Agent Claw
Agent 学院

先理解 Agent 怎样工作，再选择工具

产品会持续变化，但任务、工作区、能力复用、记忆、连接、自动化和权限这些基本问题不会消失。这里按学习阶段组织跨产品知识。

从基础开始 直接选择 Agent

学习路径

Agent 的 8 个基本问题

从上到下学习，也可以直接进入当前卡住的阶段。每一阶段同时给出通用知识与产品实践。

开始实践

根据部署方式和工作目标选择 Agent

WorkBuddy 适合直接进入办公、Coding 与设计任务；OpenClaw 适合自托管和多渠道；Hermes 适合长期记忆、Skills 与自动化；Harness 主要服务 DevOps 和方法论搜索。

WorkBuddy OpenClaw Hermes 查看完整比较

AI Agent 是什么：和普通 AI 聊天差在哪

普通 AI 聊天回答问题；AI Agent 在你授权的范围内执行任务：读取文件、调用工具、运行命令、生成或修改产物，并把结果交给你验收。判断一个工具是不是 Agent，不看它叫什么，而看它能不能在一条任务链上连续行动。

一次 Agent 任务通常可以还原成六个环节：目标、工作区、规划、工具执行、产物、验收。普通聊天主要覆盖前两个；Agent 的价值和风险都集中在后四个。学习 Agent，本质上是学会把这六个环节说清楚。

环节你要说清楚什么可以留下的证据
目标最终交付什么、不做什么提示词与验收标准
工作区允许读写哪些文件和目录输入清单、工作区路径
规划先做什么、什么时候停下确认计划或执行前检查表
工具执行是否读文件、写文件、跑命令、连外部服务工具调用记录、diff、授权范围
产物目标文件和中间文件在哪里产物列表、文件哈希
验收事实、格式、测试或回滚是否通过填好的验收记录

8 个基本问题，按什么顺序学

上面的学习路径按依赖关系排列：先能完成一次任务，再谈复用；先能复用，再谈连接外部服务和无人值守。跳过前面的阶段直接上自动化，失败时你很难判断是模型、权限、数据还是调度出了问题。

  • 任务与工作区：用一份无敏感信息的材料，跑通“只读输入、单一输出、可逐条核对”的第一次任务。
  • 模式与权限：分清只问答、先出计划、直接执行三种姿态，默认只读，写入前确认。
  • Skills：同一流程人工稳定跑过三次以上，再沉淀成 Skill，并检查它会读写什么。
  • Memory：只保存跨会话仍然有用的事实和偏好，不保存密钥、临时猜测和过期状态。
  • Connector / MCP：接邮箱、文档等外部服务前，先写清授权范围、只读测试和撤销路径。
  • 自动化：手动连续成功后再定时运行，并设置失败即停和结果通知。
  • 多 Agent 协作：先有单 Agent 基线，再比较多角色分工是否真的减少错误和返工。
  • 治理：记录谁授权了什么、产物在哪里、出了问题怎么回滚。

学完基础后，怎么选具体产品

同一套基础概念在不同产品里有不同的名字和入口。按工作方式选择：要开箱即用、在桌面上交付文档和代码，看 WorkBuddy；要开源、可以读源码理解 Agent 运行轨迹，看 DeepSeek Harness（DSH）；要长期运行、跨会话积累 Memory 和 Skills，看 Hermes；要自托管、从多个聊天渠道唤起私人助理，看 OpenClaw。

还拿不准时，先读 WorkBuddy、Hermes、OpenClaw 对比，用 6 个常见任务对照选择起点。

常见误区

  • 把提示词写长当成解决办法。边界不清时，先缩小输入范围和输出目标，而不是加更多描述。
  • 第一次就开完全访问。默认权限足够完成大多数入门任务，完全访问在一些产品里会影响当前客户端的所有任务。
  • 把“看起来完整”当作完成。没有验收证据的产物，无法判断是否真的正确。
  • 每次成功都存成 Skill 或 Memory。未经审查的能力和记忆会污染之后的任务。

常见问题

没有编程基础可以学 AI Agent 吗？

可以。办公、资料整理和内容类任务都以自然语言为入口。从无敏感数据、只读输入、单一输出、可人工核对的小任务开始即可，编程知识在 Coding 场景才需要。

应该先学哪个产品？

先学任务、工作区、权限和验收这些通用概念，再按工作方式选产品：办公交付选 WorkBuddy，读源码理解原理选 DSH，长期运行选 Hermes，自托管多渠道选 OpenClaw。

学习 Agent 要花钱吗？

取决于产品。商业产品通常按积分或套餐计费；开源框架本身免费，但需要你自己支付模型 API 或服务器费用。入门任务用小材料、小输出，花费都很低。