为什么所有人都在"养虾"？腾讯、阿里、字节、百度的 AI Agent 大乱斗
龙虾大战：一份关于 AI Agent 桌面智能体的全景图
导读：这篇文章比较长，我尽量把技术的东西讲得通俗一点。中间会有几张图，帮你快速搞清楚每个产品适合谁。文章最后有一个实操选择指南，如果你正面临选型问题可以直接跳过去看。
故事是这样的。
2025年底那会儿，AI圈突然掀起了一阵"养虾"热潮。啥意思呢？就是奥地利一个开发者 Peter Steinberger 开源了一个叫 OpenClaw 的框架，因为这货的 Logo 是一只红色的龙虾，网友们就管这种 AI Agent 叫"龙虾"了。
那会儿我也纳闷，一个开源项目怎么就突然火成这样？后来我自己上手试了试，发现这东西确实有点东西。它让 AI 从"只会聊天"进化成了"能真正动手干活"——操作电脑、处理文件、跨应用执行任务，都能干了。
然后呢，各大厂一看，诶，这方向有意思，纷纷开始推出自己的"龙虾"产品。
腾讯出了 WorkBuddy 和 QClaw，阿里出了悟空和 CoPaw，字节出了 ArkClaw，百度出了 DuMate，还有月之暗面的 KimiClaw、MiniMax 的 MaxClaw、智谱的 AutoClaw……
这仗一打起来，就热闹了。
01 什么是龙虾？为啥突然火了
先说清楚这个概念，不然后边你听得云里雾里的。
传统的 AI 助手，说白了就是个"话痨"。你说一句话，它回一句话，仅此而已。你让它帮你发个邮件，它会说"好的，我来教你怎么做"——然后就没有然后了。
但龙虾不一样。
龙虾本质上是一个能替你操作电脑的智能体。你让它"帮我给老板发一封邮件，说明项目进度"，它真的会打开邮箱、撰写内容、填上收件人、点击发送。这一整串动作，你不用管，它来。
这背后的技术原理并不复杂，但做起来难度极高。它需要 AI 能够理解屏幕上的内容（看图）、理解你的意图（想干嘛）、执行一连串操作（怎么干）。OpenClaw 做到了，而且把代码开源了，所以一下子这个领域就热起来了。
还有个关键点，Skills。
OpenClaw 搞了个 Skills 生态，你可以理解为 AI 的"工具箱"。不同场景需要不同的工具，比如发邮件的 Skill、处理表格的 Skill、生成报告的 Skill。这些 Skill 可以被复用、被分享、被交易。OpenClaw 是这个生态的"安卓"，Skills 就是 App Store。
这就是为什么大家都盯上了这块蛋糕。
02 全景图：各厂产品一览
我把目前市面上主要的"龙虾"产品捋了一遍，按派系分类，方便你对照。
腾讯系：
WorkBuddy 是腾讯云桌面 Agent，2026年2月开始内测，面向企业级市场。它基于 CodeBuddy 的同一套 Agent 架构，支持企业微信、QQ、飞书、钉钉，内置20多种办公技能包。模型方面支持混元、DeepSeek、GLM 等多模型切换，说白了就是企业需要什么模型就能接什么模型。它的定位是"中小企业轻量化方案"，部署快、门槛低。
这里有个细节值得注意——WorkBuddy 的 Skills 支持热插拔，企业可以根据自己的业务场景自己写 Skill，然后插到 Agent 上。这意味着企业可以高度定制自己的 AI 助手，而不是只能用厂商给的固定功能。
QClaw 是腾讯电脑管家团队做的，走的是个人 C 端路线。最大的亮点是微信和 QQ 直连——你的 AI 直接长在微信里，这流量入口谁不馋？而且数据本地留存，隐私方面说得过去。支持远程操控，2026年3月上线，Skills 生态已经超过5000种。这个产品很有意思，它走的是"个人高频场景"的路线，跟 WorkBuddy 的企业路线完全不一样。
5000+ Skills 是什么概念？意味着你用 QClaw，几乎能找到任何场景对应的工具。比如你说"帮我把昨晚的会议录音整理成会议纪要"，QClaw 会自动调用"录音处理 + 文档生成"的 Skill 组合，一条指令完成复杂任务。这是 Skills 生态的威力。
阿里系：
悟空是钉钉团队做的，2026年3月发布，企业级 AI 原生工作平台。全面 CLI 化是它最大的特点——你没看错，钉钉现在可以全命令行操控了。这意味着精度和可控性大幅提升，但学习成本也上去了。安全方面做了沙箱加权限继承，兼容 OpenClaw Skills，目标很明确，就是"让 AI 替你干活"。支持企业微信、QQ、飞书、钉钉四大平台，定位是"大企业深度集成"。
悟空的 CLI 化不是噱头。我研究了一下它的实现逻辑——它把钉钉的几乎所有功能都封装成了命令行接口，包括发消息、创建会议、审批流程、查考勤。这意味着企业可以用脚本的方式让 AI 自动操作钉钉的一切功能。对于有技术团队的企业来说，这等于把钉钉变成了一个可编程的工作平台，灵活度极高。
CoPaw 是阿里手机端一键养虾产品，走的是轻量化路线，适合移动场景。JVSClaw 则是阿里云云端 SaaS 版本，面向企业用户。这三个产品覆盖了移动端、云端、企业端，算是全矩阵布局了。
有意思的是，阿里的策略是用不同产品覆盖不同场景，但底层技术栈是统一的——都是 OpenClaw。这意味着企业选了阿里的任意一个产品，理论上都可以平滑切换到其他产品，而不需要重新学习一遍。
字节系：
ArkClaw 是字节跳动火山引擎做的，2026年3月上线，云端 AI 智能体平台。特点是轻量部署和全场景适配，与飞书、钉钉机器人都能集成，零门槛。它的定位更像是一个"赋能平台"，帮助其他产品快速具备 AI Agent 能力，而不是直接 to C。
字节的策略跟其他家不太一样。阿里和腾讯都在做自己的独立产品，字节更像是在卖"AI 能力"，让其他产品方可以快速集成。这跟字节在云计算市场上的定位一致——火山引擎在 PaaS 和 SaaS 层做得比较扎实，IaaS 层反而不是重点。
百度系：
DuMate 是百度搭子，Create 2026 全量上线。端云协同架构是它的技术亮点——简单的任务本地执行保护隐私，复杂的任务云端处理保证效果。能操控电脑屏幕和跨应用连续任务，体验比较流畅。
百度的端云协同有一个独特优势——它接入了文心一言的模型能力。在复杂任务的推理和拆解上，文心一言在国内模型里属于第一梯队。所以 DuMate 的云端部分处理复杂任务时，效果相对有保障。
其他大模型厂商：
KimiClaw 是月之暗面做的，2026年2月上线，浏览器云端运行，无需本地部署，门槛最低。但相应的，能力也最轻量——它本质上是 Kimi 的浏览器插件版本，能力边界受限于 Kimi 本身的功能。
MaxClaw 是 MiniMax 的产品，基于 OpenClaw 加 M2.5 MoE 模型，2300亿参数、10亿激活参数，这个技术底子很厚。M2.5 MoE 是 MiniMax 自研的混合专家模型，特点是效率高——用更少的激活参数达到接近大模型的效果。但目前产品化程度还不算高，更多是一个技术展示。
AutoClaw 是智谱 AI 的方案，AutoGLM-OpenClaw 云端一键部署，企业拿来就能用。智谱的 GLM 模型在国内企业市场占有率不低，所以 AutoClaw 的目标用户很明确——已有 GLM 客户的企业想快速具备 OpenClaw 能力。
开源底层：
OpenClaw 是奥地利开发者 Peter Steinberger 完全开源的项目，高度自由，但需要自行配置，主要面向开发者和极客。如果你本身是技术人员，想深度定制，OpenClaw 是最好的起点。
开源项目有个特点——它永远不会被"卡脖子"。无论商业公司怎么竞争，OpenClaw 始终在那里，任何人都可以免费使用、修改、分发。这对于技术团队来说是一个重要的保底选项。
03 入口之战：IM 平台争夺
看完上面的产品，你有没有发现一个规律？
几乎每个产品都在强调"支持企业微信/QQ/飞书/钉钉"。这背后是一个核心逻辑：谁离用户最近，谁就能赢。
中国的办公场景里，微信、钉钉、飞书、企业微信是最高频的入口。一个人每天打开微信的次数可能是几十次，打开钉钉的次数可能是几次。如果你让 AI 长在微信里，用户根本不用改变习惯，AI 就能触达他。
这就是为什么腾讯的 QClaw 选择直连微信和 QQ——这是腾讯的天然优势。阿里做悟空，钉钉是入口，所以悟空自然接钉钉。字节的飞书虽然体量不如前两者，但 ArkClaw 通过集成飞书和钉钉机器人也在争夺这个入口。
这本质上不是"功能大战"，是"入口大战"。
谁占据了最高频的入口，谁就能拿到最多的用户数据，谁就能训练出更好的模型，谁就能滚起更大的雪球。这个逻辑，跟当年移动互联网的超级 App 逻辑一模一样。
但这里有个有意思的变数——微信目前并没有官方支持外部 AI Agent 直连。QClaw 的实现方式是通过电脑管家的能力，在电脑上模拟用户的微信操作。这意味着它的稳定性取决于微信的界面有没有变化、协议有没有更新。这是 QClaw 的一个潜在风险点。
反观钉钉，悟空是钉钉官方做的，接口稳定性有保障。所以从长期稳定性看，悟空在钉钉这边的体验可能会优于 QClaw 在微信这边的体验。
04 企业市场 vs 个人市场：两个战场的逻辑
继续说另一个维度。
你仔细看这些产品，会发现它们分成了两个明显的战场：
企业市场：WorkBuddy、悟空、ArkClaw、JVSClaw、DuMate、AutoClaw 都是面向企业的。这些产品强调安全、权限管理、多平台集成、审计日志这些东西。企业的决策链很长，采购周期也很长，但一旦拿下，就是长期合同。
企业市场有个特点——采购的人不是使用的人。IT 部门负责选型，实际用的是普通员工。这意味着产品必须同时满足两方面的需求：IT 关心安全、兼容、可控；员工关心好用、能解决问题。所以企业级产品往往功能更复杂，但上手门槛也更高。
个人市场：QClaw、KimiClaw 是面向个人的。门槛低、部署快、场景高频。个人用户不需要复杂的安全策略，但需要一个"真的能帮我干活"的工具。 QClaw 的微信直连、远程操控都是这个逻辑。
个人市场是另一种玩法。这里没有 IT 部门帮你选型，你自己决定、自己用、自己承担后果。所以产品必须做到"即开即用"，用户体验的任何一点摩擦都会导致用户流失。QClaw 选择微信作为入口，就是看中了这个高频场景——用户不需要另外打开一个 App，直接在微信里就能用 AI。
这两个战场的打法完全不一样。
企业市场打的是"深度"，要把产品做得足够安全、足够集成、足够稳定，让 IT 部门满意。阿里的悟空走的就是这条路——CLI 化、安全沙箱、权限继承，这些东西都是为企业准备的。
个人市场打的是"广度"，要让更多人用起来没有门槛。腾讯的 QClaw 走的就是这条路——微信直连、一键部署、5000+ Skills 生态，让普通人也能"养虾"。
有意思的是，同一个技术底子，在两个市场需要完全不同的产品策略。阿里和腾讯显然都看到了这一点，所以各自布局了多个产品去覆盖不同的场景。
05 技术背后：Skills 生态和 CLI 化的意义
说几个技术细节，帮你更好地理解这些产品在做什么。
Skills 生态：
QClaw 有超过5000种 Skills，这是它的核心竞争力之一。Skills 本质上是 AI 的工具箱，每个 Skill 对应一个具体的操作能力。你要让 AI 发邮件，就用一个发邮件的 Skill；你要让它处理表格，就用一个处理表格的 Skill。
这个生态一旦建立起来，壁垒会非常高。因为 Skills 越多，能干的事就越多，用户粘性就越高。QClaw 现在有5000多种 Skills，这个数字还在增长。未来的竞争，Skills 的数量和质量会是重要指标。
但这里有个问题——Skills 的质量参差不齐。5000种 Skills 里，有多少是真正好用的？有多少是凑数的？这需要有一套评估体系。从目前公开信息看，QClaw 还没有公开 Skills 的质量标准和评分机制，这一点值得持续关注。
CLI 化的意义：
阿里的悟空全面 CLI 化，这是一个很有意思的选择。CLI 化意味着什么？意味着精准、可控、可编程。
GUI（图形界面）的优点是门槛低，但缺点是精度差。你用鼠标点一个按钮，AI 只能操作这个按钮；你用命令行，AI 可以操作任何你想操作的东西，包括那些没有图形界面的功能。
对于企业用户来说，CLI 化意味着更好的可控性和更细的粒度。对于集成商来说，CLI 化意味着更好的自动化能力。所以阿里选择 CLI 化，是面向大企业和集成商的一个精准定位。
但 CLI 化也有代价——学习成本高。普通员工用图形界面点几下就能完成的事，用命令行可能需要写一串指令。这对于大企业的基层员工来说是个挑战。所以悟空的目标用户其实不是普通员工，而是企业的 IT 部门和有技术背景的业务人员。
端云协同：
百度的 DuMate 采用端云协同架构，本地执行简单任务保护隐私，云端处理复杂任务保证效果。这个架构的选择很有意思，它解决的是隐私和效果之间的矛盾。
如果你所有东西都放云端，用户会担心数据安全——毕竟邮件内容、聊天记录、文档这些都是敏感数据。如果你所有东西都放本地，模型能力又受限于本地硬件。端云协同是一个务实的折中方案。
但端云协同也有挑战——怎么判断一个任务该走本地还是走云端？这需要一个智能的调度系统。从目前的信息看，DuMate 的调度策略是基于任务复杂度自动判断，但具体阈值是多少、效果怎么样，还需要实际验证。
06 普通人如何选择：一份实操指南
说了这么多，如果你正面临选型问题，核心看三个维度：
你的场景是企业还是个人？
企业用户看这几个选项：需要深度集成和安全性选悟空（阿里系），需要多平台支持和企业微信/QQ 直连选 WorkBuddy（腾讯系），需要轻量快速集成选 ArkClaw（字节系）。
个人用户看这几个选项：需要微信直连和高频入口选 QClaw，需要低门槛云端运行选 KimiClaw，需要技术深度和定制选 OpenClaw（开源）。
你的核心需求是什么？
如果你需要安全审计和权限管理，选企业级产品（悟空、WorkBuddy）；如果你需要最高频的入口，选 QClaw（微信直连）；如果你需要最多的 Skills 生态，选 QClaw（5000+ Skills）；如果你需要轻量快速，选 KimiClaw 或 ArkClaw；如果你需要深度定制和技术自由，选 OpenClaw。
你的技术背景如何？
普通用户直接用 QClaw 或 KimiClaw，门槛最低。企业 IT 部门选悟空或 WorkBuddy，有完整的部署文档和技术支持。开发者和技术极客选 OpenClaw，完全开源可定制。
最后
写这篇文章的时候，我一直在想一件事。
2010年移动互联网起来的时候，入口是 App Store。2015年 O2O 大战的时候，入口是微信。2020年直播电商起来的时候，入口是抖音。
现在 AI Agent 这一波，入口是什么？
从目前的情况看，IM 平台（微信、钉钉、飞书）是目前最自然的入口。但这个格局还没定，因为整个行业还在早期，产品形态还在快速演化。
有一点是确定的：未来每个人可能拥有上百个 Agent 不间断工作。你的 Agent 帮你处理邮件、帮你预订会议室、帮你整理数据、帮你写周报——这些 Agent 会像今天的 App 一样，成为你数字生活的一部分。
至于谁能拿到最多的入口，谁就能在这个时代占据最有利的地形。
这就是龙虾大战的本质。
如果你觉得这篇内容有价值，欢迎点个赞、点个在看，也欢迎转发给更多朋友。
我是 AI杨侦探，持续记录 AI、技术、产品和产业变化里那些真正值得看、值得想的事。
谢谢你读到这里，我们下次见。