计算机行业点评：再一次谈自定义Agent

行业观点： Skills：Agent可配置性的一大突破。2025年底Anthropic推出的Agent Skills，通过以结构化文件夹为载体，将任务指令、代码能力与资源模块化封装，构建了一套标准化的“AI工作手册（SOP）”，显著提升了Agent的可配置性与可复用性。其核心创新在于“按需加载”的渐进式披露机制，使模型在运行过程中动态调用所需能力，从而优化上下文使用效率并提升执行稳定性。Skills的推出让Agent向“能力可配置、可沉淀、可共享”的范式跃迁，成为推动Agent生态规模化发展的关键基础设施。 OpenClaw：开源自定义Agent框架机制解析。OpenClaw作为新一代开源Agent框架，构建了一套完整的Agent运行体系，不同于传统仅具备对话或工具调用能力的系统，OpenClaw通过引入完整的运行链路（包括上下文组装、技能注入、工具调度、多Agent协作等），使Agent具备持续执行复杂任务的能力。同时，其创新性的分层记忆系统（长期记忆与每日记忆）以及动态上下文管理机制，使模型从进化为具备持续认知与演化能力的系统。此外，通过预设身份、规则、工具与用户偏好等多维信息，OpenClaw显著提升了任务一致性与执行效率。整体而言OpenClaw定义了一套可复制的Agent工程化范式，为自定义Agent的落地提供了标准路径。 决定自定义Agent能力的三大要素。随着Skills标准化能力与OpenClaw等开源框架的成熟，自定义Agent的开发门槛显著下降，行业正从“技术驱动”迈向“应用驱动”。在这一阶段，决定Agent实际能力上限与商业价值的关键因素，已从底层模型开发能力，转向更高层的系统性要素。我们认为，未来自定义Agent的核心竞争力聚焦三大维度：一是基础大模型的原生能力，决定智能上限；二是高质量、专属化的数据资源，决定专业深度与差异化水平；三是开发者对需求与场景的理解与拆解能力，决定Agent是否真正契合业务、实现有效落地。这一趋势与姚顺雨在《The Second Half》中提出的“AI进入下半场”的判断相呼应，未来谁能更好定义问题才能更好构建有效解决方案。 投资建议： 相关标的： 海外算力/存储：中际旭创、东山精密、胜宏科技、欧科亿、天孚通信、新易盛、工业富联、兆易创新、大普微、源杰科技、景旺电子、英维克等；Lumentum、闪迪、铠侠、美光、SK海力士、中微公司、北方华创、拓荆科技、长川科技。 国内算力：寒武纪、东阳光、海光信息、协创数据、豫能控股、华丰科技、亿田智能、星环科技、网宿科技、首都在线、神州数码、百度集团、大位科技、润建股份、中芯国际、华虹半导体、中科曙光、润泽科技、浪潮信息、东山精密、奥飞数据、云赛智联、瑞晟智能、科华数据、潍柴重机、金山云、欧陆通、杰创智能。 CPU：海光信息、中科曙光、澜起科技、禾盛新材、中国长城、龙芯中科、兴森科技、深南电路、宏和科技、广合科技。 AI应用：1）超级入口：腾讯控股、Minimax、智谱、阿里巴巴、科大讯飞。2）星环科技、德才股份、美年健康、中控技术、卓易信息、昆仑万维等AI INFRA&高增长&高壁垒。其他：空天时代、具身智能等 风险提示 行业竞争加剧的风险；技术迭代不及预期的风险；特定行业下游资本开支周期性波动的风险 内容目录 一、Skills：Agent可配置性的一大突破...........................................................3二、OpenClaw：开源自定义Agent框架机制解析.....................................................4三、决定自定义Agent能力的三大要素.............................................................7风险提示.......................................................................................8 图表目录 图表1：Skill文件夹的结构.....................................................................3图表2：Clawhub社区的数万Skill...............................................................4图表3：OpenClaw的GitHub星标增长速度.........................................................5图表4：OpenClaw的整体架构....................................................................6图表5：OpenClaw的上下文窗口策略..............................................................7图表6：Artificialanalysis大模型能力综合测评榜单..............................................8 一、Skills：Agent可配置性的一大突破 2025年10月16日，Anthropic正式推出Agent Skills，作为一种将Claude从通用对话助手转变为专业化工作流执行者的机制。两个月后的12月18日，Anthropic进一步将Agent Skills规范开放为开放标准。 Skill的本质是一个结构化的文件夹，相当于给AI的“工作手册”或“SOP（标准作业程序）”，包含完成特定任务所需的所有信息，其中每个Skill必须包含核心文件SKILL.md，作为其核心指令和元数据的载体；其组成结构主要包括三类内容，分别是告诉AI如何执行任务的步骤和逻辑的指令（Instructions）、可选的用于执行确定性、重复性操作的代码（Code），以及包含模板、参考文档等辅助材料的资源（Resources）。 Skill的按需加载（渐进式披露）是其最核心的设计哲学，AI启动时仅加载元数据，需执行对应任务时才动态加载详细指南和资源，能有效节省上下文消耗、提升效率与稳定性；同时它具备可复用与可组合性，可在不同场景反复调用，还能组合构建复杂工作流；此外，它遵循Anthropic定义的跨平台开放标准，可跨系统移植共享，且实现了智能与专业的解耦，业务规则更新时仅需修改Skill文件，无需重训模型，降低维护成本。 Skills的推出让Agent向“能力可配置、可沉淀、可共享”的范式跃迁，成为推动Agent生态规模化发展的关键基础设施。Agent作为能规划、决策的“大脑”，Skill则是这个大脑所掌握的“技能”和“经验”。许多开发者将他们的经验打包成Skill分享到社区，促进了Agent生态的繁荣。 二、OpenClaw：开源自定义Agent框架机制解析 由独立开发者Peter Steinberger在2025年11月推出的OpenClaw，定位为完全开源且本地运行的AI Agent框架。它具备真正的行动力，电脑在它眼中变作了可以肆意发挥的沙盒，执行终端命令、读写文件、收发邮件乃至代替主人管理日程，一切均在自然的对话间完成。 据新浪财经报道，OpenClaw就仅用两月击败Linux，登顶GitHub星标榜，正式加冕史上最受欢迎开源项目。 OpenClaw跟普通聊天机器人、传统工作流系统、以及很多只会调工具的Agent框架，差别并不在于它会不会聊天，而在于它背后有一整套完整的运行链路：消息接收、协议适配、路由分发、会话隔离、上下文组装、技能注入、流式执行、工具调用、持久化存储，以及在复杂任务下的多Agent协作。 记忆系统:除了会话历史，OpenClaw还单独维护两类记忆： 1)长期记忆 文件名通常是：MEMORY.md/memory.md 用于存常青知识，例如：项目规则/API文档/设计决策/长期偏好,这类记忆在Agent启动时直接注入系统提示词. 2)每日记忆 存放在：memory/YYYY-MM-DD.md.用于记录时效性内容，例如： 每日纪要/当天待办/临时决策/会议记录,这类记忆不直接注入提示词，而是通过记忆搜索工具按需检索，并且会带时间衰减权重，越新的内容权重越高。 长期记忆通常由用户或Agent通过编辑工具手动维护。而每日记忆则会通过Memory Flush机制自动触发。触发条件包括：会话token数接近上下文窗口上限（默认软阈值4000tokens）和会话转录文件大小超过阈值。 组装完整上下文：在OpenClaw里，模型看到的不是单独一句用户输入，而是一整套被拼装好的上下文环境。组装顺序大致是：系统提示词→技能提示→对话历史→当前消息。 OpenClaw会把这些文件装进上下文：AGENTS.md：定义Agent行为规则和工具使用指南SOUL.md：定义个性和人格TOOLS.md：工具使用说明IDENTITY.md：身份标识信息USER.md：用户偏好HEARTBEAT.md：心跳检测提示BOOTSTRAP.md：初始化引导MEMORY.md/memory.md：长期记忆 这些文件位于工作区目录，默认是~/.openclaw/workspace。 也就是说，在真正回答你“整理邮件”之前，模型先会被告知：我是谁/我该遵守什么规则/我能用哪些工具/这个用户有什么偏好/这个系统有哪些长期记忆/这和普通聊天机器人有个本质区别：它不是每次都从零开始聊，而是从一个被预先塑形过的Agent身份出发。 整体而言，OpenClaw的意义不仅在于开源，更在于其定义了一套可复制的Agent工程化范式，为自定义Agent的落地提供了标准路径。 三、决定自定义Agent能力的三大要素 随着Skill能力体系与OpenClaw开源框架的持续迭代与全面开源落地，普通开发者乃至行业用户搭建、调校个性化智能Agent的技术门槛被大幅拉低，从零开发专属自定义Agent的实操难度显著下降，无需深耕底层算法研发，就能快速实现Agent的功能定制与场景落地。 依托Clawhub平台日益繁荣完善的Skill开源生态，海量标准化技能插件、行业专属能力模块、场景化工具组件持续沉淀共享，大量用户基于现有技能组合、二次改造创新，快速搭建适配自身需求的自定义Agent，也进一步印证了行业开发门槛下放、全民共创Agent生态的发展趋势。 而随着技术框架愈发成熟、应用落地门槛持续降低，未来拉开不同自定义Agent核心能力差距、决定其实际落地价值与场景适配上限的关键要素，将不再局限于底层开发技术，我们认为核心主要聚焦三大维度： 1）基础大模型原生能力： 作为Agent的核心大脑，基座模型的逻辑推理、长文本理解、工具调用联动、多轮对话记忆、复杂任务拆解与泛化能力，直接决定Agent的智能基础上限。 来源：artificialanalysis，国金证券研究所 2）高质量、高专属度数据源： 精准合规的行业私有数据、实时动态资讯、垂直领域知识库、脱敏业务数据，是支撑Agent实现专业应答、精准决策、落地专属场景的核心底气，数据的新鲜度、精准度、专属度直接拉开差异化优势。 3）开发者的需求定义与场景拆解能力： 前OpenAI研究员姚顺雨发表的文章《The SecondHalf》，提出AI进入了下半场，下半场的是新规则：评估比训练更重要。不再仅仅问"能否训练出解决X的模型"，而是问"我们应该训练AI去做什么，以及如何衡量真正的进展"。下半场要像产品经理一样思考，AI该为谁解决什么问题，又如何衡量解决得好不好。 我们认为自定义Agent能否创造价值，开发者能否根据自己对行业需求的Know-how,精准梳理业务流程、明确核心使用场景、拆分