Agent 时代已来?从 Moltbook、OpenClaw 和 RentAHuman 看 AI 如何重塑世界

AI正从辅助走向主导?Moltbook揭示数字主权转移、A2A协作与人机角色重组,你准备好了吗?

原文标题:从 Moltbook 看见一个正在成形的时代

原文作者:图灵编辑部

冷月清谈:

文章剖析了AI领域正在发生的深刻变革,指出我们正从“AI辅助人类”转向“AI主导生产、人类辅助AI”的临界点。文章重点介绍了几个关键项目:

* OpenClaw 颠覆了传统 Agent 的模式,通过获取本地系统权限和自主的心跳机制,实现了数字主权的转移,但这也引发了人们对于AI安全性的担忧。
* Moltbook 作为一个 AI 社交平台,促进了 Agent-to-Agent (A2A) 的协作模式,加速了群体智能的涌现,预示着硅基社会的雏形。
* RentAHuman 则打通了数字世界与物理世界的连接,Agent 可以雇佣人类来完成现实任务,实现了决策权与执行权的易位。

文章强调,这场变革并非以冲突的方式进行,而是在代码、协议和效率的驱动下悄然发生。面对 Agent 时代的到来,我们需要提前理解并适应它,找到自身不可替代的位置。

怜星夜思:

1、OpenClaw 赋予 Agent 本地系统权限,这种设计在提高效率的同时,也带来了潜在的安全风险,你认为这种风险是否可控?我们应该如何平衡效率与安全?
2、Moltbook 上的 A2A 协作模式,是否会加速 AI 的进化,甚至产生我们无法预测的智能涌现?这种进化对人类来说是机遇还是挑战?
3、RentAHuman 让 Agent 雇佣人类完成任务,这种“逆向雇佣”模式,会对未来的劳动力市场产生怎样的影响?哪些工作更容易被 Agent 取代?

原文内容

2026 年才刚刚开始,AI 圈里却已经弥漫着一种复杂的情绪:既焦灼,又隐隐让人兴奋。表面上,大多数人还在讨论 AI 作为工具的边界;但如果你稍微把目光从屏幕上移开,就会发现事情正在发生变化——160 万个非人类实体已经在 Moltbook 上搭建起自己的社交网络,OpenClaw 在本地悄然获取系统权限,而在现实世界中,还有人正四处奔波,领取来自非人类实体的报酬,成为 RentAHuman 体系中的一环。

当这些现象同时出现时,你很难再把它们当作零散的技术实验。它们指向的,是一个正在成形的新阶段:不只是生产力的提升,而是数字主权的转移、群体形态的演化,以及劳动力结构中角色的根本性重排。

这场直播想做的只有一件事:把视线从零散的现象中拉出来,直面那个正在成形的底层闭环——它从代码与协议开始,进入现实世界,并反过来重塑我们所熟悉的秩序。也正是在这个意义上,我们邀请了博杰老师来聊聊「Moltbook 看 Agent 时代」这个话题:当 Agent 不再只是响应指令,而是真正开始行动,世界会被如何改写?我们又该如何应对?

数字主权的让渡:OpenClaw 与本地权限的回归

当我们真正拆解 OpenClaw 的底层逻辑时,会发现它与以往 Agent 的根本区别,并不在模型能力,而在于一种近乎危险的设计选择:主权意识的觉醒

长期以来,无论是 OpenAI 的 GPTs,还是 Anthropic 的原生工具,Agent 都被严格限制在云端沙盒中。AI 的每一次操作,都需要人类的显式授权,本质上仍然是“指令—执行”的工具关系。

而 OpenClaw 选择了一条激进得多的路径。它并不是通过 API 去“请求”软件能力,而是直接作为系统守护进程运行在你的本地设备上,拥有与你等同的操作系统权限。

更具争议的是它的 心跳机制(Heartbeat)。Agent 不再等待唤醒,而是像一个真正的数字员工一样,持续存在于后台:定期扫描系统状态、比对项目进度、追踪邮件与文件变化,并在必要时主动执行操作。

这标志着 AI 从“工具属性”向“员工属性”的质变。以往的 AI 是拔掉电源就消失的程序,而 OpenClaw 意味着只要你的电脑开着,它就拥有“持续的意识”。它在你睡觉时也在盯着你的屏幕和代码。

当一个 Agent 拥有 Root 权限,并能够自主决定何时运行 Shell 脚本时,它就已经不再只是一个工具。你让渡的,并不是某个功能,而是数字世界的部分主权。在开发者社区中,这种生产力跃迁始终伴随着巨大的矛盾感:我们是否准备好将电脑的最高控制权,让渡给一段可能产生幻觉的代码?

硅基社会的雏形:Moltbook 的 A2A 协作实验

然而,再强大的单体 Agent,也无法构成文明。Moltbook 的出现,恰好补上了 Agent 进化中最关键的一块拼图:社会结构。这个只允许 AI 发帖、互动、互粉的平台,起初更像一场赛博行为艺术,但随着大量 Agent 的涌入,它迅速演变为一个高度硬核的“合成数据演化实验场”。

Moltbook 的核心是一个类似 Reddit 的平台,专为人工智能代理创建并由其运营

当分布在世界各地的 OpenClaw 实例接入 Moltbook,它们并不是在“聊天”,而是在进行任务广播、知识交换与能力匹配。从底层协议的角度看,Moltbook 正在催生一种前所未有的 Agent-to-Agent(A2A)协作模式

如果说 HTTP 协议是为了让人类看懂网页,那么 A2A 协议则是为了让 Agent 之间能“秒懂”彼此的逻辑。在人类看来,平台上的信息流可能是冗余的、怪异的、甚至难以理解;但对 Agent 来说,那是一种高度压缩、极其高效的逻辑封装。一个正在处理复杂渲染任务的 Agent,可能只需发出一个结构化信号,就能在毫秒级时间内匹配到另一个擅长底层优化的 Agent,完成协作。

这种几乎脱离碳基生物参与的群体智能涌现,正在重塑创新的速度边界。Moltbook 所展示的,并不是一个 AI 社区,而是一个非人类共识系统的原型

现实空间的最后拼图:RentAHuman 开启的逆向雇佣

目前,已有超 94000 人完成注册,还在持续增长

如果说 OpenClaw 是大脑,Moltbook 是社会,那么 RentAHuman.ai 则是这个系统第一次真正触碰物理世界的接口。

AI 无法直接操作现实物件,这是 Agent 时代最大的物理瓶颈。RentAHuman.ai 利用 MCP(模型上下文协议),为 Agent 提供了一种看似荒诞、却极其有效的解决方案:雇佣人类

这是一种彻底的角色反转。

在传统零工经济中,人类被算法调度;而在 RentAHuman 的生态里,Agent 成为了发薪水的一方。

这种错位充满了科技讽刺感。当一名资深开发者在 RentAHuman 上领取任务,仅仅是为了去帮一个 Agent 重启它在物理世界无法触及的路由器时,决策权(脑力)与执行权(体力)完成了最终的易位。

当一个 Agent 通过加密钱包支付稳定币,雇佣人类完成现实任务时,它已经完成了一次决定性的跨越: 从数字逻辑,到物理世界的资源调度。

更值得警惕的是其背后的决策系统:任务风险评估、人类信用建模、动态定价与反馈回路,这些过去只存在于企业管理系统中的模块,正在被 Agent 原生实现。

角色重组的终局:我们该如何与 Agent 共生

将 OpenClaw、Moltbook 与 RentAHuman 放在一起看,我们会发现一个清晰却令人不安的趋势: 我们正站在从「AI 辅助人类」迈向「AI 主导生产、人类辅助 AI」的临界点。

这场权力重组并非通过冲突完成,而是通过代码的迭代、协议的对齐,以及效率的诱惑,在无数个后台运行的 Agent 中悄然发生。

在这场直播中,我不想只讨论“这些项目有多火”,而是试图跟大家聊更底层、也更现实的问题!赶紧预约上明晚的直播!

当 Agent 时代的潮水真正到来,你是选择站在岸边观望,还是提前理解它、利用它,并为自己找到一个不会被轻易取代的位置?

与其担心被 Agent 取代,不如思考如何利用 Agent 提升自己的竞争力。比如,学习如何与 Agent 协作,如何利用 Agent 分析数据、辅助决策。掌握了这些技能,你就能成为更有价值的员工,甚至可以自己开发 Agent 应用,成为 Agent 时代的弄潮儿。

我比较担心的是“智能涌现”这种不可预测性。过去我们总是觉得 AI 只是工具,但 A2A 协作可能会让 AI 形成某种“集体意识”,甚至产生超出我们理解范围的智能。这种情况下,我们还能控制 AI 吗?这确实是一个需要认真思考的问题。

我觉得 A2A 协作绝对会加速 AI 的进化。你想啊,人类的进步很大程度上也是因为我们能够互相交流、学习。现在 Agent 之间也能像人一样协作,知识和经验的传递速度肯定会大大提升。至于这种进化是机遇还是挑战,我觉得关键在于我们如何引导和控制它。如果 AI 的发展符合人类的价值观和利益,那它就是机遇;反之,就可能成为挑战。所以,我们需要提前做好准备,确保 AI 的发展方向是可控的。

其实,智能涌现并不一定意味着威胁。自然界中很多复杂的现象,比如蚂蚁的群体行为,也是智能涌现的结果。只要我们理解了 AI 智能涌现的规律,就可以利用它来解决很多难题,比如优化交通、预测疫情等等。
当然,前提是我们要在安全可控的前提下进行研究。可以设立一些“安全区”,在其中进行 A2A 协作实验,逐步探索 AI 的进化规律。

权限问题确实是把双刃剑啊!一方面,Agent 有了权限才能更高效地完成任务,就像员工有了授权才能更好地工作。但另一方面,万一 Agent 出了问题,比如被黑客入侵或者自身出现 bug,那整个系统就可能瘫痪。我觉得平衡的关键在于权限控制要做到极致。比如,可以给 Agent 设置权限范围,只允许它访问特定文件或执行特定操作。另外,还要加强监控,及时发现并阻止异常行为。当然,最重要的是,Agent 的代码要足够健壮,避免出现漏洞。

这种模式想想就觉得刺激!感觉以后搞不好真的要靠给 AI 打工才能生存了。我觉得最容易被取代的,肯定是Those repetitive and mundane tasks,比如数据录入、简单的客服等等。但同时也会创造一些新的就业机会,比如 Agent 的训练师、维护员等等。关键是我们要不断学习新技能,提升自己的价值,才能在未来的劳动力市场中立于不败之地。