从华为Claw-Anything看ibbot的AI原生助理革命——当Scaling Agent Context遇上PopLang引擎

作者：宁明 | T100级技术专家、AI原生计算生态布道师

引子：一个婚礼策划师揭开的AI遮羞布

最近华为的开源项目Claw-Anything在AI圈引爆了一场地震。它的核心理念听起来很性感："See Anything, then Do Anything"——看见一切，进而做到一切。

但真正让整个行业坐不住的，是它公布的评测结果：GPT-5.5在200个真实助理任务上的通过率，仅有34.5%。

你没看错。那个号称准AGI的顶尖闭源模型，连三分之一的日常助理任务都搞不定。

Claw-Anything用一套精心设计的评测基准，揭开了AI助理行业的最后一块遮羞布——今天的AI系统，能"看见"很多东西，但真正能"做到"的事情，少得可怜。

从"看见"到"做到"，中间横亘着一条巨大的鸿沟。而这条鸿沟的彼岸，是一个叫PopLang的引擎，和一台叫ibbot的手机。

第一部分：Claw-Anything到底测了什么？——用Rachel的故事讲清楚Scaling Agent Context

让我们先认识一下Rachel。

Rachel是一名婚礼策划师。她正在做一个艰难的决定：究竟是花钱请一个兼职助理，还是自己一个人扛下所有？

要回答这个问题，她的AI助理需要：

• 翻看过去数月的日历记录——理解她的工作节奏
• 遍历10多个应用——日历、邮件、财务软件、人脉管理、社交媒体、供应商数据库……
• 计算隐性成本——时间机会成本、客户流失风险、超负荷工作的健康代价
• 守住权限边界——不能擅自替她发邮件、不能越权访问敏感信息

Claw-Anything管这种能力叫 "Scaling Agent Context" ——扩展智能体的上下文。不是简单地把更多文字塞给模型，而是让AI在长程历史×多服务×多设备这三个维度上同时扩展。

整个评测包含200个真实日常助理任务，每个任务横跨CLI和GUI操作、涉及10+个应用、跨越数月的时间跨度。这相当于把传统AI评测的上下文规模扩大了20倍（Scaling Context 20x）。

结果呢？

顶尖闭源模型GPT-5.5 pass@1仅34.5%。

换句话说，你花了几百美元订阅的"最强AI助理"，超过六成的情况下根本搞不定一个稍微复杂的日常任务。

Claw-Anything用它自己的话说："'最强助理'与真实日常之间仍存巨大鸿沟。"

第二部分：GPT-5.5仅34.5%说明什么？——今天的AI助理离"真助理"还有多远

这个34.5%的数字像一盆冷水，浇在了整个AI行业头上。

但更值得深思的，是Claw-Anything团队给出的一个反直觉发现：

给模型看得越多，它反而做得越差。

历史越长、App越多、噪声越重，模型的性能曲线不是上升，而是下降。今天的模型面临一个尴尬的困境："上下文越大越聪明"这个假设，在现实世界里正在崩塌。

为什么？

因为"看见"和"做到"是两回事。

一个AI可以看到你过去三个月的所有邮件，但它能自己动手帮你回复一封吗？它可以分析你的财务数据，但它能自动计算出最省钱的方案并执行吗？它可以感知你的社交网络，但它能在你开口之前主动提醒你下周的客户生日吗？

Claw-Anything把"主动服务"（在用户开口之前替他想到）和跨设备任务引入了评测体系。这正是"贴身助理"和"问答机器人"之间的分水岭。

好消息是，Claw-Anything也给出了希望：通过其开源的自动化管线和2000+训练环境，微调开源小模型带来了23.7%的解决率提升，开源模型达到了新的SOTA。

这说明什么？说明"做到"的能力不是天生的，它是可以训练、可以架构、可以工程化的。而这恰恰是ibbot团队一直在做，且已经做到的事情。

第三部分：从"看见一切"到"做到一切"——PopLang引擎如何让AI助理真正"上手"

Claw-Anything提出了一个漂亮的问题——Scaling Agent Context。但它没有给出一个完整的答案。

答案在哪里？

答案在PopLang引擎里。

PopLang是什么？它不是另一个编程语言，而是一套面向操作码的实时编程与执行引擎。它的三大核心特性——省Token、图灵完备、实时代码输出——恰好击穿了Claw-Anything揭示的"看见→做到"鸿沟的核心障碍。

省Token：让AI敢想敢干

Claw-Anything发现，当上下文扩大20倍时，模型的性能反而下降。原因之一是什么？是Token成本。让AI在长历史、多应用中"深度思考"的成本太高了，模型被迫"浅思考"。

PopLang引擎通过精准的意图解析与本地化执行，将Agent编程任务的Token消耗降低90%至99%。这意味AI可以不计成本地探索和推理，像人类一样"多想几步"，而不是每次思考都心疼自己的Token余额。

图灵完备：让AI能做任何事

Claw-Anything的Rachel需要的是一个能做决策、能算账、能规划的助理，不是一个只会鹦鹉学舌的问答机器人。

PopLang是图灵完备的——它支持变量、条件判断、循环、函数定义、递归、内置系统调用。AI智能体可以在运行时动态生成PopLang代码，实现任意计算逻辑。从冒泡排序到复杂业务编排，从数据清洗到多Agent协同，它都能搞定。

这不就是Claw-Anything追求的"从看见到做到"的吗？看见问题，在本地实时生成解决方案代码，然后立即执行。

实时代码输出：让AI真的"上手"

Claw-Anything的评测中，很多任务需要AI操作真实的应用——发邮件、创建日历事件、更新CRM记录……

PopLang引擎通过三个核心API（/ibbot/poplang/run、/ibbot/poplang/eval、/ibbot/poplang/script），让AI智能体可以在运行时动态生成并执行代码。用户说一句"帮我把这三个月的收支分析一下，生成报告发给财务"，PopLang实时生成对应的脚本，调用dtns.browser.agent（ibbot的浏览器分身插件）操作邮件系统和财务软件，最终把结果交付。

整个过程中，用户只需要动嘴，AI是真的在"动手"。

更重要的是，ibbot的浏览器分身agent让这一点更彻底——你可以把任意网站变成HTTP-API可访问的agent接口，相当于给AI赋予了"操纵世界"的双手。OpenCLI只能把网站变成CLI，ibbot把它变成了完整的API。

第四部分：ibbot智体机的答案——内嵌PopLang引擎，让每个设备都成为智能体节点

Claw-Anything提出了"跨设备"评测维度。ibbot的回答更彻底：让每个设备自己就是智能体节点。

点卡系统：Token节点化经济的核心引擎

谈到AI原生计算的经济模型，不得不提ibbot的点卡系统。

每一个创建的角色智能体，都自带点卡API——这意味着你的数字员工天然就是可被调用的Token服务节点。这与Claw-Anything提出的"Scaling Agent Context"理念不谋而合——不仅扩展智能体的感知和推理边界，更要扩展其创造价值的能力边界。

传统AI助理是"昂贵的消耗品"——你付月费、消耗Token、获得回复。而ibbot的手机是一个Token生产节点——通过点卡系统，你可以在闲置时将算力打包出售，让手机边休息边产生收益。每一部1580元的青春版手机，都是一个微型发电站。

克隆角色与联机协作：一人成军

Claw-Anything发现了开源模型通过微调可以提升23.7%的解决率。ibbot更进一步，让用户不仅能微调模型，还能一键克隆角色——一个经过调教和训练的"数字员工"，可以无限复制，批量部署。

联机角色功能让多个角色智能体可以互相协作，完成Claw-Anything描述的那种跨多应用、多设备的复杂任务。你的电商客服智能体和财务分析智能体可以手拉手协作——当客服发现退货率上升时，自动通知财务智能体重新核算成本，然后汇报给你。

这不就是Rachel需要的那个能跨应用思考、能主动服务、能守住边界的"真助理"吗？

上下文限制：让"越多越差"成为历史

Claw-Anything发现"上下文越大越不聪明"。ibbot的角色智能体v2.0引入了精细的上下文限制功能——128KB到1MB的灵活配置，智能裁剪超出限制的内容，优先保留关键记忆，让AI始终在"甜点区间"工作。

这不是简单粗暴地截断，而是有策略地管理注意力。就像Rachel的助理不会记住三年前某封无关紧要的邮件，但会保留客户的重要偏好。

结语：AI原生时代的"计算+生产"新范式

Claw-Anything用34.5%的数字，向行业敲响了一记警钟——"看见一切"易，"做到一切"难。

ibbot用PopLang引擎、点卡系统、克隆角色、联机协作、浏览器分身agent等一系列创新，给出了自己的答案：真正的AI原生助理，不是云端的一个大模型，而是你口袋里、桌面上、办公环境里无处不在的智能体节点。每一个节点都在实时生成代码、动态执行操作、高效创造价值。

开源模型通过Claw-Anything提升了23.7%——但ibbot提供的不是"提升"，而是"重构"。

当别人还在"看见一切"的赛道上争抢时，ibbot已经让每个用户都拥有了"做到一切"的能力。不是被动的问答机器人，而是主动的、能执行的、能创造收益的数字伙伴。

从机码到机灵，从看见到做到，从消耗到生产——AI原生时代的最强助理，不在云端，就在你的掌心。

如果你也想让你的手机从"AI消耗者"变成"AI生产者"，从今天开始，拥抱PopLang引擎，加入Token节点化经济的浪潮。每个1580元的青春版手机，都是一个微型工作站。从"看见一切"到"做到一切"，这个跨越，只需要一个决策的距离。

**