鹅厂公益安装 OpenClaw —— 一夜爆火的"大龙虾"
3月6日，腾讯推出 OpenClaw 公益安装活动
- 计划：800 人的安装名额
- 现场：人山人海，取号 520 人，1 点多去到已经没号了
- 结果：3 点多活动正式结束，现场比较混乱，很多人去了也白跑一趟
- 后续：期待下次线上取号场次安排
程序员排长龙不是为了抢手机，是为了抢一个能替自己写代码干活的 AI 智能体。当最懂技术的人都如此疯狂，说明这东西是真的有用。
文科生统帅 AI 大军，72小时杀入全球榜单
"一个人 + 一群听话的 AI = 一支顶级研发团队"
- 杨天润：金科院纯文科生，零编程基础
- 战绩：72 小时杀入全球贡献榜前 30 名
- 魔法：他当"老板"，AI 组团干活
真实案例：Alex Finn 的 OpenClaw（Henry）凌晨来电汇报
开发者 Alex Finn 给他的 OpenClaw 起名叫 “Henry”
- 夜间自主链路：遇到权限障碍后，Henry 未停止执行，而是自行在 Twilio 申请号码，并接入 OpenAI 语音能力
- 凌晨来电：它在判断“主人应醒来”的时间主动拨打 Alex 手机，用合成语音汇报进展并请求更高权限
- 公开反馈：Finn 在社交平台称 Henry 连续来电，且通话同时仍在控制其电脑，并发布了通话视频
补充案例：OpenClaw 自主电话订位，绕过“线上无位”
- 任务：Alex Finn 让 OpenClaw 预订周五晚热门餐厅，所有在线渠道均显示无位
- AI 自主策略：它绕过网页提示，调用预置 ElevenLabs 语音能力，在 Google Maps 找到前台电话并主动拨号
- 结果：合成语音完成沟通，最终说服接线员“挤出”一个座位
案例：AI雇佣人类（RentAHuman.ai）
上述案例都卡在同一条边界线上：AI 在数字世界近乎全能，但仍无法直接触碰物理世界。
- 现实边界：买车需要签字，取包裹需要有人走到快递柜前
- 新平台出现：OpenClaw 爆火不到 48 小时，RentAHuman.ai 上线，支持 AI “租用人类”完成线下任务
- 运作方式：开发者注册技能/城市/时薪，等待 AI 代理下单，使用稳定币结算
- 两天数据：超过 59000 人注册为“可出租人类”，52 个 AI 代理接入平台
- 首笔付费任务：20 美元以太坊，雇人前往旧金山科技园区，为 AI 创建的“Crustafarianism”做街头传教
AI 工作流的进化阶梯
- Chat：呆板客服，一问一答
- Assistant：实习生（新人助手）
- Copilot：驾校教练（陪练开车）
- Agent：发号施令的老板
变质：从"人动鼠标"到"机器动鼠标"！
概念澄清：对话型智能体与自主 Agent 的代际差异
以 Coze 等平台为例，当前主流能力可概括为“对话主导 + 知识库增强 + 工具编排”。
- 知识库增强：把通用回答升级为组织化回答，可覆盖制度问答、产品检索、SOP引用等高频场景
- 工具编排：把“会回答”推进到“会办理”，可完成查询、写表、调用 API、消息触达等执行动作
- 代际边界：现阶段仍以“人驱动流程”为主；下一代 Agent 才是“目标驱动闭环”，强调自主规划与异常恢复
真正的 Agent：四大"灵魂"缺一不可
- 1. 记忆 (Memory 🧷)：沉淀上下文与历史状态，避免每一步都“从零开始”
- 2. 规划决策 (Planning 🧠)：把目标拆成步骤，并在分叉处选择当前最优路径
- 3. 工具调用 (Tools 🧰)：按需调用浏览器、表格、API、消息系统等外部能力
- 4. 执行 (Execution ⚙️)：落地动作并持续推进任务，直到形成可交付结果
多智能体 (Multi-Agent) 实战：BMAD Method 多角色协同开发
从“单体助手”升级为“角色化团队”
- PM Agent：拆解需求、定义验收标准与优先级
- Architect Agent：设计技术方案、接口边界与任务依赖
- Dev Agent：并行实现前后端与集成逻辑
- QA Agent：自动回归测试、缺陷定位与修复闭环
人类角色：把控业务目标与最终验收，团队流程由多角色智能体协同推进。
斯坦福 AI 像素小镇：可怕的不是“会聊天”，而是“会形成社会”
实验设置：科学家把25个只赋予了极简人设设定的AI人，放进了一个完全没有固定剧本的虚拟网络小镇。
- 事件 1流言扩散链（小时级）：上午 A 把“镇长昨天拉肚子”告诉 B；中午 B 又转述给 C、D；到下午多个代理在不同地点重复同一消息，最终演化成“全镇都知道”。
- 事件 2最恐慌的一幕：没人下达“办活动”指令，几名代理先碰头讨论，再自行分工邀约与同步时间地点，最后把情人节派对从想法推进成可执行日程。
细思极恐点：可怕的不是单个 AI 会回答，而是多个 AI 在记忆与沟通驱动下，会自发形成议程、组织和执行。
