自然语言驱动：OpenClacky重塑Agent与Harness自进化

随着大模型技术的快速突破，智能体工具链的进化方向正在从固定功能向自主适配转变。近期一款主打自主进化的智能体工具引发了行业关注，其核心思路是将智能体作为基础底座，让工具本身能够根据用户需求自主开发新功能。

近期有两款同赛道的智能体工具先后发布，二者的定位有着明显区别：其中一款更偏向开发者使用，没有公开客户端，需要通过命令行方式调用；而另一款则主打面向普通用户的开箱即用体验，核心特点可以概括为三大模块：自主创建插件、一键安装扩展、内置应用市场。

自定义智能体的核心思路

在过去几个月的产品迭代中，这款工具的团队一直在思考一个核心问题：传统软件的界面和功能边界都是由产品团队预先定义的，但在智能体时代，尤其是面向通用人工智能的场景下，软件不再只服务于单一任务，那么用户是否应该拥有定义自己智能体的权利？

传统软件开发流程中，UI设计和功能规划都由专业团队完成，用户只能在既定的框架内使用产品。但随着智能体技术的发展，这种模式正在被打破。该团队提出了「自定义智能体」的新概念，用户不需要掌握代码知识，只需要通过自然语言描述自己的需求，就能让工具自动创建对应的智能体、功能模块、操作界面以及完整的业务逻辑。

举个简单的例子，用户可以直接说“我需要一个内置知识库的工作台”，工具就会自动整合各类文档管理、知识整理功能，将这些封装为原生的智能体应用，用户可以随时安装、停用、分享这个应用，还能继续通过自然语言对其进行修改和迭代。

实际应用场景展示

为了更直观地展示这套系统的能力，官方提供了多个典型应用案例：

LLM 知识库工具

这款工具沿着大模型原生软件的设计思路，让AI直接参与知识的全流程管理，从内容摄入、整理、连接到深度研究都能自动完成。用户可以导入PDF、Word文档、网页内容或者对话记录，系统会自动将这些资料整理为可长期维护的知识页面，在后续的搜索、问答和研究过程中持续补充和完善这个知识库，同时保留双向链接、知识图谱等经典功能。

多智能体协作编排

针对复杂任务场景，用户可以通过这套工具临时组建一支AI团队，将原本需要人工分配任务、跟进进度、汇总结果的协作流程完全自动化。用户只需要描述最终目标，系统会自动拆解任务、分配角色，创建多个工作智能体并行执行任务。用户可以在统一面板中查看每个智能体的执行状态、任务进度，以及调度者的派活和决策记录，过程中还可以随时补充指令、切换智能体使用的模型，或者临时增加新的角色，最后由调度智能体汇总所有产出结果。

AI自动调研助手

用户只需要输入调研的目标方向，系统就会通过追问来明确具体需求，比如行业范围、地区限制、目标群体画像等，然后自动制定完整的研究计划。以跨境电商投放调研为例，系统会自动完成三个核心步骤：首先搜索公开的公司信息和业务动态，接着补充招聘、融资、产品发布等可用于判断市场需求的信号，最后交叉核对所有信息、去重整理，输出带有明确出处的线索清单和跟进建议。如果用户需要调整调研范围、筛选条件或者其他要求，只需要通过自然语言或者快捷键直接对话即可修改。

内置应用扩展市场

随着这套自主开发功能的完善，团队还上线了内置的应用扩展市场。用户可以在市场中浏览各类现成的智能体应用，点击即可直接安装使用。安装前的工作台保持简洁的默认布局，安装对应的插件后，系统会自动根据应用需求调整界面布局和功能模块，实现工作台的个性化改造。

行业趋势思考

从行业视角来看，大模型的能力正在快速突破临界点，其使用边界正在变得越来越模糊。当前智能体团队的核心挑战已经从单纯提升模型能力，转变为如何更好地连接模型与真实任务场景。而更进一步的方向，则是如何让工具链本身实现自主进化，能够根据用户需求和场景变化自动适配和迭代，更好地匹配大模型的能力边界。这款工具所探索的自定义智能体方向，正是这一趋势下的典型尝试，为未来智能体工具的发展提供了新的思路。

不少行业观察者都认为，对于智能体工具自主进化的思路，不同团队的探索方向不谋而合，而这类工具其实可以更早推出相关功能——其核心原型早在行业展会期间就已经基本完成。