计算机行业研究再一次谈自定义Agent

Agent 技术发展及自定义 Agent 能力要素

Skills：Agent 可配置性的一大突破

• 核心创新：Anthropic 推出的 Agent Skills 通过结构化文件夹封装任务指令、代码与资源，构建标准化“AI 工作手册（SOP）”，提升 Agent 的可配置性与可复用性。
• 关键机制：按需加载（渐进式披露）的渐进式披露机制，动态调用所需能力，优化上下文使用效率并提升执行稳定性。
• 生态价值：推动 Agent 生态规模化发展，实现能力可配置、可沉淀、可共享。
• 数据支持：Clawhub 社区拥有数万 Skills，促进 Agent 生态繁荣（图表 2）。

OpenClaw：开源自定义 Agent 框架机制解析

• 定位：完全开源且本地运行的 AI Agent 框架，具备行动力（执行终端命令、读写文件等）。
• 关键特性：
  • 完整运行链路：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、多 Agent 协作。
  • 记忆系统：
    • 长期记忆（MEMORY.md）：常青知识（项目规则、API 文档等），启动时注入系统提示词。
    • 每日记忆（memory/YYYY-MM-DD.md）：时效性内容（每日纪要、待办等），按需检索，带时间衰减权重。
  • 上下文组装：拼装上下文环境（系统提示词→技能提示→对话历史→当前消息），包含 AGENTS.md、SOUL.md、TOOLS.md 等文件（图表 4、5）。
• 意义：定义可复制的 Agent 工程化范式，为自定义 Agent 落地提供标准路径（图表 3）。

决定自定义 Agent 能力的三大要素

• 背景：Skill 能力体系与 OpenClaw 框架成熟，降低自定义 Agent 开发门槛，行业从“技术驱动”转向“应用驱动”。
• 三大要素：
  1. 基础大模型原生能力：决定智能上限，包括逻辑推理、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（图表 6）。
  2. 高质量、高专属度数据源：支撑专业应答、精准决策，数据的新鲜度、精准度、专属度决定差异化优势。
  3. 开发者的需求定义与场景拆解能力：精准梳理业务流程、明确核心使用场景、拆分任务逻辑，决定 Agent 是否贴合实际需求、高效落地。
• 理论支撑：呼应姚顺雨《The Second Half》中“AI 进入下半场”的判断，未来谁能更好定义问题才能更好构建解决方案。

投资建议

• 相关标的：
  • 海外算力/存储：中际旭创、东山精密、胜宏科技等；Lumentum、美光等。
  • 国内算力：寒武纪、海光信息等。
  • CPU：海光信息、澜起科技等。
  • AI 应用：
    • 超级入口：腾讯控股、智谱等。
    • AI INFRA&高增长&高壁垒：星环科技、德才股份等。
  • 其他：空天时代、具身智能等。

风险提示

• 行业竞争加剧的风险。
• 技术研发进度不及预期的风险。
• 特定行业下游资本开支周期性波动的风险。