Agent 時代，我們真的需要操作系統(tǒng)嗎？

• ? 所謂的編排層，就是一個 for 循環(huán)加一個 HTTP 服務器

• ? 在 Agent 的世界里，操作系統(tǒng)就是多余的

• ? 買屏幕盯 Agent 和調試提示詞，是同一件事

• ? 選本地模型只看一個指標：coding 能力。因為 coding 能力映射的就是調用工具的能力

以上內容，來自我和伯炎的對話

以上內容，來自我和伯炎的對話，我倆可能都完全錯了

本篇是「賽博史記 · 逮蝦戶列傳」的第二篇，記錄這波浪潮里最前沿的一批人在想什么、在做什么

王子伯炎，做了 MimiClaw，把 OpenClaw 跑在了一塊5美元的 ESP32 上。沒有操作系統(tǒng)，純 C，5天 2.7K star，330 個 Fork

GitHub Star

王子伯炎（真叫這個），奇績 F25，輟學于曼徹斯特大學的 PhD ，研究方向是 AI 編譯器 for AIoT，當時的課題是把模型壓進嵌入式設備。現(xiàn)在模型在云端了，他壓的是調用模型的那個循環(huán)

對于再往下掉內容，我得先強調

這個時代沒有共識，我跟伯炎之間可能也沒有，但這些思考本身值得被記錄

OpenClaw 可以跑在各種設備上，只要裝上一堆依賴就行

伯炎看完它的底層之后，發(fā)現(xiàn)真正在運轉的東西很簡單。用戶發(fā)一條消息，模型收到，思考，發(fā)現(xiàn)需要調用工具，調用，拿到結果，再思考，再調用。一個標準的 ReAct 循環(huán)

那么，這個流程還可以進一步抽離：一個 for 循環(huán)，加一個能發(fā) HTTP 請求的網絡模塊，就夠了

至于無論 Mac 還是 Linux 在管什么？進程調度，文件系統(tǒng)，用戶權限，圖形界面
這些都是給人用的。把人從這個循環(huán)里拿掉，操作系統(tǒng)就是多余的

這樣的話，事情就簡單了：把 for 循環(huán)用 C 寫死，編譯成固件，就能燒進5美元的芯片
插上 USB 供電，連 WiFi，發(fā) Telegram 消息就能用

所以，他做了 MimiClaw
累計搞了三天，其中等快遞花了兩天，做那個紅白機風格的 GitHub banner 花了半天，寫代碼畫了半天

Banner 花的時間和寫代碼差不多

我問他當初為什么做這個？
他想了一下說：誠懇地說，我想羞辱一下那些在 Linux 開發(fā)板上重新跑一遍的人

有個類似項目用 Go 重寫了 OpenClaw，買了很多 PR，現(xiàn)在11萬 star。但它依然需要 Linux

OpenClaw 本來就在 Linux 上跑，你換一塊板子再跑一遍，增量是零

5美元芯片上把操作系統(tǒng)整個去掉，for 循環(huán)照樣轉。這個才有增量

他讀博研究的就是怎么把東西壓進嵌入式設備。四年前用的是 AI 編譯器，針對上一代 CV 模型。他說當時覺得離人太遠了，后來輟學。現(xiàn)在他不壓模型了：模型在云端，芯片只需要能跑那個 for 循環(huán)、能存 memory

米哈游立項原神的時候，手機跑不了開放世界游戲。他們賭等游戲做出來的時候硬件能追上。賭對了

伯炎做 MimiClaw 的邏輯很像：
現(xiàn)在沒有瀏覽器操控能力，看上去是個缺陷，他賭的是瀏覽器會消失

你需要那么多屏幕，是因為 AI 不聰明

Mac mini 能操控瀏覽器。很多 OpenClaw 的能力是通過瀏覽器實現(xiàn)的，比如打開網頁，填表單，抓數(shù)據
但 MimiClaw 沒有瀏覽器

對此，伯炎的理由是：以后沒有給人用的瀏覽器了

Agent 在瀏覽器上點來點去，操作的其實是文字。網頁是給人看的渲染層，Agent 需要的是底下那層數(shù)據。給 Agent 套一個瀏覽器，是因為很多服務還沒有提供 Agent 友好的接入方式

他當時是用這個想法，立項的 MiniClaw
第二天，Cloudflare 發(fā)布了把網站轉成 Markdown 的服務、Google 出了 Web MCP

這些大廠，在把給人看的網頁，翻譯成給 Agent 讀的文本
瀏覽器這個中間層，開始被跳過了

OpenClaw 的創(chuàng)始人 Peter 說：80%的 APP 會死
延續(xù)這個判斷，伯炎接了一步：不會死的 APP 是帶傳感器的。你房間的溫度、身體的心率、周圍的空氣質量...這些數(shù)據在互聯(lián)網上搜不到。ESP32 天然能接傳感器，幾毛錢一個模塊焊上去就能用

說到這里，我跟他講了我自己的情況

過去一個月我新買了兩塊顯示器，一個49寸，一個57寸，今天又下單了一臺85寸的8K電視

同時，我還訂了兩塊163寸，LED 屏準備貼滿兩面墻...
為了這些屏幕，我租了鄰居的房間。把他家具全買下來扔了，刷白墻，擺設備

還有，我還搞了套全向麥克風拾音系統(tǒng)：對著某塊屏幕說話，后面的計算模塊能識別方向，執(zhí)行任務
畢竟...我同時在用超過5臺電腦，鍵鼠切換器不夠用了

對了...我的顯示器，由于太重，把新買的桌子壓彎了

展示下我剛買的 57 寸顯示器

伯炎聽完說了一句：以后不需要屏幕

我當時沒接住這話。因為我確實需要...我同時在跑多個 Agent，要看狀態(tài)、審核輸出，犯錯的時候介入。現(xiàn)在的軟件全是按「一個人同一時間做一件事」設計的。我要同時管10個 Agent，真的需要10塊屏幕

他的邏輯：你需要看那么多東西，是因為 Agent 還不夠好

然后我想到一件事，在 Agent 出現(xiàn)之前，大家手動搭 workflow。因為不放心自動化...萬一某一步出錯呢？要設檢查點，要人工審核，要畫流程圖

現(xiàn)在 Agent 來了...我買屏幕、搭中控系統(tǒng)，本質上還是因為不放心

workflow 是軟件層的「我不放心」，顯示器是硬件層的「我不放心」
顯示器是2026年的 Coze
等 Agent 的 benchmark 從70分漲到95分的那天，這些屏幕可能全是多余的

伯炎設想的終局是一個拇指大的設備，語音下達指令，Agent 在云端完成一切，完了告訴你一聲。不需要屏幕，不需要確認
他的信心來自一個判斷：Anthropic CEO 說過，不要優(yōu)化模型現(xiàn)在做不到的事
模型能力會持續(xù)變強，應該面向未來做產品

我沒辦法反駁這個方向，如果哪個老板天天站在秘書身后盯著他干活，就只能說明秘書還不夠好

乘100，或者零

MimiClaw 之前，伯炎做過一個叫 Memov 的項目：給 AI 編程做版本控制，大概就是每次跟 Claude Code 對話，自動記錄每一輪的 prompt、plan、代碼變化，完整保存上下文

這個產品跟 GitHub 前 CEO 辭職創(chuàng)業(yè)后做的東西功能一模一樣

后來，伯炎復盤這件事的時候說：這個產品只做了乘3的提升，不夠

以前做產品，比別人好20%就能多拿20%關注。現(xiàn)在產品太多，注意力太稀缺
你帶來的體驗乘3已經是零，乘100才有人看見

他之前做過一個法語考試網站。針對加拿大移民的法語考試，競品連數(shù)據庫都沒有：沒有錯題本，沒有做題記錄
加上數(shù)據庫就是從0到1的體驗差
一共 1000+ 個用戶，300個+付費，付費率極高

MimiClaw 能傳播，原因很簡單：他把整個操作系統(tǒng)去掉了，跑在5美元芯片上

至于推廣方式...非常簡單粗暴，他有一個 1000+ 粉的推特小號，每當別人問「怎么部署 OpenClaw」的時候，他就在的評論區(qū)回了一句「不要部署了，用 MimiClaw」

這些評論，給項目帶來了數(shù)十萬次的曝光，然后那些從來沒玩過 ESP32 的人開始下單買面包板

ESP32-S3 開發(fā)板，拇指大小

聊到最后，我問他信不信 AGI，他說他不信，或者說他不認為 transformer 能在 10 年內達到那個水平
「它只是知道得多。不是因為它真的比你聰明」

在他的眼中，風吹在臉上的感覺，房間里的濕度...這些東西怎么壓成 token？他讀博的時候研究的就是怎么壓模型。壓了幾年，覺得離人太遠了，輟學，現(xiàn)在他不壓模型了。壓的是調用模型的那個 for 循環(huán)

然后它就跑在了5美元的芯片上
就有了 MimiClaw

github.com/memovai/mimiclaw