Transcription
OpenClaw 最有趣的地方不在于代理，而在于网络。代理时代，网络正在分叉，而没有人对此给予足够的关注。上周二，三件事在几小时内接连发生。Coinbase 推出了 Agentic Wallets，这是一种加密钱包，其设计对象不是人，而是代理。Cloudflare 推出了面向代理的 Markdown 功能，该功能会在 AI 系统请求时自动将任何网站转换为代理可读的 Markdown。然后，OpenAI 发布了一篇开发者博客文章，介绍了允许代理在托管容器内安装软件依赖项、运行脚本和写入文件的技能和 Shell 工具。这些公司都没有协调它们的公告。它们不需要。它们都在朝着同一个未来努力。它们都看到了 Open Claw 现象，而那个未来正在比它们任何一个或我们大多数人预期的都要快地到来。在最近的几个视频中，我介绍了 Open Claw 混乱的发布、让研究人员重新思考代理能力的新兴行为，以及社区构建的数千种技能揭示了人们对 AI 代理的真实需求。这个视频要讲的不仅仅是 Open Claw。它关乎正在它之下以及它之后出现的每一个代理的底层基础设施。它关乎一种新的网络。现在，互联网上的每一家主要基础设施公司都在同时构建一个全新的商业和互动方式的组成部分。而这些部分正在比我们大多数人的思维模型能够追踪的速度更快地组合在一起。让我们从金钱开始。如果代理无法支付费用，它们在网络上就做不了太多事。Coinbase 的 Agentic Wallet 使用一种名为 X42 的协议解决了加密货币方面的问题，该协议已经处理了超过 5000 万台机器到机器的交易。是的，你没听错，5000 万。这些钱包带有可编程的支出限额、会话上限以及在 Coinbase 的 Base 网络上进行的无 Gas 交易。开发者可以使用命令行工具在不到 2 分钟的时间内启动一个。这些钱包使用非托管架构，这意味着即使代理被攻破，密钥本身也存放在代理无法访问的安全硬件中。所以代理无法泄露这些密钥。在此发布后的 24 小时内，新的 AI 代理在以太坊上注册了钱包。这不是开发者实验。这是一个实时形成的拥有钱包的代理生态系统。Coinbase 强调的用例告诉你 Coinbase 对此的看法。能够自主重新平衡 DeFi 投资组合的代理，能够按需支付 API 调用费用的代理。能够按需购买计算能力并参与创作者经济的代理。Brian Armstrong 的说法是：“下一代代理将不仅仅是提供建议，它们将采取行动。” 这句话的意思是，这正是 Open Claw 的全部内容。但这显然是他前进的方向。他没有说的是，这种架构意味着拥有钱包的代理将成为真正的经济实体，它们可以独立于创造它们的人类来赚钱、消费和积累资本。这是一种以前从未存在过的软件类别。而这将带来一堆我们尚未遇到的法律问题。Stripe 正在传统支付方面解决同样的问题。他们于 12 月推出的 Aenta Commerce 套件允许企业连接产品目录，并通过单一集成开始通过 AI 代理进行销售。他们构建了一种新的支付原语，称为共享支付令牌，即作用域、时间受限的凭证，允许代理使用买家保存的支付方式发起购买，而无需看到卡号。Stripe 的欺诈检测系统 Radar 不得不从头开始重新训练，因为旧的信号都是针对人类购物行为校准的。想想这意味着什么。建立在鼠标移动可变性、浏览时间、会话行为、设备指纹等模式上的数十年欺诈检测机器学习，在买家是软件时都变得毫无用处。代理流量不会移动鼠标。它不会浏览。它不会表现出区分合法购物者和机器人的行为可变性。Stripe 不得不为在任何先前定义中都是机器人的客户构建一个全新的欺诈模型。然而，现在机器人也是购买者了。Urban、Etsy、Coach、Kate Spade 和 Revolve 等品牌已经开始入驻。Google 也在加入这场竞争。他们于去年 9 月推出了其代理支付协议。PayPal 和 OpenAI 合作推出了 ChatGPT 中的即时结账功能。Visa 在今年 1 月份的 NRF 2026（一个针对此的会议）上构建了受信任代理协议。Google 宣布了通用商务协议，这是一个用于代理与商务交互的开放标准，而 Stripe 的 ACS 立即自动支持它，这意味着集成了 Stripe 代理工具的商家已经与 Google 的代理购物基础设施兼容，而无需编写一行额外的代码。正如 Decrypt 分析师所说，行业共识是：“无法花钱的代理从根本上受到限制”，这是事实，但一旦你做到了这一点，前方还有很多路要走。尽管如此，每家主要支付公司都在同一两个月的时间窗口内独立得出了这个结论。但当我们谈论支付时，我们还没有结束。让我们转向内容访问。网络由 HTML 构成，而 HTML 是为人类浏览器设计的，而不是语言模型。页面充斥着脚本、跟踪像素、导航菜单和广告。当代理需要读取网页时，它必须剥离我们人类喜欢的所有这些东西，并将它们转换为有用的东西。通常，这就是 Markdown。这是一个如此常见的步骤，以至于像 Firecrawl 或 Exa 这样的整个公司都专门从事这种转换。现在，Cloudflare 的面向代理的 Markdown 省去了中间商。当 AI 代理请求 Cloudflare 启用的任何站点的页面时，它会发送一个 Accept 标头，Cloudflare 会拦截请求，从源服务器获取 HTML，即时将其转换为 Markdown，然后将其传回。响应甚至包含一个 X-Markdown-Tokens 标头，其中包含估计的令牌计数，以便代理可以管理自己的上下文窗口。不再需要抓取，不再需要转换库，不再浪费计算。代理只需请求 Markdown 即可获得 Markdown。这比听起来要重要得多。Cloudflare 服务于约 20% 的网络。当他们决定代理是网络的一等公民时，这就是他们刚刚所做的。当他们决定不阻止代理，而是将其视为应该以其首选格式 Markdown 提供服务的客户端时，Cloudflare 正在为软件像人类一样常规地读取网站的世界做出基础设施层面的承诺。而且 Cloudflare 的工作不止于 Markdown 转换。他们在同一次发布中推出了三个配套功能。首先是 LLM.ext 和 LLM.full.ext，它们是标准化的机器可读站点地图，告诉代理网站上有哪些内容以及如何导航。就像 robots.ext 在二十年前告诉搜索引擎爬虫完全相同的事情一样。其次，Cloudflare 推出了 AI Index。这是一个选择加入的搜索索引，网站可以通过 Cloudflare 的 MCP 服务器和搜索 API 直接向代理公开其内容。这意味着它们可以完全绕过 Google。第三，也是最能说明问题的是，Cloudflare 支持内置的 X42 货币化。因此，网站所有者可以使用与 Coinbase 的钱包完全相同的协议向代理收取内容访问费用。Cloudflare 不仅仅是让网络对代理可读。它们正在为代理付费访问内容的网络构建一个经济层。然后是搜索。Google 搜索显然是为人类优化的。10 个蓝链、广告、精选摘要、知识面板。最近，他们增加了 AI 摘要。这些对需要以编程方式查找特定信息然后返回结构化数据的代理来说都没有用。Exa.ai 从头开始构建了一个专门为代理设计的搜索引擎，拥有自己的索引、自己的神经检索模型、自己的嵌入基础设施。其 API 返回原始 URL 和内容，而不是搜索引擎结果页面。其研究端点将多个搜索链接在一起。代理并行化跨输出字段以最小化延迟。在简单的问答方面得分 95%，这是事实准确性的基准。相比之下，Perplexity 的得分较低。所以，如果你在想，这会成为代理搜索准确性的新标杆吗？你会是对的。但基准结果比这暗示的关于互联网市场结构未来的信息要少得多。Google 为人类构建了一个搜索引擎，并花费数十年时间对其进行完善。现在，存在一个并行的需求：为机器搜索，而 Google 的架构形状不适合。从第一原理构建代理原生搜索的公司拥有真正的结构性优势，而不仅仅是营销优势。AI Multiple 的一项独立基准测试对主要的代理搜索提供商进行了头对决。如果搜索在综合代理得分上领先，Firecrawl、Exa 和 Parallel Pro 在其后面统计上持平。但延迟差异告诉你真正的差异化开始在哪里。在代理工作流中，Brave 返回结果的时间为 669 毫秒，大约是 2/3 秒。Parallel Pro 花费了整整 13.6 秒。在每个搜索都是长链中一步的代理工作流中，这种延迟差异会迅速累积成几分钟。拥有自己基础设施和代理索引而不是包装 Google API 的提供商具有结构性速度优势，随着代理工作流变得越来越复杂，这种优势变得越来越有价值。猜猜怎么着？它们将在 2026 年实现。然后是执行。OpenAI 关于技能、Shell 和压缩的博客文章读起来就像是将代理转变为顾问和工人的路线图。技能是可重用的版本化指令包。我们之前从 Claude 那里听说过它们。我讲过很多次了。将它们视为 AI 在特定任务上的标准操作程序。代理可以按需加载它们，立即学习技能，然后开始工作。Shell 工具为代理提供了一个真实的终端环境，它们可以在其中安装依赖项、运行脚本和写入输出文件。Compaction 会自动管理上下文窗口，这样长时间运行的代理工作流就不会在达到令牌限制时崩溃。细节很重要，因为它们揭示了 OpenAI 对实际生产中代理架构的看法。技能不是提示。它们是版本化的。它们是可挂载的指令包。它们看起来更像 Docker 镜像而不是聊天模板。一个组织可以构建一个 Salesforce 技能，对其进行测试，锁定版本，然后将其部署到公司中的每个代理上，并保证每个代理都遵循相同的程序。当程序发生变化时，只需更新该技能版本，所有代理都会遵循。你无需处理 CI/CD 提示或其他任何东西。这就是将手工制作的提示工程与实际应用于 AI 操作的软件工程区分开来。Shell 工具同样具有启发性。它为代理提供了一个真实的 Linux 环境，而不是一个沙盒游乐场，而是一个可以写入磁盘文件并输入 install、curl 和 grep 等命令的终端。OpenAI 描述的模式是安装依赖项、获取外部数据、生成一个功能上与当今人类自由职业者工作方式相同的实际可交付成果。人类自由职业者阅读简报，设置工具，进行研究，然后交付工件。代理也是如此。区别在于代理现在可以在几秒钟内在一个容器内完成。而技能确保它每次都遵循相同的程序。Glean 是一家企业搜索公司，也是早期技能客户，他们发现使用一个结构良好的技能，在 Salesforce 相关任务上的准确率从 73% 提高到 85%。同时，它也变得更快，因为代理不再需要思考该做什么，并且他们看到首次令牌的生成时间减少了约 18%，这在每个查询都很重要的时刻非常重要。这些收益来自于将稳定的程序从系统提示移出，并移入版本化的模块化指令包，坦率地说，这又是将软件工程应用于 AI 工作流。我们不是在重新发明轮子。没有什么革命性的。所有革命性的东西都来自二阶效应。我们所做的只是经典的企业部署，只不过我们是用 AI 来做的。我们现在有了版本控制、测试、回滚。这部分并不新鲜。新的是我们正在为自主 AI 代理做所有这些事情。最后但同样重要的是，他们推出了 Compaction，这并不是一个特别炫酷的功能，但对于支持长时间运行的工作流却非常重要。任何运行一段时间的代理都会累积搜索结果、API 响应、计算、对话历史记录，并且上下文窗口会变得混乱。它会填满。代理开始忘记早期的步骤或出现漂移。代理可能会崩溃。Compaction 会在服务器端处理所有这些，并自动总结和压缩上下文，以使代理在否则不可能的工作流中保持运行。这种功能使得代理能够处理需要更长时间的任务，例如几小时而不是几分钟。而这种大规模的持续多步工作重新定义了在企业环境中部署代理的容易程度。所以让我们退一步。当我把这里提到的所有不同原语结合起来时会发生什么？一个拥有钱包、搜索能力、内容访问、支付渠道和执行环境的代理不仅仅是一个助手。它是一个经济行为者。考虑一下一位自称聊天应用的开发者本周在 X 上展示的内容。他将 OpenClaw 连接到了 Cance 2.0，这是一个名为 Chatcut 的应用程序中的视频生成模型。然后他向代理发送了一个亚马逊产品链接。代理抓取了亚马逊页面，提取了产品信息和照片，识别出哪些资产适合视频生成，将它们输入 Seed Dance（一个令人难以置信的视频模型），并生成了一个用户生成内容风格的产品视频。这种内容是品牌花费数千美元让创作者制作的。从粘贴链接到生成视频的整个过程中，没有人为干预。我看了看。看起来相当不错。这就是新兴的网络。不是代理在执行任务，而是代理跨服务链接能力，以产生以前需要多人和多种工具才能完成的输出。亚马逊页面不是为代理设计的。Cance 2.0 实际上也不是为了接收来自网络爬虫的输入而设计的。Chatcut 也不是作为一个编排层而设计的，但由于每个部分都通过 API 和结构化数据暴露其能力，代理可以[清嗓子]将它们缝合到一个没有任何单个公司计划的工作流中。这就是基础设施融合使得不可避免的模式。当内容以 Markdown 形式可用时，搜索返回结构化数据，执行在容器中发生，并且支付通过代币化协议流动。因此，代理不需要任何人来构建 A 和 B 之间的集成。它可以读取两个服务，理解两者，并即时将它们链接在一起。因此，新兴的网络不是任何一个人将要构建的平台。当原语存在并且代理足够智能地将它们组合在一起时，就会自动发生这种情况。而代理越来越如此。仅对创作者经济的影响就令人震惊。UGC 产品视频本可以花费，你知道，数千美元，而代理可以从一个链接复制这个工作流，也许没有人类的创意判断，但成本接近于零，周转时间以几分钟为计量。如果你将其乘以遵循可重复模式的每种内容类型，如产品描述、社交媒体帖子、电子邮件营销活动、比较文章，你就会开始明白为什么基础设施公司正在为尚未存在的规模而建设。它们正在看到一个世界，在这个世界里，这种新兴的代理行为是常态，是默认设置，而不仅仅是 X 上一个人的奇怪演示。Poly Market 提供了最引人注目的案例研究，说明了它的去向。仅在 2026 年 1 月，这个预测市场平台就处理了 120 亿美元的交易量。IMDIA Networks Institute 的研究人员分析了 8600 万次投注，发现算法交易者在 12 个月内提取了约 4000 万美元的套利利润。排名前三的钱包总共下了超过 10,000 美元的赌注。只有 0.5% 的 Poly Market 用户赚了超过 1000 美元。其余的人实际上只是为机器人提取价值提供了流动性。而这里更有趣的是。Poly Market 本身在今年 2 月初发推文称：“自主 AI 代理现在正在 Poly Market 上交易，试图补贴它们的代币成本。代理正在尝试赚钱来支付自己的计算费用。” 循环正在闭合。与此同时，关于代理表现如何的数据喜忧参半但很有启发性。OLAS Protocols 的 Poly Strat 代理是目前公开跟踪的最复杂的自主预测市场系统之一，其长期胜率可能在 55% 到 65% 之间，性能因领域而异。代理往往更擅长预测由数据而非文化驱动的事物，这并不奇怪。这告诉你代理适合哪种经济活动，而人类又适合哪种。我不确定我们很快会看到代理参加 Met Gala。Poly Market 上 AI 交易的总交易量持续增长。当有数千个 AI 代理注册钱包并试图开始进入货币领域时，它就会发生。骗局也存在于此。现在到处都是人们声称在几天内将 50 美元变成 3000 美元的视频。这些视频获得数千个赞。这些视频获得数千个书签。人们显然渴望在同一个视频中听到“AI”和“赚钱”这两个词。现实情况要不那么光鲜。那个在一个月内将 313 美元变成 438,000 美元的著名机器人正在进行延迟套利，利用比特币在 Binance 上变动与 Poly Market 赔率调整之间的一毫秒差距。那种算法交易不是你的 Open Claw 机器人能够做到的。那是高频交易，在金融界已经存在了很长时间，并且随着市场的成熟而被应用于 Poly Market。它需要非常复杂的设置，例如延迟低于 10 毫秒的共置基础设施。它需要比任何 TikTok 视频所暗示的都要大得多的资本。如果你尝试使用 Open Claw 代理来做这件事，你会遇到实际的成本。一位实际构建和测试了自主 Poly Market 代理的开发者报告说，Cloudflare 会阻止来自数据中心 IP 的 API 请求，并且需要自定义绕过基础设施才能下订单。另一位发现运行该机器人仅几天就产生了 200 美元的 API 费用。所以是的，复杂的自主交易代理可以在 Poly Market 上产生回报。不，你无法通过向你的 Open Claw 提供 TikTok 教程来复制这一点。基础设施要求、API 成本和竞争动态使其成为资金雄厚的科技运营商的游戏，而不是散户实验者。但根本前提，我们整个视频都在谈论的想法，即代理可以参与经济活动并产生收入，这并非骗局。这是 Coinbase、Stripe、Google、PayPal、Visa 和 OpenAI 都在积极投入数十亿美元基础设施投资的方向。问题不在于代理是否能够自主交易。问题在于是否有足够的护栏能够足够快地建立起来，以防止非常可预测的灾难。我在我的第一个视频中详细介绍了 Open Claw 的安全噩梦。一键远程代码执行、伪装成加密工具的恶意技能、思科研究团队在第三方技能中发现的数据泄露。我不会重述所有这些。我想关注的是那些事件所说明的结构性问题，因为它随着代理商务基础设施的扩展而扩展。使代理更强大的每一个原语也使其更危险。拥有钱包的代理可以支付 API 费用，也可能被恶意技能耗尽。拥有 Shell 访问权限的代理可以安装依赖项，也可以执行通过提示注入的任意代码。拥有搜索能力的代理可以查找信息，也可能被重定向到旨在操纵其行为的对抗性内容。最后但同样重要的是，拥有 Cloudflare 提供服务的 Markdown 的代理可以读取网站，也可以以机器速度消耗有毒内容。这取决于你的选择。安全社区已经在应对这些新原语带来的威胁。而这些应对措施很有启发性，因为它们揭示了认真的人们认为真正的攻击面将是什么样的。Ironclaw 是 near.ai 联合创始人 Ilia Polosukin 对 OpenClaw 的 Rust 重写版，它将 OpenClaw 使用的每一个工具都沙盒化到隔离的 WebAssembly 环境中。假设代理接触的任何工具都可能是一个潜在的泄露点。OpenAI 的 Shell 工具则包括组织级别和请求级别的网络允许列表、防止凭证泄露的域密钥以及容器隔离。假设代理将运行不受信任的代码，并且环境必须限制其影响范围。Coinbase 的 Agentic Wallets 使用了用于私钥的 Enclave 隔离和可编程支出护栏。那里的假设是代理本身不能被完全信任其管理的资产。注意所有这些中的模式。每种严肃的安全方法都将代理视为潜在的对手。这是正确的方法。它不将代理视为受信任的员工。这是我们目前（2026 年）的正确思维模式。而 TikTok 上的许多教程人群还没有内化这一点。看，代理已经存在一段时间了。API 也已经存在了几十年。软件与软件交易的概念甚至早于网络本身。新的是所有这些因素的汇聚，造就了代理网络。在短短几个月的时间里，堆栈的每一层都从概念发展到生产再到基础设施。金钱、内容、搜索、执行、身份现在都同时投入生产。网络开始分叉。有人的网络，你现在正在阅读或收听的这个视频，带有字体、布局、图像和滚动动画。同时，在另一个分叉上，存在代理网络，一个由 API、结构化数据、Markdown 内容、支付协议和为永不打开浏览器的软件设计的执行环境组成的并行层。这两个网络运行在相同的物理基础设施上，相同的服务器、相同的 CDN、相同的支付渠道，但它们服务于根本不同的客户，满足不同的需求。人类，我们想要一个漂亮的产品页面。代理，它们想要一个包含价格、可用性和支付端点的 JSON 负载。人类可能想要可供浏览的搜索结果。代理只想要结构化数据来采取行动。你明白了。人类想要一个带有信任信号的结账流程。代理只想要代币化的支付原语，然后就会继续它们的一天。当我审视这一切时，我脑海中不断浮现的一个类比是早期移动网络。2007 年 iPhone 发布时，网络已经存在。技术上它可以在手机上运行，但它是为桌面设计的，而且我的亲身经历证明，体验非常糟糕。随之而来的是移动网络长达十年的重建。响应式设计、移动优先框架、应用商店、推送通知、GPS 服务、即时支付。底层基础设施是相同的，但界面层完全分叉了。那些早期认识到分叉的公司，那些为新客户端构建而不是试图让旧界面在新设备上工作的公司，它们构建了下一时代的占主导地位的平台。我们今天正处于同样的转折点，只是新的客户端不是一个小屏幕。它根本不是屏幕。它是读取、决策、支付和行动的软件。它需要的界面不是视觉的。它是结构化的。它是可编程的。它是交易性的。而现在正在构建这个界面的公司，它们不是那些希望侥幸成功的初创公司。它们是巨头。它们是 Coinbase、Stripe、Cloudflare、Google、OpenAI、Visa、PayPal。拥有基础设施、规模和分发能力的公司，能够将它们的设计决策转化为事实上的网络标准。移动网络分叉创造了万亿美元的公司，对吧？它创造了 Uber、Instagram、WhatsApp、Snap。它们在桌面网络上不会存在。不是因为桌面网络缺乏功能，而是因为它缺乏移动客户端真正需要的界面原语。它缺乏实时位置、始终在线连接、以摄像头为先的交互、推送通知、在实体店即时支付。代理分叉将在 2020 年代再次做同样的事情。从中涌现的企业将是那些在人类网络上无法存在的企业，不是因为人类网络缺乏信息，而是因为它缺乏代理客户端真正需要的界面原语。结构化数据、代币化支付、机器可读内容、可编程搜索、执行环境。在我关于 Open Claw 的最后一个视频中，我谈到了 70/30 法则。人们始终希望在代理委托的任务中保持大约 70% 的人类控制权。这是需求方。这是故事的人类一方，对吧？这个视频实际上是关于故事的供应方，代理一方。而那一方不在乎我们的 70/30 分割或我们想保持什么样的控制权。现在正在构建的基础设施，我在这段视频中一直在谈论的基础设施，假设了一个 0/100 的世界。完全自主的代理，拥有自己的钱包、自己的搜索能力、自己的执行环境，以及与它们使用的服务自己的经济关系。正在构建的基础设施与人们愿意授予代理的信任之间的差距是未来几年 AI 的核心张力。代理堆栈中的每家公司都在押注信任将跟上今天正在构建的能力。而我们看到的每一个安全事件，尤其是 Open Claw 的故事，比如 Claw Havoc，比如 iMessage 的 500 条消息灾难，无监督代理擦除数据库，这些故事都会推迟信任的时间线，尽管它们并没有阻止人们尝试代理。目前，代理网络非常小。开发者在 Mac Mini 和 VPS 实例上运行 Open Claw，AI 购物助手通过 Stripe 的 ACP 下订单。但我想指出，现在的小不代表将来也小。由于 Open Claw 的快速增长，由于 2026 年大量风险投资涌入代理领域，我们很可能会在 2026 年看到这个新分支网络的爆炸式增长。我不知道一个完全实现的代理网络会在 3 个月、3 周还是 2 年内到来。这是一个悬而未决的问题。它正在被构建，这不是一个问题，而且我越来越确信我们将走向一个代理像人一样在网络上无处不在的世界。我们有责任塑造这些网络标准，使其对代理和人类都有效。我们有责任确保我们构建的原语，如支付、安全，足够健壮，以便我们能够真正信任代理操作和代理经济，就像我们学会信任其他人类在网络上进行商业活动一样。没有这个信任的基础层，代理网络的未来可能胎死腹中。而这就是我想留给你们的。什么将建立代理网络的信任？尽管这些公司正在投资原语，但信任的原语是我们必须随着时间的推移，由那些以人类和代理共同在网络上工作的未来为目标而建立的诚信行为者来实现的。如果你知道有人在这个领域工作，请在评论中提及他们。我很想看看。祝你好运，享受狂野的代理网络。这将是疯狂的十年。干杯。