跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Agent工具链走向分裂:OpenClaw的免费控制平面遇上治理热潮

OpenClaw于9月30日发布OpenClaw Enterprise(OCE)。这是一个面向持久化agent的开源、厂商中立的控制平面。其背后的基金会表示,企业IT部门面对agent平台时,多数回应是一律封禁。

人工智能与模型分析王雅琴发布: 2026年9月30日3 分钟阅读资料来源 8
Agent工具链走向分裂:OpenClaw的免费控制平面遇上治理热潮

OpenClaw基金会9月30日公布了这一新的控制平面。项目在公开环境下开发,计划于今年晚些时候发布1.0版本。项目的发布文章称,OCE最初在OpenAI内部启动,随后捐赠给基金会。目前由OpenClaw与Red Hat、NVIDIA共同开发。它支持多租户、严格的安全边界,以及文章所称的标准化agent原语。文章给出的理由很直接:组织希望在放开agent之前先有治理手段。

这正好回应了一种市场压力。同一天,Gartner预测,到2028年,70%的企业将放弃在厂商协助下构建的agent式AI系统。据The Register报道,成本在上升,客户难以在没有外部帮助的情况下修改这些技术。这家咨询公司把这种模式称为前置部署工程(forward-deployed engineering,FDE)。

Gartner高级总监分析师Mukul Saha表示,FDE“成功的前提是把合作关系结构定对,从范围、激励到治理、归属和退出机制都是如此”。他补充说,许多供应商把“前置部署”当作实施、专业服务或AI咨询的标签,有些还收取高额费用,却缺乏与之匹配的交付深度。Gartner还预计,到2028年,能把客户的重复性需求转化为供应商核心产品功能的FDE项目不足20%。

治理这一主题贯穿最新的工具。9月30日发布在GitHub上的OpenAPPA位于agent与其工具之间。它在每次动作之前检查数据是否被允许到达某个目的地。开发者称,在1320次评估中,没有一次计分攻击成功,同时任务完成率为88%到90%。他们将其与微软的FIDES对比,称后者放过了28%到35%的攻击。他们还提到Claude Code的auto模式,称其在两套测试中放过了10次攻击。这些都是项目方自己给出的数字,并非独立测试。

身份是问题的另一半。同样在9月30日发布的UAI描述了一套开放协议,用于agent身份、授权和可验证的问责。它包含四类产物:UAI-ID;把agent绑定到所有者的凭证;限定其可在何处、到何时行动的护照;以及签名的动作证明。项目明确表示,它并不认证某个agent是否安全,只能说明其动作可归属、可独立核查。更长远的设想是联邦式注册表,借鉴BGP路由的思路,而不是建立一个全球统一数据库。

护栏到得比部署更快

安全厂商没有等待。Tailscale在9月30日发布了一篇操作指南,讲解Meta的Muse agent如何作为独立节点加入tailnet。随后用户可以通过授权和标签限制该agent能访问的范围。文章重复了Meta的说法:Muse运行在Linux虚拟机中,并遵循最小权限原则。文章指出,它只发起出站连接,并在首次接触某台设备时要求明确确认。Tailscale同时提醒,提示注入仍然会漏过防线。

开发者工具也在并行推进。Vercel的agent技能现状报告日期为9月25日,据DevNavigator的报道,报告称skills.sh在七个月内收录条目超过28000万、记录安装量接近28000万。这些是注册表的活动数据,不是独立用户数,也不代表已被证明的商业价值。9月30日,Magnitude发布了一个开源推理引擎,可在用户设备上调整kernel。它声称性能最高比llama.cpp快2倍,在Metal上解码快92%,在CUDA上快19%。同一天发布的Git-dedup声称大型检出快6倍,还称在117个检出中Git存储占用从35.5 GB降到11.1 GB。

结果是模型与工作之间挤出了一层密集的工具层。OpenClaw押注的是:一个免费、厂商中立的控制平面会成为默认选择。分析师则警告,厂商协助的构建往往让客户陷入依赖。这两种说法并不矛盾。它们描述的是同一个缺口,谁能补上,谁就能拿到钱。

评论 0

资料来源

8
  1. 01OpenClaw Enterprise - The Open Agent PlatformEN
  2. 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
  3. 03OpenAPPA: Deterministic guardrails that don't break agentsEN
  4. 04UAI - An open protocol for identity and accountability of AI agentsEN
  5. 05Agent, your network: How Meta's Muse agent works with TailscaleEN
  6. 06Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
  7. 07Launch HN: Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
  8. 08git-dedup: Faster and Smaller Checkouts for FreeEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。