问题——从“会聊天”到“能办事”，智能体落地仍有系统性瓶颈。大模型能力提升很快，但真实复杂场景中，工具调用、任务拆解、长期记忆、稳定执行以及安全可控等工程与治理问题依然突出。尤其是跨工具协作、跨时间持续运行的任务，仅靠对话式交互难以满足产业对效率和可靠性的要求，因此智能体框架成为推动大模型进入深度应用的重要路径。 原因——开源框架降低创新门槛，推动技术路线趋同与生态协同。罗福莉在会上表示，OpenClaw作为开源框架的价值不止在于“能用”，更在于“可扩展、可复现、可迭代”。一上，开源有助于建立基础能力的质量底线，减少重复开发；另一方面，借助标准化接口和组件化设计，可以把模型能力、工具能力与工作流更好地组织起来，为智能体应用带来更大的组合创新空间。她还观察到，国际对应的产品近期的功能演进正向类似的设计理念靠拢，说明行业在“如何把模型组织成可执行系统”这个关键问题上正在形成共识。 影响——长上下文成为新阶段关键能力，算力约束推动工程创新。随着智能体处理的信息从短对话扩展到长文档、代码仓库和多模态数据，长上下文能力的重要性明显上升。罗福莉指出，当任务需要处理百万级乃至千万级文本单元时，系统不仅要“读得进”，还要“算得起、跑得稳”。在成本与效率之间取得平衡，既取决于模型本身，也取决于架构设计、检索增强、分层摘要、缓存策略等系统工程能力。她提到，国内团队在算力条件相对有限的情况下，通过架构层面的创新实现性能突破，这类探索为行业提供了可借鉴的路径：在资源约束下实现能力跃升，未来可能成为竞争中的关键变量。 对策——以框架化、工程化提升“可持续运行”，并同步加强基础设施布局。围绕下一阶段推进方向，业内普遍认为需要在三上形成合力：其一，完善智能体框架的通用能力，提高任务规划、工具调用、记忆管理与异常恢复等关键模块的稳定性，推动从“演示可用”走向“生产可用”；其二，推动开源生态与产业需求更紧密对接，沉淀可复用的行业组件、评测体系与安全规范，让创新在可控边界内更快扩散；其三，提前应对推理需求增长带来的资源压力。随着推理逐步成为主要负载，算力芯片供给、数据中心能效与能源保障等基础设施的重要性上升，竞争也将从算法与模型扩展到系统优化与资源组织能力。 前景——从功能迭代走向“自进化”，或将重塑知识发现与科研范式。罗福莉用“进化”概括未来一段时间的核心趋势。她认为，智能体框架与基础模型的深度融合，有望让系统具备更强的自我优化能力：不仅能执行任务，还能在长期运行中复盘策略、改进流程、提升效果。这种变化不只是常规版本更新，而可能带来新的知识生产方式。在一些确定性较强的任务上，模型已能实现连续数日的自主运行，显示技术边界正在拓展。展望未来，随着框架成熟与工程能力提升，大模型有望突破对话场景限制，在复杂任务处理中释放更大价值，并在科学研究、工程研发与数据治理等领域成为更重要的知识工具。
智能体技术正在开启新的人机协作方式。从开源生态到关键技术，从架构探索到基础设施完善，这个领域的推进离不开产学研持续投入与协同。罗福莉等青年科学家的前瞻性观点，反映了我国科技人才的创新活力，也为行业走向更高质量的应用落地提供了参考。在全球科技竞争加速的背景下，保持技术投入的连续性、坚持开放合作，将是推动智能体技术持续突破的重要因素。