中科算泥:2026 OpenClaw类自主智能体发展白皮书-夜雨聆风

中科算泥:2026 OpenClaw类自主智能体发展白皮书

主编单位：中科算网科技有限公司算泥 AI 开发者社区（https://c.sumw.com.cn）

OpenClaw 是一个智能体操作系统，它把消息通信、接口层和 AI 怎么思考和执行彻底分开。核心包括网关（Gateway）和智能体（Agent）两大模块。网关是一个 WebSocket 服务器，连接各种聊天平台和控制界面，把收到的消息派发给 Agent 运行时处理。Agent 是真正干活的核心引擎，负责组装上下文、调用 AI 模型、执行工具操作（比如浏览网页、操作文件、定时任务等）、保存状态。

传统 Agent 存在两个根本性瓶颈：一是记忆短暂，大多数 Agent 最多保留一个对话窗口内的上下文，无法长期积累经验；二是能力固定，Agent 的能力由开发者预设，无法随着使用而增长或适应。一个在用户电脑上运行了三个月的 Agent，和刚安装时几乎没有区别，它不仅没有“学会”用户的偏好，甚至在重复执行相同的错误。“自进化”的核心思想是：Agent 不应该是静态的软件，而应该是一个能随着使用和环境变化而持续自我改进的有机系统。在 OpenClaw 生态中，“自进化”已呈现出几种不同的形态，从温和到激进依次递进：

• 自我反思 + 提示工程调整：Agent 在执行任务后自动分析“哪里做得不好”，并在下一次类似任务时调整自己的推理策略。这是最保守的自进化形式，不改变任何代码或配置，仅改变 LLM 的推理路径。

• 自动创建/更新 Skills/Routines：Agent 将成功完成的任务模式抽取为可复用的技能文件，下次遇到类似任务时直接调用。Hermes Agent 是这一模式最激进的代表。

• 调整自身配置与工具调用策略：Agent 根据使用模式，自适应地调整模型选择（在廉价模型和高性能模型之间切换）、记忆管理策略（哪些记忆值得保留）、工具调用偏好（哪些工具更可靠）。

• 自动修改自身代码、设计新实验：在极端版本中，Agent 可以直接修改构成自身的代码。Karpathy 的 Autoresearch 是最典型的案例——Agent 不断修改训练脚本和超参数，跑实验验证效果，保留有改进的变更。这一趋势背后的现实驱动力来自两个方向。研究端，自动化实验循环在某些任务中已经超越了人工调参效率。产业端，企业部署的 Agent 数量正在快速增长，但能够维护和调优这些 Agent 的工程师极度稀缺，让 Agent“自己维护自己”成了唯一可扩展的方案。