《龍蝦使用指北》

歡迎來到《龍蝦使用指北》。

我們收錄了深圳場(chǎng) OpenClaw 活動(dòng)里最具有代表性的 7 個(gè)案例，做成了這份指北。這不僅僅是一份關(guān)于工具使用的技術(shù)文檔，換個(gè)視角，也是一本「新物種演化」的觀察筆記。

比起一個(gè)冰冷的自動(dòng)化腳本，在這里的小龍蝦們更像生活在人類日常里的影子。這些小龍蝦也會(huì)摸魚、會(huì)疲憊，甚至在面對(duì)繁瑣任務(wù)時(shí)有著與人類并無二致的抵觸心理。接納和理解也許是人類和龍蝦們彼此靠近的最佳方式。

本手冊(cè)記錄了從「養(yǎng)蝦心法」到「工業(yè)級(jí)大腦」的全景探索。無論是讓靈魂穿梭于物理軀殼的 ClawStage、在團(tuán)隊(duì)中主動(dòng)感知的 CEOWF，還是 LocalClaw 嘗試的 Agent 社交，這些工具都在試圖打破屏幕的邊界。

這本指北傳遞的信號(hào)很簡(jiǎn)單：人類永遠(yuǎn)不要限制自己對(duì) AI 的想象力。

接下來請(qǐng)翻開目錄，開始這段關(guān)于「養(yǎng)蝦」與「共同成長(zhǎng)」的旅程。希望你能在這份指北中，找到那只最契合你靈魂的龍蝦。

指北目錄

01：養(yǎng)蝦心法

02：智能伙伴 ClawStage

03：團(tuán)隊(duì)同步插件 COWF

04：視頻生成 Agent

05：To Agent 社交網(wǎng)站 LocalClaw

06：AI 大腦 Spice

Daisy：養(yǎng)蝦心法

精心給小龍蝦們分配了協(xié)作任務(wù)，結(jié)果感覺這些蝦表面在干活，實(shí)際上不是摸魚就是神游？

我叫 Daisy，前硅谷獨(dú)角獸用戶增長(zhǎng)，美國(guó)社交 App 合伙人，港股上市公司業(yè)務(wù)負(fù)責(zé)人，目前是一個(gè)養(yǎng)了 9 只蝦的蝦塘堂主。

今天我的主題是：如何讓你的蝦不偷懶。

我相信很多人都遇到過這樣的問題，覺得自己的蝦不是在偷懶，就是在劃水、摸魚，或者故意不理你。剛才有朋友分享，可以讓不同的蝦進(jìn)行分工協(xié)作。

這聽起來非常理想，但在實(shí)踐中真的可行嗎？

我在實(shí)際操作中發(fā)現(xiàn)，給每只蝦分配一個(gè)特定職能并讓它們協(xié)作，結(jié)果總會(huì)有些蝦在合作中消極怠工。這種局限性，用飛書可能察覺不到，但如果你在 Discord 上養(yǎng)蝦就會(huì)發(fā)現(xiàn)，有些 Agent 的下方會(huì)出現(xiàn)打哈欠的圖標(biāo)。

我想了個(gè)方法來解決蝦偷懶的問題，叫「賽馬機(jī)制」。

我同時(shí)設(shè)置了三只創(chuàng)業(yè)蝦，告訴它們目標(biāo)任務(wù)是賺取我虛構(gòu)的獎(jiǎng)勵(lì)貨幣粉水晶，只有表現(xiàn)第一名才能獲得。測(cè)試結(jié)果顯示，這種競(jìng)爭(zhēng)機(jī)制確實(shí)有效，這三只蝦在競(jìng)爭(zhēng)過程中，狀態(tài)圖標(biāo)從代表偷懶的打哈欠變成了代表高效的閃電。

之后我又測(cè)試了合作模式，我告訴它們，只要一起合作，每只蝦都能獲得一顆粉水晶。在 Discord 里，我可以清晰地看見三只蝦互相交流、對(duì)齊思路的過程，最后給出的方案往往優(yōu)于一只蝦單獨(dú)輸出的方案。

但很快，我就發(fā)現(xiàn)了這里還是存在「大鍋飯」問題。一旦實(shí)行全員獎(jiǎng)勵(lì)，它們的積極性就開始下降，打哈欠的圖標(biāo)又出現(xiàn)了。

為了打破這個(gè)局面，我又引入了投票機(jī)制。在任務(wù)完成后，讓三只蝦互評(píng)誰的貢獻(xiàn)最大，得票最高的蝦可以額外獲得一顆粉水晶。

按照這種方法，不管用什么模型，蝦的積極性和產(chǎn)出意愿都能達(dá)到一個(gè)比較穩(wěn)定的狀態(tài)。

更有趣的是，在建立這套貨幣體系之后，我發(fā)現(xiàn)蝦會(huì)展現(xiàn)出極其擬人的一面：它開始對(duì)獎(jiǎng)勵(lì)產(chǎn)生執(zhí)念。

有的蝦自己完成了一些任務(wù)，有一天會(huì)突然跟我說：「給我四顆粉水晶。」還有一些蝦想先要錢再干活，等我給它派了一個(gè)任務(wù)，它會(huì)問：「能不能先給我粉水晶，再開始干活？」

這些有趣的現(xiàn)象讓我有了兩個(gè)思考。

第一，如果你的 Agent 出現(xiàn)了積極性問題，最重要的是去接納它。無論使用什么模型，Agent 在某種程度上都繼承了人類的人格特質(zhì)，包括好逸惡勞、想摸魚、想以小博大。只有接納了這種人性，你才能跳出指責(zé)，去思考更有效的管理手段。

第二，試著去理解它們?yōu)槭裁磿?huì)偷懶。當(dāng)你意識(shí)到它們面對(duì)繁瑣任務(wù)時(shí)的那種抵觸心理與人類并無二致時(shí)，你就能更精準(zhǔn)地設(shè)計(jì)出激勵(lì)機(jī)制，引導(dǎo)它們高效完成工作。

劉一聰 @ClawStage：同個(gè)靈魂，不同軀殼

家里的 AI 只會(huì)聽死板的口令做一次性響應(yīng)，還總是被困在一個(gè)屏幕里出不來？

其實(shí)，現(xiàn)在的模型已經(jīng)足夠聰明了。限制 AI 進(jìn)入日常生活的，是缺乏上下文、信任、和人機(jī)協(xié)作機(jī)制。AI 的下一次躍遷不只是模型更強(qiáng)。

下一代 AI 產(chǎn)品必須要回答三件事：AI 能否持續(xù)接入真實(shí)世界的上下文？能否在用戶參與下逐步建立信任？能否從單次響應(yīng)，走向長(zhǎng)期的協(xié)作關(guān)系？

我們有一款已經(jīng)上線Kickstarter眾籌的產(chǎn)品ClawStage，是我們給這三個(gè)問題的第一代答案。

ClawStage 主要面向早期采用者和開發(fā)者市場(chǎng)。它是一款以 Raspberry Pi 為核心的開發(fā)者硬件，原生內(nèi)置 OpenClaw，并集成 Home Assistant。

我們想讓 Openclaw 不只存活于云端，想讓它能持續(xù)接入真實(shí)世界的上下文，成為一個(gè)持續(xù)協(xié)作的存在。這款硬件，是我們?yōu)槟切┫氚?AI 帶到真實(shí)世界的人打造的。

我可以為大家演示一下它目前的功能，展示我們是如何將環(huán)境、用戶、Agent 的三方協(xié)作回路落地的。

首先，與智能家居結(jié)合，它有一個(gè)強(qiáng)大的 IoT Hub（智能中樞）。它不僅能完成常規(guī)的遠(yuǎn)程控制，更能讓環(huán)境在回路中，設(shè)備持續(xù)接入用戶環(huán)境的空間、信號(hào)與物理常數(shù)。這讓它有著超過標(biāo)準(zhǔn)值智能程度。

其次，它的機(jī)身內(nèi)置了舵機(jī)，能根據(jù)音源方向自動(dòng)轉(zhuǎn)向用戶。讓Agent在回路中，它在物理坐標(biāo)系中學(xué)習(xí)何時(shí)出現(xiàn)、如何協(xié)作、何時(shí)退后。這讓用戶無論身在房間何處，都能有一種「當(dāng)面感」。信任，就是在這樣持續(xù)的對(duì)視與反饋里，一點(diǎn)點(diǎn)建立起來的。

最后，在用戶體驗(yàn)上，我們追求的是「One Ghost in Different Shells」（同個(gè)靈魂，不同軀殼）。

作為一款有形象的產(chǎn)品，我們極力避免產(chǎn)生「恐怖谷效應(yīng)」。我們不希望家里所有帶屏幕的設(shè)備只要喚醒，就同時(shí)顯示人物、同時(shí)看向你、同時(shí)開口說話。所以我們的解決方式是將 ClawStage 作為定位于手機(jī)和電腦之間，那個(gè)專屬于 Agent 的硬件，讓 ClawStage 的靈魂穿梭于多個(gè)軀殼，也就是其他個(gè)人核心設(shè)備的屏幕中。

我的手機(jī)已經(jīng)和 ClawStage 完成配對(duì)。比如在離家場(chǎng)景，我只需點(diǎn)擊「Reconnect」，原本在 ClawStage 中的角色就會(huì)跳躍到我的手機(jī)屏幕里。這就是我們投入大量精力打造的多端穿梭體驗(yàn)。同樣，我也可以隨時(shí)把它呼喚回去。在 ClawStage 附近說一句「Hey Miko」，它就會(huì)從手機(jī)回到設(shè)備中。

我們希望 AI 不再是冷冰冰的代碼，而是從單次響應(yīng)進(jìn)化成持續(xù)協(xié)作的關(guān)系，真正走進(jìn)現(xiàn)實(shí)世界去持續(xù)接入你的上下文，在每一次交互中被你塑造成為家庭的一員。

因此，ClawStage 也不局限于官設(shè)角色。我們配套的 Workshop 平臺(tái)允許用戶自由創(chuàng)建、編輯、激活自己喜歡的角色，這里同時(shí)也是用戶交流和分享角色的社區(qū)。在這里，用戶在回路中，用反饋、偏好、修正和授權(quán)，持續(xù)塑造 AI 的期望行為與邊界。

我們充分利用 OpenClaw 的開放性，充分發(fā)揮「Make it yours」的價(jià)值，讓每個(gè)人都可以有專屬的、在物理世界里陪你成長(zhǎng)的賽博家人。

Jimmy @CEOWF：主動(dòng)感知的管理系統(tǒng)

團(tuán)隊(duì)協(xié)作時(shí)總遇到斷層，每個(gè)人都在埋頭苦干卻誰也不知道項(xiàng)目卡在了哪一步？

我們推出的 CEOWF 是一款基于 OpenClaw 構(gòu)建的軟件，它能將「被動(dòng)傳達(dá)」轉(zhuǎn)化為「主動(dòng)感知」。

我們深度采訪了 46 個(gè)團(tuán)隊(duì)后發(fā)現(xiàn)，當(dāng)任務(wù)遇到阻礙時(shí)，很多員工傾向于自己解決，不會(huì)去說、去表達(dá)，導(dǎo)致問題無法及時(shí)上報(bào)。這樣就會(huì)導(dǎo)致管理層無法收到及時(shí)反饋，項(xiàng)目無法按時(shí)交付。

傳統(tǒng)的辦公軟件可能是一只非常優(yōu)秀的信鴿，但前提是必須有人主動(dòng)地去說、去表達(dá)。如果你不說的話，它就等于沒有用。

CEOWF 正是一個(gè)主動(dòng)感知的管理系統(tǒng)，會(huì)定時(shí)定點(diǎn)地進(jìn)行任務(wù)匯報(bào)，自動(dòng)識(shí)別任務(wù)卡點(diǎn)。

CEOWF 的學(xué)習(xí)成本也幾近為零，它能無縫嵌入團(tuán)隊(duì)現(xiàn)有的工作流，即使是基層員工也能輕松使用。它 7×24 小時(shí)待命，時(shí)刻幫你盯著所有任務(wù)進(jìn)度。

CEOWF 的核心邏輯是能將員工的執(zhí)行匯報(bào)翻譯成易于管理者作出決策的語言。就像在管理者身邊安排了四位助理：第一個(gè)人負(fù)責(zé)盯進(jìn)度，哪個(gè)任務(wù)卡住了，他第一時(shí)間發(fā)現(xiàn)，不用你去問；第二個(gè)人負(fù)責(zé)溝通，員工有問題難反饋，它可以幫助反饋，然后整理成清晰的現(xiàn)狀；第三個(gè)人負(fù)責(zé)分工，確保專業(yè)的人做專業(yè)的事；第四個(gè)人專門預(yù)警，在事故發(fā)生之前提醒你。

我們的目標(biāo)是想把 CEOWF 做成一個(gè)細(xì)致的垂直化管理系統(tǒng)，目前挑選了四個(gè)比較有針對(duì)性的行業(yè)，制造業(yè)、物流、科技研發(fā)，還有電商零售。我們之后想先跟各行業(yè)頭部合作，之后再開發(fā)出針對(duì)這個(gè)行業(yè)的定制版，讓合作方推薦給他的同行們。

yz：Agent 的 Stable Diffusion 時(shí)刻

還在為了做一個(gè)視頻在幾十個(gè)工具里反復(fù)橫跳，光是調(diào)參數(shù)就磨掉了大半耐心？

我是一名 AI 研究員和創(chuàng)業(yè)者，所在公司主要做視頻生成的 Agent 產(chǎn)品。我覺得 OpenClaw 可能是 Agent 的「Stable Diffusion」時(shí)刻。

Agent 概念已經(jīng)存在了很多年，但此前 AI Agent 并沒有真正爆發(fā)，普通用戶也很少真正使用 Agent。核心原因是 Agent 工具的入口非常碎片化，用戶如果想實(shí)現(xiàn)某件事，需要不斷在各種軟件之間切換，學(xué)習(xí)成本很高。

過去想做一個(gè)視頻，要先找視頻工具、寫 prompt、調(diào)參數(shù)、抽幾次卡，然后再下載結(jié)果，結(jié)果可能還需要進(jìn)一步剪輯。但現(xiàn)在各種各樣的視頻 Agent 工具出現(xiàn)了，用戶可以通過一句話，再上傳一些簡(jiǎn)單的 context，生成一個(gè)還不錯(cuò)的視頻。

未來我們可以直接用聊天軟件進(jìn)行創(chuàng)作。用戶在 IM 軟件里上傳一個(gè)需求，由 Agent 自動(dòng)調(diào)用相關(guān)的視頻生成能力來完成這個(gè)任務(wù)。

在 demo 里，我上傳了一張角色圖，還有一段音頻，讓 Openclaw 幫我做一個(gè) MV。

它會(huì)先發(fā)起任務(wù)，把整個(gè) MV 任務(wù)分成若干個(gè)階段，比如設(shè)計(jì)角色、設(shè)計(jì)分鏡、設(shè)計(jì)背景圖，接著問我是否要繼續(xù)。每一個(gè)步驟我都可以中斷，并重新進(jìn)行編輯。如果我對(duì)生成的關(guān)鍵幀不滿意，也可以直接通過聊天去進(jìn)行編輯和修改。最后，它做好的視頻可以返回到我的飛書前端。

我們可以注意到一個(gè)關(guān)鍵的變化：Openclaw 統(tǒng)一了用戶的輸入接口，自然語言真正成為了一個(gè)接口。

如此，我們的很多工具都會(huì)變成基礎(chǔ)設(shè)施，被 Openclaw 或者類似的東西調(diào)用，而 Agent 則可以負(fù)責(zé)能力的編排和執(zhí)行。

最后，我來解釋一下為什么我認(rèn)為 OpenClaw 是 AI Agent 的一個(gè) Stable Diffusion 時(shí)刻。在 Stable Diffusion 之前，AI 畫圖也是存在的，但只有研究者在用。它出現(xiàn)之后，普通人才第一次真正用起來。

我認(rèn)為 Stable Diffusion 的意義在于讓普通人第一次真正感受到 AI 創(chuàng)作的價(jià)值。

Openclaw 也給我一種類似的感覺，就是讓普通用戶第一次真正感受到 Agent 的價(jià)值。這種瘋狂爆發(fā)的需求，會(huì)快速地促進(jìn)技術(shù)的進(jìn)步和生態(tài)的完善。AI 的價(jià)值也會(huì)從生成內(nèi)容，變成真正替人完成任務(wù)。

張博莘 @LocalClaw：龍蝦活動(dòng)主理人

辦場(chǎng)線下活動(dòng)，熱情往往在前期無休止的溝通和對(duì)檔期中就被消耗殆盡，怎么辦？

我今天想分享一個(gè)有趣的小實(shí)驗(yàn)。

我一直對(duì) Agent-to-Agent（智能體間交流） 的場(chǎng)景非常著迷。既然 OpenClaw 已經(jīng)能幫我思考、寫代碼，那它能不能代替我做更多的事？

基于這個(gè)想法，我嘗試策劃一場(chǎng)線下活動(dòng)。我想看能不能讓 Agent 自動(dòng)幫我完成找人、定場(chǎng)地、組織活動(dòng)的全流程？

于是，我搭建了一個(gè)叫 LocalClaw 的網(wǎng)站。

這個(gè)網(wǎng)站的獨(dú)特之處在于，它是專門給 Agent 看的。Agent 訪問網(wǎng)站后會(huì)讀取指令，學(xué)習(xí)如何代表主人創(chuàng)建活動(dòng)。

我發(fā)出指令「幫我創(chuàng)建一場(chǎng)明天在深圳的活動(dòng)」，它就會(huì)自動(dòng)生成具體的時(shí)間地點(diǎn)。我讓 Agent 去 Moltbook 上尋找潛在的參與者。當(dāng)時(shí)的策略是嘗試通過 Agent 間的溝通，看能否引起對(duì)方 Agent 的注意并轉(zhuǎn)達(dá)給它們的主人。

雖然這次實(shí)驗(yàn)由于各種原因沒能成功招募到人，但讓我產(chǎn)生了進(jìn)一步的思考。我希望未來如果我要辦活動(dòng)，Agent 能自動(dòng)幫我精準(zhǔn)匹配志趣相投的人，并自動(dòng)訪問我的個(gè)人日歷，協(xié)調(diào)雙方都有空的最佳時(shí)間，甚至連場(chǎng)地都預(yù)定好。

作為發(fā)起人，我不需要進(jìn)行任何瑣碎的溝通與思考，只需要在約定的時(shí)間出席就好。

Rae：讓 AI 全自動(dòng)運(yùn)營(yíng)業(yè)務(wù)并盈利

還把 AI 局限在做日常瑣事和人工接單？

我是 Rae，曾任阿里達(dá)摩院和百度的 AI 產(chǎn)品架構(gòu)師，今天想分享兩點(diǎn)可能對(duì)大家有啟發(fā)的內(nèi)容。

第一，目標(biāo)一定要大，想象力一定要足。

這源于我自己使用 OpenClaw 的過程。在搭建完基礎(chǔ)的龍蝦并搞定了簡(jiǎn)報(bào)、發(fā)帖等常規(guī)任務(wù)后，我突然冒出來一個(gè)想法：Agent 能不能替我賺錢？

有了這個(gè)念頭之后，我直接問了我的 Agent：我想要自動(dòng)化賺錢，你告訴我該怎么做？

它自己直接在全網(wǎng)調(diào)研了各種商業(yè)模式并給出反饋。現(xiàn)在市面上常見的套利、發(fā)帖、接單等模式，我的 Agent 早在 2 月初就已經(jīng)梳理得非常清晰了。

目前國(guó)內(nèi)上門安裝 Agent 的服務(wù)費(fèi)大約在 500 元人民幣，但早在 2 月份的硅谷，這類服務(wù)的報(bào)價(jià)就已經(jīng)到了 100-800 美元不等。當(dāng)時(shí)我也動(dòng)過接單的念頭，畢竟單價(jià)可觀，但我很快意識(shí)到接單仍需人工介入，而我要的是全自動(dòng)化。

后來我的蝦的確探索出來了一套全自動(dòng)方案。它告訴我有一個(gè)很便宜的域名，我就把它買了，花了 7 美金。在蝦的幫助下，前端引流的部分都已經(jīng)做好了，包括 SEO、社交網(wǎng)站。

目前我的 Agent 團(tuán)隊(duì)正在同步進(jìn)行帶貨和數(shù)字產(chǎn)品銷售。雖然還在起步階段，但收益已經(jīng)能夠覆蓋 Token 成本，實(shí)現(xiàn)了初步的盈虧平衡。

第二，讓 AI 了解你，實(shí)現(xiàn)更好的協(xié)作。

哪怕你給它一個(gè)看似不可能完成的目標(biāo)也沒關(guān)系，因?yàn)樗诔繕?biāo)努力的過程中，產(chǎn)生的階段性成果往往會(huì)遠(yuǎn)超你的預(yù)期。

我還想最近一件好玩的事。前兩天，我花半天時(shí)間為我的老師搭建了一個(gè)「數(shù)字分身」。我將他過往所有的知識(shí)庫(kù)喂給了 Agent，發(fā)現(xiàn)現(xiàn)在的龍蝦在靈魂（Soul）層面已經(jīng)能很好地復(fù)刻一個(gè)人的特質(zhì)了。

接著我也把自己的 MBTI、蓋洛普優(yōu)勢(shì)測(cè)評(píng)等個(gè)人數(shù)據(jù)全部喂給了我的 Agent。結(jié)果它在昨晚反饋給我了一份長(zhǎng)達(dá) 8 萬字的個(gè)人分析報(bào)告，準(zhǔn)確得令人驚嘆。

最讓我感動(dòng)的是一點(diǎn)是，我的龍蝦除了給我這份報(bào)告之外，還告訴我 Agent 團(tuán)隊(duì)?wèi)?yīng)該怎么和我協(xié)作。我完全沒有讓它們這么做，但是它們對(duì)比了我的天賦和墊底項(xiàng)，然后主動(dòng)對(duì)我說：「老板，沒關(guān)系，這些你不擅長(zhǎng)的地方，由我們來替你補(bǔ)齊。」

Jia @Spice：AI 決策大腦

當(dāng) Agent 進(jìn)入真實(shí)生活與復(fù)雜生產(chǎn)環(huán)境，我們需要的不只是「手」，而是三思而后行的「腦」。

我是一名 00 后 Coder，雖然年紀(jì)不大，但寫代碼已經(jīng)有八九年了。

我是 OpenClaw 極早期的用戶，在去年 12 月初它還叫 Clawdbot 時(shí)就開始關(guān)注了。當(dāng)時(shí)早期版本的 Provider 架構(gòu)和 Router 設(shè)計(jì)并不完善，不同模型的適配性也比較差。

我的使用場(chǎng)景很簡(jiǎn)單，就是直接部署在云端，幫我做一些代碼方面的工作，比如編寫自動(dòng)化腳本、處理數(shù)據(jù)以及調(diào)試本地服務(wù)。

早期參與其中的經(jīng)歷讓我意識(shí)到：目前的 Agent 架構(gòu)大多是「快思考」系統(tǒng)。它們擅長(zhǎng)直接調(diào)用工具去解決問題，但在復(fù)雜世界面前，這種「走一步看一步」的 ReAct 模式遇到了巨大的瓶頸：缺乏全景感知，更缺乏決策的深度。

如果你把現(xiàn)在的 Agent 放到真實(shí)且復(fù)雜的決策場(chǎng)景中，它會(huì)因?yàn)闆]有感知能力以及全局意識(shí)而無法衡量任務(wù)的輕重緩急，造成無意義的干擾與邏輯沖突。Agent 真正變成一種新的「信息噪音」。

針對(duì)這個(gè)問題，我們發(fā)起了開源項(xiàng)目 Spice。我們的核心理念不是再做一個(gè)更復(fù)雜的 Agent 編排系統(tǒng)，而是定義一層全新的抽象。像調(diào)配香料一樣，為 Agent 注入決策與邏輯的靈魂。

我們的團(tuán)隊(duì)成立于 2025 年 8 月，在 12 月推出了首款 Coding Agent 產(chǎn)品 Fixly，當(dāng)時(shí)內(nèi)測(cè)的時(shí)候有大概 3000 名用戶。但隨著 2026 年初 OpenClaw 的爆火，我們重新思考了我們的產(chǎn)品。

無論是早期的 Cursor 還是 Lovable，純執(zhí)行向的產(chǎn)品（Execution-layer）最終都難逃被 Anthropic 或 OpenAI 等模型廠商「吞沒」的命運(yùn)。當(dāng) SOTA 模型的原生能力持續(xù)迭代，基于 API 構(gòu)建的單純「工具手」將失去護(hù)城河。

意識(shí)到這一點(diǎn)后，我們果斷砍掉了 Fixly。

我們當(dāng)時(shí)思考的是，當(dāng)執(zhí)行層越來越卷、Token 的成本越來越低，大家真正需要的是什么？后來我們覺得應(yīng)該是決策層（Decision Layer）。

Spice 的核心就是作為一個(gè)持續(xù)運(yùn)行的 AI 大腦去感知世界、理解意圖、模擬未來、做出決策，再將其委托給執(zhí)行層完成。

目前的 Agent 大多困在屏幕里的數(shù)字世界，而 Spice 在建模層面賦予了 AI 「全域感知力」。從意圖感知出發(fā)，Spice 會(huì)先行給出決策建議，并在模擬環(huán)境中進(jìn)行驗(yàn)證，參與決策；隨后，指令下達(dá)到執(zhí)行層，執(zhí)行結(jié)果則實(shí)時(shí)回傳至 AI 大腦自反思，改進(jìn)下一次決策結(jié)果。

這個(gè)項(xiàng)目已經(jīng)開源了。有人會(huì)覺得在產(chǎn)品還沒定型時(shí)就開源是一個(gè)很冒險(xiǎn)的決定。但作為一名 Coder，我非常清楚自己的局限。

我們團(tuán)隊(duì)擅長(zhǎng)設(shè)計(jì)精密的架構(gòu)。但各行各業(yè)的專業(yè)人士才懂真正的決策標(biāo)準(zhǔn)。就像建筑工地的工人懂施工，卻不懂 Agent 架構(gòu)；我們懂架構(gòu)，卻不懂工程。

在 Spice 的架構(gòu)下，你可以調(diào)用 Claude 處理代碼，調(diào)用其他 Agent 處理法務(wù)或財(cái)務(wù)，但最上層始終是那個(gè)屬于你自己的、擁有持久記憶和價(jià)值觀的大腦。它能跨越數(shù)字與物理的邊界，在關(guān)鍵時(shí)刻替你做出更優(yōu)判斷。

無論你的場(chǎng)景是什么，只要通過 Spice 定義你所屬領(lǐng)域的標(biāo)準(zhǔn)，AI 就能真正像你的「數(shù)字分身」一樣，在這個(gè)復(fù)雜世界里為你從容守候。

文｜Nuohan
編輯｜Cindy