突然发现，OpenClaw 小龙虾的声量几乎已经降到了冰点。我甚至觉得，这款产品可能已经完成了它的历史使命。

身边部署过 OpenClaw 的朋友，大多都已经彻底迁移走到其他成熟的 Agent 产品上了。

AI 时代就是这么快。OpenClaw 以史上最快的速度，成为了 GitHub 上最火的开源项目，但同时，它的降温速度也很快。

目前看，它远没有 Linux 那样的生命力。

Linux 能够长久活下去，核心就两点，一个是自身积累的代码壁垒，另一个是围绕自己形成的一整套生态。这两点，OpenClaw 目前都不具备。

我觉得，OpenClaw 最大的价值，可能就是第一次大规模的把 Agent 这个范式带进了大众视野。

在它之前，Codex 和 Claude Code 也在做 Agent，但更多还是局限在 Coding 领域，圈内的人才知道。

OpenClaw 让越来越多的人意识到一件事，AI 是可以主动干活的，不只是个 Chatbot。

这个意义非常大。OpenClaw 之后，Agent 开始变成一个真正的需求。

#01

推荐一个开箱即用的 Agent 产品

今天我想分享一款，我认为是在 OpenClaw 这股浪潮之后，做得最用心、也最好用的产品之一：天工超级智能体。

地址在这里：

https://www.tiangong.cn/

天工超级智能体这一次进行了大版本升级。其实在去年，Agent 这个概念刚刚冒头的时候，我就写过他们。当时天工已经开始往这个方向跑，而且跑得挺激进。

比如，他们很早就在做端到端的工作流探索：不是只给你一堆中间产物，而是从内容生成，到排版编辑，到导出发布，整个链条都打通。

你给一个目标，它会像一支小团队一样，把过程自己跑完。

后来 OpenClaw 火起来，让更多人意识到 Agent 这个范式的价值。

但它本身是个开源项目，想用上得自己装命令行、申请 API Key、对着报错一行行排查，光 Node 版本不对就能卡住一大半人。普通人根本玩不转。

天工走的是另一条路，把完整的能力直接搬到云端，注册就能用，不用自己部署、敲命令行。

天工这次大升级，算是把过去一年的这些尝试，真正收束成了一个可以给普通人用的 Agent 产品形态。我简单总结下：

1、接入了国内第一梯队的大语言模型。包括 Kimi K2.6、DeepSeek V4 Pro、GLM 5.1、MiniMax M2.7、Qwen 3.6 Plus，天工这次一揽子全接了进来。

而且它可以智能路由，针对不同的任务选择擅长的模型。这一点我觉得还挺方便。当然如果我们有自己特别青睐的模型，也可以直接指定。

这样一来，我们也不用再自己去 Token 额度、配置 API Key 了。这些环节，真的会劝退很多不懂技术的用户。

2、同样接入了国内第一梯队的图片和视频模型。也就是说，在这我们可以一站式地搞定不同类型的工作任务，而不只是文本类型。

我相信现在所有人的工作当中，图片和视频肯定是绕不开。

3、所有模态不只是生成，还能在线编辑。真实的任务场景里，生成大概只占一半的工作量，剩下一半全在改。

视频要剪辑，PPT 要调版式，文案要顺一遍语气。AI 很少能一次到位。天工把编辑能力直接做在了产品里。生成完不用导出、不用切到别的工具，就在原地改。

大家感兴趣可以自己试一下。同样也可以接入到飞书当中。

接入飞书这一点也很方便。配置我就不多说了，把 App ID 和 App Secret 填进去就行。

前面我演示的都是 PC 端的操作。但很多时候我们其实不在电脑前，可能在上班路上、在见客户。

这两天 Codex 上了移动端，圈子里那么多人兴奋，原因就在这。Agent 要是只能守着电脑用，那它能接管的工作就少了一大半。

天工跟飞书做了挺好的集成，手机上随时能跟它说话，让它干活，干完了消息直接推到飞书里。

实话实说，同类型的 Agent 产品我用过非常多。但周末跟同事一起，直接拿着天工就着当下的工作任务往里丢，让它去做，还是给了我很多惊喜。

新一代的 Agent 产品，确实已经来了。

我们不需要再去理解 Skill、定时任务、Memory 这些概念背后的原理。天工已经把这些复杂的细节都消化掉了，我们只管把任务交给他就行。

比如下面这张截图，是我在跟 Agent 沟通周六要在深圳举办的 AI Maker Summit。聊着聊着，弹出来一条提示，天工说发现了一个可复用的工作流：AI Maker Summit 的品牌规范，问我要不要把这件事创建成一个技能。

那一刻就是我的 Aha Moment。这证明它不是在被动等我下指令，而是可以观察我的工作流程，主动帮我把重复的事情沉淀下来。

#02

真实的使用 Case

我知道还有不少人会说，Agent 没什么使用场景，来回就那点事。上周开周会，同事们也在聊这件事，说 Agent 到底能帮上多少忙，是不是被高估了。

我把在内部说过的一个观点再和大家分享下：所有的事，可以默认先考虑 Agent 能不能干，然后再决定怎么干。

我可以非常确定地说，Agent 已经过了成熟可用的临界点。

身边那些本来就是 AI 极客的朋友，第一时间就把 Agent 用起来了。还没用起来的人，差的不是能力，而是思维方式没跟上。

我们太习惯一件事自己上手了，任务一来，第一反应就是赶紧自己把它干完，从来没想过，这件事其实可以交给一个实习生去做。

这也是我一直说的，AI 时代有一波管理者红利。

一个心态开放、之前又做过管理的人，会更快把这些工具用起来。原因很简单，他习惯了把任务拆出去，习惯了不是所有事都得自己扛。

所以每个人都可以试着假设一下，你现在手底下已经有一个实习生了，这件事，是交给他做，还是自己吭哧吭哧干？

任何一件事，都先想一下能不能交给 Agent。我跟团队说过，这句话可以贴在电脑前，刻意去练自己的思维方式。

我举一个极简的例子。

周末两天团队都在加班，AI Maker Summit 这样的线下大会，琐碎的事情太多了。

比如要印刷的日程板定稿了，按往常的流程，得拿印刷版跟线上版本逐字比对一遍，看有没有错别字之类。

你知道吗，遇到这种事，我同事的第一反应居然还是，他需要留半个小时时间逐字走查一下。我赶紧叫停，我说这种事真的没必要，我们哪有 AI 查得清楚？

直接把线上的内容和图片都发给 AI，让它给我们出结论不就好了？我们已经忙了一整天，精神早就不集中了 .....

大家看看下面的操作过程：

你看 AI 干的多漂亮。类似的事真的别再自己干了，AI 时代了。

继续，我们再看另外一个真实的 Case。

还要做一个大会的倒计时视频，就是开场前 10、9、8、7、6、5 那种效果，配上音效。

这种活搁以前要么从零做一个，要么上网找模板修改。现在我直接丢给天工，让它自己去发挥。

前面说过它已经接了 Seedance 2.0 这样的模型，做个倒计时视频不在话下。

大家先来看看效果：

该视频疑似使用了 AI 生成技术，请谨慎甄别

这是操作过程：

还可以跟剪映等剪辑软件一样，添加滤镜、动画、调色等等操作。

在这基础上再分享另一个真实的 Case。

大会在执行的过程中，还得有一份 Rundown。Rundown 其实就是现场的执行计划，谁几点上台、灯光什么时候切、物料什么时候到位，每一分钟都得排清楚。这样大家不容易乱。

深圳站的 Rundown 我还没做。不过，之前的北京站我们团队积攒了相关的文档，这次我直接把北京站的经验喂给天工，让它基于这个经验帮我生成一份深圳站的 Rundown 初稿。

Rundown 初稿效果：

同样，我们可以对 Excel 进行编辑。

#03

写在最后

用 Agent 工作的体验实在太爽了。

强烈推荐大家在电脑前贴个小纸条，告诉自己，任何工作任务都先让 Agent 试一次，它干不了，我们再接手。

这绝对是一种思维方式的转变。

天工这款产品做得很细腻。我感觉它在 Office 这块的支持，是我目前用过所有产品里能跟 Claude 相提并论的。

我估计大部分人的工作场景还是离不开 Office，这一点挺关键。

也说说大家可能会关心的对比。肯定有人问，跟 Codex、Claude Code 这类 Agent 产品比，天工的区别在哪？

我的看法是，这其实是两个赛道。Codex 和 Claude Code 在 coding 场景里确实非常强，那是它们的主场，工程师群体用着也顺手。

但回到大多数人的办公环境里，我们每天打交道的不是代码仓库，而是 PPT、文档、表格、周报、研报、活动页这些东西。

天工最大的亮点，我觉得反而是它绕开了 Coding 思维，认认真真站在普通白领的角度去想，这群人需要什么，怎么降低门槛，怎么把 Agent 接管工作这件事做得足够简单。

我前面分享的那些场景，校对印刷物料、做倒计时视频、基于历史文档生成 rundown，没有一件是 Coding 任务，但每一件都是真实工作里逃不掉的活。这才是大部分白领每天的状态。

这一点挺有意思，值得去试一试。