Agent 生态研究

2026-05-31 · 使用层面分析 · 三项近期开源项目

摘要：2026 年 5 月底出现三个值得关注的 Agent 生态项目：微软研究院的 SkillOpt（把自然语言 skill 当可训练参数优化）、Open Design（开源 Claude Design 替代方案，编排已有 agent CLI）、DeepSeek-Reasonix（DeepSeek 专用终端 coding agent， prefix cache 为核心）。三者分别从 skill 优化、设计编排、专用 agent 三个角度切入，与 OpenClaw 都有潜在协同关系。

🎯 Microsoft SkillOpt 微软研究院

github.com/microsoft/SkillOpt · arxiv:2605.23904

本质：文本空间优化器。把自然语言 skill（markdown）当可训练参数，像训练神经网络一样用 epochs、batch size、validation gate、textual learning rate 去优化。不动模型权重。

核心流程

初始 skill.md + 数据集 → SkillOpt 训练循环

Target model 用当前 skill 跑任务（rollout）

Optimizer model 分析成败，提 bounded edits（增删改指令）

Validation gate：改后 skill 在 held-out 集打分，进步才保留

输出 best_skill.md

输入要求

数据集：data/{train,val,test}/items.json（任务样本 + 评分规则）
初始 skill：自然语言 markdown 文件
Config：YAML 配 epochs、batch size、learning rate、edit budget

需要的 API

Target model：执行任务的 frozen LLM（GPT-5.5 / GPT-5.4-mini / Qwen 等）
Optimizer model：提出改写的模型（通常更强）
支持后端：Azure OpenAI、OpenAI、Anthropic、本地模型（OpenAI-compatible）

效果与成本

reportedly GPT-5.5 准确率 +23.5 点，零额外推理开销
不用 GPU，烧 API token + 时间
小数据集几小时，大数据集 overnight

与 OpenClaw 关系

SkillOpt 训练的输出就是标准 SKILL.md，可直接放入 skills/ 目录使用。未来可以把自己的 skills 丢给 SkillOpt 优化。

🎨 Open Design (OD) 开源替代

github.com/nexu-io/open-design · 同一团队还有 html-anything（轻量子集）

本质：开源替代 Anthropic Claude Design。编排层/工作台，不是 agent 本身，也不被 agent 调用。调度本地 agent CLI 做设计 artifact。

架构

Web app (Next.js 16) + Local daemon (Express + SQLite)。三种拓扑：

拓扑 A：全本地
拓扑 B：Web 在 Vercel + daemon 在用户机器
拓扑 C：纯 Web 走 API fallback

核心机制

Discovery question form → Visual direction picker → Live todo progress → Sandboxed iframe preview → 导出
5 维 self-critique，brand-spec extraction，P0/P1/P2 checklists
反 AI slop（设计层面的 quality control）

规模

259+ Skills 142+ Design Systems 17+ Agent CLI 支持

支持的 Agent CLI

Claude Code、Codex、Cursor Agent、Gemini CLI、OpenCode、Qwen、Copilot、Hermes、Kimi、Pi、Kiro、Kilo、Vibe、Trae、DeepSeek TUI、OpenClaw（P2 阶段）

输出格式

HTML / PDF / PPTX / MP4 / PNG / ZIP

调用 agent 方式

Daemon spawn CLI 子进程，stdin/stdout 通信
每个 agent 一个 adapter（detect / capabilities / run / cancel / resume）
事件流统一：thinking → tool_call → tool_result → text_delta → file_write → done
Skill 注入三种策略：native symlink → prompt injection → project-level 指令文件（.cursorrules 等）

与 OpenClaw 关系

OpenClaw 被列为支持 CLI 之一，适配器在 apps/daemon/src/openclaw/
OpenClaw 的 SKILL.md 格式和 OD 兼容，OD 的 skill 可放进 OpenClaw skills/ 目录，反之亦然
潜在协同：OD 调度 OpenClaw 生成设计 artifact；OpenClaw 的 skill 生态可被 OD 复用

"The code agent space has already converged on a few strong implementations. Reimplementing another one is worse than just talking to all of them."

🧠 DeepSeek-Reasonix DeepSeek 专用

github.com/esengine/DeepSeek-Reasonix · npm: reasonix · MIT

本质：只为 DeepSeek API 设计的 terminal coding agent。核心 invariant = prefix cache 稳定。

三大支柱

Cache-first loop：ImmutablePrefix（system + tools + few shots 冻结）+ AppendOnlyLog（JSONL 追加）+ SHA256 指纹追踪 cache miss 原因

Tool-call repair：Scavenge（从 reasoning_content 回收 DSML/JSON tool calls）+ StormBreaker（防重复循环）+ Truncation repair（修复截断 JSON）

Cost control：Flash 默认 / pro 切 Pro，内置定价表，/budget 软上限，详细 cache diagnostics

规模

446 ts/tsx 文件4.5MB 源码v0.52.0

功能清单

Skills（兼容 Claude SKILL.md）
MCP（stdio / SSE / Streamable HTTP）
Web search
Memory（session / project / user）
Hooks（PreToolUse / PostToolUse / UserPromptSubmit / Stop）
Plan mode
Semantic index（Ollama / OpenAI-compat embedding）
QQ channel
Desktop（Tauri）

与 OpenClaw 关系

定位类似 Claude Code / Codex CLI 层级，是"被调度的 agent"而非编排平台。OpenClaw 理论上可通过 ACP 或 exec 调用 Reasonix。

三者关系与 OpenClaw 生态位

项目	角色定位	与 OpenClaw 的关系
SkillOpt	Skill 优化器（Trainer）	输出 SKILL.md，可直接放入 skills/
Open Design	编排层（Orchestrator）	支持调度 OpenClaw，skill 格式互操作
Reasonix	专用 Agent CLI（Worker）	可被 OpenClaw 通过 ACP/exec 调用

OpenClaw 可以位于编排层（类似 OD），也可以调度 Reasonix（类似 worker），还能消费 SkillOpt 的输出（优化后的 skill）。三个工具分别从训练、编排、执行三个层面丰富了生态。