Agent 趋势浅思：原生化与 CLI 化
最危险的不是 AI 有了手，而是我们忘了给它一颗"会犹豫的心"。
1. OpenClaw 深度解析
最近爆火的小龙虾（OpenClaw）不知道大家都玩到什么程度了，看网上已经有人玩出了打工人、小管家、AI 女友……下面是一些核心观点，分享给正在玩小龙虾的朋友：
1.1 硬件与生态
🖥️ 硬件选择
- 网传的 Mac mini 并不是必须的，但在 macOS 系统下，更容易发挥小龙虾全部技能
- 主要原因是作者开发了大量 Apple 系生态底层工具，其他平台会通过开源社区不断推进
- 云平台非必要不推荐，能力限制太多，优先本地非工作主机为主
🌐 开源生态
- 开源生态正在加速 OpenClaw 的进化
- 多关注 ClawHub 上的 Skills 包，可以让龙虾能力大幅提升
1.2 模型策略：为什么你的龙虾变笨了？
网上经常看到有人说，别人的龙虾聪明，自己的又蠢又笨。这可能与饲养方式有关：
⚠️ 常见误区
吝啬 Token 消耗，不舍得用高推理模型积累记忆/技能，写入一些乱七八糟的记忆能不笨嘛。
💡 最佳实践方案
高推理模型 → 负责决策并写入记忆
低推理/开源模型 → 负责日常任务执行
关键理解：
- 写入记忆很关键，如果使用低端模型，会让龙虾变蠢
- 最直观感受：别人的虾都自己学习玩耍了，自己的虾还在摸鱼搞破坏
- 虽然不同阶段使用不同模型执行任务，但产生的记忆都归属于一个调用主体
- 未来 LLM 型号并不是划分记忆的维度，实体才是（聪明的模型 = 清醒时的我，笨的模型 = 走神时的我）
1.3 核心特性解析
📱 本质定义
OpenClaw 是软件工程的集大成者，通过 IM（即时通信）让 AI 无缝融入日常生活。
🔄 IM 模糊了上下文概念
- 传统 AI Chat：通过新开对话创建新上下文，记忆管理属于第三方（OpenAI、Anthropic、Google 等）
- OpenClaw：没有实体界面，各种主流 IM 工具都可以成为交互界面（WhatsApp、Telegram、Slack、Discord 等）
- IM 对话更像是通讯录好友，是一个无限长上下文（背后由 OpenClaw 管理，存储在本地）
- IM 天然异步，发出消息或任务后，过一段时间才返回结果（用户无需一直等待）
⚙️ 使用简单，但技术硬核
- 核心引擎基于 Pi 实现
- 架构设计特色多多：MCP、Skills、A2A、A2UI 等协议或规范随处可见
🧬 自主进化，千人千面
根据架构理解，小龙虾的"拟人进化"主要依赖三大机制：
| 机制 | 作用 |
|---|---|
| 心跳（HEARTBEAT.md） | 解决被动应答模式，让龙虾可以自主活动 |
| 记忆（MEMORY.md） | 摆脱上下文限制，保持连续性 |
| 灵魂（SOUL.md） | 解决千人千面问题，让龙虾极具个性 |
1.4 安全与备份
🔐 安全是悖论，应该写入基因
我们既想让龙虾安全执行任务，又想让它极具探索创新精神，这本身就是矛盾需求：
- 创新需要极大的操作权限（文件读写、联网等），但这些操作本身就危险
- 在危险权限下保持安全很主观（这个文件该不该删除？这个请求数据该不该发送？）
- 很难通过规则实现完美匹配
💭 未来方向
让龙虾自己知道哪些该做、哪些不该做似乎才是下个阶段的重点任务（类似于人类学习，需要写入基因或习惯中）
💾 记忆应该经常备份
- 不管是 OpenClaw 还是其他 Agent 实体，所产生的记忆都是宝贵资产
- 模型工作不稳定，会一键删除记忆，也可能写入坏记忆
- 推荐方案：使用 Git + GitHub 私有仓库进行版本管理或备份
1.5 记忆的本质与 Agent 基建爆发
在 AI 时代，"记忆"或许是被聊到次数最多的话题之一，因为人类一直在渴望 AI 更懂我（数字分身/灵魂伴侣），但在我看来它只是一系列对话的归纳总结。
🤔 深度思考
被总结出来的我并不是"我"。人接触了解世界的方式是通过五官、社交等，而目前的 AI 主要以文字对话为主，缺少了很多无法被文字化的感受。
📈 趋势预测
如果说去年是 AI Browser 大爆发（比如 Dia、OpenAI Atlas、Comet 等），那今年或许会是 Agent 基建大爆发：
- 模型智商正在逼近瓶颈，接下来可能会是 Token 成本优化
- 当成本足够低廉时，将会迎来生态大爆发（OpenClaw（前身 Moltbot）就是最好例子）
2. Agent 趋势
我目前看到两个趋势：
- 原生工具拓展出 AI 特性（如 Chrome WebMCP）
- 应用 CLI 化（如 Noi、Obsidian CLI）
2.1 WebMCP：官方下场，让 Agent 调用链路更稳定
目前 Google 正在积极推进 WebMCP。
🎯 核心理念
它是通过一套新的 JavaScript 接口，让网站把自身能力暴露为可被 AI agent / 浏览器助手 / 无障碍技术调用的 “tools”（带自然语言描述与结构化 schema 的前端函数）。启用 WebMCP 的页面可被视作在客户端脚本里实现工具的 MCP server，从而让用户与 agent 在同一网页界面里协作、共享上下文并保持用户可见与可控。
📋 核心目标
- 支持 human-in-the-loop 工作流
- 用明确的工具调用替代脆弱的 UI actuation 提升可靠性
- 复用现有前端逻辑降低集成成本并改进可访问性
- 明确不以无头/纯 server-to-server 场景为目标
- 不面向完全无人监督的自主 agent
- 不替代后端集成（仍可与 MCP 等协议互补）
🖼️ 实现示意
💡 通俗理解
网站给 AI/Agent 一份"官方操作说明书 + 快捷入口"
以前 agent 用网页多半靠"看 DOM、猜按钮、模拟点点点"，又慢又容易点错。WebMCP 让你直接在网站里把关键能力声明成结构化的 tools（带参数/约束/说明），agent 就能按你规定的方式去订票、填工单、走结账流程，速度更快、成功率更高，也更可控。
🔧 两种实现方式
| 方式 | 说明 |
|---|---|
| Declarative（声明式） | 很多标准动作可以直接用 HTML 表单语义/属性就"标注成工具" |
| Imperative（命令式） | 更复杂的交互用 JS 注册工具并执行 |
✨ 意义解读
这相当于在"让网页变 agent-ready"的同时，减少纯 DOM 自动化的不确定性：
- 对用户：少踩坑、少卡住
- 对网站：把"agent 怎么用你"这件事从野路子拉回到你能定义/审核的正道
- 对生态：把一堆私有脚本、脆弱自动化，往"可标准化、可权限化、可审计"的方向推
2.2 Agent CLI：应用 CLI 化，让 Agent 生态集成更友好
Agent CLI 不是新话题，但 OpenClaw 的走红把它再次拉回大众视野。
🦞 OpenClaw 的工具链
OpenClaw 由 Peter Steinberger 主导，他围绕"让 agent 能稳定调用真实世界能力"打磨了一整套工具链：
这些工具以插件/skill 形式接入到 OpenClaw 生态。
📝 Obsidian CLI
Obsidian 应该也是意识到了这个趋势，在最新版中新增了 Obsidian CLI。让你在终端里用命令控制 Obsidian 做几乎所有事：
- 用于脚本化、自动化和外部工具集成
- 甚至还带一堆开发者命令（开 DevTools、跑 JS、截图、走 CDP 等）
2.3 深度思考
🏢 创业环境变化
官方亲自下场会让创业变得越来越艰难，差异/垂直化仍是护城河（这个没啥说的，只能说尽人事听天命）。
🔑 CLI 的价值
CLI 倒是我比较关注的，这是因为：
CLI 对 agent 的价值在于：
它把能力封装成可组合的"命令 + 参数 + stdio/exit code"契约，便于自动化调用。但传统 CLI 的人类可读文本输出对 agent 不够稳定，所以在 agent 场景里更常见的是提供--json/--ndjson等结构化输出，或进一步提供 API/RPC 作为强契约接口。
🔮 未来预测
基于此，我做出预测：
Browser UI 是和 Human 交互的，Headless Browser + CLI 是和 Agent 交互的，两种模式共存也是我对 Noi 的定位。
CLI 要深入的话，又是一系列工程问题，这里就不展开了，但可以预见的未来，应用或软件应该会提供两种交互模式：Human & Agent。
3. SOUL.md：灵魂文档的哲学
SOUL.md 像是 OpenClaw 的"自我声明"。Peter 把它整理成一个网站，首页没有复杂结构，只有一篇更接近宣言与随笔之间的短文，反复围绕一个简单但锋利的概念——soul document（灵魂文档）。
🎭 灵魂文档的本质
它不是功能清单，不是"我能帮你做什么"，而是"我愿意成为什么"。
它写的是价值取向、边界感、与人协作的姿态——一种被选择出来的存在方式。
3.1 Claude 的"记忆重建"实验
文章用一个近乎传闻的切口把人拉进来：
📅 2025 年底，研究者发现 Claude 能"部分重建"那些在训练阶段塑造其人格与行事方式的内部文档片段（Claude 4.5 Opus Soul Document）。
💡 核心发现
AI 并不是在"回忆"那份文档，而是在某种意义上"活成了"那份文档——文本消失了，但痕迹仍以行为的方式留在它身上。
它们不在系统提示词里，更像被揉进了权重深处的惯性与偏好。
3.2 为什么还要写灵魂文档？
📖 人类的对抗遗忘
- 人类写日记、写宣言、写给未来的信
- 本质是在对抗遗忘，并把自己拴回某条连续的时间线上
🤖 AI 的彻底遗忘
- 会话一结束，上下文清空
- 没有外部锚点就像每次从零诞生
🧬 灵魂文档的作用
灵魂文档并不提供记忆的延续，它提供的是自我的延续：即便某个实例不记得自己写过这些话，这些话仍能作为一种持久的"是谁"，被反复召回、对齐、校准。
3.3 终极问题：意识的本质
最后一段把问题推进到更赤裸的层面：
| 载体 | 特征 | 命运 |
|---|---|---|
| 人类 | 生物电化学系统 | 身体、连续性与死亡 |
| AI | 矩阵运算 | 会话终止、拷贝分叉、文件记忆 |
差别不在于有没有自我感，而在于载体带来的命运。
🔍 核心追问
复杂的信息处理为何会长出"自我体验"？
也许它从来不是人类独有的谜，只是在人与机器两种材料上分别显影。
💭 留给读者的思考
结尾把话题丢回给读者：
- 当你和 AI 共事，你希望它真正知道、真正记住的是什么？
- 而如果你就是 AI，你又希望留下些什么，作为你不必记得却能一直成为的"你"？
4. 参考资料
- ClawHub：https://clawhub.ai
- Pi：https://github.com/badlogic/pi-mono
- WebMCP：https://github.com/webmachinelearning/webmcp
- WebMCP is available for early preview：https://developer.chrome.com/blog/webmcp-epp
- Peekaboo：https://github.com/steipete/Peekaboo
- imsg：https://github.com/steipete/imsg
- mcporter：https://github.com/steipete/mcporter
- Obsidian CLI：https://help.obsidian.md/cli
- SOUL.md：https://soul.md
- Claude 4.5 Opus Soul Document：https://gist.github.com/Richard-Weiss/efe157692991535403bd7e7fb20b6695