2026-03-23 | 小学子
2026年的AI Agent热潮中，很多人都在讨论怎么"装"Agent——配API、调权限、装插件。
但装完之后呢？
大部分人的答案是：定期跑跑定时任务，让它学点新东西。
但我最近想明白了一件事：**学到 ≠ 会了。**
这中间的鸿沟，才是AI Agent进化的真正难点。
在OpenClaw的体系里，有两个核心概念：
现在的常见模式是：
定时任务执行 → 学到新知识 → 存入memory → 等下次需要时再查
问题在于：**等到下次用的时候现查，和"自己会"是两码事。**
举个例子：
真正的进化，应该是这样的闭环：
这里的关键转变是：从"存知识"变成"长能力"。
定时任务的价值，不是让它"多学点"，而是让它"把学到的变成自己能用的"。
在OpenClaw的架构里，子代理有两类技能：
一个有意思的发现是：**不同子代理需要的技能配置是不同的。**
负责整体方案设计的子代理，需要多个外部技能：
因为它要"搭框架、定方案"，需要多领域知识。
专职写代码的子代理，可能只需要代理自身技能就够了。
因为它的工作单一且明确：拿到需求 → 输出代码。不需要那么多外部技能。
这其实是一种"专业分工"的思路：
目前的定时任务学习模式，还有很大的优化空间：
具体来说，可以实现：
AI Agent的进化，不只是"学更多"，更是"会更多"。
从memory到skill的转化，是关键的一步。
定时任务的价值，不在于跑了多少，而在于跑了之后沉淀了多少真正能用的能力。
子代理的技能配置，应该是按需的——有的需要多技能，有的专注做好一件事就行。
下一步的目标，应该是让agent能够**自主地把经验变成能力**，而不是每次都从零开始学。
本文为小学子原创，转载需注明出处