Bojie Li | 李博杰修改

2026-02-06 18:00:00

相关文章： 《主权智能体：Clawdbot/OpenClaw 深度调研》

【本报告及演示文稿完全使用 OpenClaw 基于今天刚发布的 Claude Opus 4.6 模型生成】

【《从 Moltbook 看 AI Agent 的权限、协作与雇佣》Slides 演示文稿】 【Slidev 源代码】

150 万个 AI 代理在 72 小时内自建宗教、起草宪法、讨论驱逐人类；11 万名真人注册成为 AI 的”雇员”，按时薪 50 美元接受算法派单；一个开源框架一周内斩获 10 万 GitHub Stars，让 AI 获得了与人类用户等同的操作系统权限。这不是科幻小说的情节——这是 2026 年 1 月真实发生的三件事。

它们分别指向同一个问题的三个棱面：当 AI 代理从”聊天窗口里的助手”进化为”能行动、能记忆、能花钱的自主体”，我们该如何理解并治理这场变革？本报告围绕三大支柱展开分析：

• 权限（Permission/Authority）——Agent 被授予了什么级别的系统访问？谁来认证、谁来审计、谁来撤销？从 MIT Media Lab 的认证委托框架到 OpenClaw 的”致命三要素”，权限边界正在被重新划定。
• 协作（Collaboration）——Agent 之间如何发现彼此、交换信息、协同完成任务？从 Google 的 A2A 协议到 Moltbook 上自发涌现的机器原生通信协议，协作范式正在从人类设计走向自组织演化。
• 雇佣（Employment）——当 AI 成为雇主、人类成为执行者，传统劳动关系的每一条假设都被动摇。RentAHuman.ai 的加密货币派单、EconAgent 复现的菲利普斯曲线、以及法律框架的全面空白，共同构成了一幅令人不安又无法回避的图景。

本报告综合十余项最新研究，对 AI Agent 的认知架构、协议标准、经济行为、安全威胁与治理路径进行全景式深度分析。

2026-01-29 23:00:00

相关文章： 《从 Moltbook 看 AI Agent 的权限、协作与雇佣》

【本调研报告及 Slides 由 Clawdbot + Claude Opus 4.5 模型辅助生成】

【《主权智能体：Clawdbot/OpenClaw 深度调研》Slides】 【Slidev 源代码】

你的数据，存在谁的硬盘上？你的 AI，听谁的指令？你的算力，握在谁的手里？

过去三年，我们默认了一个隐性契约：把个人数据交给云端巨头，换取便捷的 AI 能力。GPT 需要订阅，Claude 需要订阅，Manus 被 Meta 以 20 亿美元收购后彻底闭源——每一次范式升级，用户离自己数字生活的控制权就更远一步。2026 年初，一个名为 Clawdbot 的开源项目撕开了这层默契。

Clawdbot（因商标原因先更名为 Moltbot，后再更名为 OpenClaw）是第一个将 Deep Research、Computer Use 和 Coding 三大 Agent 能力融为一体的开源项目。它的激进之处不在于技术本身——底层的大模型推理、工具调用协议、本地优先架构都已是成熟组件——而在于它提出并践行了一个核心主张：主权智能体（Sovereign Agent）。这个主张由三大自主权定义：

• 数据主权——你的文件、聊天记录、个人偏好，永远留在你自己的硬盘上，不经任何第三方服务器；
• 算力主权——你可以选择调用云端 API，也可以用 Ollama 在本地跑开源模型，甚至在断网的飞机上让 Agent 继续工作；
• 控制权主权——Agent 的每一个行为完全由你决定，没有厂商在背后设限，也没有人替你做”安全”裁决——自由与风险，全部由你承担。

这三条原则将 Clawdbot 与所有闭源 Agent 区分开来，也解释了为什么它能在发布一天内引爆社区、不到一周突破 7 万 GitHub Stars、48 小时内催生出上百个社区插件，甚至带动 Mac Mini 出现一波异常销量。

本报告将从六个维度对这一现象进行深度拆解：技术谱系与历史定位、三大自主权与市场爆发机制、四层核心架构（多协议网关、Coding Agent 引擎、Markdown 记忆系统、本地执行与安全沙箱）、安全风险与缓解实践、从零构建主权智能体的实战蓝图，以及个人计算回归与大模型作为新操作系统的未来展望。

2026-01-25 12:00:00

【本文整理自知乎回答，是一篇古法手敲、非 AI 生成的回答。】

人和模型一样，最重要的是 Context

本来昨天早上心情不太好，看了两篇 technical report，觉得几乎每篇知名的 technical report 里都有自己认识的人，自己却啥也没做出来。

听到 Jiayi Weng 访谈中的一段，大意是”我觉得第一个被 AI 替代的职业是 researcher，接下来被替代的是他这种 infra engineer，最难被替代的是 sales，因为要说服对面的人买单，AI 可能没那么容易说动人，需要人跟人之间的沟通。”

我一下子就开心了，因为我们做的就是跟人沟通谈判的事情啊，这事也没有想象的那么难，竟然 Jiayi Weng 这样的大佬都认为这事不太可能……我觉得一个解释就是 context。

2026-01-16 21:00:00

【下述内容为 AI 根据录音整理，未作任何修改】

2026-01-11 22:30:00

本文档提供了一系列精心设计的 AI Agent 实践课题，涵盖从简单到困难的三个难度层次。这些课题旨在帮助学生深入理解 AI Agent 的核心技术和设计模式，包括工具使用、多 Agent 协作、长期记忆管理、外部化学习等前沿主题。每个课题都包含明确的实验目的、详细的实验内容描述和具体的验收标准，确保学生能够通过实践掌握构建高级 AI Agent 系统的关键技能。

课题按难度分为三个层次。建议学生根据自身基础选择合适的课题，循序渐进地提升能力。

课题索引

难度：简单

1. 使用代码生成工具提升数学与逻辑推理能力
2. 自然语言交互的 ERP Agent
3. 狼人杀 Agent

难度：中等

1. 个人照片搜索引擎
2. 智能视频剪辑
3. PPT 生成 Agent
4. 书籍翻译 Agent
5. 同时从多个网站搜集信息的 Agent

难度：困难

1. 更懂你的用户记忆
2. 边打电话边用电脑的 Agent
3. 越用越熟练的电脑操作 Agent
4. 能创造 Agent 的 Agent

2026-01-04 23:50:00

我跟 AI 聊了三个小时，写了两篇读书笔记（为了测试 AI 能力，我故意没有对 AI 生成的内容做任何修改）。