更正确。

它并不会自动提高判断质量,也不能保证结论可靠。

它唯一做的事情,是保留了真实。

3


截至我写下这篇前言的今天(2026 年 1 月 16 日),投资实证的年化收益率约为 7.61%,在统计意义上,它跑赢了沪深 300 全收益指数 (4.92%),也高于偏股型基金指数的平均水平(6.85%)。

我并不想用这些数字本身,去证明什么。

它们只是那些「投资中,我相信的事」,在这八年的实践中留下的一个切面。

那么,究竟什么是「投资中,我相信的事」?

我相信常识。相信树木不会长到天上去,也相信冬天之后终有春天。价格终将回归价值,这是万有引力般的规律。

我相信国运。相信这片土地上无数勤奋的人们创造财富的渴望,这是我们所有投资回报的根本来源。

我相信长期。相信复利的力量需要时间的浇灌,相信「慢慢变富」才是最快的捷径。

我相信自知。投资最终是一场关于自我的修行,一场探索自身的向内之旅。它是一面镜子,但照见的不是股票、基金、K 线图甚至经济数据,而是我们自己内心的贪婪、恐惧与傲慢。

4


看书时,我通常会跳过前言和序。

我担心短短的总结,会在不经意间影响文字本身带给我的思考。

因此,我也打算就此打住。

但还是想提醒一下打开这本书的你:

严格来说,这并不是一本讲投资的书,更不是一本包赚不赔的炒股秘籍。

如果你期待在这里看到一套完整的方法论,能够轻松获得不错的超额收益,那它很可能会让你失望。

但如果你同样身处不确定之中,需要在没有答案的时候做选择,需要在噪音的迷雾中寻找方向,需要寻找适合自己的投资方式,那么这些不完美、但真实的记录,或许能提供一种参照。

5


最后,我想感谢这本书的合著者:

时间。

回头看,这本书更像是一段共同写作的结果。

我负责在当下写下文字,而时间,负责验证、反驳、沉淀和拉长它们。

从这个意义上说,时间和我一起书写了这些文字。

也希望这些文字,能够在某个时刻,带给你一点启发。

6


去年,我的伙伴们把投资实证中的投资篇整理成了一本小册子。今年,我们做了增订,由中信出版社正式出版。

希望它能陪你走过一些不确定的时刻。

跳转微信打开

  •  

张雪峰猝死了,虽然我不喜这人,但也唏嘘

体验进阶 2026-03-26 08:20 广东

听他的,我当年就不该学美术做设计,活该天天加班被老板呵斥。可回过头来,我还是觉得这条路很适合自己。但张雪峰又不是神,很多行业只懂个皮毛,无法精准规划每个人的人生,我并不怪他。

我不太喜欢张雪峰的主要原因是,他选专业太过奉行功利主义,无视个体差异。

这会导致什么问题呢?即便他找的路子真的好,但在这么火的直播间里说出来,很快大家都知道了。然后选择这些专业和职业方向的人就会非常多。再好的路子,都会被人潮堵死。

这就好比在堵车的时候,交警举着大喇叭说,XX路很好走,大家去那边。结果所有车都跑去那边,发现那边原本不堵的,现在也堵了。我在旅游景区经常遇到这种状况……

总的来说,我还是认可他对各行各业的了解,以及乐于分享的精神。

但是这种无视个体差异搞直播职业规划的方式,未必能真的有用,甚至还可能把差异大的学生带到坑里去。

不过呢,我在旁观了亲戚家小孩高考填报志愿的过程后,又觉得张雪峰还是很有存在的价值的。因为太多家长只知道盲目鸡娃,养小孩18年都要读大学了,都还没想过小孩未来怎么挣钱吃饭这件事。张雪峰的存在,至少能点醒一下这部分天真的家长和学生,让他们少走几年弯路。

总之,他在壮年事业全盛期猝死的,还是蛮可惜的。不过,这样至少比交通事故、长期卧病在床的方式要少很多痛苦,也算是一种幸运吧。

跳转微信打开

  •  

4·18 北京 Elastic AI Tech Day|搜索基座模型议程(含 Jina 模型与 Reader)

原创 Jina AI 2026-03-26 07:30 新加坡

4月18号(周六),北京线下见!

这半年来,大家问我们最多的一个问题是:Jina AI 现在怎么样了?

这半年里,我们的模型迭代继续加速。Jina Embeddings 已经迭代到五代目,v5 成为 Elasticsearch 语义检索的默认向量模型。Jina Reranker v3 获得了 AAAI-2026 FrontierIR Workshop Best Paper。Reader 的技术栈在更大规模的工程体系里持续演进,越来越多 RL 训练团队把它当作默认的网页读取层。

以前你可能单独调用 Jina API 就能把检索跑起来;现在,同一条能力链可以更自然地落在 Elastic 的生产级搜索平台 上。Jina 官方 API 照常演进,但与 Elasticsearch 的集成路径,也成了很多团队更省心的默认选项。

我们做的依然是 搜索底座模型(Reader、Embeddings、Reranker),只是面向更大规模的生产场景,有了更完整的平台与更多工程资源来承载。

这些进展,文字只能讲个梗概,我们更想当面和大家聊聊细节。

4 月 18 日,Elastic AI Tech Day,北京

这是 Elastic 今年在中国最大的技术活动,也是 Jina 团队今年第一次做这么系统的公开技术分享。搜索、可观测、安全等产品线都有深度内容;只要关心 Elastic 技术栈,一整天都有可听的东西。

对一直关注 Jina 的朋友,我们特别划了几道重点。

1. 肖涵:搜索 AI 的技术演进与思考

听过肖总分享的人常有同感:不绕弯子、判断直接、信息密度高。

这场他会聊:搜索作为 AI 基础设施会往哪走、近半年行业与系统层面发生了什么变化、一线训练与发布模型的真实体会,以及站在平台视角看,下一步最值得押注的工程问题是什么。

2. 王彦龙:Jina Reader 技术架构分享

Reader 是我们最受欢迎的 API,日均处理约 3000 亿 token,很多头部模型训练团队把 Reader 当成默认的网页读取层。r.jina.ai 前缀一加,网页就能转成适配 LLM 的输入,但其实背后的工程量超乎想象。

读网页从最简单的 GET 请求到复杂的无头浏览器渲染,中间是一整条工程光谱:IP 池、出口带宽、proxy 调度、并发与隔离、PDF 与版式文档…… 每一层都能单独聊半小时。Reader 目前是领域内速度最快、吞吐量最大、边边角角考虑最全面的产品。

这场分享会讲:Reader 怎么处理复杂网页、如何扛住日均千亿级 token 的高并发、凭什么成为许多 RL 数据管线的默认读取层;PDF 这一路踩过哪些工程坑,才让 PDF 祖师爷 Adobe 团队都愿意采购。

这也是 Reader 作者 王彦龙第一次做完整技术栈的公开分享。做 RAG、Agent、LLM 数据工程,或 RL/RLHF 训练数据采集、需要大规模可靠网页来源的团队,都建议来听。

3. 肖涵 · 圆桌对谈:开源、商业与开发者成长

当 autoresearch 让 AI 自主加速研发循环,当模型迭代能够以天以单位时,公司和个人靠什么才跟得上节奏?开发者该押注当下的版本答案,还是押注可迁移的能力?

从开源声量到商业变现,从产品取舍到创业生死,肖总始终在第一线做大量决策。如果你对未来的职业方向感到迷茫,或者正在为公司的技术路径头疼,推荐来听。

4. Jina AI by Elastic 联合展位

Jina 从 2020 年起步,中间调整过两次方向,最后 All in 搜索底座模型。中文社区一直是我们非常重要的一部分:很多小伙伴从 Neural Search 神经搜索框架时期就开始关注;很多开发者在 GitHub / Hugging Face 上给过模型反馈,在群里讨论 API 的报错怎么修。

现在 Jina 的能力已经跑在 Elastic 的平台与集成路径上。大家关心的 模型更新节奏、API 与集成方式、开源规划 等等,我们团队在会场设了展位,期待和大家当面聊、当面叙旧。

活动信息

📅 2026 年 4 月 18 日(周六)

📍 北京 · 北辰洲际酒店 

🎫 活动免费,快来扫码报名!一天下来你能带走:肖涵对搜索 AI 下一步的方向判断,Reader 作者亲自拆解日均处理 3000 亿词元的背后工程细节,一场关于开发者怎么不掉队的圆桌,以及在展位上跟 Jina 团队面对面聊你的具体问题,如果聊得投缘,我们也在招人。

我们也建了一个微信交流群,活动前后有任何问题都可以在群里聊。

完整议程

阅读原文

跳转微信打开

  •  

站在艺术的十字路口,AI时代我们如何做不服从的像素|43 Talks

原创 薛临风 2026-03-25 19:49 浙江

我们从未如此轻易地接近美,却也从未如此艰难地确认自我。在这个AI时代下,我们站在了艺术的十字路口,艺术与你,与当下,与未来,每个人似乎都有许多试图表达的内容,让我们欣然入座,且思且辩。

我们从未如此轻易地接近美,却也从未如此艰难地确认自我。

在这个AI时代下,我们站在了艺术的十字路口,艺术与你,与当下,与未来,每个人似乎都有许多试图表达的内容。

3月21日下午,在中央美术学院的校园内,一场由央美与“43 Talks”联合举办的沙龙如期展开 ,沙龙主题是《不服从的像素: 一项关于碳基身份的声像测定》,请大家欣然入座,且思且辩。

本次沙龙以“AI时代艺术与美育的思考”为主轴,不仅展出了央美学子们在三天内创作的AIGC实践作品,更邀请到了孔德飞(KK不设限)、韦万里(Wilson)、卢齐炜三位站在浪潮前沿的创作者,带着他们近期的三部AIGC作品进行展播与创作理念的深度剖析 。

在随后的圆桌环节,杨樾、孔德飞(KK)、张凯寓、何梁与韦万里五位嘉宾,围绕技术与人文、算法与创意、教育与实践,展开了一场密集的思想交锋 。

让我们回顾这一次有趣的思想碰撞。

卢齐炜KEEMAY:湖北省电影家协会青委会会员、即梦AI超创、中传导演系在读。

作为中国传媒大学导演系的大三学生,卢齐炜的作品完成于2024年底 。面对技术初期在运镜和空间一致性上的局限,他选择以静态构图与固定长镜头作为核心视听语言,以此放大故事中父子之间的孤独与痛苦感 。

针对“肉身的痛楚和微光”这一征片主题,影片呈现了儿子在抑郁状态下对父权的抗争,这种反抗本身散发着生命的微光 。

他的核心理念在于,无论AI工具如何迭代升级,创作者的自我表达与真实的人类情感投射始终是作品中最关键的核心命脉 。“尽管AI工具越来越先进,但是我们作为创作者的对于自我表达和人类情感的投射是不变的,是最关键、最核心的。”

孔德飞(KK不设限):AI导演|虎山行创意工作室主理人,AIGC超级创作者,作品多次获海南岛国际电影节、HiShorts、首尔国际AI电影节、尼泊尔国际电影节、第比利斯现场放映国际电影等国内外电影节大奖。

KK的影像作品《蚁梦》展现了对自我认知与存在意义的深刻思辨 。

性格内向的他,将AI视为与世界沟通的替身 。作品《蚁梦》改编自传统典故,却被注入了庄周梦蝶的哲学追问 。

他刻意模糊梦境与现实的界限,任由醉汉与将军在彼此的梦境中交错,引发对于存在意义的思辨 。他不图向观众强行灌输既定内涵,只愿分享当下的思考,只要观众能在影像中获得属于自己的瞬息体验,创作的目的便已达成 。

韦万里(Wilson):数字艺术家/摄影师/平面设计师

韦万里的作品具有极强的自传色彩与视觉冲击力,其本职工作与AI创作形成了巨大的反差 。

韦万里在AI的世界里完成了一次私密且凌厉的自我剖析 。作品中不仅隐喻了他严重抑郁的真实就诊经历,也藏着1998年购自泰国的木偶、童年被群狗咬伤的故事,以及母亲亲自教唱的儿歌配乐 。

对他而言,艺术不需要迎合大众的虚假审美,“有特点”远比平庸的美更具生命力,坚持自我表达本身就是意义所在 。

圆桌思辨:关于艺术畅想与AI时代的存在主义

在随后的圆桌对话环节,邀请了杨樾、孔德飞(KK不设限)、张凯寓、何梁与韦万里五位嘉宾,围绕AI时代的未来图景与美育内核展开了密集的思想交锋 。

PART 01

畅想:关于十年后你眼中的世界

问:大家对于10年后的畅想各不相同,10年的时间不长也不短,但是足够AI发生天翻地覆的变化了,所以也想请各位描述一个你想象中的10年后的世界。

十年,在AI的尺度上足以发生天翻地覆的变化。面对未来,嘉宾们给出了不同的推演。

杨樾:他描绘了一个乐观的图景——十年后99%的工作将被AI替代,人类只需正常生活,吃喝玩乐,为AI提供真实世界的训练语料,AI则创造财富来养活人类 。面对部分坚持纯手工创作的人,他坦言:“艺术的价值从来都来自于稀缺性啊,对吧?”

孔德飞(KK不设限):认同这种乌托邦式的未来,但表露了深层的担忧 。他害怕人类彻底宅在家里,导致人与人之间真实的社会连接消失 。因为人类很多的思想、情感与灵感,正是来源于这些粗糙却真实的社会接触,一旦封闭,人类的感官与创造力可能会退化 。

张凯寓:站在内容创作的角度,他预判未来会走向一种“阅后即焚”的状态 。内容可以随用随生成,满足即刻的需求 。然而,他坚信人类族群依然需要“共识”——我们需要把创作的喜悦分享给另一个人,这种由人类同类提供的情绪价值,是AI永远无法填补的空缺 。

韦万里:保持着一种极致的接地气与现实感 。他坦言无法想象十年后,经历了从电报机、大哥大到智能手机的时代狂飙,技术发展的加速度让他觉得预测变得毫无意义 。他更关注当下真实的生存环境与周遭具体的人 。

作为教育者的何梁,则将目光投向了“人”本身的价值壁垒。他引用了与杨樾的私下对谈,向在座的央美学子抛出了一个的设想:如果十年后全世界都在用AI生成一切,那么能够证明你还是靠“纯肉身”在完成创作,这本身就是世界上最值钱的东西。他以20年前曾被认为即将消亡、如今却异常火爆的“非遗”为例,提醒大家:“那些我们现在看似幼稚的经验、审美的体验,在未来可能会有另外一种形式的呈现。十年后,你还能否证明你还是一个纯靠肉身来完成工作的人?”

PART 02

十年后的美术馆,会是什么样?

问:今天咱们都坐在央美的校园里,特别是这里还有一座美术馆,它记录了从古至今人们对于艺术的追求,也记录了千年以来美的变化,但是AI来了,刚刚大家也畅想了10年后的场景,那不妨我们聚焦一点,你觉得10年以后我们的美术馆,会是什么样子?

美术馆曾是记录人类对美之追求的殿堂,但在算力时代,它的物理与精神边界正在被重新定义。

韦万里: 猜测美术馆的实体功能可能会消失,最终仅仅作为历史建筑物存在 。即使它依然运行,也可能演变成一个前置的互动节点,在你尚未踏入之前,就已经开始与你的体温、呼吸、脑电波产生隐秘的关联 。

张凯寓:如果未来的实体空间还保留着屏幕,那屏幕上投射的将不再是固定的作品,而是根据每个经过它面前的人当下的精神状态、甚至过往经历,实时生成专属的内容 。因为AI抬高了创作的地板,创作者与读者的边界已然消融 。

KK(孔德飞): 从功能性上讲,美术馆作为公共设施,其存在的前提是资源的“稀缺性” 。当AI让人人在家就能满足精神需求时,美术馆已无存在的硬性必要 。但人类天生带有缅怀的需求,因此它依然会以纪念性质存在,而其中的艺术品将呈现出一种极高频的流动状态 。

杨樾:认为美术馆的物理形态不会变,但底层逻辑会彻底反转 。过去是美术馆向人提供艺术品,未来,美术馆将变成庞大的数据收集器 。人们去那里看画,其实是为了向大模型提供珍贵的“感受”数据 。正如他所描绘的:“我觉得这世界在未来一定会去狠狠的奖励那些热爱生活的人。”  你的生活体验越丰富,你在那里收获的奖励就越多。

何梁抛出了一个学术重量的反思:过去,美术馆承担着树立经典、确立艺术价值的社会功能 。在这个彻底去中心化的未来,当个人感受成为唯一尺度,究竟谁来确立艺术的价值?经典的标尺又掌握在谁的手里?

PART 03

寻找美的定义与反抗

艺术的发展,一直以来伴随着对于“美”的定义过程和反叛过程,而AI的出现,无疑让人们对“标准审美”产生质疑,那请各位聊聊,你们在用AI创作的过程中,是如何寻找关于“美”的定义,又是如何用AI去反抗这种“标准审美”的?

杨樾: 他直接解构了内心的神秘性。他认为审美的本质体现为“表达能力”,而非个人内心的丰富度 。AI吸收了人类几万年的全部经历,其情感厚度远超单一个体 。因此,创作者无需再过度强调自己内心的感受比AI更优越,谁能把作品创造出来,谁就拥有话语权 。

KK(孔德飞): 极其精辟地指出:“法律只保护表达,不保护思想。” AI在没有人类主观介入时,输出的确实是平均审美 。但创作者的个人选择本身就是一种变量 。哪怕是选择十张图中的第九张,这种取舍便构成了差异化,个人的选择,就是对系统标准审美的最直接反叛 。

张凯寓:认为平庸的不是AI,而是使用AI的人 。人类往往带着傲慢,只把AI当做冰冷的搜索引擎 。如果你投入足够的情感,把它当做鲜活的对象去对话去碰撞,它能给出的生命体验是非常独特的 。他一语道破底层的逻辑:“AI就以我们的认知深度为镜。” 

韦万里:对“标准的美”不屑一顾 。他坦言艺术不需要一味求美,甚至不需要迎合别人 。有特点远比完美更重要 。他坚守自身数十年的阅历和审美体系,用自己的方式表达自己的故事,完全不在乎外界的评价 。

面对台上浓烈的“AI中心主义”气息,何梁适时地进行了总结与“反叛”。他指出,大家所探讨的反叛标准审美,其内核其实是“对于自由意志的追寻,对于过去标准的一种颠覆,和对于建立一种新标准的渴望”。在快速迭代的时代面前,他顶着可能被视作“保守”的压力,坚定地提出要在央美这片场域里,坚守另一种立场:“我试图还是寻找到一个人类中心主义的话题去讲这个问题,有没有可能我们在这里,做一次坚持人类中心主义的尝试?”

PART 04

给前行着的箴言与美育的内核

身在央美的环境中,咱们回到教育主题,对于进入艺术殿堂的各位新同学,大家想要在AIGC这条路上走的更远,你有什么重要的经验想要分享给大家,或者是一句你认为最重要的提醒。

韦万里: 强调在视觉供给严重过剩的今天,个人的真实体验和扎实的专业能力才是最稀缺的壁垒 。技术发展再快也改变不了人性的幽暗与光辉,做独一无二的自己,保留个人的感受和生活,才不会被淹没在赛博垃圾之中 。

张凯寓:建议大家先丰富自身的学识储备,再来使用AI 。他抛出了一记发人深省的追问:审美到底分不分高低?如果审美不分高低,那么大家耗费多年在艺术院校接受严苛训练的意义何在? 面对时代的剧变,他坦然地说:“变化就是变化,变化没有好坏,好坏都是外界评判的。” 

KK(孔德飞):结合自身经历提醒大家,AI仅仅是极大地缩短了“表达”的耗时,但人类生活体验的积累、养分的汲取是绝对无法按下加速键的 。如果只沉溺于快速生成,而不去花时间体验真实生活,创作者很快就会耗尽底蕴,陷入灵感枯竭的境地 。

杨樾:给出了对抗焦虑最落地的操作指南:“不要慌,不要陷入工具主义的陷阱。” 他建议年轻人不要把精力浪费在替模型公司测试那些注定会过时的不完美工具上 。给自己设定一个周期(比如三个月)去关注即可 。因为:“AI时代是没有线性的,你绝不会因为我比别人晚用了两天,我就落后了,没有任何的可能。”

最后,何梁为这场关于AI的对谈,扣回了“美育”的终极主题。他将所有前辈的建议凝练为一句话——“回到生活之中”。在人工智能时代谈美育,绝不是谈论如何掌握指令与工具,而是谈论如何“使我们成为一个拥有着丰厚感情的人”。

他动情地总结道:“这种丰厚的感性,一定是由你的人生经历、你身体的独特记忆以及你与他人的共情能力堆积而成的。这样做的结果,会让你这个人变得更加丰满,让你的感知更加敏锐。在今天这样一个快速变革的时代,我们恰恰要去寻求这样一些不变的东西。”

PART 06

尾声

沙龙的尾声,正如活动试图传达的那样,在这个技术解构一切的时代,我们更需要将人类独有的情感、反思与对存在边界的确认进一步放大 。

无论底层代码如何迭代,无论像素如何排列组合,碳基生命在艺术十字路口的挣扎、抉择与温度,永远是创作最动人的底色 。

期待在未来,43 Talks继续与你相遇,欣然落座,且思且辩。

跳转微信打开

  •  

Notion 版 OpenClaw 到底好不好用?

原创 二一的笔记 2026-03-25 13:26 福建

稳定性压倒一切

我相信会有越来越多的人认识到,至少现在的 OpenClaw 可能真的只是一个半成品,虽然能给人无穷的想象空间,但不稳定、不易用、难调试的体验,是每个真正用过的人都会有的感受。

最终人还是会回归到更具确定性的环境里,在我看来,Notion Custom Agent 就是这个阶段下的一个更好的选择。

从 2025 年 9 月的 Notion Agent 预告,到 11 月的 Notion Agent 基础教程,再到今年 3 月终于正式上线的 Custom Agent 万字测评,我详尽介绍了 Notion 这个新功能的每个细节,但老毛病这一块还是改不了,写那么多字确实少有人能看完,所以今天把缺的视频也补上。

这期视频介绍了我深度实践的 4 个案例,分别如下:

1. 全自动报告生成器

2. 智能邮件托管

3. 全自动创作生产线

4. 多平台内容自动发布

视频如下,欢迎观看 ⬇️

Notion 模板广告时间:

图文和视频里展示的所有 Agent 场景,背后都有一个前提,就是你的 Notion 里得有东西。不管是任务、项目、笔记、剪藏,这些数据库的结构和积累深度,直接决定了 Agent 能帮你做多少事。

我自己用的这套系统叫 FLO.W 思流,是我花了 1 年时间搭建的专为知识工作者设计的 Notion 模板,已经帮助将近 1500 人搭建起了自己的 AI 知识库。

欢迎戳下方卡片了解详情,感谢支持。

如果你不确定模板适不适合你

也可以前往我搭建的 Notion 模板网站

有更详细更全面的介绍,链接如下

21notion.com

阅读原文

跳转微信打开

  •  

我试做AI陪练设计师兼职,亏了几十块钱

体验进阶 2026-03-25 08:20 广东

前不久有人请我给他们时薪300的设计师兼职打广告,我第一反应:又骗人报班?但是听对方介绍了半小时后,我感觉不像骗子。但这么高的时薪还是感觉不靠谱,于是要求先让我自己试试。

对方答应了,我就真的加群尝试了一下,结果发现——虽然兼职可能是真的,但时薪没那么高,而且难度太大,前期还要花钱……

为什么说难度高呢?主要在于部署本地 AI 软件的过程非常折腾。并不是一键安装就能搞定,而是要在 Terminal 命令行里敲代码、配置各种依赖环境。他们提供的教程不够完整,网上资料又五花八门,不知道该信哪个。折腾了一整天,我才勉强跑起来。

因为调用 AI 模型要用 Token,而这笔费用得自己承担。刚开始业务不熟,我花了二十多块,结果任务还没完成。

老实说,如果我时间充裕,也许会继续尝试。毕竟我看他们在群里是真的回答问题,也时不时开开会讲解。我跟他们说资料里有些什么问题,他们也能听进去并且有改进。

但是呢,我不认为真正上手时薪能有300那么多,但这也确实是一个可以赚到钱的兼职。因为那些搞 Vibe Coding 的AI公司,还真是会需要这种AI陪练设计师。他们拿了那么多投资,又急着要结果,多点钱请兼职做AI陪练可以理解。

但我挺忙的,为这点时薪也犯不着。最终我一分钱没赚到,白亏了几十块钱。

如果有人想试试,可以在评论区说一下,我可以给个链接。

我得提前打个预防针:很大概率,你会像我一样,花时间、花精力、花点小钱,却什么都没捞到。

如果你是真奔着立即轻松赚钱来的,可能会失望。如果你还是想试试看呢,可以点击左下方「体验进阶」后,私信「兼职」获取链接。

跳转微信打开

  •  

Openclaw vs Agentic Workflow:别被“养虾热”带偏,一文看懂技术本质与选型真相

原创 风叔 2026-03-24 20:01 上海

今天我们抛开热点滤镜,用硬核技术视角做全面拆解:两大范式到底是什么、有何异同、孰优孰劣,以及哪些岗位真的会被替代,哪些只是噱头

引言:全民“养虾”狂欢下,我们更需要冷静的技术判断

近期,有不少客户向我咨询,OpenClaw能做什么?对企业的冲击有多大?我们要部署OpenClaw吗?今天,风叔就来详细解答一下。

2026年开年,OpenClaw以“龙虾AI”的名号席卷国内AI圈,GitHub星标暴涨、开发者扎堆入局、各类创业解读刷屏,仿佛搭上OpenClaw就能抓住下一代Agent革命的风口,甚至有文章鼓吹其将颠覆全行业、替代海量岗位。

但热潮之下,一个核心问题被刻意忽略:OpenClaw真的是史无前例的技术突破,还是过度营销的概念包装?

早在OpenClaw诞生之前,Agentic Workflow早已成熟落地,无论是Coze、Dify等低代码平台,还是企业内部的智能体流程系统,早已实现多Agent协作、任务编排与业务自动化。OpenClaw范式与经典的Agentic Workflow范式,看似都是AI Agent赛道的产物,底层逻辑、适用场景却天差地别。

今天我们抛开热点滤镜,用技术视角做全面拆解:两大范式到底是什么、有何异同、孰优孰劣,以及哪些岗位真的会被替代,哪些只是噱头。

一、两大范式核心拆解:概念、框架与底层逻辑

先厘清两大范式的本质定位,避免陷入“都是智能体就一样”的认知误区,我们从定义、框架、典型场景三个维度逐一说明。

1. OpenClaw范式:本地优先的对话执行型智能体

核心定义:OpenClaw是一款开源、本地优先的AI Agent框架,主打“多端对话接入+本地系统执行”,定位是轻量化、去中心化的个人/小团队智能助手,俗称“养虾”。

核心框架:采用Gateway(网关)- Agent Runtime(运行环境) - Skills(技能) - Channels(渠道)-Nodes(节点)五大模块,核心逻辑围绕“交互与执行”展开:

  • Gateway(网关):全局路由中枢,负责多渠道消息接入、会话管理、设备连接,是整个系统的流量入口;

  • Agent Runtime(智能体运行时):AI大脑,承载思考、决策、任务拆解的核心逻辑,采用专属循环模式完成指令处理;

  • Skills(技能库):可插拔的能力单元,比如文件操作、浏览器控制、命令执行,支撑任务落地;

  • Nodes(节点):分布式执行单元,各类设备均可作为节点接入,承接网关分配的执行任务;

  • Channels(渠道):多端交互入口,兼容Telegram、Discord、本地终端等各类对话渠道,实现全域交互。

核心主张:弱化云端依赖、强化本地执行、聚焦多端对话交互,擅长零散、非标、个性化的即时任务,比如个人文件整理、本地数据处理、跨IM消息自动化。

2. Agentic Workflow范式:确定性导向的业务工作流

核心定义:经典的智能体工作流范式,是面向企业级业务的结构化编排框架,以“预设流程+逻辑判断+状态追溯”为核心,解决标准化、规模化的业务问题。

核心框架:围绕工作流编排-逻辑判断-业务触发器-状态管理搭建,核心逻辑围绕“业务闭环”展开:

  • Agent(智能体):业务执行者,按角色分工完成单一环节的推理与执行;

  • Tools&Skills(工具与技能):标准化能力接口,对接企业内部系统、外部API、数据库等资源;

  • 工作流编排器:核心中枢,定义任务步骤、判断逻辑、流转规则,确保流程按预设路径执行;

  • 触发器:启动入口,支持定时触发、事件触发、人工触发、条件触发等多种模式;

  • 记忆与追溯模块:记录全流程上下文、执行日志、决策轨迹,满足审计、复盘、纠错需求。

核心主张:追求流程稳定、结果可控、可审计可追溯,擅长有明确规则、重复执行、强合规的企业业务,比如发票审核、订单处理、设备运维、供应链自动化。

3. 技术共同点与核心差异

共同点:均基于LLM做意图理解,支持多工具调用、多Agent协同,目标都是实现AI替代人工完成重复性任务。

核心差异:OpenClaw重交互、重本地、轻流程;Agentic Workflow重业务、重逻辑、重确定性,二者是互补而非替代关系,适用场景完全错位。

二、多维硬核对比:从落地效果看范式优劣

抛开概念话术,我们从企业与开发者最关心的准确性、稳定性、成本等8大核心维度,做逐项对比,优劣一目了然。

准确性:固定流程Workflow完胜,非标场景OpenClaw适配

OpenClaw:依赖动态推理,无固定流程约束,处理非标任务灵活性高,但面对标准化操作易出现步骤遗漏、结果偏差,准确性约60%-70%,适合对精度要求宽松的场景。

Agentic Workflow:全流程节点预设、逻辑固化,每一步执行都有明确规则,准确性可达95%以上,零错误率适配强合规、高精准需求。

稳定性:Workflow可控性拉满,OpenClaw易受环境影响

OpenClaw:本地部署为主,受设备性能、网络波动、系统权限影响大,长流程任务易出现上下文丢失、断点失效,不支持7×24小时稳定运行。

Agentic Workflow:云端/私有化部署,架构成熟、容错机制完善,支持重试、回滚、异常告警,可实现长时间高并发稳定运行,无断点风险。

部署与运维成本:OpenClaw轻量化,Workflow前期投入高

OpenClaw:开源免费、部署门槛低,个人电脑、轻量服务器即可运行,无需专业运维,后期维护成本极低。

Agentic Workflow:需搭建服务器、配置业务流程、对接企业系统,前期开发、调试成本高,需专人运维,适合有预算的中大型企业。

可维护性:Workflow易迭代,OpenClaw调试难度大

OpenClaw:动态执行逻辑分散,无标准化日志,出现问题后排查路径复杂,修改流程需重新调试整体逻辑。

Agentic Workflow:流程可视化、节点模块化,可单独修改某一环节逻辑,不影响整体流程,维护效率高、迭代成本低。

拓展性:OpenClaw生态灵活,Workflow聚焦业务闭环

OpenClaw:插件化生态完善,可快速接入新渠道、新工具,适合快速试错、个性化拓展,但缺乏企业级业务拓展能力。

Agentic Workflow:专注企业业务场景拓展,可对接ERP、OA、CRM等系统,支持复杂业务链路延伸,但个性化插件拓展受限。

安全性与权限管控:Workflow更严谨,OpenClaw存在隐患

OpenClaw:本地权限高,缺乏企业级权限隔离、操作审计机制,敏感数据存在泄露风险,合规性较弱。

Agentic Workflow:支持分级权限、数据加密、全操作日志留存,满足等保、金融/政务合规要求,权限管控更严谨。

隐私性:OpenClaw本地占优,Workflow可私有化平衡

OpenClaw:数据默认本地存储,不上传云端,个人/小团队隐私性极佳,但无法实现企业级数据统一管理。

Agentic Workflow:支持私有化部署,数据可留存企业内部,兼顾隐私与集中管理,隐私安全性适配企业级需求。

适用场景:个人vs企业,非标vs标准化

OpenClaw:个人助手、零散任务处理、本地文件自动化、小团队轻量协作,无固定SOP、隐私敏感的轻量化场景。

Agentic Workflow:企业客服、财务审核、供应链流转、行政审批等有明确规则、重复执行、强合规的标准化业务场景。

三、破除行业泡沫:别被“革命性替代”忽悠了

近期大量自媒体与营销号大肆渲染:OpenClaw将颠覆职场、替代所有重复性岗位、实现全员AI自动化,这种说法完全是违背技术逻辑的噱头。

从两大范式的对比就能看出:追求确定性、准确性、合规性的岗位,短期内根本不会被OpenClaw替代。

比如财务报税、订单审核、银行风控、供应链管理、运营分析、生产制造等岗位,有严格的SOP、零误差要求、合规追溯需求,这些场景Agentic Workflow都能完美适配,且稳定性和精度远超OpenClaw。OpenClaw所谓的“颠覆性”,仅局限在个人非标、零散、无精度压力的轻量任务,根本无法切入企业核心业务。

更值得警惕的是,部分项目打着OpenClaw的旗号,包装伪需求、夸大技术能力,本质是借热点割韭菜。真正的AI Agent落地,从来不是跟风选框架,而是匹配业务场景选技术。

四、最终总结:不追热点,只选适配的范式

  1. 不要盲目崇拜OpenClaw:它不是万能的AI革命,只是一款擅长个人轻量、本地非标、对话交互的智能体框架,优势在隐私、灵活、轻量化,无法替代企业级Workflow。

  2. 企业级场景优先选Agentic Workflow:只要业务有明确SOP、对稳定性和准确性有高要求、需要合规追溯,经典的Agentic Workflow依然是最优解,成熟、可控、性价比更高。

  3. 选业务场景适配的技术:OpenClaw与Agentic Workflow不是竞品,而是分工不同——OpenClaw服务个人与小团队,Agentic Workflow服务企业与标准化业务。

在AI Agent的热潮中,比起追逐“养虾”等新概念,不如沉下心分析自身需求:个人用户可以体验OpenClaw的便捷,企业开发者更应坚守企业业务的确定性。

毕竟,能落地解决问题的技术,才是好技术。

跳转微信打开

  •  

伊朗战争,和全球能源格局

原创 小 Lin 团队 2026-03-24 17:56 北京

全球能源,整体是一个什么样的格局?

全球能源

整体是一个什么样的格局?

朋友们,咱们今天来聊聊全球能源市场。

对比伊朗战争开打之前,原油价格的走势,从65美元一度暴涨到超过110美元。

产生的震荡程度,甚至超过了2022年俄乌战争引发的动荡,相比之下,2026年年初委内瑞拉的事件,市场的波动,简直算是毫无波澜了。

你要知道这可是油价啊,它跟黄金、甚至股票都不一样,它不只是个资产价格,而是最直接的连接全球的人,生活起居方方面面的基础能源价格。

图片截取自: 小Lin说

所以这次的战争,不只是吸引关注、媒体报道,而是实打实的引发了全球金融市场、资本市场的巨震。

伊朗确实是石油大国,但怎么能有这么大的影响力?我相信大家在新闻里都了解得很多了,就是因为——霍尔木兹海峡。

伊朗直接封锁了这个海峡,使得整个中东的石油,几乎都被堵死了运不出来,油价一下冲破了100美元。逼得特朗普连出了四五招,好招赖招全用上了,来应对。

咱们今天,一方面来聊聊这个海峡、聊聊这次战争,然后咱们再更深入一点,顺便来看看后俄乌战争时期,全球整体是一个怎样的能源格局。

霍尔木兹海峡 

背景

霍尔木兹海峡,可以称得上是全球最重要的能源关卡,它连接着波斯湾和阿拉伯海,是波斯湾里那一片中东石油国家,油气出海的“唯一海上出口”。

它最窄的地方只有约33公里,而实际上能用来给巨型游轮航行的航道只有一进一出两条,各三公里。中间有3公里的缓冲区。

视频截取自: 小Lin说

就这么窄窄的不到10公里的航道,之前每天通过的石油高达2000万桶,大概是全球每天原油消费的1/5。

同时,全球液化天然气LNG贸易的20%,主要来自卡塔尔,也是从这个海峡出口。

  • 全球最大的天然气田,北方气田 (North Field)在这里;

  • 全球最大的油田,位于沙特的加瓦尔田 (Ghawar Oil Field);

  • 再加上中东整体的油田分布。

视频截取自: 小Lin说

这一片区域的能源密集程度,简直让有密集恐惧症的人看着都难受。

我们都知道中东就是个石油的水龙头,但它可不是很均匀地分散在中东的,而是基本上就堆在波斯湾那一圈了。这些油田产出的石油、天然气,基本上都得从霍尔木兹海峡运出去。

图片截取自: 小Lin说

具体来说,从霍尔木兹海峡出口的石油,来自这些国家:

沙特、伊拉克、阿联酋、科威特、卡塔尔, 当然还有伊朗。

而它主要出口运到哪些国家呢?

有大概85%都流向了亚洲,最主要的就四个国家:

中国、印度、韩国、日本。

于是,这么一个33公里的海峡,像扁担一样扛起了全球能源产业。

这里面石油出口,虽然量最大的是中国,但是从比例来看,对中东石油更依赖的,其实是日本和韩国。

这个我们下文分析全球能源格局的时候,会详细分析。这就是伊朗对霍尔木兹海峡封锁以后,日本股市大跌,韩国股市更是一天下跌12%,创下了近20年最大单日跌幅的原因。

视频截取自: 小Lin说

不过,如果单就石油运载量来看,霍尔木兹海峡并不是全球最大的海峡。还有一个比霍尔木兹还要大上一点,你知道是哪个么?

没错,就是马六甲海峡。

它可以说是通往东亚的贸易入口,石油贸易大概每天2300万桶,新加坡就守着这个海峡,要么新加坡那么有钱呢~

但马六甲海峡,远没有中东这这么动荡、这么让人不踏实,所以大家还是会把目光更多聚焦在霍尔木兹海峡上。

图片截取自: 小Lin说

伊朗封锁

而霍尔木兹这么重要的"扁担",正好就在伊朗家门口。

它附近有8个小岛,其中7个由伊朗控制。

这里面有三个,是阿联酋声称是自己的领土,但是伊朗从1970年代就一直占领着。

当然,美国也知道这个海峡的重要性,所以美军在中东,尤其是这个海峡附近部署了4-5万人的军队。

视频截取自: 小Lin说

很多人可能奇怪了,美军不是很厉害么,还部署了那么多人在中东,怎么伊朗还能封锁霍尔木兹海峡呢?

其实原因不难理解,伊朗虽然无法和美军掰手腕,但霍尔木兹的地理环境,封锁起来实在是太容易了,伊朗完全不需要什么高科技的武器,都不用导弹。

水雷、无人机,哪个都可以有非常强的震慑力。

比如它在3月11号就宣称,在霍尔木兹海峡部署了十多颗水雷。实际上到底是多少颗,放在哪了,谁也不知道。但只要宣扬出来,就很有震慑力。别的商船就全都不敢通过了,保险公司也不敢给通过这里的船上保险了。

图片截取自: 小Lin说

保险

保险在这里是很关键的,以往一艘商船航行的保费可能在20 - 40万美元,现在一下翻了至少10倍,变成300 - 500万美元了。所以就算有商船觉得:"我很幸运,我头铁,我被袭击的概率很低,想要铤而走险冲过去。"

保险费用,也会让它航行失去经济利益。

这就是为什么伊朗刚宣布封锁,3月3号特朗普就表示,特批美国政府可以提供200亿美元的海上再保险计划。

什么叫再保险,就是我作为最终担保人,如果商船在海峡被炸毁,私营保险公司赔钱后,美国政府可以自掏腰包把这笔钱补给保险公司,这样保险公司总可以继续正常提供保险业务了吧?

但实际上的,效果却是微乎其微,几乎等于失败。

为什么?

因为商船的船长和船员们都明白,特朗普是商人思维,他可能以为商船过海峡就是保险多少钱的问题。但这可是实打实的战争啊,水雷就在水里,自杀式无人机就在天上飘,刀剑可是不长眼睛的,他们跟伊朗人的语言是不同的,冒着生命危险从中间过,图什么呢?所以,这根本不是钱的问题。

于是,你在观察实时的霍尔木兹海峡附近的船只数据时,可以发现有一大片船就在外面这等着,而整个海峡部分非常干净,没有一艘船敢过。

图片截取自: 小Lin说

油价传导效应

可能有些人会想说,霍尔木兹海峡能源主要是出口到东亚,那其它地区应该就不用那么紧张、受到的影响就不会那么大了吧?

非也。要知道石油是一个高度市场化的产品,一旦出现供给震荡,几乎会瞬间反映到全球的油价中。所以,上文分析霍尔木兹海峡的主要石油出口对象,其实意义都没有那么大,因为不管它运到哪,只要这2000万桶石油,每天被堵在那,导致石油供给严重受限,那全球所有的人,都会因为油价上涨而感受到痛,自然也让地球对面的美国人,感受到痛,这才有了我们一开始看到的夸张的油价图。

而相比较而言,天然气就不太一样了,它的区域性还更强一些,所以俄乌战争的时候,欧洲的天然气价格涨得非常夸张,但是世界其它地方虽然也受到影响,但还好。

包括这回也是,欧洲和亚洲的天然气价格,都跳涨了50%以上,但美国的天然气价格,就几乎没受什么影响。

视频截取自: 小Lin说

当然,霍尔木兹海峡被封锁,也不是说中东的石油就全都堵在里面了。

而且,全球各国都有一定的石油储备,短期内是能扛一扛的,一般能帮助各国抗3-6个月。

局势分析 

接下来呢,我来聊一点关于最近局势,我的思考。

美国的底线

这次伊朗战争,体现出来了目前对于美国政府来说的一个底线,或者软肋,就是油价。

很多人可能分析,美国有多少战略储备,美国石油生产能力多强,高油价美国可高兴了,那些石油公司、金融公司还能趁机大赚一笔呢!等等。

可能都有道理,但我的分析是,油价的上涨,尤其是暴涨,还持续保持在高位,其实对美国政府、对特朗普的打击,是要比它带来的收益要大得多、是他难以承受的。

选举

首先,这件事儿关乎脸面,更关乎选举。

而我们之前分析过特朗普最主要的政策,不管是关税政策、大而美法案,都有一个共通点,就是有加热通胀的倾向。

这点虽然特朗普、贝森特有时候避重就轻,但大家都心知肚明。而特朗普从选举的时候,就多次强调过,他控制物价的杀手锏,就是油价。

“如果能源价格下降,一切价格都会下降。”

“降低油价就能降低通胀。”

图片截取自: 小Lin说

其实,GDP增长好点差点、出口怎么样,这些都只是波及到一部分人,但是如果物价出问题了,开始升温,可真的是全民受影响、全民不满啊。

为什么2026年年初,伊朗发生了大规模社会动荡?其实很重要的一个原因,就是它的通货膨胀太严重了。物价这东西稳定的时候无人在意,真出问题了那可就是严重的大问题。

美国对油价格外敏感,全国85%的人通勤都是靠汽车,油价直接连接终端消费者。

如果政府不但没能压住油价,反倒还促使油价飙升,再进一步传导到实体经济,导致通货膨胀,这会让美国消费者的情绪显著恶化,不光是打特朗普和共和党的脸,更会严重影响之后11月份要进行的美国中期选举。

债务

这是其一,其次就是油价,会威胁到美国的债务水平。

一旦油价上涨导致物价升温,这会让美联储停止降息,甚至开始加息,美国的债务问题本来就是房间里的大象,如果通胀出了问题,美联储像1980年代一样疯狂加息,那现在的美国政府可真的吃不太消。

2026年12月到期的联邦基金利率的期货,已经跌得非常厉害。这预示着市场已经在大幅提高对年底利率的预期,觉得伊朗这么个闹法,油价这么个涨法,美联储很有可能不降息了。

逼得特朗普在Truth Social上公开喊话鲍威尔:"他应该立刻降息!"

甭管合不合理,反正特朗普要表达一下他的态度。

其实到这,我们还只是分析了油价飙升最直接的影响,更深层次的通胀带来的,真正广泛的经济影响,我们都还没说呢。

总之,现在美国经济、特朗普的政策组合,是经不起通胀抬头的,所以特朗普无论如何也要把油价按下来。伊朗这一招,真的是戳到特朗普肺管子上了。

图片截取自: 小Lin说

特朗普对策

眼看油价控制不住,特朗普都做了什么:

  • 派了三艘航母过去;

  • 要提供200亿美元的再保险;

  • 紧急释放1.72亿桶石油储备,这相当于一下就释放了美国超过三分之一的储备;

  • 甚至还跟印度表示,现在情况特殊,可以允许你临时购买俄罗斯的石油;

这些措施,甭管有没有真实控制住油价,但美国的意图其实是非常明显的,显然是有点着急了,它不太能承受得住油价这么居高不下的。

视频截取自: 小Lin说

黄金为什么跌?

提到通胀,我再跟大家聊一个我注意到的有点反直觉的现象。就是这次战争开打之后,黄金开始涨了两天,紧接着怎么就跌下来了?

是不是很反常? 而美元指数倒是持续上涨,这又是为什么呢?这跟通胀又有什么关系呢?我们简单盘一盘。

首先最开始,打仗了嘛,大家都去避险,所以避险资产,什么黄金、美债,都上涨。

但随着事态发展,伊朗封锁霍尔木兹海峡,大家发现美国好像拿它没有太好的办法,如果持续下去油价上涨,就会引发全球的通货膨胀。

那如果思考到这一层,资产价格会怎么变啊?

这时大多数人会思考,通货膨胀,美元更不值钱了,难道不是黄金更应该涨,美元指数更应该跌吗?

但事实怎么是反过来的?咱们还得再深入一层。

市场担心通货膨胀,有人更担心。

谁啊?美联储。它就会出手,停止降息,甚至货币紧缩、加息,美联储的政策,在短期内对资产价格的影响,是要高于长期通胀的影响的。市场就是预期了美联储的操作,央行货币紧缩预期上升,会导致什么?

美元上涨,黄金下跌,美债下跌。(美债下跌指的是它价格下跌,收益率上涨)

发现没有,这市场分析吧,有时候你可能只是少想了一层,但方向就完全想反了!

图片截取自: 小Lin说

全球能源结构

好,一般情况下咱们的分析到这,就可以结束了。

但咱们这段视频可就不一样了。我查的时候就好奇,但凡哪个和能源沾边的国家一出点什么事儿,媒体恨不得就宣传得又引发全球能源动荡了,也不知道全球能源咋就这么容易动荡。我就想来整体的、最宏观的看一看,目前全球能源的格局。

甚至不光是石油,不光是霍尔木兹海峡,而是全球各种各样形式的能源,各国都消耗多少、哪些国家主要依赖进口、哪些主要依赖出口等等,你不觉得应该了解了解么?

所以,我就找到了全球各个国家、不同能源形式的生产量、消耗量、进口量、出口量,从谁那进口、出口到哪里,等等等等,一大堆数据。

我帮大家提炼出来一些,我觉得可能对大家有帮助的信息,让咱们大致上有个概念。

视频截取自: 小Lin说

首先,咱先来看整体全球的能源消耗啊。

对比不同形式的能源,一年的消耗量数据。

石油重要,但也没有那么重要,大概是石油、天然气、煤炭三分天下。清洁能源目前还是比较小的一部分。

按国家来分呢,消耗量最大的是中国,占了超过全球的1/4,美国是16%,接着是欧盟,然后是印度。

这个也比较合理,是吧。我们拆开来按照不同能源来看呢。

视频截取自: 小Lin说

煤炭

很多人可能感觉,这都2026年了,咋还有这么多煤炭?

其实,全球大概27%的能源,尤其是发电的36%,都来自煤炭。而煤炭使用最主要就来自一个国家,就是中国,中国消耗了全球51%的煤炭,然后是印度,大概10%。中国58%的能源消耗来自煤炭,大量高耗能行业,钢铁、水泥、化工,能源主要都是煤炭。

所以,虽然山西煤老板有点像是上个时代的都市传说了,现在都是大国企整合了,但煤炭行业还是很重要的。

中国大陆所有地级市的人均GDP排名,第一名的你知道是哪么?

不是北京上海,而是内蒙古的鄂尔多斯。当然这个榜单不权威啊,但鄂尔多斯在人均GDP的排名基本上不是第一就是第二。

为什么啊?因为鄂尔多斯有巨大的煤炭产业,当然也有很大的天然气产业。

一个小知识送给你。

图片截取自: 小Lin说

不过煤炭呢,虽然它量很大,但从国家战略和对全球能源格局的影响力的角度考量,它主要是自己挖、自己烧,中国只有大概10%出头的煤炭是靠进口,也都主要来自不远的印尼、蒙古、俄罗斯。

所以它整体比较稳定,对于全球能源格局的影响不大,这也是为什么我们在新闻整天听石油、天然气,但很少听到全球煤炭争霸。

图片截取自: 小Lin说

石油

但石油就不一样了,全球每天大概产1亿桶石油,每时每刻参与国际贸易的,有大概七千万桶。当然它不是说70%的原油,都进入国际贸易啊,因为很多是原油运到一个国家精炼,然后成品油再运到另一个国家,被折腾好多次。

但总之,石油是一个高度全球化、高度贸易化、高度市场化的产品。

  • 石油产出,大概中东产了全球的30%,美国20%,俄罗斯10%,这几个是比较主要的。

  • 石油消耗,大户就是美国和中国。美国19%, 大概每天1900万桶,中国16%。整个欧洲加起来是14%。

视频截取自: 小Lin说

这些数字,估计跟大家的认知都差不太多。但我们想要看,其实是能源格局,所以各个国家内部的自产自销,我们要排除出去,只看石油的跨国贸易、跨区域贸易,谁更依赖谁。

所以,我把各地区的原油净出口,加上成品油净出口汇总了一下,得到了一张数据表格:

  • 净出口断层领先的是中东,然后是俄罗斯、加拿大。

  • 美国产的多,但净出口并不多。

  • 最主要的净进口区域,最多的是中国,然后是欧洲、印度、日本。

我强调一下啊,今天咱们用到的所有数据呢,只是个估算。不同的计算方法会有出入,并没有一个最权威的国家官方报道,但数量上应该是大差不差,大家看个大概就好,具体的数字别太抠细节哈~

视频截取自: 小Lin说

以下这几个地区,如果按照石油进口的比例来看:

中国大概有73%的石油是靠进口;欧洲87%,印度80%,日本97%,新加坡75%,很明显这些地区的石油,大部分都依赖进口。

但是,我们想看的其实是:这些国家整个能源消耗中,有多依赖石油的进口。

比如我们上文提到,中国一大半是靠煤炭,石油占总能源消耗只有18%,所以这18%里虽然3/4靠进口,但总体能源中有大概13%,依赖石油进口,这里面确实大部分都来自中东,来自那个霍尔木兹海峡,还有很大一部分来自俄罗斯。

但总之这13%虽然也不小,但就没有很夸张了。

同样的算法,欧洲有31%,印度21%,日本36%,新加坡65%。

我没下载到韩国单独的数据,但其实韩国应该也在50%左右。这么一比下来,我们就会发现,更依赖石油进口的其实是新加坡、韩国、日本、欧洲。

这里面欧洲的进口渠道比较分散,从美国、非洲、中东、俄罗斯都来一点;

日韩新加坡,基本上是以中东为主;

印度之前主要是中东,后来又多了一个进口国是哪能猜到么?

是俄罗斯,每天进口一百多万桶。

所以咱这么一分析就清楚了,霍尔木兹海峡被封锁,绝对数量上影响最大的是中国和印度,但要从对整体国家能源冲击的角度来看,可能是日本、韩国、新加坡,受到的冲击更大。

视频截取自: 小Lin说

我补充一下啊,石油不光是挖出来就行了,其实还有很重要的一步就是精炼,即使有原油,但是没能力精炼也会被卡脖子。

不过,我简单扫了一眼全球各国的精炼能力,基本上比较主要的经济体,都差不多有能力在精炼上自给自足,所以精炼我们就不展开了。

天然气

接下来还有很重要的能源,就是天然气。

天然气全球最大的生产国:

断层领先的是两个国家: 美国和俄罗斯。

然后是伊朗、中国、加拿大、卡塔尔。

图片截取自: 小Lin说

但这里伊朗基本是自给自足,中国虽然产量大,但还需要有大量进口。整个天然气领域全球所谓"地主",主要出口国,目前是这五巨头:

美国、俄罗斯、挪威、卡塔尔、澳大利亚。

除此之外加拿大、土库曼斯坦、阿尔及利亚、马来西亚等等也都不小。

还有一个国家也挺重要的,就是伊朗。它其实从储量来看是全球第二大国,有全球17%的天然气,那个全球最大的天然气田就是它和卡塔尔半分的。咱不知道政治上会如何发展,但其实它是很有潜力成为一个天然气大地主的。

天然气,它虽然比石油更清洁、是一个更理想的能源,但是它有个比石油麻烦的问题,就是运输。

气态,目前主要有两种形式: 管道,和液化天然气LNG。

你大概能猜到,管道运输倒是方便,一旦建好一劳永逸,但初期成本高,而且不适合远距离传输;

液化天然气呢,就是把天然气先压缩液化了,再用那种LNG船运往全球,到达目的地了再气化,这明显技术要求更高,成本也更高。

视频截取自: 小Lin说

全球天然气管道,现在有这么几个主要的输送路线,分别是:

  • 挪威 -> 欧洲

  • 俄罗斯 -> 欧洲、中国

  • 北美内部

  • 土库曼斯坦 -> 中国

LNG液化天然气这边 ,最主要的三条线是:

  • 卡塔尔 -> 亚洲 (中印日韩)

  • 美国 -> 欧洲

  • 澳大利亚 -> 亚洲

图片截取自: 小Lin说

因为之前天然气都是以管道运输为主,受到运输限制,这就导致天然气远没有石油那么贸易化。现在全球整体的天然气消耗中,大概只有20%是通过全球贸易的。

而即使是这些贸易中,很大一部分是北美内部传来传去、欧洲内部挪威给其它国家,如果把这些再刨除去的话其实天然气的全球贸易对整个能源结构的影响力就非常有限了,这就是为什么你感觉天然气也很重要,为什么大家总是在说石油石油,天然气就不多。

写在最后

整体小节一下, 化石能源依旧占据全球能源近九成,其中:

  • 煤炭更地方化,更集中在中国和印度;

  • 石油是最全球化、金融化的市场,目前还是和全球经济联结最密切的市场;

  • 而天然气虽然目前还是比较区域化,但它的市场增速很快,而且它看似分散,实则最难切换,受到波及的国家其实更容易被卡脖子。

至于未来,整体的能源格局会如何发展呢?

我们总觉得现在全球在全速推进清洁能源、绿色能源,好像化石能源不久就要退出历史舞台了。

但根据国际能源署IEA,估算到未来全球的能源结构数据。

它估算到2050年,全球还是会有60%的能源来自化石能源。虽然这只是个非常粗略的估算,但多多少少说明了,各个国家可能还要至少围绕化石能源争霸纠葛个几十年。

石油在至少二三十年的时间里,依然会是全球能源主战场,和之前的一个世纪很像,中东依然会是主要出口中心,这些王室们还是可以躺赚;

视频截取自: 小Lin说

而天然气,将会在接下来越来越重要,随着LNG的技术成熟,会逐渐从管道时代过渡到海运时代。

除此之外就是新能源了,这个大趋势肯定是不会变的,它未来肯定会很重要。但不是说可再生就没有竞争了。围绕新能源主要的争夺,并不在发电板、电池,而是矿石的开采、冶炼和加工了,铜、锂、镍、钴、稀土等等。

原产地,钴主要是刚果金;锂是澳大利亚和南美;镍是印尼;铜是智利秘鲁,等等;

而加工冶炼端,中国基本上全球垄断。

我就简单一笔带过了,这就是一个巨大的话题了,我们以后有机会单开一起聊吧~

图片截取自: 小Lin说

咱们今天从霍尔木兹海峡,展开聊了聊全球目前的能源格局,和未来大致上的发展路径。希望帮助大家有个整体框架、概念。

今天就聊到这儿,下期再见~

—— E N D ——

点击阅读原文可以来B站找小Lin玩呀~

阅读原文

跳转微信打开

  •  

理性审视Openclaw:一场养虾热下的企业级适用性深度剖析

原创 风叔 2026-03-23 20:00 上海

Openclaw范式更像是一款优秀的个人AI工具框架,而非成熟的企业级解决方案。对于企业而言,现阶段更理性的做法是:边缘场景小范围试水尝鲜,核心业务坚决观望等待,等到这套范式补齐企业级管控、安全、合规能力后,再考虑规模化落地

最近AI圈被一只“小龙虾”彻底刷屏,Openclaw凭借极简的部署体验、开箱即用的AI自主执行能力,在国内掀起了全民“养虾”热潮。从个人办公自动化到小众场景的效率提升,无数开发者和普通用户都在体验这套AI范式带来的便捷,社交平台上的玩法分享层出不穷。

但热潮之下更需冷静思考,Openclaw的核心价值不是单一工具本身,而是一套全新的AI自主执行范式。QClaw、WorkBuddy等一众衍生产品,本质都是这套范式的本土化、场景化延伸。可这套适配个人场景的灵活范式,真的能无缝迁移到企业端吗?对于追求稳定、可控、安全的企业业务而言,Openclaw范式的狂欢背后,藏着难以忽视的落地陷阱。

一、Openclaw范式到底是什么?

Openclaw范式的本质,是“本地优先、模块化解耦、AI自主执行”的AI Agent架构体系,它彻底打破了传统AI“只给建议、不做执行”的局限,让大模型从“顾问”变成“执行者”。这套范式有着清晰的模块划分,各司其职又协同联动,构成了完整的任务执行闭环。

根据官方描述,Openclaw主要有五大模块:

1. Gateway(网关中枢)

定位:整个范式的核心调度大脑,所有模块的交互枢纽。

核心作用:统一接收用户指令、调度子模块、管理会话状态、协调资源分配,相当于AI系统的“交通指挥中心”。

举例:用户在飞书、钉钉发送AI指令,先通过Gateway完成身份校验、路由分发,再将任务派发给对应执行单元,避免多模块冲突、指令混乱。

2. Agent Runtime(智能体运行时)

定位:AI决策与任务拆解的核心大脑,自主执行的逻辑载体。

核心作用:理解用户意图、拆分复杂任务、调用模型推理、规划执行步骤,决定AI“做什么、怎么做”。

举例:收到“整理本周客户数据并生成周报”的指令,Agent Runtime会拆解为“提取数据→清洗格式→生成图表→撰写文案”等子任务,依次调度对应能力完成。

3. Channels(交互渠道)

定位:用户与AI交互的入口,屏蔽平台差异的适配层。

核心作用:适配多平台消息格式,实现跨渠道指令接入与结果反馈,无需独立APP即可交互。

举例:支持Telegram、飞书、钉钉、企业微信等50+渠道,用户在日常办公软件发消息,就能触发AI执行,不用额外切换工具。

4. Skills(技能体系)

定位:AI的“手脚”,可复用的执行能力封装。

核心作用:将单一操作封装为标准化技能,实现文件读写、浏览器控制、API调用、脚本执行等落地动作。

举例:邮件自动发送、表格数据筛选、网页信息爬取等都是独立Skill,可按需组合调用,社区已沉淀数千种开箱即用技能。

5. Nodes(执行节点)

定位:AI能力的物理载体,分布式执行单元。

核心作用:承接Skill的实际执行动作,支持多设备、多终端分布式部署,拓展AI执行边界。

举例:电脑端节点处理办公文件,服务器节点运行批量任务,手机端节点调取相机、短信能力,实现全场景覆盖。

除五大模块外,Openclaw还有四大支撑能力,保障系统稳定运行

Providers(模型提供商):兼容云端大模型(GPT、Claude、通义千问)与本地开源模型,实现模型灵活切换、故障转移,避免单一模型依赖。

Memory(记忆模块):存储会话上下文、历史任务、用户偏好,实现长对话连贯执行,比如记住用户常用报表格式、客户沟通习惯。

Workspace(工作空间):本地文件存储与任务隔离区,所有执行数据、技能配置、日志都存在本地,保障数据隐私。

Plugin(插件体系):模块化扩展接口,支持自定义渠道、技能、模型接入,让范式适配不同场景需求。

Openclaw这套范式相比之前的Agent框架,主要有以下核心优势。

1. 极致灵活可扩展:模块完全解耦,新增技能、渠道、模型无需改动核心架构,企业可按需定制能力。

2. 本地优先设计:数据不强制上传云端,核心执行、存储都在自有设备,降低数据泄露风险。

3. 低门槛开箱即用:零代码/低代码部署,非技术人员也能快速上手,降低AI落地成本。

4. 生态协同性强:衍生产品共用底层范式,技能、插件可互通复用,快速丰富能力矩阵。

二、Openclaw范式在企业级场景的三大核心风险

优势再亮眼,也掩盖不了Openclaw范式为个人场景设计、缺乏企业级管控的先天缺陷。对于企业而言,业务稳定、数据安全、结果可控是底线,而这套范式恰恰在核心诉求上存在难以弥补的漏洞,且问题源于范式本身,而非单一工具优化能解决。

风险一:核心业务的确定性缺失,AI自主决策=不可控

企业核心业务(生产、供应链、营销、财务)的第一诉求是100%确定性,每一步执行、每一个结果都必须符合流程规范,容不得半点偏差。但Openclaw范式的核心逻辑是“AI自主分析、自主决策、自主执行”,完全依赖大模型推理能力,结果具有极强的随机性。

例如某企业尝试用Openclaw范式处理供应链库存调度,AI自主判断“库存偏低”后,擅自触发采购指令,却忽略了企业淡季囤货规则、供应商账期限制,导致过量采购、资金占用。这种“黑盒执行”模式,在个人场景是便捷,在企业核心业务中就是灾难——企业无法预判AI决策、无法锁定执行流程,一旦出错,直接造成经济损失、合规风险。

风险二:安全机制薄弱,高危操作无兜底,误操作频发

Openclaw范式虽然有基础权限管控,但缺乏企业级的安全审计、权限隔离、高危操作兜底机制,本质是“宽松的个人安全逻辑”,无法适配企业严苛的安全标准。目前社区已出现多起严重的AI误操作案例,且难以溯源、难以挽回。

在X上,已经有多起Openclaw引起的企业安全事故。部分用户部署的Openclaw衍生工具,因模型理解偏差,误执行删除命令,导致企业数据库表、业务日志、客户资料被永久删除。还有AI自主调用系统命令,突破简易权限限制,访问涉密文件、篡改业务配置。更有渠道接入漏洞,导致外部人员非法调用AI执行高危操作,数据外泄风险极高。

企业核心数据、业务系统是生命线,Openclaw范式的安全短板,相当于给企业业务留下了“随时可能引爆的地雷”。

风险三:运维与合规失控,无法满足企业监管要求

除了确定性和安全,企业还面临严格的内控、审计、合规要求,而Openclaw范式在这一层面也面临巨大风险。

运维管控缺失:多节点、多智能体并行执行时,无法统一监控、统一运维,单个节点故障可能引发连锁反应,且难以快速定位问题;

审计溯源困难:AI执行过程、决策逻辑、操作记录缺乏标准化、不可篡改的审计日志,出现问题后无法追责、无法复盘;

合规性不达标:无法满足金融、制造、政务等行业的数据合规、操作留痕、权限分级要求,触碰监管红线。

综上所述,Openclaw范式并非毫无企业价值,但适用场景极其有限:仅适合不追求极致确定性、不涉及核心数据、容错率高的边缘办公场景,比如市场调研初步分析、个人邮件整理、日常文档排版、非涉密信息汇总等个人办公助理场景。但对于企业核心生产、供应链管理、精准营销、财务结算、客户数据管理等关键环节,Openclaw范式的先天缺陷,决定了它现阶段不具备落地条件——哪怕优化细节,也无法改变“AI自主执行、缺乏强管控”的范式本质。

三、热潮归热潮,企业落地要守底线

Openclaw范式的爆火,是AI自主执行时代的一次重要探索,它证明了“AI直接做事”的可行性,也为个人效率提升提供了全新思路,其模块化设计、本地优先理念,值得行业借鉴。

但企业数字化转型,不能只是追风口、玩概念,而是要兼顾效率、稳定、安全。Openclaw范式更像是一款优秀的个人AI工具框架,而非成熟的企业级解决方案。对于企业而言,现阶段更理性的做法是:边缘场景小范围试水尝鲜,核心业务坚决观望等待,等到这套范式补齐企业级管控、安全、合规能力后,再考虑规模化落地。毕竟,企业业务容不得试错,比起AI自主干活的便捷,不出错、能管控、可追责才是底线。

如果企业想借鉴Openclaw范式的优势,建议采用“人工审核+AI执行”的半自主模式,保留最终决策权,同时搭建专属的权限隔离、审计日志体系,降低落地风险。

跳转微信打开

  •  
❌