AI Agent 叙事陷阱：爱马仕Agent的性感Skill，救不了OpenClaw的“智障”账单

当整个AI Agent行业都在为‘Skill自动生成与进化’的性感叙事兴奋时，一个更基本的问题被遮蔽了：当前Agent落地的主要瓶颈，可能根本不是Skill。以近期爆火的Hermes Agent（戏称‘爱马仕Agent’）为例，其核心卖点是闭环学习系统——Agent完成任务后，能将经验固化为可复用、可改进的Skill。这种‘越用越强’的愿景极具吸引力，却可能掩盖了决定Agent实用性的真正地基：扎实、确定性的底层工具链。

对比当前公认体验最佳的编程Agent之一Claude Code，其好用的基石并非Skill的自动进化，而是背后大量扎实的CLI工具支撑，如GlobTool找文件、GrepTool定位代码、FileReadTool查看细节。这些是确定性、零token消耗的原子操作。然而，CLI工具不好讲故事，不够性感。这种反差揭示了一个残酷现实：地基不牢，再会‘生长’的Skill也只是建在沙上。这一点在俗称‘龙虾’的OpenClaw身上体现得尤为尖锐。

OpenClaw最被诟病的两点——token消耗巨大导致账单失控，以及长时间工作稳定性差、经常失联——看似两个问题，实则常源于同一症结：Agent被迫使用劣质、脆弱的工具（如不稳定的浏览器自动化）去完成本应由确定性工具执行的任务。社区反馈提供了具体案例：有用户为自动化X平台发帖，三次尝试就花掉10美元，任务仍未跑通；另有用户在论坛直言，许多所谓的AI Agent浏览器控制，本质是‘披着智能外衣的脆弱自动化’。这指向一个核心矛盾：在底层工具不可靠的前提下，追求上层Skill的自主进化，无异于试图用豪华内饰拯救一辆发动机有缺陷的汽车。