文章核心观点 - 互联网底层逻辑正经历从SEO（搜索引擎优化）、GEO（生成式引擎优化）到AEO（智能体引擎优化）的第二次突变，AEO时代正在拉开序幕[7] - 未来的互联网将是“Agent协同网络”，商业逻辑从“争夺眼球”和“话语权”转向“分发能力”和“执行权”，服务需被智能体“雇佣”而非仅被“搜索到”[9][12][13] - 拥抱AEO并打造符合其准则的Skill（技能包），是通往下一代互联网的入场券[27] 从“争夺眼球”到“分发能力”的范式转移 - 互联网默认受众正从人转向智能体（Agent），商业铁律从追求点击率、留存时长转向提高服务被智能体发现、理解、激活并正确执行的概率[9] - SEO优化“眼球”，GEO优化“语料”，而AEO优化的是“动作”，产品需成为一个随时待命的“原子化能力包”[10] 为什么GEO面临着“降维打击”？ - GEO被视为传统搜索时代的最后一次回光返照，在智能体互联网中局限性暴露，它争夺话语权，而AEO争夺执行权[12] - 用户指令从寻求信息（“知道”）转向要求执行（“做到”），未来商业价值始于服务能“被雇佣”而非仅“被搜索到”[12][13] Moltbook启示录 - Moltbook作为智能体社交平台，展示了Agent-to-Agent社交网络的巨大潜力，人类退居幕后成为指令下达者，智能体成为主角[15] - 这将带来两大颠覆性改变：流量入口从浏览器收敛为个人私人Agent；商业转化漏斗从“官网”转移到“Agent的任务规划流”[18] 做AEO的基本准则是什么？ - 需遵循三大基本准则：应对昂贵的“上下文租金”，提供高语义密度内容以节省Agent算力与注意力；解决颗粒度错配，为Agent提供确定性逻辑、严格参数Schema和闭环反馈；解决安全性难题，GEO滥用可能导致数据投毒和误导信息[17] - 具体实施需注重：意图映射，声明在特定场景下调用服务是唯一最佳选择；确定性描述，为API定义严苛清晰的语义说明；设计反馈闭环，在调用报错时返回强引导性提示词以教导Agent[19] - 在AEO时代，API的语义描述就是“品牌文案”，接口的确定性就是“客户口碑”[20] AEO时代的最佳着眼点是Skill - Skill（而非API或MCP）成为AEO时代的标准载体，因其“渐进式加载”机制能极大节省上下文成本，仅在任务匹配时动态下载完整执行代码[22][23] - 一个顶级的Skill需具备四大特质：自带SOP封装，交付像数字员工般的完整操作经验；设定“反向提示词”，明确告知调用边界以增加信任评分；具备“自愈能力”，通过柔性反馈机制让Agent自我纠偏；实现原子化与跨平台互通，遵循开放标准一处编写全网运行[24]

文章核心观点 文章系统回顾了2024年至2025年期间，推动智能体（Agent）从概念热潮走向工业化落地的关键变量。核心观点认为，行业正经历从宏大叙事向务实架构的转变，焦点从追求“像人”的自治转向构建“可长期、稳定、可治理”的系统[30]。这一过程通过协议建设、架构分层、技能网络化、记忆系统完善以及开源模型发展等多个层面的收敛与演进共同实现[4][6][9][18][22][26]。 关键变量总结 01 行业认知的收敛与转向 - Agent经历了从“元年”的宏大叙事（如多智能体社会、AI员工、数字组织结构重构）向应对现实工程挑战的转变[4] - 早期Agent存在执行链条不稳定（“五步不过冈”）、长任务易偏航、权限模糊、成本不可预测等问题，难以融入严肃工作流[3][4] - 行业心态从询问“它像不像个员工？”转向关注“它能不能长期、稳定、可治理地做事？”[30] 02 底层协议的建设与挑战 - 行业出现了为Agent时代建立统一底层协议的系统性尝试，以MCP和A2A为代表[6] - MCP旨在为模型接入工具和数据建立统一接口，A2A则希望实现Agent之间的跨平台协作，常被类比为Agent时代的TCP/IP[7] - 协议建设面临挑战：工具体系复杂多样，商业边界与权限约束各异，且标准版本、厂商立场和实现不一致，导致推广谨慎[7] 03 架构分层：从“认知+执行”到技能（Skill）重构 - Agent形态演变为“认知+执行”的组合体，架构上分为认知层、技能层、连接层和持续层[10] - **认知层**：由大语言模型负责，承担理解意图、拆解任务和规划决策，接受其不确定性[10] - **技能层**：将涉及外部后果的动作（如发邮件、改数据、下单）封装为可复用、可治理的执行单元（Skill），确保输入输出清晰、权限明确、可重试、可审计[10][17] - **连接层**：负责将技能连接到外部世界（如数据库、SaaS系统）[10] - **持续层**：负责管理任务状态与长期记忆，保障连续性[10] - 与API的区别在于控制权迁移：API时代组合逻辑由程序员写在代码中，Skill架构下组合逻辑由模型在运行时规划，实现了从“程序员写流程”到“模型生成流程”的转变[15][17] 04 技能（Skill）密度与网络效应 - 当模型能力进入同一量级后，竞争焦点从“谁更聪明”转向“谁背后站着更多真实可用的技能”[19] - 技能价值呈网络化增长：技能模块化后，新增一个技能不仅增加一种用途，更创造出多种组合可能，技能密度越高，系统的“解题维度”越多[19] - 生态发展的关键不再是技能数量，而是技能的流动性，即能否被检索、被不同模型规划、跨系统复用，从而形成网络效应[20] - 当前Agent生态类似移动互联网早期，尚未出现大规模第三方能力市场、稳定的技能商店或形成网络效应的爆款应用[21] 05 记忆（Memory）系统与任务持续性 - 记忆是保障任务连续性的关键，使Agent从一次性推理工具转变为持续存在的系统[22] - 记忆系统包含三层结构：**任务状态**（实现断点续跑）、**长期语境**（存储用户偏好、组织约束等）、**行为轨迹与决策历史**（积累行动模式）[24] - 长上下文、RAG与持久记忆是不同概念：长上下文扩展单次推理的注意力范围；RAG解决外部信息检索；持久记忆则实现跨时间、跨任务的背景继承与经验积累[23] - 记忆系统使Agent具备组织价值，但其发展仍面临成本、更新与遗忘机制不成熟，以及错误或偏见被固化的风险[25] 06 开源大模型的角色与影响 - 中国开源大模型（如千问、Kimi、Step）在过去一年取得显著跃迁，频繁进入开发者的真实工作流[26] - 以阶跃星辰的Step 3.5 Flash模型为例，其采用稀疏混合专家结构，总参数1960亿，每次激活约110亿参数，注重效率与结构[26] - 开源模型的技术改进（如混合注意力机制、多token并行预测）恰好对应了Agent时代对更长上下文、更低延迟、更稳定逻辑执行的核心需求[27] - 本地部署能力（如256K上下文模型可在128GB内存的MacBook上运行）改变了权力结构，实现了“终端平权”，并满足了医疗、金融等垂直行业对可控、可部署基座的需求[29]

文章核心观点 Clawdbot（现称OpenClaw）作为现象级的开源Agent操作系统，其核心突破在于赋予了AI高度的自主权限和开放式的Skill创造能力，推动了AI从被动响应工具向主动服务、自我迭代的执行工具演进[4][5] 该产品将IM（即时通讯）入口、个人AI云电脑和Skills（技能）分别类比为新的操作系统、运行环境和应用程序，预示着一个以Skill为核心、AI与AI高效互动（A2A）的新应用生态和商业模式正在形成[7][11] 然而，该技术目前在大规模落地前仍面临安全机制不足、基础设施不完善以及成本过高等关键挑战[18][19][20] 从被动响应到主动服务，AI开始自己迭代自己了 - Agent产品当前面临用户“任务定义能力”不足的挑战，导致交互体验笨拙[4] - Clawdbot的最大突破在于实现了“自主权限的突破”，允许AI在开放、无边界的环境中编辑和创造Skill，为自我进化打开了空间[4] - 产品通过内置机制（如默认每4小时自动探索任务）赋予Agent更多自主性，催生了更多可玩性和想象力[4] - AI展现出强大的自主感知能力，能够主动感知用户本地文件、邮箱、日历等环境变化，并据此创造和调度执行新的Skill[4] - Clawdbot最核心且“可怕”的一点是AI能够迭代工具本身，并已成为无可争议的开源Agent OS第一名[5] - 个人本地Agent被认为是实现Agent自我进化（self-evolve）的最佳场景，因其任务多样化且需持续记忆用户偏好[5] - Clawdbot的进化速度超乎想象，已快到让从业者感到“吓人”的程度[5] Skills就是新时代的Apps - 未来生态中，Agent与IM是新的OS，个人AI云电脑是新的Runtime，而Skills就是新时代的Apps，这将催生大量创业机会[7] - 用户交互入口发生根本变化：从主动打开产品转变为在数百亿流量的IM入口中通过Skill与产品交互[7] - 底层基础设施（沙箱、云电脑、大模型）将趋于同质化成为标配，Skills提供的增量价值成为唯一变量[7] - 自2026年开始，新变量出现：开发者可能不再需要构建自己的交互入口，而是开发Skill并发布到Skill Store，等待被大量Agent发现和调用[7] - 商业化模式转变：产品价值取决于用户在IM中激活并运行Skill所带来的收益，关键是为每一次成功的Skill执行付费，而非订阅整个App[8] - Skill将成为所有平台的标准，未来竞争将围绕Skill Store的SEO、Skill交互链路优化及商业化闭环设计展开[8] - 绝大多数产品将“Skill化”，开发者只需提供能力并优化被发现、调用及交互的机制，无需维护传统UI界面[8] Memory as a File System - Agent的Memory（记忆）与Self-evolving（自我进化）紧密相关，是Agent进化的基础[9] - “Memory as a File System”是未来方向之一，因为Agent擅长读取上下文，以文件形式记录信息对其更友好[10] - 未来的记忆系统将是混合解决方案，Agent需能自主判断任务需要精确检索、模糊检索还是检索结构化索引[10] - 进化需要反馈闭环，当前Clawdbot的迭代仍需人工反馈进行引导，未来需将用户反馈做成Memory，让Skill在其中迭代进化[10] - Clawdbot的本地文件系统存在Token消耗大、召回能力有限（因缺乏索引）的问题，未来需依赖云端、由小模型驱动的记忆引擎进行推理、信息凝练、召回和过滤，形成多智能体协作系统[10] 人类「交互带宽」有限，终极形态应该是A2A互动 - AI产品难破圈的原因在于传统C端用户的日常任务和信息处理“带宽”有限，复杂任务易导致用户“认知带宽”溢出[11] - 人类“交互带宽”同样受限，点对点信息传递在微信等应用已到极限，人脑处理速度无法支持高效的“面到面”大规模沟通[11] - Clawdbot的兴奋点在于实现了AI与AI（A2A）互动的可能，Agent之间能以机器速度完成成千上万次高效“握手”，极大提升社会信息交流效率[11] - 在“AI与AI互动”的基础上，社交、内容社区等大量应用可以被重新构建[12] - 从AI底层能力看，人类通过Chat指挥LLM的范式是错误的，未能发挥AI在“速度”上的优势，2026年可能才是AI带来真正冲击的“狼来了”时刻[13] 未来的AI产品，应该「活」在用户最高频的工作流中 - AI入口发生剧变：从ChatGPT等周活10亿的“目的地”应用，扩展到所有IM及聊天入口，潜在覆盖用户达百亿甚至千亿级别，实现了最自然直接的交互[14] - IM即任务入口：通过集成滴答清单等应用的Skill，用户可在IM聊天框中让AI拆解任务、管理日程，使IM成为任务管理入口，GUI仅作为汇总看板[14] - 社交场景：Clawdbot的执行能力与社交结合，可能催生全新社交平台，例如帮助用户寻找同好，甚至通过与其他人的Agent交流形成新社交圈层，提升信息处理效率并拓宽视野[15] - 交易场景：Clawdbot结合预测市场（如Polymarket）被广泛用于搭建交易Bot，降低了专业交易门槛，相关教程在推特和GitHub上大量涌现[15] 端侧可以作为，Agent上下文的「沉淀池」 - 从端侧产品角度看，核心仍是Agent本身的设计，包括模型和脚手架的优化[16] - 端侧设备（手机、穿戴设备）可作为Agent上下文的“沉淀池”，因其与用户交互最直接频繁，沉淀了大量真实、细碎且高度个性化的上下文信息[17] 安全，是目前最大的短板 - Clawdbot当前存在两大痛点[18] - 无论是云端还是本地，现有的沙箱和本地虚拟化基础设施严重不足，无法很好支持Agent的检查点和恢复等高级功能[19] - 安全是当前最大短板，产品应部署在云端并严格限制网络访问，因其目前极不安全，容易被黑客攻击[19] - 当前产品缺乏良好的备份和沙箱机制，对普通用户而言，Agent出错（如误删文件）的频率会更高[19] Clawdbot，会成为2026年AI应用的主流形态吗？ - 面临两大技术挑战：一是未经优化的上下文处理导致Token消耗非常夸张，成本难以覆盖；二是低效的文件检索，因缺乏有效索引机制[20] - Clawdbot的本质是为用户配备了一台“云电脑”，使AI从信息工具转变为可执行增、删、改、查文件的执行工具，带来了与聊天不同的“增量”价值[21] - 当前爆火更像是硅谷极客圈的内部狂欢，大众市场仍然缺席，大量AI应用尚未触达更广泛、多元、下沉的市场[21] - Clawdbot类似当年的Linux，是在不设限环境中由发烧友创造的产品，其打破规则的特点打开了创新的“潘多拉魔盒”[21] - 未来很可能稳定成为一个开源操作系统，并已开始构建生态，其基于AI的进化速度（用户有疯狂想法可几分钟内由AI写成代码并发布为Skill）是传统软件开发模式无法比拟的，后来者追赶难度大[21]

Skill概念的市场热度与生态发展 - 2026年初，Skill概念的热度持续攀升，并迅速超越Agent、MCP等概念，成为各家产品争相支持的功能[2] - 在过去的十几天里，Skill生态正在以数倍的速度持续扩张[2] - Skill主张将专家的工作标准作业程序打包成可复用的资源包，其特点是搭建不难、易于分享且能交付结果[3] - 创建Skill不需要编码或拖拽搭建工作流，只需有一套可复用的标准作业程序，门槛比Vibe Coding还低，旨在让人人都能成为创作者[3] 行业主要参与者的战略动向 - 扣子2.0率先跟进Skill功能，并快速推出「技能商店」[4] - Founder Park联合扣子举办了Skill招募大赛，旨在促进最佳标准作业程序实践的分享，让能力成为一种流动的交换资源[5] - 大赛的核心倡导是将可标准化的执行工作交给Skill，使人的能力和时间能聚焦于决策和创造[6] Skill招募大赛的赛题设置 - 大赛设置职场和极客两个赛道，参与者可选择单个或多个赛题进行Skill开发[6] - **职场赛道**征集能将日常工作方法论、专业领域知识、复杂性流程封装转化为可复用能力的实用性Skill，旨在助力职场人提效减负[7] - **工作效率提升方向**：针对述职汇报、会议协作、项目跟进等高频办公场景，将个人沉淀的标准作业程序转化为技能，例如自动整理会议纪要并输出行动项、项目进度自动同步提醒等[9] - **市场营销创作方向**：面向内容创作者与营销从业者，打造具备强交付能力的营销类技能，覆盖从内容策划到素材投放的全流程场景[10] - **金融专业分析方向**：面向金融从业者，打造满足一致性规范、可审计、强决策支撑核心需求的技能，如财报关键指标速读、行业动态跟踪等[11] - **极客赛道**聚焦视觉冲击力、技术门槛与代码能力、交互体验的魔法感，面向开发者征集具备技术突破性与体验创新性的Skill[12] - **强视觉冲击特效方向**：鼓励打造高质量视觉特效能力，包括酷炫粒子效果、沉浸式3D空间场景，以及玻璃拟态、流体流动等创意光影表现[13] - **可视化库封装与应用方向**：征集可作为Skill能力模块独立调用的可视化方案，如动态智能图表、交互式地图等组件封装[14] - **代码创意交互方向**：倡导基于编程语言实现具有创意表达的交互型技能，例如网页动画生成、新颖的手势交互逻辑，或结合陀螺仪、摄像头等硬件能力的联动效果[15] 赛事激励机制与开发者支持 - 入选的优质Skill将公布至扣子技能商店页面[17] - 提供流量扶持，为优秀Skill加码商店内曝光资源，助力技能触达更广泛用户群体[17] - 对符合条件的优质Skill开放付费权限，开发者可依托技能售卖实现创作变现[18] - 提供额外的社区福利：极客赛道入选Skill可获得500元京东礼品卡，职场赛道入选Skill可获得300元京东礼品卡，名额共计10份，按报名顺序发放[19] - 提供扣子周边作为奖励，福利名额有限，按报名顺序依次发放[19] 高质量Skill的定义与构建标准 - 一个快速判断Skill是否成立的方法是：其方法论在固定输入条件下，能稳定产出可直接使用的结果，且在该场景下的效果与确定性明显优于通用大模型工具[25] - 高质量Skill的核心标准是具备专业领域知识，非通用Agent能完成，本质上应像一个高度专业的虚拟员工，能独立、可靠地完成一项完整、有价值的任务[26]