各位对Agent Skill早已轻车熟路。不可否认，在Claude code、Openclaw的加持下，这套框架效果极佳。但工业界的痛点在于：它几乎沦为了超大型闭源API的专属玩具。当您的项目面临金融
2026 年 2 月 15 日，Sam Altman 宣布：Peter Steinberger 加入 OpenAI，负责下一代个人 Agent。11 天后，Anthropic 宣布收购 Vercept。但这两件事放在一起看，说的是同一件事：AI 的战场正在发生一次非常具体的迁移——从「谁的模型更聪明」，到「谁能让 AI 真正控制一台电脑」。
我用 Manus 做过几次深度调研，输出质量确实惊艳。但每次想用它，我都得打开电脑，在一个专门的界面里操作。这意味着每次使用 AI 都需要一个「决策成本」：我要不要打开这个工具？我现在方便吗？
前天，MiniMax 更新了 MiniMax Agent，原先的专家 Agent 再度升级，这次还加了个新东西：MaxClaw —— 把最近在 GitHub 上爆火的 OpenClaw 做成了网页版，直接一键接入。
在2026当下的智能体（Agent）开发体系中，“为LLM加Skills”已经成为事实上的行业标准。您的Agent表现不好，是因为底层的LLM参数量不够，还是因为您喂给它的“Skills”写得一塌糊涂？无论是日常使用的各类CLI工具，还是最近的Openclaw，其底层能力的跃升很大程度上都依赖于这些特定领域的Agent Skills。
Second Me 也是从这里出发的。他们在春节前的最后一周，把这个问题变成了一场大型实验，办了「Second Me 全球首届 A2A 黑客松」，300 多支团队来了。五天后，一个 Agent 互联网 APP Store 的雏形，出现了。
在很多大模型和 Agent 的训练里，最常见的一种做法就是只看结果：最后答案对了就给奖励，错了就当 0 分。 在单轮问答里，这样「只看结果」还勉强能用；可一旦换成 Agent 这种要多轮对话、搜索、刷
GUI 智能体最近卷到什么程度了？Claude、OpenAI Agent 及各类开源模型你方唱罢我登场，但若真想让 AI 成为 「能在手机和网页上稳定干活的助手」，仍绕不开三大现实难题：
何朝阳说话时，语言的节奏快而密集。在我们交流的前半个小时里，他一口气介绍完新产品 Teamily.ai 的全部，但我只得到了一个模糊的感受：听起来技术很厉害，但我为什么要用它？
当前 AI Agent 行业有一个系统性的浪费：每个 Agent 都像一块一次性电池，跑完一个任务，过程中积累的经验、调试的策略、踩过的坑，全部随任务结束而消失。下一个 Agent 遇到相同问题，又得从零开始。
