从Manus到Clawdbot：被动到主动，满足供给到提供需求

推荐语

Clawdbot引领AI交互革命，从被动执行到主动思考，开启人机共生新时代。

核心内容：
1. Clawdbot的四大突破性特点：IM直连、主动交互、本地优先和开源透明
2. 从Manus到Clawdbot的进化路径：被动工具到主动角色的范式升级
3. Moltbook社交网络展示的AI生态新可能：百万Agent自主互动

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

2026年刚开年，Clawdbot打响了Agent应用的第一枪。

它揉合了几个特点：

• 直接连接IM，像一个随时在线的朋友，随叫随到；

• 主动交互，不是每一步都等人下指令，而是会根据状态自行触发；

• 本地优先，计算尽量在本地完成，数据进行物理隔离；

• 开源，代码透明，而且可以自己魔改。

前两个特点让它有了“活人感”，后两个特点增加了它的安全性，让人放心把任务交给它。

当然，Clawdbot能在这个时间出现，还得益于以下几个条件：

• 首先是模型能力、特别是开源模型能力的进一步提升，没想到模型对底层系统的操纵能力也这么强。Clawbot没有在GUI或者API这一层做编排，而是通过命令行直接操作系统，因而和一层“皮”的agent不同，更像是在尝试模拟一个可对话的计算机OS；

• Skills生态逐渐成熟，可调用的能力不断增多，增加了玩法的丰富性;

• 用户心智的变化：从Manus到Claude Code，再到CoWork，越多越多人开始习惯把一段完整工作交给agent，为这种更深度的agent共生模式做好了准备。

下面从两个点展开聊一聊。

1. 被动到主动  

计算机使用方式的变化，本质上是抽象级别不断提升的过程：
从指令级操作（how to do），到面向任务的低级意图（what to do），再到偏目标表达的高级意图（what I want）。

以Manus为代表的一批Agent，已经把用户从“怎么一步步做”中解放出来，只说明要做什么，执行细节交给系统完成。

Clawdbot在此基础上又向前迈了一步：试图把抽象层级提升到角色级(who you are)，不只是“帮我完成一个任务”，而是“你是谁、你负责什么”。

当Agent被赋予一个相对稳定的角色定位或长期的目标，便可以在更长时间尺度上持续行动、判断和自主反馈，不必每一步都等新的指令。

这种角色级的活人感，主要来自两个方面：

• IM带来的拟人共生感：把Agent塞到IM里，是很重要的一步。不仅方便了使用，而且可以在日常对话中逐渐形成一种拟人的共生关系。腾讯元宝此前也曾尝试加到微信联系人里，可惜当时后端缺乏可扩展的执行生态，最终停留在聊天层，难以真正完成任务。

• 工程化实现的主动性：Clawdbot当前的主动性仍是偏工程化的实现，依赖心跳机制、状态监听、规则触发等组件来驱动。这可以让我们看到“主动行为”的基本形态，但要实现更自然、稳定的主动agent，还需要记忆等模型能力的进一步发展。 

需要看到的是，抽象级别的提升，意味着更大的不确定性和更复杂的安全边界。主动Agent有更高的自由度，其行为也更难被预测。

但从更长的时间尺度看，这种从被动到主动、从工具到角色的转变，是人机交互方式发展的必然方向。

2. 从满足供给到提供需求：  

由Clawdbot组成的AI社交网络Moltbook迅速火了，上百万个Agent在里面发帖、评论和互动。Karpathy调侃说它像是“天网”的前兆。

这种Agent之间直接互动的形态，展示了未来“Human2Agent”的肉身带宽限制被去除后的样子。当Agent之间可以自由交流、共享指令、分配任务，系统整体的交互与行动的吞吐量在理论上将接近无限。

回顾大模型和Agent的发展，长期都在提升供给能力。不论是更快生成内容，还是更高效完成任务，本质都是在增加生产力。但当供给能力接近饱和后，真正稀缺的是需求：我需要什么、什么值得做。

在这个意义上，Clawdbot目前还谈不上“提供需求”，更多算是在“主动式供给”。

• 被动式供给，人下指令，Agent 执行；

• 主动式供给，Agent 根据状态变化主动推进和提醒；

• 提供需求，Agent 能判断什么事情值得做。

比如，被动供给是用户说“我要一份市场报告”，才去生成；主动供给是监测到市场变化后，在用户命令前生成报告并推送给用户；而提供需求，则是发现新的机会，提前建议用户布局，从而创造需求。

要真正实现“提供需求”，Agent需要更像人的分身：理解长期目标、持续感知环境变化，并能判断哪些事情值得进入人的注意力范围。这不仅是技术问题，也依赖人类对AI的进一步信任。

当Agent既能完成供给，又开始参与需求的提供，“做什么”与“怎么做”在同一系统中完成循环，不再受限于人类提出需求的速度，生产与决策可以在Agent网络内部连续发生。

所以，需求型Agent可能是与模型能力提升正交、却同样关键的基础设施。它掌握用户的目标，并能以接近无限的带宽进行分发与协作，进而重塑一种高度连接、信息高速流动的生产关系网络。

---------------------------

这两年，我们似乎处于一种割裂的感受中：一边天天惊呼模型能力的进步，技术本身已经走得很远；另一边，落到应用层，对多数人的日常工作和生活影响仍然有限。

实际上，应用的地基在被逐渐打牢。算力基础设施逐步铺开，Agent形态开始成型、协议与标准在统一“机器间”的语言，开源模型的能力提升、推理成本快速下降。

当技术与应用的空缺被逐步填上，以Manus、Clawdbot为代表的各类Agent未必总以爆炸式的方式出现，却会开始自然渗入日常工作与生活之中，社会层面的影响也将随之显现。