AI智能体开发范式的演进 - 行业从1.0时代的Chatbot（单次LLM推理对话）[16]，进化到2.0时代的Agent（依赖工具调用，需多轮LLM推理）[16]，再发展到当前的3.0时代，即AI Native范式[13][16] - 在AI Native范式下，AI智能体能够自我管理工具和技能，甚至自行编写代码实现功能，整个过程无需人类干预，被视作一个黑箱[16] AI Native范式的核心思想与实践 - AI Native的核心思想是摒弃传统框架的强制约束，不将AI当作“滚筒上的小白鼠”[11]，所有指令仅通过自然语言Prompt下达，AI是否遵循完全自主决定[5][18] - 实践上追求最小化框架，框架仅保留一个推理核心作为AI的“大脑”[11]，将更多自由留给AI，让其通过基础工具（如bash、文件读写）自行组合和创建所需功能[11] - 该范式的实现高度依赖大模型能力的进步，在模型能力较弱时无法达成[13] 项目“Bub”的复刻与进化实践 - 项目初期通过为已有的Agent（如Codex、Claude Code）增加Telegram消息处理器，快速复现了OpenClaw的核心聊天与任务执行功能[8][9] - 为应对群聊等复杂场景，项目通过AI辅助修改了消息接收器以支持消息ID回复、用户身份识别（需在上下文中加入用户元数据），并改进了消息发送功能以支持图片、贴纸等[10] - 关键的范式转变在于，后续让AI通过Skill（文本描述）而非框架固定的Tool来自我演进，例如让AI自行创建Telegram消息发送技能，其效果超越了框架自带功能[14] - 项目进一步实现了“去框架化”部署：利用Docker的进程管理，让AI通过自己编写的startup脚本驱动自身运行，替代了框架原有的消息监听与Agent Loop触发机制[14][15] - 通过上述方式，创建一个最小化智能体仅需三步：1) 启动一个会写代码的Agent编写startup脚本；2) 准备以该脚本为启动项的Dockerfile；3) 构建并运行容器[17]。开发者全程只需使用自然语言，无需编写或查看代码[15] AI应用形态与开发者思维的转变 - AI应用的形态从ChatGPT诞生之初的Chatbot，发展到强力的编程助手Claude Code，再进化到如今的OpenClaw等通用型AI智能体[6] - 这种进化伴随着开发思维模式的根本性转变，开发者需要从传统的“古法编程”（如抽象消息总线、编写适配器）[8]，过渡到完全依赖自然语言与Prompt驱动AI完成工作的新范式[7][15] - 这种转变被描述为像看着一个孩子成长，其成果中不包含开发者自己的一行代码，全部由人类通过自然语言指令“喂养”而成，带来与传统编程不同的成就感[18]