附件为OpenClaw助力AI Agent技术范式升级11页PDF，及AIAgent专题PPT28页PDF。
最近开源项目OpenClaw（社区俗称“小龙虾”）在AI开发者社区迅速走红。很多讨论集中在技术实现，例如技能库（Skills）、工具调用、MCP连接器等。但如果把视角稍微拉高一点，会发现这件事情背后其实反映的是一个更深层的变化：
人工智能正在从“知识型AI”走向“行动型AI”。
过去两年，大模型最突出的能力是理解和表达——理解问题、检索资料、生成回答。而现在，一个新的目标正在逐渐清晰：让AI能够执行任务。
从这个角度看，OpenClaw的爆火并不是一个简单的开源项目成功，而是一个重要信号：
AI开始具备真正参与业务流程的能力。
一、过去两年的主流路径：让AI知道
回顾大模型在企业中的落地路径，可以看到一个非常明显的阶段。
过去两年，企业AI应用最主流的技术路线是RAG（Retrieval Augmented Generation）。RAG的目标非常明确：通过连接外部知识源，让模型能够基于真实资料生成回答。
RAG解决的是一个重要问题：让AI能够回答企业内部问题。
例如：制度问答、产品资料查询、技术文档解释、FAQ客服
这类应用有一个共同特点：答案存在于知识库中。
但企业很快发现一个现实问题：
很多业务需求并不是知识问题，而是操作问题。
例如：查询订单状态、创建客服工单、修改客户地址、发起退款、发送通知
这些操作并不存在于知识库中，而是在企业系统中。
因此，RAG虽然让AI“知道更多”，却并没有让AI“做更多”。
二、MCP出现之后，一个新的趋势开始形成
真正的变化开始出现在 MCP（Model Context Protocol） 提出之后。
2024年，Anthropic发布MCP协议，希望建立一种标准化方式，让AI模型能够连接外部系统能力。Anthropic给出的定义是：
“MCP is an open protocol that standardizes how applications provide context and tools to large language models.”“MCP是一种开放协议，用于标准化应用向大语言模型提供上下文和工具能力的方式。”
这句话其实揭示了一个关键变化：
AI开始不仅获取信息，还可以调用能力。
过去AI的应用结构大致是：
模型 → 知识库 → 生成回答
而MCP提出之后，一种新的结构开始出现：
模型 → 调用工具 → 执行系统能力
也正是在MCP出现之后，AI社区开始逐渐形成一个新的方向：
让模型不仅能够回答问题，还能够完成任务。
三、OpenClaw真正做的事情：把能力体系工程化
如果说MCP解决的是 系统连接问题，那么OpenClaw真正解决的是另一个更关键的问题：
能力如何组织。
OpenClaw提出的 Skills（技能体系），本质上是把企业系统中的操作能力封装成可复用模块，当这些能力被标准化之后，大模型就可以通过推理决定调用哪些技能，从而完成任务。
从架构角度看，这实际上形成了一个非常清晰的分层：
模型负责理解需求Skills负责提供业务能力系统负责执行具体操作
也正是在这个意义上，可以说：
Skills让AI第一次具备了执行业务流程的能力。
四、小龙虾爆火真正说明了什么
因此，从这个角度来看，OpenClaw的爆火并不是一个偶然事件。
它反映的是一个更深层的趋势：
AI正在从知识系统走向行动系统。
过去的大模型主要承担知识处理角色：
理解信息生成内容回答问题
而现在，大模型开始承担新的角色：
理解需求规划步骤调用能力执行任务
换句话说：
AI开始真正“干活”。
五、一个更重要的行业变化
如果把这个趋势再往前推一步，其实可以得到一个非常重要的判断：
企业软件架构可能正在发生变化。
过去的软件结构是：人 → 系统
而在新的AI架构下，逐渐变成：人 → AI → 系统
微软在2024年的开发者大会上提出了一个概念：Agent-centric computing（以智能体为中心的计算模式）。
其核心思想是：AI成为新的交互入口，而软件系统逐渐变成能力提供者。
在这种结构中：Skills成为能力层、MCP成为连接层、AI成为流程编排层
这也正是OpenClaw爆火背后真正值得关注的变化。
六、结语
如果用一句话总结这次变化，其实非常简单：
RAG解决的是“AI知道什么”，Skills解决的是“AI能做什么”。
当AI既能理解问题，又能调用系统能力执行任务时，大模型才真正开始进入企业业务流程。
而OpenClaw的走红，正是这一趋势第一次被工程化地展现出来。
七、OpenClaw助力AI Agent技术范式升级
EA之家 » 小龙虾（OpenClaw）爆火背后的人工智能本质变化：从知识型AI到行动型AI，附两份PDF
