全文3,000字 | 閱讀約8分鐘

中文互聯(lián)網(wǎng)上最火的 AI 新物種，叫 OpenClaw，也叫“小龍蝦”。

熱度有多真實(shí)？小紅書、知乎、B 站滿是安裝教程，從 Mac 到舊手機(jī)都能部署。有人做付費(fèi)課程，有人提供上門安裝服務(wù)，甚至出現(xiàn)了專門的知識(shí)星球。

這說明中國用戶不只是圍觀，已經(jīng)在真實(shí)使用。

但裝上容易，用好難。

3月5日，LangChain 創(chuàng)始人 Harrison Chase（LangChain 是目前最主流的 AI Agent 開發(fā)框架）在訪談里提到：做一個(gè)能在推特上演示的 Agent 很容易，但要讓它每天穩(wěn)定干活，非常難。

其實(shí) AI Agent （智能體）的想法不新鮮。AutoGPT 兩年前就在做：讓模型循環(huán)運(yùn)行，自己調(diào)用工具，自己完成任務(wù)。但 AutoGPT 沉寂了，OpenClaw 卻火了。

• 為什么 AutoGPT 沉寂了，OpenClaw 卻火了？

• 為什么演示容易，運(yùn)行難？一個(gè)真正能干活的 Agent 需要什么？

• 企業(yè)怎么才能看清 Agent 在做什么？

這些問題的答案，Harrison Chase 在這次訪談里講得很清楚。

第一節(jié) ｜為什么突然所有公司都在裝龍蝦

OpenClaw 的爆火看起來很突然。但在 Harrison Chase 看來，這件事其實(shí)準(zhǔn)備了很久。

時(shí)間往前倒兩年，開發(fā)者圈出現(xiàn)過一個(gè)類似項(xiàng)目叫 AutoGPT。它一度成為GitHub 增長最快的開源倉庫，很多人第一次看到：原來 AI 可以不斷循環(huán)運(yùn)行，自己調(diào)用工具，自己繼續(xù)完成任務(wù)。它的做法就是：模型思考，調(diào)用工具，根據(jù)結(jié)果繼續(xù)行動(dòng)。

但 AutoGPT 很快就不火了。

為什么？那時(shí)候的模型還不夠穩(wěn)定。任務(wù)一長，模型做著做著就亂了，或者在同一個(gè)步驟里反復(fù)打轉(zhuǎn)。演示很驚艷，實(shí)際用起來經(jīng)常出問題。

Harrison Chase 后來總結(jié)過：想法很美好，但要讓它可靠地運(yùn)行，其實(shí)很難。

過去一年，這個(gè)難題開始有解了。

模型能力明顯提升。Claude、GPT 以及新一代大模型，處理長任務(wù)時(shí)更穩(wěn)定，調(diào)用工具也更準(zhǔn)確。

但更關(guān)鍵的變化是：Agent 開始有了管理自己工作環(huán)境的能力。

最明顯的是文件系統(tǒng)。它們可以把信息存到文件里，需要的時(shí)候再讀取。它可以像人在電腦上工作一樣，有地方放資料，有地方寫草稿，任務(wù)做到一半可以保存，然后繼續(xù)往下走。

模型變聰明，加上有了文件系統(tǒng)，就讓 OpenClaw 這樣的 Agent 真正能用起來了。

技術(shù)不是突然誕生的，只是慢慢跨過了某個(gè)臨界點(diǎn)。

所以你會(huì)看到，越來越多公司開始把龍蝦裝進(jìn)自己的系統(tǒng)。

第二節(jié) ｜演示容易，干活難在哪

裝上龍蝦之后，很多公司很快會(huì)發(fā)現(xiàn)：Agent 看到的信息和人類不一樣。

人在工作時(shí)，可以自己決定要看哪些資料，要跳過哪些細(xì)節(jié)。但 Agent不行。它只能看到你給它的信息。給多了處理不過來；給少了又會(huì)亂套。

Harrison Chase 提到 AutoGPT 當(dāng)年的做法：如果調(diào)用一個(gè) API，返回了40000個(gè) token 的數(shù)據(jù)，它就直接把這40000個(gè) token 全部塞給模型，作為下一步的輸入。

結(jié)果就是：信息量太大，模型根本處理不過來。

到了OpenClaw 這一代，思路變了：把這40000個(gè) token 存到文件里，只告訴模型前面1000個(gè) token 的內(nèi)容。如果 Agent 判斷需要更多信息，可以自己用工具去讀完整版。

這個(gè)改變看起來很小，但本質(zhì)上是把控制權(quán)交給了 Agent 本身。它可以決定自己要看什么、什么時(shí)候看。

Harrison Chase 管這個(gè)叫上下文工程：在正確的時(shí)間、以正確的格式、把正確的信息給到模型。

任務(wù)一長，Agent 需要的信息就會(huì)越來越多。你要決定哪些信息應(yīng)該一直保留，哪些可以暫時(shí)放一邊，哪些應(yīng)該壓縮，哪些需要詳細(xì)展開。

這就是讓 Agent 真正干活的關(guān)鍵所在。

第三節(jié) ｜ 能干活的 Agent 需要什么

第二節(jié)說的上下文管理問題，怎么解決？

Harrison Chase 在訪談里提到，需要一整套結(jié)構(gòu)。這套結(jié)構(gòu)現(xiàn)在已經(jīng)相對(duì)清晰了。

1. 首先是規(guī)劃

讓 Agent 在動(dòng)手之前先想清楚：這件事需要哪些步驟，每一步應(yīng)該做什么。具體做法是給它一個(gè)待辦事項(xiàng)列表工具，讓它自己記錄任務(wù)進(jìn)度。這樣 Agent 就不會(huì)做著做著忘了目標(biāo)。

1. 然后是子 Agent

當(dāng)任務(wù)太復(fù)雜時(shí)，可以把它拆成幾個(gè)小任務(wù)，每個(gè)小任務(wù)交給一個(gè)專門的子 Agent 去做。比如一個(gè)負(fù)責(zé)查資料，一個(gè)負(fù)責(zé)寫代碼，一個(gè)負(fù)責(zé)整理結(jié)果。

為什么要這樣做？因?yàn)槊總€(gè)子 Agent 有一個(gè)清晰的上下文窗口，只關(guān)注自己的小任務(wù)，不會(huì)被其他信息干擾，可以真正深入把事情做好。做完之后，把結(jié)果交回給主 Agent。

1. 接下來是文件系統(tǒng)

它的作用遠(yuǎn)不止“有地方存文件”。真正重要的是：文件系統(tǒng)讓 Agent 可以管理自己的上下文。

Agent 可以把暫時(shí)用不到的信息存到文件里，需要的時(shí)候再讀取。它可以把大塊的工具返回結(jié)果先存起來，只看摘要，要深入了解時(shí)再打開完整版。這就解決了第二節(jié)說的信息過載問題。

1. 最后是提示

很多人以為模型變聰明了，提示就不重要了。事實(shí)正好相反。Claude Code 的系統(tǒng)提示詞，如果把工具定義也算進(jìn)去，大約有2000行長。

提示仍然極其重要，因?yàn)樗鼪Q定了模型會(huì)怎么推理、Agent 會(huì)怎么行動(dòng)。

有了這套結(jié)構(gòu)，Agent 就有了干活的基礎(chǔ)。

第四節(jié) ｜企業(yè)的難題：你根本不知道 Agent 在做什么

規(guī)劃、子 Agent、文件系統(tǒng)，這些都有了。但 Agent 還是會(huì)出問題。這時(shí)候，一個(gè)新的難題又來了：

它們到底在系統(tǒng)內(nèi)部做什么？

傳統(tǒng)軟件出了問題，開發(fā)者可以很快定位。因?yàn)槌绦蚴前垂潭鞒套叩?，每一步都有記錄?/p>

但 Agent 不一樣。它根據(jù)任務(wù)內(nèi)容不斷生成新的行動(dòng)：調(diào)用工具、修改文件、重新規(guī)劃。從外面看，任務(wù)在繼續(xù)，但如果中途出錯(cuò)，很多團(tuán)隊(duì)根本不知道它之前做過什么，也不知道在哪一步開始出問題。

不知道 Agent 在做什么，帶來兩個(gè)麻煩：

• 一個(gè)是調(diào)試?yán)щy。任務(wù)失敗了，不知道哪里出錯(cuò)。

• 另一個(gè)是安全風(fēng)險(xiǎn)。Agent 有權(quán)限調(diào)用工具、修改文件、訪問數(shù)據(jù)。以O(shè)penClaw 為例，它權(quán)限很高，能做很多事，但缺乏護(hù)欄。LangChain 現(xiàn)在直接禁止員工在工作電腦上裝，就是擔(dān)心不可控的風(fēng)險(xiǎn)。

OpenClaw 的高權(quán)限正是它威力所在，問題是現(xiàn)階段的版本缺乏企業(yè)級(jí)的安全控制。企業(yè)需要的是一個(gè)既強(qiáng)大又可控的版本。

怎么做到可控？要知道 Agent 在做什么，就得先把每一步行動(dòng)都記錄下來。這叫執(zhí)行軌跡。

但記錄只是開始，真正的挑戰(zhàn)是：當(dāng) Agent 大規(guī)模運(yùn)行時(shí)，這些軌跡會(huì)變成海量數(shù)據(jù)。

Harrison Chase 在訪談里講到兩個(gè)真實(shí)案例：一家叫 Clay 的公司在用 Agent 做客戶數(shù)據(jù)自動(dòng)化，每月運(yùn)行數(shù)百萬甚至數(shù)十億次，他們不可能用肉眼去看這些軌跡。還有代碼開發(fā)平臺(tái) Replit，他們的軌跡可以長達(dá)數(shù)千步，你需要在單一軌跡內(nèi)部搜索，找到某個(gè)具體時(shí)間點(diǎn)發(fā)生了什么。

面對(duì)這種規(guī)模，只能用 LLM 去分析這些執(zhí)行記錄，自動(dòng)尋找問題。比如找出用戶可能困惑的地方，或者連續(xù)調(diào)用同一個(gè)工具三次但得到不同錯(cuò)誤的地方。LLM 可以對(duì)軌跡進(jìn)行分類、聚類，告訴你用戶在怎么使用這個(gè)系統(tǒng)。

Harrison Chase 的判斷是：這件事可能比模型能力更重要。執(zhí)行軌跡和可觀測(cè)性，是讓 Agent 真正發(fā)揮作用的核心要素，也是 LangChain 真正的護(hù)城河所在。

因?yàn)楫?dāng) Agent 開始承擔(dān)越來越多工作時(shí)，企業(yè)需要的不只是一個(gè)聰明的模型，更需要一套能看清它在做什么的工具。

有了結(jié)構(gòu)，再加上可觀測(cè)性，Agent 才能從偶爾成功的演示，真正變成每天穩(wěn)定干活的工具。

結(jié)語｜裝上只是第一步

OpenClaw 的流行，讓很多公司開始把 Agent 接入實(shí)際工作。

但裝上只是第一步。

• 讓它穩(wěn)定運(yùn)行，需要解決上下文管理問題。

• 讓它從演示走向生產(chǎn)，需要規(guī)劃、子Agent、文件系統(tǒng)這套結(jié)構(gòu)。

• 讓它真正安全可靠，還需要可觀測(cè)性。

這些，就是 Harrison Chase 說的答案。

裝龍蝦不難，難的是這些。

識(shí)自AI

本文由AI深度研究院出品，內(nèi)容整理自LangChain創(chuàng)始人Harrison Chase在Venture Beat 2026年3月4日訪談等網(wǎng)上公開素材，屬評(píng)論分析性質(zhì)。內(nèi)容為觀點(diǎn)提煉與合理引述，未逐字復(fù)制原訪談材料。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里1. 點(diǎn)擊右上角2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

https://www.youtube.com/watch?v=53gPwkcIsXQ&t=16s

https://blog.langchain.com/doubling-down-on-deepagents

https://x.com/VentureBeat/status/2029302123221881076

https://www.21jingji.com/article/20260305/herald/8cef512858916f7779420a15600575a8.html

來源：官方媒體/網(wǎng)絡(luò)新聞，

排版：Atlas

編輯：深思

主編：圖靈