上个月，DeepSeek创始人梁文锋在四小时投资人会议中的一段话在圈内广为流传：“如果把实现AGI的路线比作爬楼梯，去年的阶梯是CoT（思维链），今年的阶梯就是Agent。在Agent之后要解决的问题，就是持续学习。”这句话精准地概括了AI行业正在发生的变化。如果说2025年是思维链让大模型“学会思考”的一年，那么2026年，Agent正在让AI“学会干活”。

过去一年，AI Agent成为大模型应用领域最受关注的方向之一。如果说大模型解决的是“让AI拥有更强的理解和生成能力”，那么Agent解决的问题则是：如何让AI真正参与任务执行。从最初的聊天问答，到后来的Copilot辅助，再到如今能够自主规划、调用工具、完成复杂任务的Agent，AI正在从“回答问题”走向“真正干活”。

而随着Agent能力不断增强，一个新的方向正在快速发展：桌面AI Agent。在这个背景下，讯飞推出了桌面AI Agent助手——Loomy。本文将从行业趋势、产品定位、OpenClaw关系、技术架构以及开发者扩展能力几个方面，全面拆解Loomy。

一、AI Agent进入新阶段：为什么桌面Agent正在成为新趋势？

在过去，用户使用AI的方式主要是：提出问题 → 获取答案。例如：“帮我写一段代码。” “帮我总结这篇文章。” “帮我生成一份报告。”这类场景中，AI主要承担的是内容生成角色。

但Agent带来的变化在于：AI开始具备执行能力。一个完整的Agent工作流程通常包括：解目标→拆解任务→调用工具→执行操作→反馈结果。也就是说，用户不再需要告诉AI每一步怎么做，而只需要告诉它最终目标。例如：过去整理项目资料，需要人工：查找文件、判断分类、创建目录、汇总内容。

而在Agent时代，用户只需要说：“帮我整理最近一个月的项目资料，并生成一份总结。” AI负责完成后续流程。不过，目前很多AI Agent仍然集中在云端。例如：云端办公Agent、编程Agent、企业流程Agent。 但真实工作环境中，大量任务依然发生在本地电脑。开发者每天面对本地代码仓库、项目文档、日志文件、数据表格、浏览器页面。 这些内容无法完全通过云端完成。

因此，桌面Agent成为新的探索方向。一个成熟的桌面Agent，需要同时解决三个问题：

第一，执行能力。AI不仅要理解任务，还要真正操作电脑。

第二，安全能力。AI获得电脑权限后，如何避免误操作？

第三，扩展能力。开发者能否根据需求增加新的技能？

这也是Loomy探索的方向。

二、Loomy是什么？为什么开发者值得关注？

Loomy是讯飞基于自研AstronClaw框架打造的桌面AI Agent助手。它的核心目标：让AI进入用户电脑环境，通过自然语言指令完成复杂任务。与传统AI助手不同，Loomy并不是简单的聊天工具。

它更关注：理解任务，然后执行任务。例如，用户输入：“帮我整理桌面上的项目资料。”Loomy可以自动完成：分析文件内容、判断文件类型、制定整理方式、执行分类操作。

目前，Loomy支持多种桌面应用场景：文件整理、内容创作、数据分析、网页操作、邮件处理、远程办公协作。

同时，Loomy支持通过QQ、飞书、钉钉等IM工具进行远程控制，让用户可以通过手机向电脑端Agent发起任务。

简单来说：过去用户需要自己操作电脑完成几十步流程，现在可以把目标交给AI。

三、Loomy和OpenClaw有什么区别？

对于开发者来说，了解桌面Agent时，OpenClaw是绕不开的话题。很多人都会问：Loomy是不是OpenClaw的产品化版本？实际上，两者定位并不相同。

OpenClaw是一套开源桌面AI Agent框架。它最大的优势是：开放、灵活、可深度定制。 对于开发者而言，可以根据自己的需求搭建Agent能力。但与此同时，OpenClaw也存在一定使用门槛：需要配置开发环境、安装依赖、调整权限、处理运行问题。

这对于技术用户来说不是问题，但对于希望快速体验Agent能力的人来说，成本较高。而Loomy选择的是另一条路线：降低Agent使用门槛，让更多用户能够快速使用桌面Agent能力。

两者区别可以简单理解：

	OpenClaw	Loomy
定位	开源Agent框架	桌面AI Agent产品
使用方式	开发者自行配置	下载安装即可体验
用户群体	偏技术用户	开发者+普通用户
扩展方式	开源技能生态	SkillHub+MCP
安全机制	用户自行管理	目录级隔离机制

简单来说：OpenClaw更像开发者工具箱，而Loomy更像一个开箱即用的桌面Agent平台。二者并不是竞争关系，而是在不同方向降低Agent使用门槛。

四、Loomy技术拆解：Agent框架、技能生态与安全机制

从技术角度看，一个桌面Agent的核心能力主要体现在：理解任务、调用工具、执行操作以及持续扩展。

4.1 AstronClaw：构建Agent执行闭环

Loomy基于讯飞自研AstronClaw框架。其核心流程可以概括为：任务理解 → 任务规划 → 工具调用 → 执行反馈。

这也是Agent区别于普通AI助手的重要原因。普通聊天模型主要负责生成内容；而Agent需要具备：任务拆解能力、工具使用能力、环境交互能力。

4.2 MCP与Skill生态：让Agent拥有更多能力

对于开发者来说，Agent最大的价值在于扩展。Loomy支持：

MCP协议

开发者可以通过MCP连接：

• 外部工具；

• 数据资源；

• 自定义服务。

让Agent具备更多业务能力。

SkillHub技能生态

Loomy支持技能创建和共享。

开发者可以：

• 开发自己的Skill；

• 发布技能；

• 使用社区技能。

这意味着：Loomy不仅是一个桌面助手，也正在构建一个开放的Agent生态。

4.3 多模型自由切换

Loomy内置了DeepSeek、MiniMax等主流模型，也支持用户通过API Key接入讯飞星火或其他模型。不同任务可以配不同模型，灵活性很高。

4.4 目录级隔离：解决AI操作电脑的安全问题

企业级应用最关心的是安全。Loomy在这方面做了一个扎实的设计：

目录级隔离机制——用户授权特定文件夹后，Loomy只能在该目录范围内操作。任何超出授权范围的访问，都需要二次确认。

这个机制本质上解决了AI桌面工具最大的安全隐患：“AI会不会乱动我电脑里的其他文件？” 答案是不会，因为它根本访问不到。

五、从0到1体验Loomy：开发者还能怎么玩？

除了作为桌面助手使用，Loomy对于开发者来说，更大的价值在于：它提供了一个探索桌面Agent应用的平台。

使用流程非常简单：

1. 访问官网 https://loomy.xunfei.cn/ 下载对应系统安装包

2. Windows直接无脑下一步；macOS拖拽到应用程序文件夹

3. 选择授权目录，绑定IM工具

4. 最快1分钟即可启动对话、任务管理、远程协作

支持Windows和macOS两大桌面系统。绿色免安装版也可直接解压使用。

开发者可以如何扩展？

未来，开发者可以围绕Loomy探索更多应用：

1.创建自定义Skill

例如：

• 自动生成日报；

• 自动分析日志；

• 自动整理代码仓库。

2.通过MCP连接业务系统

例如：

• 企业内部工具；

• 数据库；

• 自定义API。

3.构建个人Agent工作流

让AI成为：

• 开发助手；

• 数据助手；

• 办公助手。

总结：桌面Agent正在成为下一代人机交互入口

从发展趋势来看，AI正在经历：聊天机器人 → Copilot → Agent 的演进。

而桌面Agent进一步解决的问题是：让AI真正进入用户工作环境，帮助完成实际任务。

Loomy通过AstronClaw Agent框架、MCP协议支持、SkillHub技能生态、多模型能力、安全隔离机制，降低了桌面Agent的使用门槛。

对于普通用户，它是一款能够真正帮助处理电脑任务的AI助手。

对于开发者，它提供了探索Agent应用开发的新入口。

随着Agent生态不断成熟，未来的软件交互方式，也可能从“打开应用完成操作”，逐渐转向“告诉AI目标，让AI完成任务”。