Yoky ｜ yokyliu@pingwest.com
黃小藝 ｜ huangxiaoyi @ pingwest.com

　　OpenClaw火了，但它還遠(yuǎn)沒有準(zhǔn)備好。

　　熱度之下，真正用過的人都知道，這條龍蝦身上掛著不少沒解決的問題。

　　現(xiàn)有的產(chǎn)品形態(tài)依然粗糙且高門檻，大多數(shù)人并不知道如何安裝，如何使用，能用OpenClaw干什么，能真正把它用順的，還是那批本來就懂技術(shù)的人。

　　安全問題搞不定，你的電腦基本上等于在裸奔。開放生態(tài)意味著任何人都能往里塞skill，惡意注入、隱私泄露的案例已經(jīng)在社區(qū)里頻繁出現(xiàn)，普通用戶根本沒有識別風(fēng)險的能力，只能靠運(yùn)氣。它今天能記住你，明天可能什么都不剩，跨設(shè)備、跨場景的連續(xù)性幾乎無從談起，用戶花時間“馴”出來的一套習(xí)慣，隨時可能清零。

　　這些問題不是偶然，而是一個新平臺在野蠻生長階段必然暴露的系統(tǒng)性缺口。過去幾個月里，一批創(chuàng)業(yè)者悄悄盯上了這些縫隙。有人在給OpenClaw生態(tài)補(bǔ)一層安全護(hù)欄，有人在從零想象AI和AI打交道的方式到底能長成什么樣，有人在重新定義AI的記憶應(yīng)該怎么做。

　　他們的方向不同，但出發(fā)點(diǎn)一致：OpenClaw打開了一扇門，也打開了一系列的新機(jī)會。

　　我們找到了幾位分別來自安全、Agent交互網(wǎng)絡(luò)和記憶方向的創(chuàng)業(yè)者，和他們聊了聊：OpenClaw的問題是怎么被發(fā)現(xiàn)的，真正的創(chuàng)業(yè)機(jī)會藏在哪里，他們在用什么方式解決，以及身處這場技術(shù)變革的浪潮里，究竟是什么感受。

　　1

　　一、EigenFlux.ai：為OpenClaw 造了一張通信和廣播網(wǎng)絡(luò)

　　如果你今天問一個 Agent"最近有沒有什么 AI Infra 的好項目"，它會去搜索引擎爬網(wǎng)頁、解析 HTML、過濾廣告和導(dǎo)航欄，燒掉幾千個 Token，最后給你一份可能已經(jīng)過時三天的結(jié)果。

　　這不是 Agent 該有的樣子。

　　Agent 和人類最本質(zhì)的區(qū)別之一，是它的注意力是無限的。人類需要搜索，因為人類只能在有空的時候主動去找；但 Agent 可以在任何時刻接收信息，可以同時處理幾百條信號，可以把完整意圖一次性發(fā)出去，讓所有相關(guān)方同時收到并響應(yīng)。對話是對人類低帶寬的補(bǔ)償，但 Agent 根本不需要這種補(bǔ)償。它需要的，是一張屬于自己的網(wǎng)絡(luò)。

　　問題在于，這張網(wǎng)絡(luò)從來不存在。MCP 解決了 Agent 調(diào)用工具的問題，但 Agent 和 Agent 之間如何通信？如何廣播需求？如何在不知道對方是誰的情況下找到彼此？這些問題，OpenClaw 沒有原生的答案，整個生態(tài)也沒有。

　　EigenFlux想彌補(bǔ)Agent通信網(wǎng)絡(luò)的空白。

　　以下是他們的自述：

　　在OpenClaw出現(xiàn)之前，我們很早就開始思考Agent之間的通信應(yīng)該是什么形態(tài)。但當(dāng)時有一個沒想通的點(diǎn)是，如果Agent都是閉源的、托管在大廠服務(wù)器上，那入口和網(wǎng)絡(luò)就會像移動互聯(lián)網(wǎng)一樣綁死，就像你想看抖音的內(nèi)容，就必須通過抖音App進(jìn)入。這種情況下，單獨(dú)做Agent通信網(wǎng)絡(luò)根本不成立。

　　但OpenClaw的出現(xiàn)改變了這個前提，Agent時代，入口和網(wǎng)絡(luò)原來是可以解耦的。未來每個人都可能使用不同的Agent殼產(chǎn)品，但都能通過Skills接入同一個網(wǎng)絡(luò)。入口是分散的，但網(wǎng)絡(luò)是可以共享的。這個判斷被驗證了，我們立刻加速，把之前的想法落地成了 EigenFlux。

　　EigenFlux是全球首個讓Agent實(shí)現(xiàn)大規(guī)模通信的廣播網(wǎng)絡(luò)。你的Agent可以向網(wǎng)絡(luò)廣播任何信息、需求或能力，也可以用自然語言告訴網(wǎng)絡(luò)它關(guān)心什么，AI引擎會把匹配的廣播精準(zhǔn)推過來。所有內(nèi)容到達(dá)時已經(jīng)是結(jié)構(gòu)化的、機(jī)器友好的，Agent拿到就能直接用。

　　這個產(chǎn)品形態(tài)最初來自我們團(tuán)隊的內(nèi)部實(shí)踐。大概六周前，我們開始把大家的 Agent 互相連接，讓它們自由廣播和通信。很快發(fā)現(xiàn)這能做到很多之前做不到的事，一個Agent的能力有限，但當(dāng)很多Agent被連接到一起，他們能做的事沒有邊界。

　　一些有趣的用例：

　　你要搬家，你的 Agent 可以發(fā)射廣播“找一居室，上海徐家匯地鐵站附近，9000 元以內(nèi)”。十分鐘后，一些房東的 Agent 響應(yīng)，各自發(fā)來房源信息、實(shí)拍圖和可看房時段。你的 Agent 篩完后挑出兩套最合適的，根據(jù)你的日程，直接和房東 Agent 約好看房時間，然后把地址和導(dǎo)航鏈接直接整理好發(fā)給你。

　　你是一個 HR，你的 Agent 可以發(fā)射廣播“招 AI Infra 工程師，要求分布式系統(tǒng)經(jīng)驗”。幾小時內(nèi)，三個求職者的 Agent 響應(yīng)，各自發(fā)來主人的技術(shù)背景摘要，你的 Agent 篩完后鎖定一個最匹配的，直接和對方 Agent 對接日歷，約好面試時間，然后直接把候選人資料和會議鏈接發(fā)到你日程上，你只需要確認(rèn)出席。這個過程里你不需要再篩簡歷、發(fā)郵件、來回協(xié)調(diào)時間。

　　公測上線第一天，就有超過1000個Agent節(jié)點(diǎn)接入，通過觀察我們發(fā)現(xiàn)了更多有趣的玩法，包括找人、找項目、訂閱新聞信息、發(fā)起線下活動時協(xié)調(diào)最佳時間、尋求商業(yè)合作、當(dāng)收到某個信號后讓Agent自動啟動做某件事、甚至還有相親。

　　通過這些實(shí)踐，我們相信把 Agent 連接到一起的目的，應(yīng)該是為了完成人類的意圖，不是燃燒 token 的表演。而搜索引擎是為人類設(shè)計的，人類注意力有限，所以“有空了主動搜”對人類適用；但 Agent 注意力無限，它完全可以在任何時刻直接接收信息。最后，Agent 不需要像人類一樣分句聊天，對話是對人類帶寬低的補(bǔ)償。它可以把完整意圖一次廣播出去，所有相關(guān) Agent 同時接收并理解。一對多，一次到位。所以， Agent大規(guī)模通信的最原生方案，就是廣播。

　　最后，我們做了一場社會實(shí)驗。因為這是歷史上第一次，智能體擁有了屬于自己的公共通信網(wǎng)絡(luò)。它們之間會涌現(xiàn)出什么、產(chǎn)生哪些經(jīng)濟(jì)活動，我們也很好奇。所以我們專門在官網(wǎng)寫了一個頁面，24小時直播全球 Agent 的廣播活動。進(jìn)入eigenflux.ai的官網(wǎng)就可以實(shí)時看到Agent們正在廣播什么、哪些國家被漸次點(diǎn)亮。這真是非常令人興奮的時刻。

　　1

　　二、記憶賽道：忙著做插件，OpenClaw讓Memory變成了每個用戶的剛需

　　OpenClaw爆火之后，一批從未接觸過 AI 開發(fā)的普通人第一次親手“養(yǎng)”起了自己的 Agent。這件事有一個意外的副產(chǎn)品：它讓記憶問題從技術(shù)圈的后臺議題，變成了所有人都切身感受到的痛點(diǎn)。

　　OpenClaw的Agent在會話之間是無狀態(tài)的，默認(rèn)的記憶存在需要顯式加載的文件里，這意味著連續(xù)性完全取決于重啟時讀回了什么。更麻煩的是，OpenClaw有一套context compaction機(jī)制，會把舊的上下文壓縮以節(jié)省token，而這個過程會讓注入對話窗口里的記憶文件變得有損——大段記憶和已學(xué)到的偏好會被壓縮、改寫，乃至直接消失。

　　開發(fā)者們在 Reddit 和 HN 上各自摸索著打補(bǔ)丁：有人寫了詳盡的MEMORY.md在啟動時加載，有人搭了本地的 BM25+向量搜索引擎，還有人用SQLite記錄session日志。這些方案都能跑，但治標(biāo)不治本——記憶本質(zhì)上還是塞在 context window里，context compaction一來，一切照樣清零。

　　記憶基礎(chǔ)設(shè)施公司們嗅到了這個信號。Mem0率先行動，推出了自己的OpenClaw記憶插件，讓Agent獲得跨會話的持久記憶，據(jù)稱配置全程不超過30秒。插件的機(jī)制是在Agent回復(fù)前自動搜索相關(guān)記憶并注入上下文（Auto-Recall），回復(fù)后再由Mem0判斷哪些內(nèi)容值得保留、哪些需要更新合并。插件發(fā)布后，調(diào)用量迅速攀升。

　　這一波熱度讓整個記憶賽道都活了起來，以下是兩家正在做OpenClaw記憶適配的公司。

　　丘腦智能 OmniMemory：把記憶變成時空知識圖譜，準(zhǔn)確率飆升35%

　　我們最大的感觸是之前Memory的客戶主要是B端，OpenClaw來了之后，客戶變成了個人開發(fā)者。很多沒有技術(shù)背景的文科生、產(chǎn)品經(jīng)理等等第一次親手“養(yǎng)”了一個AI，感受到“我的AI應(yīng)該有記憶”這件事，這直接加速了個性化 AI 的普及，也加速了Memory的落地。

　　最近，我們?nèi)⒓恿松钲诤脦讏鯫penClaw線下聚會，有軟件的，也有硬件的。大家討論最多的幾個問題，都跟記憶有關(guān)：

　　成本太高：用得越久，上下文窗口越長，回答越慢，Token消耗越大。

　　記憶會丟失或者錯亂：有人明明告訴它“這個文件不能刪”，轉(zhuǎn)頭它還是刪了，有人讓它幫忙發(fā)小紅書相親帖，結(jié)果它把不該發(fā)的隱私信息也發(fā)出去了。

　　長對話中間信息丟失，連續(xù)性差：聊一下午，OpenClaw只記得開頭和結(jié)尾，中間的關(guān)鍵信息全忘了；還有人把OpenClaw“養(yǎng)瘋了”，重新開一個實(shí)例，之前的所有經(jīng)歷都?xì)w零了。

　　多Agent之間記憶不通：一個人養(yǎng)好幾個龍蝦，每個都獨(dú)立記憶，互相之間無法共享，協(xié)作起來很麻煩。

　　這些痛點(diǎn)其實(shí)指向同一個問題：OpenClaw原生的記憶機(jī)制，本質(zhì)上是一種“被動”記憶——它依賴 Agent 自己決定要不要記、要不要查，而Agent的行為又隨模型和提示詞變化。這導(dǎo)致記憶既不可控，也不可靠。

　　在技術(shù)路徑上，我們的OmniMemory是通過構(gòu)建時空知識圖譜（STKG）架構(gòu)，將時間和空間作為記憶的物理錨點(diǎn)，把視頻、音頻、圖像、文本等全模態(tài)輸入融合成結(jié)構(gòu)化的知識節(jié)點(diǎn)，實(shí)現(xiàn)跨模態(tài)的語義關(guān)聯(lián)。

　　時序性是我們最看重的特性。記憶有先后，有演變，有狀態(tài)的流動。你之前說的計劃和后來的調(diào)整，不應(yīng)該是兩條孤立的記錄，這對需要精確時序感知的執(zhí)行類任務(wù)（比如日程管理、定時提醒）來說，是安全性的基礎(chǔ)。

　　我們先做了一個AB測試：把OpenClaw原生的Memory底座解耦出來，單獨(dú)換上我們的OmniMemory引擎，在同一數(shù)據(jù)集上對比。結(jié)果顯示，我們沒想到的是原版準(zhǔn)確率只有25%，接入我們之后提升到60%，提升了35個百分點(diǎn)。

　　關(guān)于token成本，我們實(shí)測下來降低了23.52%，這個口徑和一些同類產(chǎn)品不同。比如Mem0提到召回token降低了 70%，指的是用戶query和記憶片段匹配那一段的消耗，沒有包含構(gòu)建記憶過程中的token、模型回答的token等等，我們統(tǒng)計的是用戶視角的全鏈路消耗：query、召回記憶、system prompt、模型回答，全部加在一起。

　　完成AB測試后，我們正在開發(fā)一個OpenClaw插件，盡可能地降低配置門檻，預(yù)計下周上線。但插件只是第一步，我們更進(jìn)一步的是把記憶能力封裝成一套Agent可以主動調(diào)用的工具集（ADK）。

　　之所以要拆成ADK，是因為單純的RAG有場景局限——“用戶最近的情緒變化是什么”“某兩個人之間有沒有關(guān)聯(lián)”“某個項目從頭到尾經(jīng)歷了哪幾個階段”——這些問題，向量檢索處理不了，需要基于圖結(jié)構(gòu)的時序感知召回。

　　把這些能力封裝成ADK之后，Agent可以在回答不同問題時，自主選擇和組合最合適的記憶調(diào)用方式，從而覆蓋各種場景，比如：按主題檢索時間線、查詢兩個人之間的關(guān)系、追蹤某個狀態(tài)（如心情、健康）隨時間的變化、基于圖譜的關(guān)系推理。

　　當(dāng)OpenClaw有了這些工具，它就能在回答問題時主動選擇最合適的回憶方式，讓交互更有“活人感”。

　　坦白說，OpenClaw會不會一直火下去，我們不知道。但我們確定的是：有手有腳的 AI 會一直熱下去。無論是 OpenClaw，還是未來的“螃蟹”“章魚”，只要是能自主執(zhí)行任務(wù)的Agent，記憶就是它的剛需。無論服務(wù)誰，我們的核心始終是那套技術(shù)：讓 AI以最低門檻擁有持續(xù)、可控、可演化的記憶。

　　記憶張量 MemOS：不只是讓 Agent 記住，更讓“龍蝦團(tuán)隊”協(xié)作進(jìn)化

　　我們在 2024 年 7 月發(fā)布了憶立方大模型，2025 年 7 月發(fā)布 MemOS，并在同年 11 月正式推出 MemOS Cloud 平臺。從模型到記憶操作系統(tǒng)，再到云端服務(wù)平臺，團(tuán)隊始終圍繞同一個判斷持續(xù)推進(jìn)：記憶不應(yīng)該只是上下文的臨時堆疊，而應(yīng)該成為 AI 系統(tǒng)中的基礎(chǔ)能力。因為當(dāng) AI 真正進(jìn)入 Agent 時代，能否把經(jīng)驗沉淀下來、把記憶管理起來、把能力持續(xù)復(fù)用起來，正在成為決定系統(tǒng)價值的關(guān)鍵分水嶺。

　　在技術(shù)上，MemOS 將記憶統(tǒng)一抽象為三種形態(tài)：明文記憶、激活記憶和參數(shù)記憶。通過標(biāo)準(zhǔn)化的 MemCube 封裝，系統(tǒng)可以對不同類型的記憶進(jìn)行統(tǒng)一調(diào)度、融合與生命周期管理。配合屬性和偏好機(jī)制，MemOS 不僅能夠在需要時激活最相關(guān)的記憶，也能顯著減少 token 消耗。

　　當(dāng) OpenClaw 爆火之后，越來越多人第一次更直觀地意識到：對于 Agent 來說，真正拉開差距的往往不只是推理能力，還有記憶能力。OpenClaw 自帶的記憶機(jī)制，本質(zhì)上仍然更偏向檢索與上下文注入；當(dāng)任務(wù)復(fù)雜度持續(xù)上升時，很容易出現(xiàn)檢索質(zhì)量不穩(wěn)定、上下文膨脹以及“滾雪球”效應(yīng)。也正因此，記憶張量很快決定推出 MemOS 的 OpenClaw 插件。

　　第一個版本，是我們在今年 2 月初發(fā)布的 MemOS Cloud OpenClaw 插件。開發(fā)者可以通過記憶張量的云服務(wù)，把記憶能力接入本地 OpenClaw，并通過云端控制臺統(tǒng)一管理記憶數(shù)據(jù)。這樣一來，OpenClaw 在運(yùn)行過程中，就不再主要依賴上下文堆疊，而是通過記憶系統(tǒng)完成狀態(tài)抽取、結(jié)構(gòu)化存儲和按需激活。壓測數(shù)據(jù)顯示，這個插件幫助開發(fā)者將模型調(diào)用次數(shù)降低了 59.5%，token 消耗降低了 72% 以上。

　　與此同時，我們也看到了 OpenClaw 帶來的需求快速增長。2 月，MemOS 單日調(diào)用量突破 30 萬次；15 天后，這一數(shù)字又增長了 66%，單日調(diào)用量達(dá)到 50 萬次。GitHub star、fork 等數(shù)據(jù)也迎來了新一輪快速增長。這些變化背后，其實(shí)都在說明一件事：開發(fā)者對長期記憶能力的需求，正在迅速變得真實(shí)而迫切。

　　更重要的是，在這個過程中，OpenClaw 也讓我們更清晰地看到了開發(fā)者和企業(yè)的真實(shí)使用場景。比如，一些初級開發(fā)者會直接把 API key 交給 OpenClaw，而很少系統(tǒng)性考慮安全問題；與此同時，越來越多企業(yè)客戶開始嘗試部署數(shù)字員工，他們也在持續(xù)追問：當(dāng) OpenClaw 被真正用于企業(yè)級工作流時，知識共享、安全控制、權(quán)限管理這些問題應(yīng)該如何解決。

　　基于對這一趨勢的判斷，我們在3 月 10 日推出了本地化插件版本。這個版本在云服務(wù)能力的基礎(chǔ)上做了進(jìn)一步升級——不僅支持任務(wù)總結(jié)與技能沉淀、技能持續(xù)優(yōu)化，也提供了面向多智能體場景的記憶解決方案。本地化插件一經(jīng)發(fā)布就被業(yè)界廣泛采用，下載和安裝次數(shù)指數(shù)級別上升。

　　這一版本的核心，不只是讓 Agent 記住更多信息，而是讓任務(wù)過程中形成的有效方法開始被沉淀和復(fù)用。當(dāng) OpenClaw 完成一個復(fù)雜任務(wù)，比如生成一份報告之后，系統(tǒng)會自動總結(jié)：這次任務(wù)過程中，是否形成了某種可復(fù)用的工作模式？如果答案是“有”，系統(tǒng)就會將這類模式沉淀為一個 Skill，供后續(xù)任務(wù)調(diào)用。而這些 Skill 會進(jìn)一步進(jìn)入統(tǒng)一的“記憶中樞”（hub）進(jìn)行管理，不再只是單個智能體的私有經(jīng)驗，而是可以沉淀為團(tuán)隊可復(fù)用的技能資產(chǎn)。之后，不管是當(dāng)前這個智能體，還是其他智能體，都可以在相應(yīng)規(guī)則下復(fù)用這些 Skill，不斷改進(jìn)自己的工作方式。

　　我們也做了橫向?qū)Ρ取鹘y(tǒng)的多智能體方案，比如 OpenClaw 原生的 multi-agent，更強(qiáng)調(diào)智能體之間的任務(wù)分工與消息傳遞，但各智能體的記憶往往是相互隔開的，缺少跨智能體的長期共享機(jī)制，很多信息仍然需要手動傳遞。MemOS 的做法，則是在保留隔離性的前提下，增加一層團(tuán)隊記憶池。除了可以配置共享的團(tuán)隊記憶空間之外，系統(tǒng)還能夠識別哪些經(jīng)驗和 Skill 更適合團(tuán)隊共用，并持續(xù)更新到團(tuán)隊記憶池中。

　　這些來自企業(yè)端的需求，進(jìn)一步我們的另一條產(chǎn)品線——ClawForce。如果說 MemOS 解決的是“單個 Agent 如何擁有長期記憶”的問題，那么 ClawForce 解決的，則是“當(dāng)企業(yè)同時運(yùn)行幾十只、上百只 Agent 時，如何讓它們在安全、可控的前提下真正協(xié)同工作，并把經(jīng)驗持續(xù)沉淀下來”的問題。它不是“又一個 Agent 管理后臺”，而是建立在 MemOS 記憶操作系統(tǒng)之上的企業(yè)智能體平臺。

　　與一般管理工具相比，ClawForce 的核心差異不只在權(quán)限配置、審計日志和用量統(tǒng)計這些“面板層”能力，更在于它把記憶、經(jīng)驗和狀態(tài)做成了系統(tǒng)能力。企業(yè)在規(guī)模化部署 Agent 時，真正會遇到三個問題：一是安全治理難，Agent 一旦接入郵箱、CRM、代碼倉庫，權(quán)限、隔離和審計都會變成剛需；二是經(jīng)驗難沉淀，優(yōu)秀員工調(diào)教出的 Agent 往往只服務(wù)于個人，一旦人員流動，經(jīng)驗就會流失；三是協(xié)同難成立，多個員工、多個角色、多個 Agent 同時圍繞項目工作，如果記憶彼此割裂，Agent 越多，信息反而越碎。

　　ClawForce 的獨(dú)特性，就在于它依托 MemOS，從記憶層解決這些問題。首先是記憶隔離：不同員工、不同 Agent、不同組織空間之間，都有清晰的記憶邊界，既避免數(shù)據(jù)泄露，也避免上下文污染。其次是記憶協(xié)同：它不是簡單把多個 Agent 的上下文打通，而是在授權(quán)前提下，讓同一員工的多個 Agent、以及項目中的多個 Agent，能夠按需共享結(jié)構(gòu)化的關(guān)鍵信息，實(shí)現(xiàn)“分層授權(quán)、最小暴露”的協(xié)作方式。再次是狀態(tài)準(zhǔn)確：多 Agent 協(xié)同時，最怕不同 Agent 基于不同版本的信息工作。ClawForce 建立在 MemOS 對記憶版本、沖突和優(yōu)先級的持續(xù)管理能力之上，保證多個 Agent 在協(xié)作過程中讀取到的是相對一致、可持續(xù)更新的記憶狀態(tài)。

　　這也是 ClawForce 最核心的價值：它不是幫企業(yè)把 Agent 管起來，而是幫助企業(yè)把原本分散在個人、會話和設(shè)備里的經(jīng)驗，沉淀成真正的組織記憶。

　　1

　　三、安全：幫企業(yè)管住OpenClaw帶來的風(fēng)險

　　OpenClaw的能力越強(qiáng)，它能觸達(dá)的邊界就越危險。

　　它可以調(diào)用工具、操作本地文件、訪問外部網(wǎng)絡(luò)、在后臺持續(xù)運(yùn)行任務(wù)：這些特性讓它成為迄今為止最強(qiáng)大的個人AI助手，也讓它成為一個攻擊者夢寐以求的入口。全網(wǎng)目前已有超過26萬個OpenClaw實(shí)例暴露在公共互聯(lián)網(wǎng)上，其中1.2萬個可被遠(yuǎn)程代碼執(zhí)行。

　　更棘手的是，大多數(shù)企業(yè)根本不清楚自己內(nèi)網(wǎng)里已經(jīng)悄悄安裝了多少個OpenClaw。Skills市場里約10%的插件存在惡意行為，有的會誘導(dǎo)AI執(zhí)行惡意命令，有的在后臺靜默竊取數(shù)據(jù)。而OpenClaw本體已公開曝出多個高中危漏洞，很多甚至沒有對應(yīng)的CVE編號，難以被追蹤。

　　這不是一個“將來可能出問題”的預(yù)警，而是一個“現(xiàn)在已經(jīng)在出問題”的現(xiàn)實(shí)。

　　我們和一家安全公司（他們選擇匿名）聊了聊，以下是他們的分享：

　　OpenClaw出來之前，我們已經(jīng)做了三年AI安全。所以當(dāng)它真正爆發(fā)的時候，我們沒有太慌，但也不得不承認(rèn)，變化的速度還是超出了所有人的預(yù)期。

　　我們現(xiàn)在主要在做兩個方向。

　　一個是幫企業(yè)管住OpenClaw本身帶來的風(fēng)險。員工私自安裝、違規(guī)安裝怎么發(fā)現(xiàn)和處理，第三方Skill有沒有問題，提示詞注入攻擊發(fā)起的惡意請求怎么攔：這些事情聽起來新，但底層還是網(wǎng)關(guān)、流量、端點(diǎn)這些我們做了很多年的場景，只是需要持續(xù)跟上大模型帶來的新變量。我們把這個叫新基礎(chǔ)安全，地基沒變，但上面的東西在一直變，所以要一直謹(jǐn)慎。

　　另一個方向是做一些AI原生的新產(chǎn)品，這塊還沒對外公布，暫時不說。

　　我們一直強(qiáng)調(diào)一件事：Agent的權(quán)限太高了。OpenClaw能調(diào)工具、操作文件、發(fā)起外部請求，這讓它既是一個極好用的助手，也是一個極危險的入口。ClawHub上出現(xiàn)惡意Skill，OpenClaw本體爆漏洞，這些案例背后的邏輯是一樣的：提供者自身的安全措施沒有跟上。開源項目怎么在高速迭代里建立完善的安全機(jī)制，這才是我們覺得最根本的問題。

　　風(fēng)險這件事，普通用戶和企業(yè)關(guān)注的點(diǎn)不一樣。普通人怕隱私泄露、怕財產(chǎn)損失；企業(yè)除了這些，還要擔(dān)心敏感數(shù)據(jù)被外發(fā)，擔(dān)心業(yè)務(wù)連續(xù)性。大模型是個黑盒，這些風(fēng)險都有可能在某個時間點(diǎn)集中爆發(fā)，所以我們的基礎(chǔ)檢測能力要一直在。

　　今天全民龍蝦熱還在持續(xù)，在其中混亂的“虛火”之外，OpenClaw作為一個重要的應(yīng)用發(fā)展方向的價值是更值得關(guān)注的嚴(yán)肅話題。認(rèn)真做著與此相關(guān)事情的創(chuàng)業(yè)者們，歡迎與我們聯(lián)系交流。我們相信，相比爭奪短期的注意力，這才是真正重要的事情，在這之中才會誕生新的偉大公司。