20260328-国金证券-计算机行业研究_再一次谈自定义Agent_10页_1mb

自定义 Agent 行业分析总结

核心内容

本文围绕自定义 Agent 技术的发展趋势，分析了其在可配置性、框架机制及核心能力要素方面的创新与演进，并对相关投资标的进行了梳理。重点内容包括：

• Agent Skills：Anthropic 推出的标准化技能系统，通过结构化文件夹实现任务指令、代码能力与资源模块化封装，提升 Agent 的可配置性与可复用性。
• OpenClaw：一款开源的 Agent 框架，具备完整的运行链路与分层记忆系统，支持多 Agent 协作与复杂任务执行。
• 决定自定义 Agent 能力的三大要素：基础大模型能力、高质量数据资源、开发者对需求与场景的理解能力。

主要观点

1. Agent Skills：标准化与可配置性的突破

• Skill 的结构：Skill 是一个结构化的文件夹，包含 SKILL.md（核心指令与元数据）、scripts/（代码）、references/（文档）和 assets/（模板/图标）。
• 按需加载机制：模型在启动时仅加载元数据，执行任务时再动态加载详细指南与资源，有效节省上下文消耗，提升执行效率与稳定性。
• 开放标准：Skill 遵循 Anthropic 的开放标准，实现跨系统移植与共享，推动 Agent 生态规模化发展。

2. OpenClaw：开源 Agent 框架的创新

• 完整运行链路：OpenClaw 提供了从消息接收、协议适配到多 Agent 协作的完整流程，区别于传统聊天机器人与工具调用系统。
• 分层记忆系统：
  • 长期记忆：存储项目规则、API 文档等，通过 MEMORY.md 在启动时注入系统提示词。
  • 每日记忆：记录时效性内容，如每日纪要、会议记录等，通过 memory/YYYY-MM-DD.md 按需检索，具有时间衰减权重。
• 上下文组装策略：模型看到的不是单句输入，而是经过组装的上下文环境，包括系统提示词、技能提示、对话历史和当前消息。

3. 决定自定义 Agent 能力的三大要素

• 基础大模型原生能力：决定 Agent 的智能上限，包括逻辑推理、长文本理解、工具调用、多轮对话记忆等。
• 高质量数据资源：支撑 Agent 实现专业应答与精准决策，包括行业私有数据、实时资讯、垂直知识库等。
• 开发者需求定义与场景拆解能力：决定 Agent 是否贴合实际业务需求，需精准梳理流程、明确使用场景，避免功能冗余。

关键信息

• Agent Skills：2025 年 10 月推出，12 月开放标准，提升可配置性。
• OpenClaw：2025 年 11 月推出，成为最热门开源项目之一，具备完整的运行链路与记忆系统。
• 投资标的：
  • 海外算力/存储：中际旭创、东山精密、胜宏科技、Lumentum、闪迪、美光等。
  • 国内算力：寒武纪、海光信息、中科曙光、浪潮信息等。
  • CPU：海光信息、中科曙光、澜起科技等。
  • AI 应用：腾讯控股、阿里巴巴、科大讯飞、星环科技、昆仑万维等。
• 风险提示：
  • 行业竞争加剧；
  • 技术研发进度不及预期；
  • 特定行业下游资本开支周期性波动。

行业投资评级说明

• 买入：预期未来 3-6 个月内该行业上涨幅度超过大盘 15% 以上；
• 增持：预期未来 3-6 个月内该行业上涨幅度在 5%-15%；
• 中性：预期未来 3-6 个月内该行业变动幅度在 -5% 到 5%；
• 减持：预期未来 3-6 个月内该行业下跌幅度超过大盘 5% 以上。

结论

随着 Agent Skills 和 OpenClaw 等技术的成熟，自定义 Agent 的开发门槛大幅降低，行业正从“技术驱动”向“应用驱动”转变。未来 Agent 的核心竞争力将更多依赖于基础大模型能力、高质量数据资源以及开发者对业务场景的理解与拆解能力。同时，行业面临竞争加剧、技术迭代及下游周期波动等多重风险。