weekly-summary-20260322
技术
Kimi的论文
https://arxiv.org/abs/2603.15031
cc龙虾化
https://mp.weixin.qq.com/s/OePG4-a4ebMhElMzCQVizg
想法
好文摘抄
如何看待黄仁勋「OpenClaw 是 AI 时代的 Linux」的观点？其将如何加速行业的发展？ - Mercer的回答 - 知乎
https://www.zhihu.com/question/2017544894055407699/answer/2017881880880490143
过去一个月，我在新买的 Mac Mini 上大量使用 OpenAI*，一个很直接的感受是，一旦你开始用，并且开始认真去想它可以帮你做什么，你会不断理解它的能力，同时也会不断产生新的需求。
一开始我只是做一些简单的事情，比如让它做角色扮演，用不同的方式跟我对话。我会觉得还挺有意思，它可以记住一些东西，也可以用不同风格表达。
然后慢慢地，我开始让 agent 跑简单的量化项目，有时甚至搭建比较系统性的项目，给它们加规则，让单个 agent 的执行能力更稳定一些。
再往后，我开始增加 agent 的数量，给它们分配不同的角色，尝试不同的配置方式。
当 agent 变多之后，我很自然地遇到一个问题，就是有些任务需要交给其他 agent 来完成，相当于把任务外包出去。这个时候你就需要有一种机制，让一个 agent 可以调用另一个 agent，或者让多个 agent 协同工作。
我尝试过用系统自带的能力，也尝试过自己创建新的 agent，然后通过通信的方式让它们协作。
再往后我遇到一个比较关键的问题，就是 token 限制。有一次我只是对一个 agent 说了一句 hello，就消耗了大量额度。这件事情让我开始认真去理解 context 是怎么构建的，memory 是怎么工作的，以及如何更高效地使用这些资源。
当 agent 数量继续增加，整个系统变得更复杂的时候，我开始明显感觉到，我需要一个更系统的方式去管理这些 agent，而不是一个一个单独去调。
于是我开始把这个东西当成一个 “公司” 来思考，也就是说，不再只是写 agent，而是去设计它们之间的关系、分工以及协作方式。
这个过程其实挺有意思的，因为你会遇到很多类似现实管理中的问题，比如资源怎么分配，角色怎么定义，一个 agent 出错了要怎么处理，是不是要停掉它，怎么避免错误扩散。这些问题在真实公司里也会存在，只是在这里你是直接在一个可控环境里体验。
所以我甚至会觉得，如果一个人想做创业，其实可以先用 OpenClaw 去玩一段时间，因为它在某种程度上就是一个非常真实的模拟环境。你会遇到资源限制、决策问题、执行问题，这些都是非常接近真实情况的。
最后再回到 Jensen 说的那句话，每一个企业都需要有自己的 OpenClaw strategy。从我自己的体验来看，这个所谓的 strategy，其实就是你如何去设计和组织这一整套系统。包括你用什么样的 agent 结构，怎么分配资源，怎么设计 context 和 memory，怎么做任务调度，以及怎么控制风险。
把这些东西放在一起看，其实就能更容易理解他说的那句话。Linux 当年解决的是计算资源如何被组织和调度的问题，而现在 OpenClaw 这一套，更像是在解决智能和执行能力如何被组织的问题。
OpenClaw标准化了Agent的”操作系统层”
OpenClaw定义了一套AI Agent的运行标准：
• SOUL.md → 身份层（Agent是谁）
• AGENTS.md → 操作层（Agent怎么工作）
• MEMORY.md → 知识层（Agent学到了什么）
• HEARTBEAT.md → 自愈机制（Agent怎么自我监控）
这套体系之所以强大，不在于它多复杂，恰恰在于它足够简单。简单到任何人都能理解、修改、扩展。
作者：王冉
链接：https://www.zhihu.com/question/2017544894055407699/answer/2017584189050994804
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。