看到即刻上了置顶功能，就借机发篇自我介绍吧：
申悦，12年产品经验，前360产品总监、36氪产品负责人。常年发表对产品、内容行业、职场发展的观察和思考。公众号：互联网悦读笔记【关注领取七百余篇原创产品思考，与我深度交流】

我参与录制的播客上线啦！特别感谢雅娴老师的邀请，有幸做客科技圈头部播客《科技早知道》～这一期在录播室聊嗨了，也吐槽得很爽。算借着这次机会，把我这两年做企业AI项目时遇到的真实现场、落差和各种救火经历，完整复盘了一遍。欢迎同样做企业AI、FDE的朋友来对对答案，看看我们遇到的是不是同一个现场😂

一个想法不一定对，类似TRAE、WorkBuddy这类产品，起初的定位是CodeAgent。它们在AI Coding领域是很强的IDE工具，因为代码世界天然高度结构化：文件、函数、类型、依赖、测试、Git、CLI、API这些概念，都是机器可理解的。
但现在厂商直接复用 Code Agent 的 Harness，把它从代码目录搬到员工桌面，让它去读 Word、Excel、PPT、浏览器，再包装成 WorkAgent，开始All In。
而这个迁移，我觉得忽略了一个根本差异：企业业务世界不像代码世界那样已经结构化。如果没有先把客户、订单、合同、流程、制度、权限、状态等业务语义建模，Agent 即使会操作软件，也未必真的懂业务。
那么现在这一波 WorkAgent，到底是在把已经验证过的 Coding Agent 能力合理扩展到知识工作，还是在用 Coding Agent 的成功制造一种“办公任务也能直接 Agent 化”的错觉呢？
Code Agent 的强大，有一部分其实是吃了软件工程几十年结构化的红利，但是企业业务不是这样。比如一句：
“帮我判断这个客户现在是否应该升级为重点客户，并跟进下一步。”
如果没有统一建模，WorkAgent无法理解什么是重点客户，也没有判断依据，也不知道怎么“跟进”
WorkAgent可以操作浏览器、Office、文件系统、MCP、Skills，它很会干活，但不知道企业为什么要这么干。
现在很多所谓的 WorkAgent Demo，实际落地展示的都是写PPT、整理Excel、查资料、写报告、做网页、生成图片、处理文件这类基础工作。之所以集中选择这类场景，是因为这些工作高度贴合 Coding Agent 原本就擅长的工作范式：输入文件→理解任务→操作文件→运行工具→生成Artifact→检查结果的固定流程，本质上都属于Artifact Work（工件型工作）。
这类型的Demo不会触及真正的企业核心工作，也就是理解企业当前业务状态→整合多系统数据→依据企业既定规则做出业务判断→主动变更业务状态并承担后续业务责任的完整流程，而这一套具备业务闭环、权责属性的工作，才是真正的Business Process Work（业务流程型工作）。

这篇文章拖了很久才写完，因为每次一想起要把怎么做知识库这件事讲清楚，就有点头大😂
知识问答智能体几乎是我服务的每家企业必提的需求，所以也积累了不少经验。在这个过程中最花时间精力的，当属帮客户一点点把混乱的资料理顺的过程。这些东西说出来不性感，但却是决定项目成败的关键。这篇文章就是把过去踩过的坑做个盘点。如果你正在做知识库，可以看一眼，也许会有共鸣

这篇文章想聊聊这年头给客户做项目的痛😂
这年头我们在网上看到的AI文章，大多都是在聊模型、聊工具、聊养虾，但真正做项目的人都知道，最累的那部分，反而很少有人会讲，因为没那么好讲故事……
这篇文章就试着把自己做AI项目的感受写一写，如果你觉得有共鸣，也欢迎分享给身边的人~

为什么人们装了OpenClaw之后反而觉得更累了？我觉得这是好事，因为他强制激活了人们的“系统化工作思维”，而用这种慢思考来想事情，本来就会很累，但这个过程会把原本靠经验完成的工作，变成需要拆任务、定规则、想流程的慢思考，所以短期一定更耗脑。
一旦把这些结构想清楚并沉淀下来，很多重复劳动就能交给系统，长期反而会更轻松～

上一篇源码解读的续篇，聊聊理解 OpenClaw 原理后，我觉得可以参考的10条“龙虾调教指南”～

历时两周，不追热点，不造焦虑，也不做流量选题。就做了一件事：顺着OpenClaw源码，把一条消息从进入系统到返回结果的完整链路，一行一行梳理了一遍。
很多东西，如果只是会用，很容易产生一种错觉：好像自己已经懂了。 但当你真的把代码读下去，会发现很多地方和表面看到的完全不是一回事。
于是就写了这篇一万多字的记录，如果你也在研究 Agent，可能会有一些不一样的视角。也欢迎分享给身边正在开发AI Agent系统的人~

用OpenClaw时特别好奇一个点，用户发的消息，是如何通过OpenClaw的各种处理，最终调用模型的？
为此不惜扒了一遍源码，结果没想到，这条大龙虾和模型的交互，根本不是在它自己的代码里实现的[破涕为笑]，而是调用了一个叫Pi的第三方SDK。OpenClaw只负责把给模型的背景信息准备好，然后交给Pi去跑，连最核心的agent loop都不是它自己实现的（用的是pi-agent-core）。可以说Pi基本上就是OpenClaw的核心引擎。
后来查了一下，这个Pi包来自一个叫pi-mono的开源项目，提供了一整套AI agent工具包，作者也是个大神，Mario Zechner，做了一套开源游戏框架，貌似很多游戏社区都在用。现在OpenClaw这么火，背后功臣：Pi工具包的开发者却默默无闻，感觉真的挺亏的[捂脸]

打算弃用MaxClaw了，堂堂上市模型大厂，为蹭热度匆忙上线的龙虾部署工具，软文写的天花乱坠，基础的infra做的稀烂，记忆混乱、对话无响应、频繁报错、技能丢失、不自动保存记忆，真后悔昨天直播还给别人推荐，自己前几天费老半天劲做的Skill也弄丢了！气愤😡

这两天在研究openclaw的源码，想从原理上搞清楚产为什么这产品这么强。越研究越发现，网上很多人认为openclaw能主动思考主动做事，是不是具备了自主意识，实现了AGI的雏形，是过度解读了。
OpenClaw并没有创造AGI，而是通过足够多的上下文，加上工程框架带来的落地工具和系统沙箱，让现有的大模型智能水平得到了最大程度的释放，从而产生了“类意识”的错觉。