大家好，我是二哥呀。
上周一个球友在群里吐槽："老板让我做竞品分析报告，还要附带 PPT 和数据表格，给了我两天时间。"
我问他后来怎么搞定的，他说自己肝了一天半，PPT 排版到凌晨两点。我听完心情复杂，因为类似的活，我前两天用天工花了不到 20 分钟就跑完了——从数据整理到报告生成到 PPT 排版，一条龙。
【此处插入天工生成报告的截图：截图目标：展示天工一站式完成竞品分析的全流程；关键词：对话框、任务执行、多文件输出；建议位置：网页截图】
不是吹，是真的觉得这个时代的生产力工具已经变了。
今天这篇就聊两个东西：一个是昆仑万维的天工超级智能体（后面简称天工），另一个是他们刚开源的 Agent 模型 SkyClaw v1.0。前者是产品，让普通人也能调度一支 AI 团队干活；后者是模型，让开发者能在自己的 Agent 里接入一个性价比炸裂的大脑。
01、天工不是聊天机器人
先纠正一个认知偏差。
很多人一听"AI 助手"，脑子里浮现的画面就是一个对话框，问一句答一句，和 ChatGPT 差不多。天工不是这个东西。
准确地说，天工超级智能体是一个「7x24 小时随时待命的云端 AI 团队」。在对话框里下达一个目标，天工会自动拆解任务、调度多个专家级智能体、端到端输出成品。注意是成品，不是半成品。
【此处插入天工首页截图：截图目标：展示天工的产品界面和核心定位；关键词：超级智能体、多专家协同、云端团队；建议位置：网页截图】
举个例子。对它说"帮我分析贵州茅台 2024 年度财报，生成一份详细的财务分析报告"，然后把 Excel 文件丢给它。天工会自己读 Excel、提取关键财务指标、做同比环比计算、画图表、最后输出一份格式完整的分析报告。
这和在 ChatGPT 里问"帮我分析一下茅台的财报"完全不是一回事。后者给一段文字，前者给一份可以直接交给老板的文件。
【此处插入茅台财报分析截图：截图目标：证明天工能自动分析真实财务数据并生成结构化报告；关键词：财务报表、数据分析、图表输出；建议位置：天工生成结果截图】
去年昆仑万维把海外版 Skywork 投进了最卷的海外市场去试炼，和全球顶尖的 AI 产品正面刚。打了一整年后，国内版直接跳过了中间的迭代版本，做了一次跨代际的升级。用他们自己的话说，叫"全球技术架构统一"。
这话翻译一下就是：海外打完仗，把最能打的版本带回国了。
02、五个让我真正动心的功能
我拿天工干了不少活之后，总结出五个最戳我的点。
告别"龙虾"，小白也能自动化
现在市面上的 AI Agent 工具，大部分都有一个门槛：得自己搞环境、配 API、装依赖。像 OpenClaw 这类工具虽然强大，但对非技术用户来说，光是"在本地起一个服务"这件事就够劝退的。
天工走了一条完全不同的路——云端虚拟机。
不需要在本地装任何东西，注册一个账号就能用。天工在云端开了一台虚拟机，所有的任务执行、文件读写、代码运行都在云端完成。我们只管在对话框里说要干什么。
【此处插入天工对话界面截图：截图目标：展示用户只需输入自然语言就能派发任务；关键词：对话框、任务指令、执行状态；建议位置：网页截图】
更爽的是持久化执行。让天工分析一份 200 页的 PDF，中间关掉浏览器去吃饭，回来它还在跑，文件也不会丢。相当于有一个 24 小时在线的远程助理，我们睡觉的时候它还在帮忙干活。
还有定时自动化。可以让天工每天早上 8 点整理行业新闻，每周五下午生成一份周报。设置好之后它就自己跑，连对话框都不用打开。
【此处插入定时任务截图：截图目标：展示天工的定时自动化功能；关键词：定时任务、自动执行、飞书通知；建议位置：天工定时任务设置页面】
专家技能，一个输入框搞定一切
天工的技能广场是我觉得做得最聪明的地方。
同一个输入框，你可以让它写文档、做 PPT、画图、填表格、搭网页、甚至剪视频。不需要切换不同的 App，也不需要学习不同工具的操作逻辑。
我实测了一个场景：让天工帮我生成一份"新员工 AI 工具高效使用培训"的 PPT。
直接说了一句话，天工就开始干活了。它先梳理了培训大纲，然后逐页生成内容，配上合适的排版和配图，最后输出一个 3.6MB 的 .pptx 文件，可以直接打开编辑。
【此处插入PPT生成截图：截图目标：展示天工一句话生成完整PPT的能力；关键词：PPT生成、培训文档、排版设计；建议位置：天工生成PPT的过程和结果截图】
【此处插入PPT内容截图：截图目标：展示生成PPT的实际内容质量；关键词：页面排版、内容结构、视觉设计；建议位置：打开PPT后的截图】
小伙伴可能会说，市面上做 AI PPT 的工具不少，比如百度文库、阿里悟空。但天工的不同之处在于，它不是一个"单点工具"，而是一个"全流程平台"。让它做 PPT 的时候，它可以同时参考之前上传的文档、调用网页搜索补充数据、甚至读取 Excel 表格提取关键指标。这种跨模态的协同是单点 AI 工具做不到的。
顶级模型随心选
天工内置了一个旗舰模型全家桶，大家可以根据任务复杂度选择不同的模型。不用像玩 Claude Code 或者 Codex 那样自己去申请 API Key、配置模型参数。
对普通用户来说，选模型这件事根本不应该成为负担。天工把这层复杂度吃掉了。
全模态编辑器
天工的编辑器支持文本、图片、表格、代码、公式的混合编辑。在同一个界面里同时处理文档写作和数据分析，不用在 Word、Excel、浏览器之间来回切换。
【此处插入全模态编辑器截图：截图目标：展示编辑器支持多种内容格式混合编辑；关键词：多模态、混合编辑、一站式；建议位置：天工编辑器界面截图】
极致 ROI
这一点对小团队和个人创作者最有感。
算一笔账：雇一个实习生，一个月最少也要五六千，还得考虑培训成本、沟通成本、出错成本。天工的定价比一个实习生便宜太多了，但它 24 小时在线，不用培训，不会摸鱼（虽然你可以让它帮你摸鱼）。
一个平台的用户可以调度多个不同的智能体工具，相比单独购买多个 SaaS 工具的订阅费，这个性价比是碾压级的。
03、SkyClaw v1.0 开源 Agent 模型
聊完产品，聊模型。
SkyClaw 是昆仑万维同期发布的自研 Agent 模型，2026 年 5 月 19 日正式开源。这个模型的定位非常精准，不追求通用聊天能力，专攻 Agent 场景。
【此处插入SkyClaw官方页面截图：截图目标：展示SkyClaw的官方介绍和定位；关键词：开源、Agent模型、高性能；建议位置：SkyClaw Project Homepage】
为什么需要一个专门的 Agent 模型
很多人可能会问，现在大模型那么多，为什么还需要一个专门做 Agent 的模型？
原因很简单：通用大模型在 Agent 场景下的表现，远没有大家想象的那么好。
Agent 和聊天是两种完全不同的工作模式。聊天是"你问我答"，一轮结束；Agent 是"你给目标，我自己拆解、调用工具、多轮推理、直到任务完成"。这个过程中，模型需要精准地调用各种工具（Tool Calling）、在多轮交互中保持上下文一致性、在复杂流程中做出正确的判断。
很多通用大模型在这些方面的表现都不稳定。让它跑一个 10 步的工作流，可能到第 6 步就开始胡说八道了。
SkyClaw 就是针对这些痛点做的优化。
【此处插入SkyClaw架构图截图：截图目标：展示SkyClaw的技术架构和训练流程；关键词：Mid-training、SFT、强化学习；建议位置：官方技术文档】
训练流程：三步造一个 Agent 专家
SkyClaw 的训练流程和普通大模型不太一样，它分三个阶段。
第一阶段是大规模中期训练（Mid-training）。在通用预训练的基础上，用大量 Agent 相关的语料做进一步训练，让模型建立起"任务→工具→执行"的基本认知框架。
第二阶段是高质量 Agent 任务监督微调（SFT）。用高复杂度的 OpenClaw 仿真环境生成训练数据，包括真实世界的工具关系图谱、基于真实用户工作流的合成任务。这一步是让模型学会"怎么干活"。
第三阶段是端到端的 Agentic 强化学习。用轨迹质量评估系统来评判模型在 Agent 任务中的表现，然后做强化学习优化。这一步是让模型学会"怎么干得更好"。
三步下来，SkyClaw 在 Agent 场景下的能力和普通通用模型就拉开了差距。
跑分说话：硬核数据
模型好不好，跑分见真章。
SkyClaw v1.0 在多项 Agent 评测中表现亮眼。根据官方发布的数据（截至 2026 年 5 月 19 日，来源：SkyClaw Project Homepage）：
| 评测项目 | SkyClaw v1.0 | 说明 |
|---|---|---|
| PinchBench-V2 | 87.2 | 综合 Agent 能力评测 |
| Claw-Eval Pass^3 | 59.7 | 稳定性测试（连续 3 次通过） |
| Claw-Eval Avg | 74.2 | 平均通过率 |
| Skywork-Claw-Bench | 62.9 | Skywork 自研 Agent 评测 |
在 OpenClaw 相关任务上，SkyClaw v1.0 超越了 MiniMax M2.7 和 DeepSeek V4 Flash 等同级别模型。和 DeepSeek V4 Pro、Claude Opus 4.6、Qwen 3.6 Plus 这些更大规模的闭源模型相比，性能也非常接近。
【此处插入Benchmark对比图截图：截图目标：展示SkyClaw与竞品模型的跑分对比；关键词：PinchBench、Claw-Eval、模型对比；建议位置：官方Benchmark图表】
【此处插入Claw-Eval对比柱状图截图：截图目标：展示SkyClaw在Claw-Eval上的稳定性优势；关键词：Pass^3、稳定性、多次运行；建议位置：官方评测图表】
这里有个数据挺有意思：Claw-Eval 的 Pass^3 指标。这个指标不是看模型跑一次能不能过，而是连续跑三次都能过。很多模型单次跑分很好看，但连续跑就拉了，说明 Agent 行为不稳定。SkyClaw 在这个指标上的 59.7 分，已经是同级别模型里相当不错的水平。
做过 Agent 开发的小伙伴应该知道，Agent 的稳定性比单次表现重要得多。不可能每次跑任务都盯着看，万一跑歪了还得人工干预，那还不如自己做。
还有个 Lite 版本
除了旗舰版，SkyClaw 还有一个 Lite 版本，SkyClaw-v1.0-lite。
同样的架构，更小的参数量，推理速度更快，成本更低。适合对延迟敏感或者预算有限的场景。在 Agent 核心能力上和旗舰版差距不大，可以理解为"同等 Agent 能力的更快更便宜版本"。
成本优势：这才是杀手锏
说到成本，这才是 SkyClaw 最有竞争力的地方。
根据飞书 Brief 中提供的定价对比数据：
| 模型 | 输入价格 | 输出价格 | Claw-Eval Avg | 每百万 Token 总成本 |
|---|---|---|---|---|
| SkyClaw v1.0 | 0.5 | 4 | 0.2 | 1.5 |
| SkyClaw v1.0-lite | 0.3 | 2 | 0.12 | 0.9 |
| DeepSeek V4-Pro | 12 | 24 | 0.1 | — |
| MiniMax-M2.7 | 2.1 | 8.4 | 0.42 | 2.625 |
| DeepSeek V4-Flash | 1 | 2 | 0.02 | — |
SkyClaw v1.0 的输入价格只有 DeepSeek V4 Pro 的 1/24，MiniMax M2.7 的约 1/4。但在 Agent 评测上的表现并没有因为价格低就缩水。
对于做 Agent 应用的开发者来说，模型调用成本是一个绕不过去的问题。一个 Agent 任务可能需要调用模型十几轮甚至几十轮，每轮都算钱。如果单轮成本降不下来，跑一个复杂任务的费用就会劝退大部分用户。
SkyClaw 的定价策略等于直接告诉开发者：放心用，跑得起。
而且上线期间通过 ApiFree 账号可以免费调用，注册就能用，不需要白名单。想在自己的 AI Agent 里集成一个便宜又好用的大脑，现在就可以试。
【此处插入SkyClaw API文档截图：截图目标：展示SkyClaw的API接入方式和免费调用入口；关键词：API接入、免费试用、开发者文档；建议位置：API文档页面截图】
开发者可以怎么玩
SkyClaw 是完全开源的，代码托管在 GitHub 上。
如果我们的小伙伴正在做 Agent 相关的项目，可以考虑几个方向：
多工具任务完成度测试，让 SkyClaw 同时调用浏览器、代码执行器和搜索引擎，看它能不能把一个复杂任务跑完。长流程工作流测试，设计一个 10 步以上的工作流，测试模型在多步执行下的稳定性和准确性。成本性能对比，把 SkyClaw 和手上正在用的模型做一次性价比对比，看看能不能省下一笔 API 费用。
04、和竞品比，天工到底好在哪
市面上做 AI 办公助手的产品不少，百度文库、阿里悟空、WorkBuddy 都是玩家。天工和它们比，到底有什么不一样？
百度文库的 AI 功能主要聚焦在文档写作辅助上，润色文案、生成大纲、改改格式，能力边界比较窄。阿里悟空深度绑定钉钉生态，走的是企业 OPT 方案的路线，对个人用户不太友好。WorkBuddy 是桌面端本地 Agent，数据不上云这个卖点不错，但上手门槛偏高，需要一定技术基础。
天工的差异化在于三点。
第一，深度研究能力。天工在 GAIA 评测集上拿到了 82.42 分（数据来源：53AI，2025 年 5 月 23 日），这个分数在当时是全球第一，超过了 OpenAI 的 Deep Research 和 Manus。如果工作涉及大量的信息调研和分析，这个能力差距是实打实的。
第二，全流程一站式。从文档到 PPT 到表格到网页到视频，一个平台全搞定。不需要为了做 PPT 去订 Gamma、为了分析数据去开 ChatGPT Plus、为了画图去用 Midjourney。天工把这些能力打包在一起了。
第三，自研模型加持。天工底层跑的就是自家的模型，包括刚开源的 SkyClaw。这意味着它对 Agent 场景的优化是从模型层面开始的，不是在别人的模型上面套一层 prompt。
【此处插入天工与竞品对比截图：截图目标：展示天工相比竞品的核心优势；关键词：功能对比、能力差异、产品定位；建议位置：对比表格或脑图】
05、简历包装
如果大家正在做 Agent 相关的项目，或者想把天工 / SkyClaw 的实战经验写进简历，可以参考这个模板：
项目名称：基于 SkyClaw 的智能办公 Agent 系统
项目简介：基于昆仑万维 SkyClaw-v1.0 开源 Agent 模型，构建面向企业办公场景的多智能体协同系统，支持文档生成、数据分析、PPT 制作等全流程自动化。
技术栈：SkyClaw-v1.0、OpenClaw、Tool Calling、Multi-Agent Orchestration、RAG
核心职责：
- 基于 SkyClaw v1.0 Agent 模型搭建多工具调用框架，实现浏览器操控、代码执行、文件读写等 8 类工具的自动编排，任务完成率达 87%
- 设计并实现多轮 Agent 工作流引擎，支持 15 步以上长流程任务的稳定执行，Pass^3 稳定性指标达 85%
- 基于 OpenClaw 框架适配 SkyClaw 模型，优化 Tool Calling 准确率，从基线 72% 提升至 91%
- 构建 RAG 增强的企业知识库检索模块，结合 Agent 工作流实现跨文档信息整合与自动报告生成
- 通过模型量化和推理优化，将单次 Agent 任务的平均调用成本降低 60%，支撑日均 5000+ 次任务请求
ending
说真的，用完天工之后我反复在想一件事。
以前我们说"一个人活成一支专业队伍"， 听起来像鸡汤，像卖焦虑的自媒体标题。
但现在这件事正在真实地发生。
把一份 Excel 丢进去， 20 分钟后它给一份带图表的分析报告。 说一句话， 它生成一份可以直接打开编辑的 PPT。 设好定时任务， 每天早上醒来就有一份行业新闻摘要躺在飞书里。
这不是未来，是现在。
而 SkyClaw 的开源， 让这件事的成本又降了一个量级。 以前跑一个 Agent 任务， 光模型调用费就得肉疼半天。 现在 SkyClaw 的定价只有 DeepSeek V4 Pro 的 1/24。
一个普通人，一台电脑，一个天工账号， 就能干过去需要一个小团队才能完成的活。
【好的工具不是让你多一个功能，而是让你少雇一个人。】
天工官网：https://tiangong.cn/?referrer=konishi
评论区里我加了天工的官网链接，大家去体验一下，有什么好玩的用法欢迎在评论区分享。
我们下期见。