Instinct凭什么比OpenClaw好用?Reflexion作者:秘密可能在「长期状态」
相关推荐
Instinct长期记忆被逆向:Git+Markdown,和Supermemory几乎同一路线
动察 Beating AI 快讯,Supermemory 的创始人 Dhravya Shah 逆向分析了个人 Agent 助手 Instinct 的长期记忆系统。他发现,Instinct 没有把全部聊天原样塞回上下文,而是把长期信息整理成一套 Git 管理的 Markdown 文件,再持续维护用户当前的状态。 Supermemory 本身就是专门给 Agent 做长期记忆的基础设施。它会从聊天、文件和网页里提取事实,维护人物关系、时间变化和用户画像,再通过 API、MCP 等方式把相关记忆交给 Agent。Shah 称,拆完 Instinct 后发现,两者对「Agent 应该怎么记东西」的思路非常接近。 按他的黑盒测试,Instinct 每次对话都会先拿到一份约 4250 Token 的用户状态摘要,包括生活背景、操作偏好和沟通习惯。更细的人物、偏好、决定和任务则留在 Markdown 文件中,需要时再用类似 grep 的关键词搜索。Shah 没有发现向量索引或 BM25 检索。 这些记忆还会被后台持续整理。系统会把临时信息归进具体任务,把经历概括成长期偏好,用新事实修正旧事实,再用 Git 留下版本历史。主 Agent 主要负责读取,真正的整理和合并则由后台流程完成。Shah 推测这轮整理大约每天运行一次。 Shah 认为这套设计已经可以用 Supermemory 基本复刻。他给出的示例只用了约 60 行代码,把用户画像、记忆搜索、历史版本和持续更新重新接进 Agent。 此前 Reflexion 共同作者 Ashwin Gopinath 猜测,Instinct 的优势可能是持续维护一份「当前状态」,知道什么仍然有效、什么已经过期、什么事情还没做完。现在看来,这份状态背后可能没有什么神秘数据库,而是一套被持续整理的文件系统。
Instinct和Muse想到一块:Agent免费,靠交易抽成
动察 Beating AI 快讯,个人 AI Agent Instinct 创始人 Noah Shinn 在首次公开长访谈中讲了公司准备怎么赚钱。 Shinn 希望 Instinct 最终能长期免费,不向用户收订阅费。Agent 替用户订酒店、购物等完成交易后,Instinct 再向拿到订单的商家收一小笔佣金。不过这目前还只是他的目标,Instinct 暂时没有承诺永久免费。 Shinn 也明确不想做广告。个人 Agent 会越来越了解用户,也会越来越擅长影响用户的决定。如果平台靠广告挣钱,Agent 就可能开始劝用户买原本没打算买的东西。他更希望 Instinct 只从用户本来就要完成的交易里挣钱。 具体抽多少还没定。Shinn 拿 Shopify、Amazon 和 Apple 的平台抽成做参照。Instinct 目前约一半交易额来自旅行,一些精品酒店愿意为它带来的订单支付最高超过 30% 的佣金,但 Instinct 不一定会收这么高。 巧的是,扎克伯格此前给 Muse 设想的也是这套模式:大多数用户免费使用,Agent 帮用户完成交易后,再向获得生意的商家收费。
消费者AI开始固化:新人仅11个,Agent成少数新变量
动察 Beating AI 快讯,a16z 发布第七版消费 AI 榜单。网页和移动端两张榜里,这一版只有 11 个产品首次出现,是七版以来最少的一次。与此同时,a16z 首次加入美国消费者支出榜,用 YipitData 的电子收据样本统计用户实际为哪些 AI 产品付费。 流量大不等于更赚钱。支出榜 Top 50 中,有 29 家没有进入网页或移动端流量榜。前 1% 付费用户平均每月花 903 美元,贡献 19.5% 的消费 AI 支出,甚至超过支出最低 50% 用户合计的 16.6%。中位数付费用户每月只花 25 美元。 在越来越稳定的榜单里,Personal Agent 是少数明显还在扩张的新品类。半年前,a16z 还认为 OpenClaw 这类通用 Agent 对普通消费者不够好用;这一版已经单独用一章讨论 Personal Agent。Instinct、Tomo、Poke、Lindy、Town 等创业公司陆续出现,Meta Muse、OpenAI Dots、xAI Grok Bot 也相继入场。 消费者 AI 的头部产品正在固化,赚钱能力也开始和单纯流量分开。现在最明显的新变量,已经从又一个聊天机器人转向能直接替用户办事的 Agent。
OpenClaw企业版开源:OpenAI内部已用它修Bug、合PR
动察 Beating AI 快讯,OpenClaw Foundation 发布 OpenClaw Enterprise(OCE),让企业可以在自己的基础设施上统一部署和管理长期运行的 AI Agent。 这个项目最早在 OpenAI 内部启动,随后捐给 OpenClaw Foundation,Red Hat、NVIDIA 等参与开发。代码采用 MIT 协议,企业可以自行部署,官方称将永久免费。 OCE 主要解决企业部署 Agent 后的管理问题。管理员可以统一创建多个 Agent,限制不同用户和 Agent 的访问权限,并加入隔离、审计和生命周期管理。底层模型、Agent harness 和沙箱都可以替换,不要求绑定 OpenAI。 OpenAI 和 Red Hat 已经在内部试用。OpenAI 的内部 Agent「Androidclaw」可以读取代码库、GitHub 和日志。遇到构建失败时,它能找到相关 PR 并尝试修复;发现产品问题后,还能追踪故障、提交带视频证据的 PR,甚至直接合并。 不过 OCE 目前还没到正式生产阶段。官方只建议用于内部试点,1.0 计划今年晚些时候推出。
Pi正式接入OSC 7501,Agent状态不用终端再猜
动察 Beating AI 快讯,Ghostty 作者 Mitchell Hashimoto 最近提出新的终端状态协议 OSC 7501。它让程序主动告诉终端自己正在工作、等待用户、已经完成还是出错,不用终端再从屏幕内容里判断。Rex 已经有初步支持,现在开源 Coding Agent Pi 也在 1.1.0 版本正式接入。 Pi 启动时会先询问终端是否支持 OSC 7501,确认支持后才发送状态。Agent 运行或压缩上下文时会报告 working;需要用户处理对话框或登录时是 blocked;任务结束是 done;无法重试的错误是 error;用户主动取消后则回到 idle。 Pi 不会把 prompt 或模型输出发给终端。状态消息只会附带会话名、对话框标题或错误首行等必要信息。
Meta、Sierra给AI Agent做「通行证」,Walmart、Shopify等参与制定
动察 Beating AI 快讯,客服 Agent 公司 Sierra 联合 Meta 发起 Personal Agent Protocol(PAP),Walmart、Shopify、Stripe、Genesys、Instinct 等公司共同参与制定。PAP 面向个人 AI Agent,让企业确认 Agent 的身份、它代表哪个用户,以及用户授权它做什么。 现在很多个人 Agent 仍靠模拟真人操作网页。它们打开网站、点击按钮、填写表单,很容易被验证码和反机器人系统拦住。Amazon 此前就禁止 Meta Muse 访问其购物网站。即使是 Muse 的合作方 Walmart,也会弹出真人验证挡住 Agent。 PAP 希望把这套身份和授权关系直接标准化。用户让 Agent 查询订单时,可以只开放读取权限;需要改订单或下单,再单独授权。企业也可以规定 Agent 能做哪些操作,以及通过网页、API 还是企业自己的 Agent 接入。 MCP 主要解决 Agent 怎么调用外部工具和数据,PAP 则处理 Agent 的身份、用户授权和企业权限。PAP 目前仍处于预览阶段,首个 v0.1 规范计划本月晚些时候公布。 同一天,Sierra 的竞争对手 Decagon 也开源了类似的 PACT 协议,并宣布加入 PAP 工作组。PACT 同样处理 Agent 身份和用户授权,用 A2A 连接个人 Agent 和企业 Agent,再通过 OAuth 完成用户授权。