diff --git a/articles/001-开源龙虾全家桶深度解读.md b/articles/001-开源龙虾全家桶深度解读.md new file mode 100644 index 0000000..459ed6f --- /dev/null +++ b/articles/001-开源龙虾全家桶深度解读.md @@ -0,0 +1,257 @@ +# 人人都在养龙虾！2026 开源 AI Agent 全家桶深度解读 + +> 发布日期：2026-03-10 +> 分类：技术解读 / 科普 +> 作者：老邓唠AI + +## 导语 + +2026 年初，一只"龙虾"横空出世——OpenClaw 在 72 小时内斩获 6 万 GitHub Stars，100 天内飙到 25 万+，超越了 React 用 13 年攒下的纪录。一时间，"养龙虾"成为开发者圈子里最火的话题。 + +但你以为龙虾只有一只？错了。围绕 OpenClaw，一个庞大的"龙虾全家桶"生态已经成型——从极致轻量的 PicoClaw，到安全至上的 ZeroClaw，从网易有道的 LobsterAI 到阿里的 HiClaw，国内外大小厂商纷纷入场。 + +今天，老邓就带大家全面梳理这个"龙虾养殖场"，从产品功能到技术架构，帮你搞清楚：**这些龙虾到底有什么区别？哪只适合你？** + +--- + +## 一、龙虾之王：OpenClaw 是什么？ + +在聊"全家桶"之前，先搞清楚 OpenClaw 到底是啥。 + +**OpenClaw 不是一个编程工具，而是一个"生活操作系统"。** 它是由奥地利程序员 Peter Steinberger 用 TypeScript 开发的开源个人 AI Agent，口号是 "The AI that actually does things"（真正能干活的 AI）。 + +### 核心能力 + +- **全天候常驻运行**：安装后在后台持续运行，不需要你主动"打开" +- **多平台消息集成**：接入 WhatsApp、Slack、Telegram、iMessage，统一管理沟通 +- **插件化架构**：核心仅 ~8MB，功能通过 Skills 插件扩展 +- **本地优先**：数据存在你自己的设备上，Mac mini、VPS、甚至树莓派都能跑 +- **三层记忆系统**：会话上下文 → 每日日志 → 长期记忆 + 向量检索 + +### 技术架构 + +OpenClaw 采用 monorepo 组织，核心组件包括： + +| 组件 | 职责 | +|------|------| +| **Gateway** | 控制面，WebSocket 服务器（端口 18789），管理所有客户端连接和会话 | +| **Agent Pi** | Agent 运行时，执行具体任务 | +| **CLI** | 命令行工具 | +| **SDK** | 开发者构建自定义工具 | +| **WebChat** | Web 聊天界面 | + +### 它的故事 + +- 2025年11月：以 "Clawdbot" 名字发布 +- 2026年1月27日：因 Anthropic 商标投诉改名 "Moltbot" +- 3天后：再次改名为 "OpenClaw" +- 2026年2月14日：创始人宣布加入 OpenAI，项目移交开源基金会 +- 至今：247K+ Stars，47.7K+ Forks + +--- + +## 二、龙虾全家桶：国际篇 + +OpenClaw 的爆火催生了一批各具特色的"龙虾亲戚"。 + +### 2.1 Nanobot —— 4000 行代码的极简龙虾 + +| 维度 | 详情 | +|------|------| +| 来源 | 香港大学 HKUDS 团队 | +| 语言 | Python | +| 特点 | 仅 ~4000 行代码，MCP 原生支持 | +| 适合 | 研究者、想深入理解 Agent 架构的开发者 | + +Nanobot 的哲学是**"少即是多"**。它用最少的代码复现了 OpenClaw 的核心能力，代码透明度极高，非常适合作为学习 AI Agent 设计的入门项目。有人戏称它是"干翻 OpenClaw 的 4000 行代码"。 + +### 2.2 PicoClaw —— 跑在 10 美元开发板上的龙虾 + +| 维度 | 详情 | +|------|------| +| 来源 | Sipeed（矽速科技） | +| 语言 | Go | +| 特点 | <10MB 内存，1 秒启动，可运行在 RISC-V 板上 | +| 适合 | IoT、智能家居、极致低成本部署 | + +这是最"硬核"的龙虾。PicoClaw 证明了 AI Agent 不需要高配服务器，一块 10 美元的 RISC-V 开发板就能 24/7 运行。发布一周就收获 12K Stars。 + +### 2.3 ZeroClaw —— 用 Rust 写的安全龙虾 + +| 维度 | 详情 | +|------|------| +| 来源 | Harvard/MIT 学生及 Sundai.Club 贡献者 | +| 语言 | Rust | +| 特点 | 安全控制内建于架构，支持 ARM 单板计算机 | +| 适合 | 对安全性有极高要求的用户和企业 | + +OpenClaw 最大的争议之一就是安全问题——社区上传的 Skills 可能存在"工具投毒"风险，连 CrowdStrike 和 Bitdefender 都发出了警告。ZeroClaw 的回答是：**用 Rust 重写，把安全做进骨子里，而不是当作可选配置。** + +### 2.4 NanoClaw —— 容器隔离的龙虾 + +| 维度 | 详情 | +|------|------| +| 特点 | 每个 Agent 运行在独立容器中 | +| 适合 | 多租户环境、需要严格隔离的场景 | + +NanoClaw 的思路是：既然 Agent 可能有风险，那就把它关进"笼子"里。通过容器化沙箱运行，最大限度减小攻击面。 + +### 2.5 memU —— 记忆力最强的龙虾 + +| 维度 | 详情 | +|------|------| +| 来源 | NevaMind-AI | +| 特点 | 知识图谱记忆，92%+ Locomo 基准准确率，LLM Token 成本降至 1/10 | +| 适合 | 需要长期记忆的个人助手、AI 伴侣场景 | + +OpenClaw 的记忆系统是平铺式的对话日志，而 memU 把每条记忆当作知识图谱的节点，自动发现跨时间、跨模态的关联。它能记住你的生日、爱好、重要经历，并主动在合适的时候调用这些记忆。 + +### 2.6 Jan.ai —— 纯离线的隐私龙虾 + +| 维度 | 详情 | +|------|------| +| 特点 | 100% 本地运行，完全离线，零数据外泄 | +| 适合 | 对隐私要求极致的用户 | + +如果你连 API 调用都不想有，Jan.ai 是最纯粹的选择——所有计算都在本地完成，没有任何数据离开你的电脑。 + +--- + +## 三、龙虾全家桶：中国大厂篇 + +国内大厂也没闲着，纷纷推出自己的"龙虾"。 + +### 3.1 LobsterAI —— 网易有道的中国版 OpenClaw + +| 维度 | 详情 | +|------|------| +| 公司 | 网易有道 | +| 定位 | 全场景个人助理 Agent | +| 特点 | 本地优先 + GUI 图形化交互，沙箱环境运行，支持 Ollama + DeepSeek 本地模型 | + +LobsterAI（名字就叫"龙虾AI"，够直接）是国内最接近 OpenClaw 的产品。它同时具备 OpenClaw 的自主跨应用执行能力，又有类似 Claude Cowork 的 GUI 界面，降低了使用门槛。关键是它支持 DeepSeek 等国产模型的本地部署，数据不出境。 + +### 3.2 HiClaw —— 阿里的多 Agent 协作系统 + +| 维度 | 详情 | +|------|------| +| 团队 | 阿里 Higress | +| 定位 | 多 Agent 团队协作 | +| 特点 | 基于 Matrix IM 协议，Manager + Worker 层级架构，支持人工监督介入 | + +HiClaw 的思路不同——不是一只龙虾单打独斗，而是一群龙虾组成"团队"。通过 Manager-Worker 架构，多个 Agent 可以分工协作完成复杂任务，并且人类可以随时介入监督。 + +### 3.3 CoPaw —— 阿里的办公助手 + +| 维度 | 详情 | +|------|------| +| 公司 | 阿里 | +| 定位 | 生成式 AI 办公助手 | +| 特点 | SaaS + 本地插件混合模式，数据可不出内网 | + +CoPaw 更聚焦在办公场景，提供 SaaS 和本地插件两种模式，让企业可以根据数据安全要求灵活选择。 + +### 3.4 云雀 Agent —— 腾讯的内部验证项目 + +| 维度 | 详情 | +|------|------| +| 团队 | 腾讯 BAC | +| 定位 | 通用 Agent | +| 特点 | 已在腾讯内部业务（如内容审核）中落地验证 | + +腾讯的云雀 Agent 相对低调，但已在内部业务中实际应用，说明其稳定性经受了考验。 + +### 3.5 Agent TARS & Computer Use Agent —— 字节跳动的双子星 + +| 产品 | 定位 | 特点 | +|------|------|------| +| **Agent TARS** | 多模态任务 Agent | 视觉理解 + 工具集成，智能任务自动化 | +| **Computer Use Agent** | 桌面操作 Agent | 基于 UI-TARS 模型，直接操作电脑 GUI | + +字节的路线最"硬核"——不走消息集成，而是让 AI 直接"看懂"并操作你的电脑界面。这和 Anthropic 的 Computer Use 思路异曲同工，但字节做了开源。 + +--- + +## 四、横向对比：怎么选你的龙虾？ + +### 产品功能对比 + +| 产品 | 全天候运行 | 消息集成 | GUI 操作 | 本地模型 | 插件生态 | 上手难度 | +|------|-----------|---------|---------|---------|---------|---------| +| OpenClaw | ✅ | ✅ 丰富 | ❌ | ✅ | ✅ 丰富 | 中等 | +| Nanobot | ✅ | 基础 | ❌ | ✅ | 基础 | 低 | +| PicoClaw | ✅ | 基础 | ❌ | ✅ | 基础 | 较高 | +| ZeroClaw | ✅ | ✅ | ❌ | ✅ | 中等 | 较高 | +| memU | ✅ | ✅ | ❌ | ✅ | 中等 | 中等 | +| LobsterAI | ✅ | ✅ | ✅ | ✅ | 中等 | 低 | +| HiClaw | ✅ | ✅ | ❌ | ✅ | 中等 | 较高 | +| Agent TARS | ✅ | ❌ | ✅ | ✅ | 基础 | 高 | + +### 技术架构对比 + +| 产品 | 语言 | 架构模式 | 记忆系统 | 安全机制 | 资源占用 | +|------|------|---------|---------|---------|---------| +| OpenClaw | TypeScript | Gateway + Plugin | 分层日志 + 向量检索 | 可配置（非内建） | 中等 | +| Nanobot | Python | 单体极简 | 基础上下文 | 基础 | 极低 | +| PicoClaw | Go | 极简嵌入式 | 轻量 | 基础 | 极低（<10MB） | +| ZeroClaw | Rust | 安全内建 | 分层 | 架构级安全 | 低 | +| NanoClaw | — | 容器隔离 | 分层 | 容器沙箱 | 中等 | +| memU | — | 知识图谱 | 动态知识图谱 | 中等 | 中等 | +| LobsterAI | — | 本地优先 + GUI | 分层 | 沙箱环境 | 中等 | +| HiClaw | — | Matrix IM + 层级 | 分布式 | 人工介入 | 较高 | + +### 选龙虾指南 + +- **想要最完整的体验** → OpenClaw（但注意安全风险） +- **想快速上手、中文友好** → LobsterAI（网易有道） +- **对安全性要求极高** → ZeroClaw 或 NanoClaw +- **想学习 Agent 架构** → Nanobot（4000 行代码读懂 Agent） +- **IoT / 嵌入式场景** → PicoClaw +- **需要强记忆能力** → memU +- **企业多 Agent 协作** → HiClaw +- **想让 AI 直接操控电脑** → Agent TARS / Computer Use Agent +- **极致隐私、完全离线** → Jan.ai + +--- + +## 五、安全警示：养龙虾需谨慎 + +最后必须提一句安全问题。OpenClaw 的 Skills 生态是社区驱动的，这意味着任何人都可以上传插件。CrowdStrike 和 Bitdefender 等安全公司已经发出警告：**存在"工具投毒"和恶意 Skills 的风险。** + +养龙虾的注意事项： + +1. **只安装来源可信的 Skills** +2. **优先选择沙箱/容器化方案**（NanoClaw、LobsterAI） +3. **敏感操作开启人工确认** +4. **定期检查龙虾的权限范围** +5. **关注安全公告和社区审计报告** + +--- + +## 总结 + +2026 年的 AI Agent 赛道，已经不是一只龙虾的独角戏。从 OpenClaw 的一枝独秀，到如今的"全家桶"百花齐放，我们看到了几个趋势： + +1. **本地优先成为共识**——数据主权意识觉醒 +2. **安全性被提到前所未有的高度**——从"能用就行"到"安全第一" +3. **中国大厂积极跟进**——从模仿到差异化创新 +4. **轻量化趋势明显**——不是每个人都需要 25 万行代码的庞然大物 +5. **多 Agent 协作是未来方向**——一只龙虾不够，要一个养殖场 + +你准备养哪只龙虾？欢迎留言讨论！ + +--- + +> 关注「老邓唠AI」，一起聊 AI、聊科技、养龙虾。 + +## 参考资料 + +- [极速登顶全球第一 OpenClaw - 知乎](https://zhuanlan.zhihu.com/p/2012431646817813094) +- [OpenClaw 平替产品全景对比 - 53AI](https://www.53ai.com/news/Openclaw/2026030306512.html) +- [网易有道发布 LobsterAI - 量子位](https://www.qbitai.com/2026/02/378453.html) +- [OpenClaw 爆火之后国产 AI Agent 还有机会吗 - 知乎](https://zhuanlan.zhihu.com/p/2009943398598079480) +- [Deep Dive into OpenClaw Architecture](https://medium.com/@dingzhanjun/deep-dive-into-openclaw-architecture-code-ecosystem-e6180f34bd07) +- [Agent TARS 字节跳动开源 - CSDN](https://blog.csdn.net/bgeyq/article/details/146540305) +- [memU - GitHub](https://github.com/NevaMind-AI/memU) +- [OpenClaw vs Claude Code - DataCamp](https://www.datacamp.com/blog/openclaw-vs-claude-code) +- [2026是Agent生死之年 四巨头做了什么 - 思聪网](https://www.techgg.com/portal.php?mod=view&aid=237&mobile=2) diff --git a/passport/即梦.md b/passport/即梦.md new file mode 100644 index 0000000..d8a96f8 --- /dev/null +++ b/passport/即梦.md @@ -0,0 +1,225 @@ +# 即梦 AI 图片生成 API + +## 密钥 + +Access Key ID：AKLTOWVjYmE2NGVhZTFhNDQ2OThiYTNhZDdjZTZiYTc3ZTQ +Secret Access Key：WXpVd016azFPVEF3TURjNE5EbGxOV0psTlRNek1qaGpaalEyWkdKa1kyRQ== + +## API 基本信息 + +| 项目 | 值 | +|------|------| +| Endpoint | `https://visual.volcengineapi.com` | +| Region | `cn-north-1` | +| Service | `cv` | +| 签名算法 | HMAC-SHA256 (V4) | +| Content-Type | `application/json` | + +## 接口列表 + +### 1. 文生图 - 提交任务（异步） + +``` +POST https://visual.volcengineapi.com?Action=CVSync2AsyncSubmitTask&Version=2022-08-31 +``` + +请求体： +```json +{ + "req_key": "jimeng_t2i_v40", + "prompt": "一只卡通龙虾站在电路板上，科技感，扁平插画风格", + "width": 1024, + "height": 1024 +} +``` + +返回： +```json +{ + "code": 10000, + "data": { + "task_id": "7392616336519610409" + }, + "message": "Success", + "request_id": "20240720103939AF0029465CF6A74E51EC", + "time_elapsed": "104.852309ms" +} +``` + +### 2. 查询任务结果 + +``` +POST https://visual.volcengineapi.com?Action=CVSync2AsyncGetResult&Version=2022-08-31 +``` + +请求体： +```json +{ + "req_key": "jimeng_t2i_v40", + "task_id": "7392616336519610409" +} +``` + +### 3. 同步调用（小任务） + +``` +POST https://visual.volcengineapi.com?Action=CVProcess&Version=2022-08-31 +``` + +## Python 调用方法 + +### 方式一：SDK 调用（推荐） + +```bash +pip install volcengine-python-sdk +``` + +```python +from volcengine.visual.VisualService import VisualService + +visual_service = VisualService() +visual_service.set_ak('AKLTOWVjYmE2NGVhZTFhNDQ2OThiYTNhZDdjZTZiYTc3ZTQ') +visual_service.set_sk('WXpVd016azFPVEF3TURjNE5EbGxOV0psTlRNek1qaGpaalEyWkdKa1kyRQ==') + +# 提交文生图任务 +resp = visual_service.cv_sync2async_submit_task({ + "req_key": "jimeng_t2i_v40", + "prompt": "一只卡通龙虾站在电路板上，科技感，扁平插画风格", + "width": 1024, + "height": 1024 +}) +print(resp) +task_id = resp["data"]["task_id"] + +# 查询结果 +import time +time.sleep(10) # 等待生成 + +result = visual_service.cv_sync2async_get_result({ + "req_key": "jimeng_t2i_v40", + "task_id": task_id +}) +print(result) +``` + +### 方式二：HTTP 签名调用 + +```python +import json +import sys +import datetime +import hashlib +import hmac +import requests + +# ===== 配置 ===== +ACCESS_KEY = 'AKLTOWVjYmE2NGVhZTFhNDQ2OThiYTNhZDdjZTZiYTc3ZTQ' +SECRET_KEY = 'WXpVd016azFPVEF3TURjNE5EbGxOV0psTlRNek1qaGpaalEyWkdKa1kyRQ==' +HOST = 'visual.volcengineapi.com' +ENDPOINT = 'https://visual.volcengineapi.com' +REGION = 'cn-north-1' +SERVICE = 'cv' + +def sign(key, msg): + return hmac.new(key, msg.encode('utf-8'), hashlib.sha256).digest() + +def get_signature_key(key, date_stamp, region_name, service_name): + k_date = sign(key.encode('utf-8'), date_stamp) + k_region = sign(k_date, region_name) + k_service = sign(k_region, service_name) + k_signing = sign(k_service, 'request') + return k_signing + +def format_query(parameters): + return '&'.join(f'{k}={parameters[k]}' for k in sorted(parameters)) + +def jimeng_request(action, body_params): + """发送即梦API请求""" + t = datetime.datetime.utcnow() + current_date = t.strftime('%Y%m%dT%H%M%SZ') + datestamp = t.strftime('%Y%m%d') + + query_params = format_query({'Action': action, 'Version': '2022-08-31'}) + req_body = json.dumps(body_params) + payload_hash = hashlib.sha256(req_body.encode('utf-8')).hexdigest() + + signed_headers = 'content-type;host;x-content-sha256;x-date' + canonical_headers = ( + f'content-type:application/json\n' + f'host:{HOST}\n' + f'x-content-sha256:{payload_hash}\n' + f'x-date:{current_date}\n' + ) + canonical_request = f'POST\n/\n{query_params}\n{canonical_headers}\n{signed_headers}\n{payload_hash}' + + credential_scope = f'{datestamp}/{REGION}/{SERVICE}/request' + string_to_sign = ( + f'HMAC-SHA256\n{current_date}\n{credential_scope}\n' + + hashlib.sha256(canonical_request.encode('utf-8')).hexdigest() + ) + + signing_key = get_signature_key(SECRET_KEY, datestamp, REGION, SERVICE) + signature = hmac.new(signing_key, string_to_sign.encode('utf-8'), hashlib.sha256).hexdigest() + + authorization = ( + f'HMAC-SHA256 Credential={ACCESS_KEY}/{credential_scope}, ' + f'SignedHeaders={signed_headers}, Signature={signature}' + ) + + headers = { + 'X-Date': current_date, + 'Authorization': authorization, + 'X-Content-Sha256': payload_hash, + 'Content-Type': 'application/json' + } + + r = requests.post(f'{ENDPOINT}?{query_params}', headers=headers, data=req_body) + return r.json() + + +def generate_image(prompt, width=1024, height=1024): + """文生图：提交任务并轮询获取结果""" + # 1. 提交任务 + submit_resp = jimeng_request('CVSync2AsyncSubmitTask', { + 'req_key': 'jimeng_t2i_v40', + 'prompt': prompt, + 'width': width, + 'height': height + }) + + if submit_resp.get('code') != 10000: + print(f"提交失败: {submit_resp}") + return None + + task_id = submit_resp['data']['task_id'] + print(f"任务已提交, task_id: {task_id}") + + # 2. 轮询查询结果 + import time + for i in range(30): + time.sleep(5) + result = jimeng_request('CVSync2AsyncGetResult', { + 'req_key': 'jimeng_t2i_v40', + 'task_id': task_id + }) + if result.get('code') == 10000 and result.get('data', {}).get('status') == 'done': + print("生成完成!") + return result + print(f"等待中... ({i+1}/30)") + + print("超时") + return None + + +if __name__ == '__main__': + result = generate_image("一只卡通龙虾站在电路板上，科技感，扁平插画风格") + print(json.dumps(result, indent=2, ensure_ascii=False)) +``` + +## 参考文档 + +- [即梦AI图片生成4.0 产品介绍](https://www.volcengine.com/docs/85621/1820192) +- [即梦AI图片生成4.0 接口文档](https://www.volcengine.com/docs/85621/1817045) +- [Python SDK (GitHub)](https://github.com/volcengine/volc-sdk-python) +- [SDK 使用说明](https://www.volcengine.com/docs/6444/1340578) +- [HTTP 请求示例](https://www.volcengine.com/docs/6444/1390583) diff --git a/topics.md b/topics.md index e696e7d..4d5bf9c 100644 --- a/topics.md +++ b/topics.md @@ -8,4 +8,6 @@ ## 进行中 +- [ ] 人人都在养龙虾！2026 开源 AI Agent 全家桶深度解读 | Both | OpenClaw 及类似产品横向对比 + ## 已完成 diff --git a/videos/scripts/001-开源龙虾全家桶深度解读.md b/videos/scripts/001-开源龙虾全家桶深度解读.md new file mode 100644 index 0000000..107e1a1 --- /dev/null +++ b/videos/scripts/001-开源龙虾全家桶深度解读.md @@ -0,0 +1,226 @@ +# 人人都在养龙虾！2026 开源 AI Agent 全家桶深度解读 + +> 日期：2026-03-10 +> 时长：约 12-15 分钟 +> 工具：Claude / NotebookLM / 即梦SeeDance2.0 + +--- + +## 开场（Hook）【0:00 - 0:40】 + +**【画面】** 一只龙虾 emoji 在 GitHub 星标数字飞速跳动的背景前 + +**【口播】** + +> 72小时，6万 Stars。 +> 100天，25万 Stars。 +> 超越 React 13 年的积累。 +> +> 2026年开年，一只"龙虾"在程序员圈子里彻底炸了。所有人都在说——"你养龙虾了吗？" +> +> 但很多人不知道的是，这只龙虾已经生出了一整个家族。今天，老邓就带大家逛一圈这个"龙虾养殖场"，看看 2026 年最火的开源 AI Agent 全家桶。 + +--- + +## 第一部分：什么是 OpenClaw？【0:40 - 3:00】 + +**【画面】** OpenClaw 官网/GitHub 页面，架构图动画 + +**【口播】** + +> 先搞清楚，OpenClaw 到底是个啥？ +> +> 很多人以为它是个编程工具，其实不是。OpenClaw 是一个"生活操作系统"。 +> +> 它能干什么呢？（竖起手指逐条数） +> +> 第一，它 24 小时在后台运行，不用你主动打开。 +> 第二，它接管你的 WhatsApp、Slack、Telegram，帮你统一管理消息。 +> 第三，它有一个插件系统，社区可以给它加各种"技能"。 +> 第四，所有数据都存在你自己的电脑上，隐私你自己掌控。 +> +> 用大白话说：**它就是贾维斯，钢铁侠的那个 AI 管家。** 只不过现在你不用当钢铁侠，也能有一个。 + +**【画面】** 架构图：Gateway → Agent → Skills → 消息平台 + +> 技术上，它用 TypeScript 写的，核心就三层—— +> Gateway 是大脑中枢，管所有连接； +> Agent 是干活的手脚； +> Skills 是可以随时安装的技能包。 +> +> 整个核心才 8MB，非常轻量。 + +**【画面】** 时间线动画：Clawdbot → Moltbot → OpenClaw + +> 顺便讲个八卦。这项目原来叫 Clawdbot，被 Anthropic 投诉商标侵权，改名 Moltbot，3 天后又改成 OpenClaw。创始人 Peter Steinberger 后来宣布加入 OpenAI，项目移交给了开源基金会。所以现在这只龙虾是"社区养的"。 + +--- + +## 第二部分：国际龙虾家族【3:00 - 6:30】 + +**【画面】** 家族树图谱，每介绍一个产品就点亮一个分支 + +**【口播】** + +> OpenClaw 火了之后，全球开发者都坐不住了，各种"亲戚"冒出来了。我给大家挑几个最有意思的。 + +### Nanobot + +**【画面】** 代码行数对比：OpenClaw vs Nanobot + +> 第一个，Nanobot。来自香港大学，用 Python 写的。 +> +> 它的卖点就一个字——**小**。只有 4000 行代码，但实现了 OpenClaw 的核心功能。 +> +> 有人说"4000行代码干翻OpenClaw"，虽然有点夸张，但它确实是学习 AI Agent 架构的最佳教材。你想搞懂龙虾怎么运转的？读这 4000 行就够了。 + +### PicoClaw + +**【画面】** 一块 RISC-V 开发板的实物图 + +> 第二个，PicoClaw。来自深圳的矽速科技，用 Go 写的。 +> +> 这个更狠——内存占用不到 10MB，1 秒启动，能跑在一块 10 美元的开发板上。 +> +> 什么概念？你花一顿外卖的钱买块板子，就能 24 小时养一只龙虾。IoT 玩家狂喜。 + +### ZeroClaw + +**【画面】** Rust logo + 安全盾牌图标 + +> 第三个，ZeroClaw。来自哈佛和 MIT 的学生团队，用 Rust 写的。 +> +> 它要解决的是 OpenClaw 最大的争议——安全问题。 +> +> OpenClaw 的插件是社区上传的，谁都能传。CrowdStrike 和 Bitdefender 都警告过，有人可能在插件里"投毒"。 +> +> ZeroClaw 的做法是：**不在门上加锁，而是把房子用钢筋混凝土重建。** 安全不是选项，是架构的一部分。 + +### memU + +**【画面】** 知识图谱动画：节点互相连接 + +> 第四个，memU。来自 NevaMind-AI。 +> +> 这只龙虾有个超能力——**记忆力**。 +> +> 普通 AI 聊完就忘，OpenClaw 能记日志，但 memU 把记忆做成了知识图谱。它不光记住你说了什么，还自动发现不同记忆之间的关联。 +> +> 比如你上周提到喜欢跑步，今天聊到膝盖疼，它会自动把这两件事关联起来。在记忆基准测试里准确率超过 92%，而且 Token 消耗只有普通方案的十分之一。 + +--- + +## 第三部分：中国龙虾军团【6:30 - 10:00】 + +**【画面】** 中国地图 + 各大厂 Logo 亮起 + +**【口播】** + +> 国际龙虾很热闹，中国大厂也没闲着。接下来看看国产龙虾军团。 + +### LobsterAI（网易有道） + +**【画面】** LobsterAI 界面截图/演示 + +> 首先是网易有道的 LobsterAI——对，人家直接就叫"龙虾AI"，名字都不藏着。 +> +> 这是国内最接近 OpenClaw 的产品。它有两个杀手锏： +> +> 第一，有图形界面。OpenClaw 是纯命令行的，很多人用不来。LobsterAI 加了 GUI，小白也能上手。 +> +> 第二，原生支持 DeepSeek 等国产模型的本地部署。数据完全不出境，这对国内用户特别重要。 + +### HiClaw（阿里） + +**【画面】** Manager-Worker 架构图 + +> 然后是阿里 Higress 团队的 HiClaw。 +> +> 它的思路特别有意思——不是养一只龙虾，是养一群。 +> +> 它基于 Matrix 通信协议，搞了一个 Manager + Worker 的多 Agent 协作系统。Manager 龙虾负责拆解任务分配工作，Worker 龙虾各自执行，人类可以随时插手监督。 +> +> 适合企业级的复杂任务场景。 + +### Agent TARS & CUA（字节跳动） + +**【画面】** AI 操作电脑 GUI 的演示动画 + +> 最后是字节跳动。字节出了两个东西：Agent TARS 和 Computer Use Agent。 +> +> 字节的路线最"暴力"——不跟你聊消息，直接上手操作你的电脑。 +> +> 基于自研的 UI-TARS 视觉模型，AI 能"看懂"你的屏幕，然后像真人一样点击、拖拽、输入。这和 Anthropic 的 Computer Use 思路一样，但字节做了开源。 + +### 其他选手 + +**【画面】** 快速闪过 CoPaw、云雀 Agent 的图标 + +> 另外还有阿里的 CoPaw 主打办公助手，腾讯的云雀 Agent 已经在内部业务中落地——虽然低调，但说明东西确实能用。 + +--- + +## 第四部分：怎么选你的龙虾？【10:00 - 12:00】 + +**【画面】** 决策树/流程图动画 + +**【口播】** + +> 说了这么多，到底养哪只？老邓给你一个极简选龙虾指南： + +**【画面】** 逐条弹出 + +> - 想要最完整的体验？→ **OpenClaw**，但注意安全 +> - 中文用户想快速上手？→ **LobsterAI** +> - 安全第一？→ **ZeroClaw** 或 **NanoClaw** +> - 想学习 Agent 原理？→ **Nanobot**，4000 行读懂 +> - 手里只有块开发板？→ **PicoClaw** +> - 需要 AI 记住你的一切？→ **memU** +> - 企业多人协作？→ **HiClaw** +> - 想让 AI 直接操控电脑？→ 字节的 **Agent TARS** +> - 绝对不联网？→ **Jan.ai** + +**【画面】** 安全警告图标 + +> 最后提醒一句：养龙虾有风险。社区插件可能有安全隐患，安装 Skills 前一定看清楚来源，敏感操作记得开人工确认。龙虾虽好，别被夹了手。 + +--- + +## 结尾（总结 + 引导关注）【12:00 - 12:30】 + +**【画面】** 总结卡片 + 关注引导 + +**【口播】** + +> 2026 年，AI Agent 不再是一个概念，而是一个正在爆发的生态。从 OpenClaw 到全家桶，我们看到了本地优先、安全升级、轻量化、多 Agent 协作这些趋势。 +> +> 这才刚刚开始。 +> +> 如果你觉得这期内容有用，点个关注，老邓后续会做每只龙虾的深度评测。你最想看哪只？评论区告诉我。 +> +> 我是老邓，我们下期见！ + +--- + +## 画面/素材备注 + +| 时间段 | 素材类型 | 说明 | +|--------|---------|------| +| 0:00-0:40 | 动画 | GitHub Stars 飞涨动画 + 龙虾图标 | +| 0:40-3:00 | 屏幕录制 + 图表 | OpenClaw 官网、GitHub、架构图 | +| 3:00-6:30 | 信息图 + 代码截图 | 各产品对比图、代码行数对比、开发板实物 | +| 6:30-10:00 | 产品截图 + 架构图 | 各大厂产品界面、技术架构动画 | +| 10:00-12:00 | 流程图动画 | 决策树、选择指南 | +| 12:00-12:30 | 品牌封面 | 关注引导卡片 | + +### 即梦 SeeDance 2.0 可生成的素材 + +- 龙虾在服务器机房里工作的趣味动画 +- "龙虾养殖场"概念画面 +- 各产品的拟人化龙虾形象 +- 科技感的架构图过渡动画 + +### NotebookLM 辅助 + +- 整理各产品的技术文档为音频播客片段 +- 生成补充解说的音频材料