从 OpenClaw、Hermes 热度回落,看 AI Agent 为什么正在走向垂直落地

过去一段时间，OpenClaw、Hermes 等通用 Agent 曾经是 AI 圈内容传播中的高频对象。它们代表了一种典型设想：AI 不再只是回答问题，而是成为可以长期在线、连接工具、调用系统、跨应用完成任务的个人助手。

但近期从国内内容生态看，围绕通用个人 Agent 的讨论正在趋于冷静。相比之下，Codex、Claude Code 这类编程 Agent 仍然更容易成为教程、案例和工具工作流内容的中心。这个变化并不意味着 OpenClaw、Hermes 没有价值，而是说明市场开始重新评估 Agent 的落地逻辑。

微信指数也给出了一个可供观察的侧面。6月25日，关键词“codex”的微信指数为10,865,955，“Claudecode”为5,382,235；

相比之下，“hermes”为 1,826,785，“claw”为 1,065,597。从单日数据看，codex 约为hermes 的 5.9 倍，约为 claw 的 10.2 倍；Claudecode 也约为 hermes 的 2.9 倍。

需要说明的是，微信指数不能直接等同于真实用户数或全网提及次数，它反映的是微信生态中的搜索关注、内容传播和用户兴趣变化。同时，“hermes”和“claw”本身存在一定泛义噪声，其中“claw”更适合作为 OpenClaw 相关传播的辅助观察关键词。即便如此，这组数据仍然说明，当前国内内容生态对 AI Agent 的注意力正在更多集中到 Codex、Claude Code 这类编程 Agent 上。

通用 Agent 的难点，不在于“不能做”，而在于“不一定值得做”。它希望连接聊天工具、浏览器、邮箱、日历、文件系统和各种插件，帮助用户处理跨系统任务；但在真实使用中，任务边界往往不清晰，权限和隐私问题更复杂，结果也不容易验证。整理资料是否准确、日程安排是否合理、邮件摘要是否抓住重点，往往依赖人工判断，很难像测试结果或工程校核那样形成清晰反馈。

更现实的问题是成本与价值容易错配。Agent 为了完成一个看似简单的任务，可能需要读取大量上下文、调用多个工具、反复规划和校验，消耗大量 token、计算资源和等待时间。但最终交付的可能只是一段摘要、一项检索结果或一个低价值操作。系统侧成本不低，用户感知价值却有限。通用 Agent 热度回落的本质，不是 Agent 方向退潮，而是市场从“能力想象”进入“价值核算”。

Codex 和 Claude Code 之所以更容易跑出来，并不是因为它们不是 Agent。相反，它们同样是大语言模型、工具调用、上下文管理、执行环境和反馈循环的组合。真正的区别在于，它们把 Agent 能力收缩到了一个高价值、强流程、可验证的场景：软件工程。

代码任务天然适合 Agent。代码库、文件、函数、接口、依赖、测试、构建、报错、diff、代码评审和 Pull Request，共同构成了一套结构化工作流。Agent 修改代码之后，可以运行测试；测试失败，可以根据报错继续修复；修改结果可以通过 diff 审查；最终成果可以进入版本管理和交付流程。

这使得编程 Agent 的价值闭环更短，也更容易被内容平台传播。教程号可以清楚展示“安装工具—读取项目—修改代码—运行测试—提交结果”的全过程。用户也更容易判断它是否真正节省了时间。编程 Agent 并不一定更省 token，它的优势在于单次成功任务的价值更高。一次 bug 修复、功能开发、测试补全或重构，可能节省工程师数小时工作量。只要结果足够明确，较高的模型消耗就更容易被接受。

当 Codex 的工作方式逐步进入 ChatGPT 生态时，值得关注的也不只是“ChatGPT 更会写代码了”。更重要的是，ChatGPT 正在吸收 Codex 的产品范式：理解上下文、拆解任务、调用工具、执行操作、返回可审查成果。这可以被理解为一种“工作界面”的形成。过去，用户主要通过聊天窗口获得答案；未来，用户可能通过同一个界面发起任务，让 AI 在受控环境中读取材料、调用软件、生成中间结果，并由人进行审查和决策。

因此，Codex 化的本质不是把所有行业都变成编程场景，而是把“可执行、可验证、可审查”的 Agent 工作方式迁移到更多专业场景。

图：EICAD + AIRoad 交互式数字化设计平台示意（EICAD 产品界面底图来自公开页面）

这一趋势对工程设计、智能建造和基础设施数字化行业具有直接启发。工程行业并不缺少知识问答需求，但真正的价值不在于多一个通用聊天窗口，而在于 Agent 能否嵌入专业软件、工程数据和真实业务流程。

江苏狄诺尼长期围绕基础设施数字化开展工程软件研发，形成了以 EICAD、AIRoad 等为代表的数字化设计产品能力。公开资料显示，EICAD+AIRoad 交互式数字化设计平台基于自主研发的 CAD/BIM 图形计算引擎开发，支持国产 CAD 软件，并内嵌公路、城市道路相关设计规范和技术标准。

这类产品积累，正好对应垂直 Agent 落地所需要的三个条件：第一，有明确的专业对象，例如路线、桩号、断面、互通、路基、桥隧、构造物、工程量和设计成果；第二，有明确的软件工具链，例如 CAD/BIM 图形计算、三维正向设计建模、方案比选和成果输出；第三，有可审查的交付标准，例如设计图纸、模型成果、计算说明、规范校核结果和项目过程资料。

也就是说，工程行业 Agent 的落点不应是泛泛地“会聊天”，而应是围绕工程对象、工程语义和软件操作逻辑，形成能够进入设计、施工、监理和运维流程的专业协作能力。对于狄诺尼这样的工程软件企业而言，Agent 的价值不是另起一个孤立应用，而是把 AI 能力连接到已有产品底座、工程数据和真实项目流程中。

图：DNN Agent示意（EICAD 产品界面底图来自公开页面）

过去，工程软件主要是人操作软件：工程师打开系统、输入参数、绘制图纸、查询资料、生成报表，再由人进行判断和修改。未来，工程软件中可能会出现一个新的协作层：Agent 层。它不替代工程师，而是把工程师的自然语言目标转化为软件中的可执行任务。

例如，工程师可以提出：“根据当前项目资料，整理本周监理问题清单。”“检查这份设计说明中是否存在与规范不一致的地方。”“汇总该路段近三个月质量问题，并按风险等级分类。”“根据已有资料生成一版方案比选初稿。”

在这些任务中，人仍然负责专业判断、校核和决策，Agent 则负责资料检索、流程串联、初稿生成、工具调用和重复性操作。这样的 Agent 才更可能在成本与价值之间形成平衡。

对道路与交通基础设施设计而言，Agent 可以围绕项目资料、设计条件、路线方案、图纸内容、规范条文、工程量和三维模型进行协同工作。在施工和监理场景中，Agent 可以辅助整理巡检记录、归纳质量问题、生成整改清单、追踪闭环状态，并与图纸、规范和项目资料形成联动。

这也解释了为什么工程行业更适合发展垂直 Agent。工程任务虽然复杂，但它有明确专业对象、明确业务流程、明确软件工具和明确成果标准。只要 Agent 能够进入这些环节，输出就不再只是文字回答，而是可以被复核、被校验、被沉淀的工程成果。

OpenClaw、Hermes 等通用 Agent 的热度回落，并不意味着 Agent 方向失败。它说明市场正在变得更务实：从“AI 能不能自主行动”，转向“AI 能不能在真实工作流中稳定交付价值”。

Codex、Claude Code 的持续传播，证明了一个重要路径：Agent 首先会在高价值、强流程、可验证的专业场景中成熟，然后再向更多行业扩展。

对工程行业而言，AI Agent 的真正机会不在于追逐通用助手概念，而在于深入工程设计、智能建造、施工监理和基础设施数字化流程，理解专业对象，连接行业工具，生成可审查成果。

未来的工程智能化，不会只是多一个聊天窗口。更可能出现的是一个能够理解工程任务、调用专业软件、连接工程数据、服务真实生产流程的新型智能工作平台。