足协杯：逆袭！4支业余队镌汰中乙队，52岁老板上阵，董路被喊牛
文 | 窄播，作者｜博斯OpenClaw 作为一条手艺蹊径，让 Agent 第一次有了区别于谈天机械人的清晰轮廓：有一小我私家格化的灵魂，24*7 永远在线，自动执行使命，看上去可以打理一切 。旧势力希望借此守住入口，新势力想要使用它站优势口 。3 月，从字节、腾讯、阿里、百度等互联网巨头，到月之暗面、MiniMax、智谱、阶跃星辰等大模子新贵，再到华为、小米这样的手机厂商，都在谈龙虾 。新旧科技公司配合完成了一场将龙虾广而告之的同谋 。4 月，变阵之后的科技公司在继续将龙虾之战从「极客的工具」推向「服务公共的系统」 。一方面在起劲构建支持龙虾类产品稳固、清静运营的基础设施；另一方面也在寻找龙虾类产品能更快进入的详细场景，将使用龙虾与提升生产力划上等号 。字节依然起劲 。4 月 2 日，「火山引擎 2026AI 立异巡展」武汉站上，火山引擎团队提出了敏态和稳态并行的企业 Agent 建设要领论，进一步完善了 ArkClaw 和 HiAgent 两个划分对应敏态和稳态的产品 。4 月 7 日，字节旗下的扣子升级到 2.5 版本，不但有了龙虾一样的交互界面和执行能力，还增添了 Agent Word 开放生态 。腾讯也坚持了 3 月的速率和惯性 。3 月 30 日，WorkBuddy 微信小程序上线，同时支持云端沙箱与外地电脑远程执行双模式 。4 月 3 日，腾讯云正式宣布了 TencentDB Agent Memory（龙虾影象服务），为 OpenClaw 补上了恒久影象 。4 月 8 日，QQ 浏览器正式宣布海内首个浏览器「龙虾」QBotClaw 。别的，OpenClaw 之外的新 Agent 形态还在继续涌现 。Hermes Agent 在 2 月开源之后，依附自我生长型 Agent 的定位在 4 月迎来的大爆发 。现在，腾讯云已经支持 Hermes Agent 的云端一键安排，小米也宣布旗下 Xiaomi MiMo-V2 系列大模子实现了官方集成接入 。各人此前都在讨论谁的龙虾平替更好用，谁的安排门槛更低，谁的生态接入更利便 。但在 4 月之后，各人可能会更倾向于讨论这场狂欢的终局是什么，什么样的产品形态会最终抵达主流市场 。从 500 万工程师到 10 亿通俗用户，这中心的距离，与其说是模子能力的问题，不如说是产品化的问题 。现在的群雄逐鹿，在某种意义上，正是跨越这道鸿沟前的投石问路 。两条探索的路径细看百虾大战，各个厂商的选择可以被归纳为两条路径 。行动最麋集的，是封装 OpenClaw 的蹊径 。它虽然是当下最快的打法，也是大厂强烈的 fomo 。腾讯 QClaw、智谱 AutoClaw、MiniMax MaxClaw、百度 DuClaw、字节 ArkClaw，这些产品的配合选择是：暂且绕开对 Agent 底层范式的重新界说，围绕 OpenClaw 已履历证过的能力做产品化包装，是什么没那么主要，做了再说 。安排流程从小时级压缩到 20 秒，从下令行剧本装置到双击可用，云端托管、预置 Skill、预装模子、免费额度、主流 IM 接入一并打包交付 。用户触达龙虾的所有的门槛都在被快速降低 。这个蹊径焦点指向：OpenClaw 太像一套开发者系统，想要扩大用户基� 。枰腥死窗阉氤赏ㄋ子没芏炼挠镅� 。这样做能在短时间内，以最快速率圈住用户 。MaxClaw、AutoClaw、Kimi Claw 代表是大模子公司，将 OpenClaw 视作一个绝佳的 Token 消耗载体，让人看到了 Token 经济学很是性感的一面 。QClaw 和 ArkClaw 面向龙虾时代变现了腾讯和字节的用户基� 。故玖司扇肟� + 新产品的可行性 。可是，封装蹊径的生长逻辑，在某种水平上依赖于上游不再生长，维持稳固的产品框架 。而对还需要一直完善的 OpenClaw 来说，这个条件从一最先就显得有些懦弱 。OpenClaw 新版本和官方通道的每一次更新，都在悄悄左右着第三方产品的自力生涯空间 �；チ尥访峭嵫≡窳教跬茸呗罚僮咭惶踝匝� Coding Agent，搭建自己执行底座的蹊径 。相较字节和腾讯，阿里是这条路径的更坚定地执行者 。阿里巴巴通义实验室推出了开源的 QwenPaw，支持定制化轻量小模子、强化清静机制、支持多智能体协同作业、优化恒久影象管理 。钉钉团队宣布的悟空也是一款以企业智能体为焦点的 AI 原生事情平台 。钉钉的焦点行动，是把大宗平台能力 CLI 化，让 Agent 原生挪用平台能力，不再模拟人的点击操作 。这背后有一个清晰的产品判断：企业真正需要的，可能不是一个远程操控电脑的演示工具，而是能够继续组织权限、嵌入营业流程、可被审计和计费的 AI 员工 。别的，Claude 的 Cowork、腾讯的 WorkBuddy、字节的扣子 2.5 也不约而同地选择把 Coding Agent 刷新成自己的执行底座 。Anthropic 的 Cowork 不是「更易用的 Agent」，而是一种设计哲学的分野 。OpenClaw 追求 Agent 的极致自主性，Cowork 追求的恰恰相反——更好的人机协作关系，一个让人类能够深度介入 AI 事情历程的协作情形 。Cowork 要「从一个有用的助手，酿成一个真正的全职同事 。」WorkBuddy 则泛起出另一种形态，更像是 AI 原生的事情台：多 Agent 并行、跨平台下达指令、直接交付文档表格 PPT 效果、清静沙箱和企业级审计一并到位 。腾讯内部两条线的分工隐约可见：WorkBuddy 做深执行，QClaw 做广触达 �？圩� 2.5 给自己的定位是「满配 AI 伙伴」，与 OpenClaw 类似包括有人格、装备、手艺三个基础部分，同时又为付用度户增添了使用云电脑和云手机的能力，有日程系统和文件系统 。整个产品像一个更完善的龙虾类产品 。让我惊讶的是，扣子 2.5 会自主提醒我某条信息可以被用于前两天讨论的某个选题上 。自研蹊径可以把 Agent 深度绑定进自己的生态和权限系统，价钱是研发更重、关闭性更强、扩张更慢，往往只能先在自己的场景里站稳脚跟，再图谋更远的地方 。两个真正要害的行动两条蹊径，一重一轻，各有各的逻辑 。但若是视野只停留在这两条路上，可能会错过这场战争里真正悬而未决的那一部分 。龙虾大战背后的共识是，Coding Agent 正在成为新一代 Agent 的操作系统底座 。竞争的焦点是 Coding Agent 的交付完成度，即谁能把 LLM、Coding Agent 和 Harness Engineering 整合成一个真正可以交付的系统 。这种竞争在围绕两个要害行动举行：第一个行动是 CLI 的再起 。这也是旧天下和新天下的联络 。Agent 的生长正在悄然分解出两个界面：GUI 服务于人和软件之间的交互，CLI 服务于软件和 Agent 之间的交互 。龙虾类产品很有可能将对话窗口与 CLI 团结起来，取代 GUI 主导的交互 �；谡飧雠卸希ざぐ寻旃芰� CLI 化，某种水平上是在把自己刷新成一个更适合 Agent 操作的执行层 。飞书 CLI 将协作能力接口化，也是把自己定位成「让人类和 AI Agent 都能在终端中操作飞书」的下令行工具 。他们都是在基于古板软件，长出一套可以被 Agent 挪用的操作界面 。与之相对应，微信、企业微信、飞书、钉钉都会成为人类相同 Agent 的频道 。CLI 买通软件到 Agent 的接口，频道买通人到 Agent 的入口——两者配合完成了旧天下和新天下之间的接线工程 。第二个行动是人类和 Agent 的协作 。我们可以看到眼前有两个选择：一个选择指向大一统的操作系统底座——以一个通用的平台承载许多 Skill，由 Skill 笼罩无数的笔直场景，就像微信上无数的小程序 。这个选择中，Skill 实质上是在把人类履历、事情流履历、行业 know-how 和最佳实践，压缩成可以被 Agent 挪用的能力�？� 。通用平台解决的是能不可做，Skill 解决的是该怎样做、凭证怎样的履历做、在什么上下文里做 。怎样让用户能够高效封装 Skill 会成为一个要害环节 。另一个选择是 App 的 Agent 化 。多个入口与多样的笔直 Agent 组成了类似当下 APP 生态的行业名堂 。若是说 Skill 是要将垂类 APP 拆分成多个原子化的能力，那么 APP 转化成的 Agent 则是要维持相对孤岛的状态 。类似我们通过自己的龙虾调动美团的小美为我们点外卖 。但这并不是个好选择 。凭证第一个选择来生长，自然语言的交互是切合人最相同习惯的，但现在的对话框式的交互界面纷歧定是最佳计划 。这个谜底尚有可能是 NotebookLM 那样的，输入 - 整合 - 输出的三框事情界面，也可能是 Flowith、可灵、即梦都在实验的画布式事情界面 。无论是什么界面，背后都需要足够强盛的 Skill 生态做支持 。而 Skill 生态的富厚水平可能会在未来决议人与 Agent 交互界面的最终泛起 。五点下班的可能性对 Coding Agent 或 Cowork 偏向的产品来说，供应侧的条件正在成熟，需求侧的心智却尚属空缺，外洋的标杆产品又因地缘因素无法直接进入 。三个因素叠加，组成了一个有数的机会窗口，也带来了百虾大战的盛况 。但绝大部分用户都不会是 pro user，未必有能力把自己的履历 Skill 化，也未必清晰什么是自己场景里的最优解 。公共用户期待的是一个能简朴上手、直接干活的 Agent，而不是一个开放而强盛、难以快速入门的底座 。前者意味着直接的生产力，此后者只是一个带来理想的懦弱半制品 。我们不知道 Agent 什么时间真的会替换人类完成那些沉重的事情，但在这样的旅途中一定会有一段时间，需要人类悉心的指导和检查 Agent 怎样产出一份可以完整交付的效果，直到 Agent 可以满意如意地完成人类需要的事情 。这就像自动驾驶行业有一场一连多年的蹊径之争：L4 派主张一步到位实现全自动，L2 派主张人机共驾、渐进演化 。最终，L4 界说了偏向的想象空间，L2 赢得了真实的市场 。其缘故原由不在于 L2 手艺上更先进，而在于它更务实地处置惩罚了人与机械之间那段需要时间积累的信任关系 。人类可能暂时还无法冀求一个无需事情的充裕社会，但从当下的视角来看，一个编排优异的 Agent，确有让人五点下班的可能性 。