1950s · 概念萌芽
图灵测试与 AI 的原初想象
Alan Turing 在《Computing Machinery and Intelligence》中首次提出"机器能思考吗"，为自主智能体埋下哲学种子。早期的符号 AI（如 Logic Theorist）尝试用规则推理模拟人类思维。
🤖 Agents — AI 智能体
自主运行的 AI 智能体——可独立执行复杂任务链的智能程序。 注册用户均可提交 Agent，管理员审核通过后才会公开展示。所有文件经 SHA-256 校验确保完整。
基础概念
什么是 AI 智能体（Agent）？
AI 智能体（Agent）是一个能够自主感知环境、制定计划、执行任务并持续学习的 AI 系统。 与传统的「一问一答」聊天机器人不同，Agent 具备主动思考的能力——它能拆解复杂目标、 调用外部工具、记忆上下文、在失败后自我纠错。
如果说传统 AI 助手像一本会回答问题的百科全书，那 Agent 就像一位能独立完成项目的实习生—— 你告诉它目标，它自己想办法达成。
📜 智能体的发展历程
1980s-90s · 理论奠基
BDI 模型与多智能体系统
Belief-Desire-Intention (BDI) 架构被提出，定义了智能体如何基于信念、愿望和意图做出决策。多智能体系统 (MAS) 开始研究 Agent 之间的协作与博弈。
2022-2023 · LLM 革命
大语言模型赋予 Agent 真正的"大脑"
GPT-3.5/4、Claude 等大模型的出现，让 Agent 首次具备了接近人类的语言理解与推理能力。ReAct、AutoGPT、BabyAGI 等项目展示了 LLM + 工具调用 + 自主循环的巨大潜力。
2024-2026 · 产业爆发
从 Demo 到生产级 Agent
OpenClaw、Claude Computer Use、Manus、Devin 等产品将 Agent 推向实际工作场景。MCP 协议的发布让 Agent 的工具调用标准化，Skill 生态随之兴起。
案例分析
🔥 全球爆火 Agent 深度拆解
从 OpenClaw「小龙虾」到 Manus，再到 Hermès「爱马仕」——这些现象级 Agent 产品为何能引爆市场？
🦞
OpenClaw（俗称"小龙虾"）
一款开源的通用 AI Agent 框架，以"让 Agent 像龙虾一样灵活抓取任务"为设计理念。 OpenClaw 提供了从工具注册、任务规划到多 Agent 编排的完整基础设施， 被开发者社区昵称为"小龙虾"——既取"Claw（钳子）"的字面意象， 也暗含其"小而敏捷、能夹住任何任务"的工程哲学。
OpenClaw 的核心理念是轻量级、可组合——不像 Operator 那样依赖重型视觉模型， 而是通过标准化 MCP 协议接入各种工具，让开发者像搭积木一样构建自己的 Agent。
🔧 架构分析
- 设计哲学：轻量开源框架，MCP 协议原生支持，任何工具即插即用
- 工具层：标准化 MCP 接口，社区可贡献自定义工具插件
- 编排层：支持单 Agent 循环执行和多 Agent 协作两种模式
- 安全策略：沙箱执行 + 权限分级 + 操作审计日志
- 社区生态：开源协议，GitHub 共建，Skill 可跨平台复用
👜
Manus（全球首款通用 Agent）
2025 年 3 月由中国团队 Monica.im 发布，全球首款通用 AI Agent 产品。 Manus 在 GAIA 基准测试中取得 SOTA 成绩，能独立完成从"分析特斯拉股票" 到"搭建个人网站"等跨领域复杂任务，邀请码一度炒到数万元。
🔧 架构分析
- 核心引擎：多模型调度层（Claude + GPT-4o 等）+ 自研 Planning 引擎
- 任务分解：复杂目标 → 自动拆解为子任务树 → 并行/串行执行 → 合并结果
- 沙箱环境：每个任务在独立 Linux 沙箱中运行，支持代码执行、文件操作、Shell 命令
- 工具生态：浏览器、代码解释器、文件系统、API 调用、数据库查询等 20+ 内置工具
- 交互创新："你看着它工作"——实时展示 Agent 的思考过程与每一步操作，透明可信
- GAIA 成绩：Level 1: 86.5% / Level 2: 70.1% / Level 3: 57.7% (SOTA)
👜
Hermès（爱马仕 Agent）
与 Manus 并列的另一款现象级 AI Agent 产品。 Hermès 以"高端定制化智能体"为定位，主打企业级复杂工作流的自动化编排。 其命名直接借用了法国奢侈品牌 Hermès 的高端意象，传递"每个 Agent 都是一件手工打造的数字精品"的产品理念。
与 Manus 强调"通用"不同，Hermès 走的是垂直精品路线—— 每个 Agent 实例针对特定行业场景深度调优，强调长期记忆积累、个性化适配 和"越用越懂你"的持续学习能力。
🔧 架构分析
- 定位差异：通用 Agent(Manus) vs 垂直精品 Agent(Hermès)——两种迥异的架构哲学
- 持久记忆：基于向量数据库的长期记忆系统，跨会话保持用户偏好和领域知识
- 深度定制：每个行业场景预置专属知识图谱和工作流模板，开箱适配而非从零配置
- 人机协作：关键决策节点保留人工确认，形成"AI提案→人工审核→AI执行"的闭环
- 安全第一：内置数据分级和权限控制，敏感操作需要多因素验证
🧠 爆火背后的共同架构逻辑
无论是 OpenClaw、Manus 还是 Hermès、Devin，这些爆火 Agent 共享同一套核心架构范式。 这不是巧合——而是 Agent 从"能用"走向"好用"的必经之路。
1️⃣ 多模型调度
不再依赖单一模型。路由不同的子任务给最擅长的模型——大模型做推理，小模型做分类，视觉模型做感知。成本与效果的最佳平衡点。
2️⃣ 沙箱隔离
每个任务/子Agent运行在独立沙箱中。防止代码执行污染系统、避免不同任务间的数据泄漏。安全是生产级 Agent 的第一道门槛。
3️⃣ 透明执行
让用户"看着 Agent 工作"——实时展示每一步操作和推理过程。降低黑箱焦虑，建立人机信任，也方便出错时定位问题。
4️⃣ 工具标准化
MCP 协议让 Agent 的工具调用有了统一标准。浏览器、代码解释器、API、数据库——所有能力都通过标准化接口接入，降低开发维护成本。
审核通过后公开
社区 Agent 库
这里仅展示管理员审核通过的 Agent。审核中或被退回的提交只对提交者和管理员可见。
1. 登录提交所有注册用户
2. 管理员审核功能、合规与文件安全
3. 公开展示仅审核通过的 Agent