# 如何拥有一个自己的智能体

本文只讨论**能调用工具、自主执行**的智能体（Agent），不讨论纯对话机器人。

按照难度从低到高分为三层。

---

## 第一层：大厂云端智能体（开箱即用，零安装）

这一层是各大厂已经搭建好、部署在云端的智能体产品。你不需要安装任何软件，注册账号就能用。

### 基于 OpenClaw 的云端产品

OpenClaw（龙虾）是一个开源的自主 AI 助手框架，GitHub 地址 `https://github.com/openclaw/openclaw`
。国内外大厂基于它做了各自的云端版本：

| 产品 | 公司 | 特点 | 链接 |
|------|------|------|------|
| **Kimi Claw** | 月之暗面 | 集成 OpenClaw 的云端智能体 | kimi.com/bot |
| **MaxClaw** | MiniMax | 10 秒内完成部署，零维护 | agent.minimaxi.com/max-claw |
| **飞书 OpenClaw** | 字节跳动 | 内置飞书官方插件 | openclaw.feishu.cn/home |
| **ArkClaw** | 火山引擎 | 提供模型训练、推理、精调 | volcengine.com/experience/ark |
| **DuClaw** | 百度 | 即开即用，免除部署环节 | cloud.baidu.com/product/duclaw |
| **Xiaomi MiMo Claw** | 小米 | 依托小米大模型 | aistudio.xiaomimimo.com |
| **StepClaw** | 阶跃星辰 | 云端 AI 助手 | stepfun.com/openclaw |
| **AstronClaw** | 讯飞讯飞 | 一键部署、全天候在线 | agent.xfyun.cn/astron-claw |

### 其他云端智能体产品

| 产品 | 公司 | 特点 | 链接 |
|------|------|------|------|
| **扣子 Coze** | 字节跳动 | AI Agent 开发平台，可发布到多平台 | code.coze.cn |
| **悟空** | 阿里/钉钉 | 企业级 AI 原生工作平台，"龙虾军团" | dingtalk.com/wukong |
| **JVS Claw** | 阿里云 | 多 Agent 协作平台，免部署 | jvs.wuying.aliyun.com |
| **CoPaw** | 阿里/智源 | 协同个人智能体工作台 | copaw.agentscope.io |
| **Manus** | Monica | 从任务规划到执行的全流程自动化 | manus.im |
| **Happycapy** | 独立 | 云端 Agent 原生计算机 | happycapy.ai |

**优势：** 零安装、零配置、注册即用、大厂维护。
**劣势：** 被锁定在平台内，灵活性受限，数据安全性不可控。
**适合：** 想快速体验智能体、不想管基础设施的人。

---

## 第二层：CLI 工具 + 本地部署（需要安装和配置）

这一层需要你在自己的电脑或服务器上安装软件、配置环境。能力更强，但需要一定技术基础。

### 原版开源工具

| 工具 | 定位 | 特点 | 链接 |
|------|------|------|------|
| **openclaw** | 开源 CLI | OpenClaw 官方原版，本地优先的自主 AI 助手 | github.com/openclaw/openclaw |
| **Claude Code** | 商业 CLI | Anthropic 官方编程助手，支持 MCP 协议 | npm install -g @anthropics/claude-code |
| **Codex CLI** | 商业 CLI | OpenAI 官方编程助手 | OpenAI 官方 |
| **Gemini CLI** | 商业 CLI | Google 官方编程助手 | Google 官方 |
| **Hermes** | 开源框架 | 多平台智能体框架，支持 Telegram/Discord/Slack/本地终端 | 本站用户可用 |

### 本地部署的智能体产品

| 产品 | 公司 | 特点 | 链接 |
|------|------|------|------|
| **Qclaw** | 腾讯 | 支持微信直联，扫码绑定后远程操控电脑 | claw.guanjia.qq.com |
| **DuMate** | 百度 | 桌面级 AI 智能体，"办公搭子" | cloud.baidu.com/product/dumate |
| **LobsterAI 有道龙虾** | 有道 | 7×24 小时全场景个人助理 | lobsterai.youdao.com |
| **WorkBuddy** | 猎户座 | AI 原生桌面智能体工作台 | codebuddy.cn/work |
| **AutoClaw** | 智谱 | 飞书集成 + AutoGLM 浏览器自动化 | autoglm.zhipuai.cn/autoclaw |
| **360安全龙虾** | 360 | 以"安全模式"为核心的智能体 | claw.360.cn |
| **EasyClaw** | 开源 | 一键部署网关、可视化技能配置 | easyclaw.com |
| **CoPaw** | 阿里/智源 | 本地/云端双部署，零代码扩展 | copaw.agentscope.io |
| **nexu** | 开源 | 一键安装的 OpenClaw 桌面客户端 | github.com/nexu-io/nexu |

### 开发框架

| 框架 | 定位 | 特点 |
|------|------|------|
| **AutoGen** | 微软 | 多个 AI 代理协作完成复杂任务 |
| **CrewAI** | 开源 | 角色化的团队协作 |
| **LangChain** | 开源 | 模型连接、工具调用、记忆管理的标准接口 |
| **LlamaIndex** | 开源 | 侧重数据梳理与检索（RAG） |

**优势：** 灵活性高，能连接任意外部服务，数据留在本地。
**劣势：** 需要安装配置、需要终端/服务器环境、需要理解工具调用原理。
**适合：** 有一定技术基础的开发者、想让智能体执行特定业务流程的人。

---

## 第三层：全栈自研（从零构建，完全掌控）

这一层是**什么都自己来**。从模型选型到框架架构，从数据流转到部署运维，全部自己决定。

### 关键技术栈

**模型层**：
- 商业 API：GPT-4o、Claude 3.5、Gemini 1.5（调用成本高，能力强）
- 开源模型：Llama 3、Qwen 2.5、DeepSeek V3（可自部署，数据安全）
- 微调模型：通过 LoRA / QLoRA 训练自己的专用模型

**框架层**：
- 自研 Agent 循环：观察 → 决策 → 执行 → 反馈 → 循环
- 多 Agent 协作：角色分工、任务分解、结果汇总
- 工具系统：自己实现工具注册、权限控制、错误恢复

**数据层**：
- 知识库：向量数据库（Pinecone、Milvus、Qdrant）+ RAG 检索
- 记忆系统：短期工作记忆 + 长期知识库
- 数据流水线：采集 → 清洗 → 存储 → 检索

**部署层**：
- 云服务器：AWS、GCP、Azure、阿里云、腾讯云
- 本地部署：Ollama、vLLM、llama.cpp
- 容器化：Docker、Kubernetes

### 代表方案

| 方案 | 描述 | 难度 |
|------|------|------|
| **本地部署开源模型 + RAG** | 用 Ollama 跑 Llama 3，接入向量知识库 | ★★ |
| **自定义 Agent 框架** | 从零写 Agent 循环、工具调度、记忆管理 | ★★★ |
| **多 Agent 系统** | 多个 Agent 协作，模拟团队工作流程 | ★★★ |
| **模型微调** | 用专有数据 LoRA 微调开源模型 | ★★★★ |
| **端到端自研平台** | 前后端 + 模型 + 知识库 + 部署 全部自己搭 | ★★★★★ |

**优势：** 完全掌控、数据安全、没有上限。
**劣势：** 开发周期长、需要全栈能力、维护成本高。
**适合：** 有技术团队的企业、想做 AI 产品平台的创业公司、对 AI 有深入研究需求的组织。

---

## 如何选择？对号入座

### 情况 A：完全不懂代码

**选第一层。**

1. 先去 **Kimi Claw** 或 **DuClaw** 体验，感受什么是智能体。
2. 如果想做微信机器人，用 **扣子 Coze**。
3. 如果想做企业级应用，看看 **悟空** 或 **JVS Claw**。

### 情况 B：会写代码，但不想管基础设施

**选第二层。**

1. 装 **Claude Code**，用自然语言让它帮你写代码、管项目。
2. 学习 **MCP**，给 Claude 接入你的数据库、API。
3. 如果想做自动化流程，用 **n8n + LLM**。
4. 如果想做多平台机器人，研究 **Hermes** 或 **EasyClaw**。

### 情况 C：后端工程师

**选第二层向第三层过渡。**

1. 用 **LangChain / LlamaIndex** 搭建后端 Agent 服务。
2. 接入 **MCP**，让多个 Agent 共享工具。
3. 如果需要数据安全，部署 **Ollama + 本地模型**。
4. 如果需要专业领域能力，考虑 **LoRA 微调**。

### 情况 D：想做 AI 产品

**路径一验证，路径二/三落地。**

1. 先用 **扣子 Coze / DuClaw** 做 MVP，验证市场需求。
2. 验证成功后，用 **LangChain + 自定义框架** 重构，拿回数据主权。
3. 如果是行业解决方案，考虑在开源模型上做微调。

### 情况 E：企业 IT 负责人

**选第三层。**

1. 数据不能出境：**Ollama + Qwen/Llama + 向量知识库**。
2. 需要多部门协作：**自研多 Agent 系统**，模拟不同角色。
3. 需要稳定运行：**容器化部署 + 监控告警**。

---

## 最后

**不要从第三层开始。**

很多人一开始就想"我要自己搭一套"，结果花了两个月还在配环境。

正确的路径是：

1. 今天就用 **第一层**的某个产品（Kimi Claw、DuClaw、悟空都行），解决一个实际问题。
2. 遇到第一层做不到的事（比如调用你自己的 API），再考虑 **第二层**。
3. 第二层也到了瓶颈，才考虑 **第三层**。

所有复杂的系统，都是从简单的用法长出来的。先走起来，再边走边修。


---

**分类**：智能体入门教程
**链接**：https://octohz.com/docs?doc=71