再一次谈自定义Agent计算机行业研究

Agent 技术发展及核心要素分析

核心观点

• Agent Skills 作为可配置性的突破，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”，提升 Agent 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，优化上下文使用效率并提升执行稳定性。
• OpenClaw 作为开源 Agent 框架，通过完整的运行链路（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。其分层记忆系统（长期记忆与每日记忆）及动态上下文管理机制，使模型进化为具备持续认知与演化能力的系统。
• 自定义 Agent 能力决定要素：随着技术成熟，决定 Agent 能力的关键因素转向系统性要素，包括基础大模型原生能力、高质量专属化数据资源、开发者对需求与场景的理解与拆解能力。

关键数据

• Skill 文件夹结构：包含指令、代码、资源三类内容，每个 Skill 必须包含核心文件 SKILL.md。
• Clawhub 社区：拥有数万 Skills，促进 Agent 生态繁荣。
• OpenClaw GitHub 星标：两个月内登顶 GitHub 星标榜，成为最受欢迎开源项目。
• Artificialanalysis 大模型能力综合测评：展示不同大模型能力对比。

研究结论

• Agent 生态规模化发展：Skills 与 OpenClaw 的成熟推动 Agent 生态规模化发展，降低开发门槛，从“技术驱动”转向“应用驱动”。
• 未来核心竞争力：聚焦基础大模型原生能力、高质量专属化数据资源、开发者对需求与场景的理解与拆解能力。
• 投资建议：涵盖算力/存储、CPU、AI 应用等领域相关标的。
• 风险提示：行业竞争加剧、技术研发进度不及预期、特定行业下游资本开支周期性波动。