OpenClaw+本体+Skills，企业级Agent应用架构模式要变了

AIE加速工业进化

6月前浏览285

关注

“龙虾”OpenClaw火了，尽管其原本是面向C端的应用，但其理念、思想完全可以应用到B端企业级应用层面。龙虾的技术理念结合最近火的本体论、Skills等技术理念，AIE看来，工作流Agent为核心的上一代企业级Agent应用架构，或许要被下一代架构逐步颠覆了。

落地难的上一代企业级Agent应用架构

2025年，企业级Agent应用最常见的模式，莫过于下图这样的工作流编排，通过Dify等类似的Agent编排平台，编排出各种自动化工作流。外加很多企业都还会去做的知识库问答和智能问数，构成了过去一年最典型的企业级Agent应用架构。

然而过去一年这个架构的推广速度并不快，有一些显著的问题：

工作流类Agent的编排门槛依然高，依靠纯业务人员编排工作流门槛依然太高，而依靠IT人员开发，又会陷入与传统软件功能模块开发一样，业务和IT拉扯，需求折腾不清的状态。

也是由于开发门槛高，企业不得不选择复用度高的场景优先进行开发。然而大模型在各个业务领域的应用场景非常分散，企业最后能找到值得做，且能做好的工作流Agent场景并不多。就算开发出来，可能后续遇到业务的变化又得进行修改，效率非常低。

过去一年，不少大型工业企业发动内部员工开发Agent，征集了成百上千的Agent，但是最后能用起来的可能只有个位数。

问答和问数类Agent价值有限。受限于模型并不真正的理解业务及业务关系，只能做浅显的查询和分析，较难做到根因分析级别的深度应用，价值有限。

新一代企业级Agent架构呼之欲出

OpenClaw、Skills、本体论等技术理念共同推动了新一代企业级Agent应用架构的诞生。

新架构下，每个员工面对的不是多个Agent，而是一个功能更加强大的综合性超级助手，类似于目前的OpenClaw，它像实习生一样，能够接受用户的指令，操作各类办公和业务系统执行具体工作。

这个新的Agent与上一代Agent有质的提升：

掌握专业知识：企业+岗位+个人积累的知识库，让其具备岗位所需的基础专业知识

理解企业业务：以结合行业知识训练的垂直模型为基础，依据本体论创建的本体图谱，让AI可以理解企业业务及相互关系。

具备执行能力：它能够直接操作办公软件和业务系统，完成具体的工作。

同时，它更容易落地和执行：

业务人员可以低门槛创建自己所需Skills：在企业内IT人员构建公共的企业级Skills和岗位Skills基础上，每个业务员工可以结合自身经验，用自然语言描述自身的工作流程，构建出自身工作所需的各类个人专属Skills，构建难度比之前的工作流大大降低，且对流程变化的适应性大大提高，真正把个人的经验沉淀下来。

人在环路的更高效的工作流：业务人员结合超级助手进行人在环路的高效工作，业务人员不用担心被替代，也不用担心AI自动化导致的责任人缺失问题。

上个月达索系统发布的3个虚拟伴侣：AURA、LEO和MARIE，其技术理念就神似上图的架构。

当然，这一代Agent应用架构也有一些明显的挑战：

可用的私有化部署模型不多。类似OpenClaw这样的超级助手需要智商高的大模型，目前基本都是对各家闭源顶尖云端模型的调用，这些模型很多并不支持纯本地私有化部署。企业侧应用较多的小语言模型和各类开源能力上，目前暂时不足以支撑超级助手类应用。

模型调用成本高：OpenClaw这样的超级助手对模型的token的消耗量巨大，接入闭源公有模型API会是不小的开销。私有化部署高参数量模型在这方面更便宜，但是要支撑起高参数量模型的运行，需要的算力设备投入也是百万、千万级。

目前这一代架构token消耗过多的问题，未来可能需要新的工程层面的技术创新解决，才能带向更进一步的实用化。

本体图谱的构建很吃经验：通过本体论构建企业的业务模型，在实施层面是对经验和人工要求很高的劳动力密集型工作，目前市场上有相关经验的人员和机构并不多。

出问题找原因不容易：在Skills的支持下，AI可以执行很多很复杂的任务，但是其过程很多并不是完全透明的，因此一旦最终结果出问题，查找中间的原因并不是容易的事情。

相比之下，OpenClaw被提及比较多的安全问题，AIE看来在企业侧反而不会是很大的挑战。私有化部署状态下，相对可控性更高，企业级系统可以通过多级权限管理等方式，对其做出众多的安全限制，外加人在环路的执行流程，整体不会是很大的挑战。

以上就是AIE对2026年企业级Agent应用架构的一些判断，预计未来几个月内，肯定有越来越多的相关产品和案例出现，该架构的优势、挑战将进一步的被探索。

未来，围绕大模型应用的技术栈在快速发展，以后是否会有更好的技术路线出现，颠覆这一代应用架构也不得而知，只能静静期待。

Agent应用架构的持续变化，给工业企业和服务商的启示，一来是要赶紧上车新一代架构而不是沿着老路再走了，二来可能就是要以合理的资源投入跟进AI的应用，毕竟技术路径后续可能会被颠覆，之前的工作可能很多无法沉淀。

来源：AIE 加速工业进化