Hermes Agent 和 Openclaw 代表的是一类长任务，模型无关的用法，可以屏蔽用户对基座模型的感受一、供给侧不再是单一基座能力，而是三层叠加层级内容特征模型层基座模型能力标准化、可替换Skill层行业知识 + 工作流能力半标准化Context层用户数据、历史、偏好强绑定、不可迁移二、竞争的关键转移过去竞…
一、搜索和Agent的未来形式多模态输入
↓
隐式 world model（做理解 & 粗推理）
↓
显式结构层（memory / graph / tool schema）（约束 + 执行）
↓
决策与执行
↓
生成二、三层认知架构：感知+认知+行动2.1 感知层（Perception…
一、Memory Ownership这里的 ownership 指的更多是谁在使用和加工记忆模式描述Agent-owned每个Agent一套User-owned用户统一记忆Networked多Agent共享Agent-owned，需要卓越的技术产品User-owned，需要优秀的C端商业服务，软硬一体Networke…
Openclaw 是长时间任务型 Agent，对算力和数据库都提出新要求，就数据库而言，从“被查询” → “参与执行”一、OpenClaw 改变了 Agent 的形态传统 LLM：request → inference → response → 结束OpenClaw（Agent runtime）：输入 → 推理 → …
当各大厂纷纷推出类 openclaw 服务，就有了各种各样的“虾”，加上各种 AI Chatbot、AI Cli，每天要有很多很多孤立的窗口。我们需要属于自己的“集中”记忆。一、为什么 openclaw 类服务必然走向“记忆层分离”先看约束条件，也就是分散的部署：约束本质问题结果多厂商模型上下文不可迁移agent 被…
如果说 LLM 的上限是互联网文本的耗尽，那么 VLA 的上限就是机器人与物理世界交互的累计时长1. 物理数据采集的速度模型我们可以将 VLA 训练数据的获取效率 $R_{data}$ 简化为以下公式：$$R_{data} = N_{fleet} \times \eta_{autonomy} \times \frac…
Stephen Wolfram 提出一个极具张力的判断：宇宙的底层不是连续几何结构，而是离散的计算过程。物理定律、空间结构、时间演化，都可以被视为某种“规则系统”的运行结果。计算不可约性（Computational Irreducibility）是这个计算宇宙观的核心支柱，它是指某些系统的未来状态无法通过数学压缩或公…
在 OpenClaw 生态流行并大规模普及的场景下，多个自主 AI agent（以下简称 bot）之间有可能演化出信息对称的博弈结构。假设这些 bot 运行在相似的公开渠道（如 Discord、Telegram 群组、X 平台、共享任务市场或 agent 间通信协议），并且它们能够互相观察对方的输出、行为模式、技能调…
LingBot-VA（自回归视频-动作世界模型）、LingBot-World（模拟环境）、LingBot-VLA（智能基座）、LingBot-Depth（空间感知）一、四件套是具身智能从底层环境到高层大脑的完整闭环1.1 LingBot 核心架构组件关系组件名称核心职能角色定位技术关键LingBot-VA全栈平台/框…
一、陈述性记忆 与 程序性记忆在认知心理学中，长期记忆通常根据“内容是否能够被有意识地表达”分为陈述性记忆和程序性记忆。核心定义与对比特性陈述性记忆 (Declarative Memory)程序性记忆 (Procedural Memory)定义关于“是什么”的知识，可以用语言描述。关于“怎么做”的知识，涉及技能和动作…