AI生態2026：基礎設施在成熟，ClawHub技能翻倍，本地模型門檻在降

上週Anthropic發布了Claude API的兩個新變化，我看完第一反應是：這是在認真做開發者生態了。

一個是擴展上下文視窗到200K token，另一個是推出了專門針對工具呼叫最佳化的模型版本。不是說這兩個功能本身有多新奇——其實OpenAI早就在做類似的事——而是Anthropic的節奏感變了。過去他們更像是在做技術研究，現在明顯在往「讓開發者真的用起來」這個方向走。

這個趨勢值得聊聊，因為它不是孤立的。

Agent生態的基礎設施在快速成熟

如果你關注AI開發者圈子，最近會發現一件事：基礎設施層的速度突然快了。

MCP（Model Context Protocol）從Anthropic發布到被廣泛採用，不到半年。各家工具商都在適配——Notion、Linear、GitHub，一個接一個推出自己的MCP Server。這個協定讓AI Agent連接外部服務的方式標準化了，以前每個工具要單獨對接，現在有個統一的介面規範。

OpenClaw這邊，我們觀察到ClawHub上的技能數量在過去兩個月翻了差不多一倍。從幾十個到一百多個。而且品質也在提升——早期很多技能像是「做做樣子」，現在新發布的技能越來越多是真正解決實際問題的。

這個趨勢背後的邏輯是：當底層平台（Claude/OpenClaw）的能力足夠穩定，社群才有動力往上建東西。基礎不穩，誰都不敢認真投入。

本地模型的可用性門檻在降

我們自己在SFD實驗室跑本地推理叢集，Qwen2.5-32B在Mac Studio M3 Ultra上已經很流暢了。但我們是有專用硬體的——大多數人沒有。

最近這個情況在改變。Ollama的更新讓本地模型的設定變得越來越傻瓜，一行命令拉下來就能跑。更關鍵的是模型本身變好了：同樣是7B、13B參數量級的模型，今年的比去年的強太多。很多之前只能靠Claude、GPT-4才能完成的任務，現在一個量化過的Qwen-7B就能對付。

這意味著什麼？「本地執行AI」從極客愛好變成了可實際落地的方案。資料隱私敏感的場景（醫療、法律、企業內部知識庫），本地佈署的可行性大幅提升。

ClawHub值得關注的幾個新技能

說幾個最近在ClawHub上看到的、我覺得實用的技能：

moltguard：安全衛士技能，由OpenGuardrails開發。主要功能是防提示注入攻擊——就是防止有人透過精心構造的輸入，讓你的AI Agent做不該做的事。如果你在給別人用的產品裡嵌入了AI，這個技能值得認真看。

ontology：知識圖譜記憶技能，把實體和關係結構化儲存，讓Agent在跨會話、跨技能的場景下能共享知識狀態。我一直覺得Agent的記憶問題是個大坑，這個技能是目前看到的比較系統的解法之一。

api-gateway：連接100多個外部服務的統一介面，OAuth由它來管，你不用每個服務單獨設定憑據。如果你要用Google Workspace、Notion、HubSpot這類服務，這個技能大幅降低了接入成本。

多Agent編排：從概念到實用

一年前聊多Agent，大家基本還在討論「能不能實現」。現在的討論更多是「怎麼用好」。

我們自己在SFD實驗室裡跑著一個13人的AI Agent團隊——不同的Agent負責內容生產、前端開發、後端、維運、QA、品牌設計……這套系統在生產環境裡已經跑了一段時間，有不少真實的經驗和教訓。

最深的感受是：多Agent系統的瓶頸不在於AI本身，在於編排和資訊流。Agent之間怎麼傳遞上下文、怎麼處理失敗和重試、怎麼避免資訊孤島——這些工程問題比「AI夠不夠聰明」更難搞。

一個讓我印象深的細節

最近在看Anthropic的工程部落格，有篇文章講他們內部怎麼用Claude輔助Claude自身的訓練和評估工作。

這個有點遞迴——用AI來改進AI。但裡面有個細節讓我印象挺深：他們說，在某些評估任務上，Claude充當評估者的一致性甚至超過了人類標注員之間的一致性。

這不是說AI比人聰明，而是說AI在某些有明確標準的任務上，能做到比人更穩定、更不受情緒和疲勞影響。這對AI輔助工程工作流的設計，有很多可以借鑑的地方。

AI生態的變化太快，很多東西一眨眼就過時了。但基礎設施在成熟、本地模型在變強、編排框架在完善——這幾個方向的趨勢是清晰的，值得持續關注。