近日，摩爾線程正式開(kāi)源AI智能體框架MTClaw，一款面向桌面控制場(chǎng)景的AI智能體加速方案。實(shí)測(cè)表明，MTClaw可將智能體單次任務(wù)執(zhí)行速度提升約7倍、成功率可達(dá)100%。目前，MTClaw的完整代碼、評(píng)測(cè)數(shù)據(jù)與配套插件已開(kāi)放至摩爾線程GitHub官方倉(cāng)庫(kù)與OpenClaw官方插件市場(chǎng)ClawHub。

為什么AI智能體的桌面執(zhí)行

總是“慢一步”？

在自動(dòng)整理文件、批量截圖、瀏覽器操作、自動(dòng)化測(cè)試等日常場(chǎng)景中，AI智能體（AI Agent）正逐步成為開(kāi)發(fā)者的得力助手。然而，許多開(kāi)發(fā)者在實(shí)際部署和使用桌面控制智能體時(shí)，常面臨一個(gè)核心痛點(diǎn)——慢。

當(dāng)前主流智能體架構(gòu)的工作模式是：將每一幀截圖、每一次點(diǎn)擊、每一個(gè)文件操作請(qǐng)求，均完整發(fā)往遠(yuǎn)端大模型進(jìn)行推理決策。即便任務(wù)本身極為簡(jiǎn)單，也要經(jīng)歷完整的模型推理鏈路。這就好比讓一位首席科學(xué)家去處理“打開(kāi)抽屜、拿一支筆”的瑣事，每個(gè)微小動(dòng)作都要排隊(duì)等待決策，不僅造成大量算力浪費(fèi)在低價(jià)值操作上，更拉長(zhǎng)了整體系統(tǒng)響應(yīng)延遲。

業(yè)界現(xiàn)有解決方案主要分為兩類：

對(duì)大模型進(jìn)行專項(xiàng)重訓(xùn)：以提升特定場(chǎng)景下的輕量化操作效率，但研發(fā)及計(jì)算成本高昂，且模型版本迭代后效果難以持續(xù)。

直接替換為輕量模型：雖能勉強(qiáng)應(yīng)對(duì)簡(jiǎn)單任務(wù)，但在面對(duì)復(fù)雜業(yè)務(wù)邏輯和推理時(shí)，成功率易顯著下降。

由此可見(jiàn)，以上兩種方案均不理想。

MTClaw讓AI智能體又快又準(zhǔn)

面對(duì)上述困境，摩爾線程選擇了一條不同的技術(shù)路徑。MTClaw不改變后端大模型本身，而是在其前端增加一層“前臺(tái)助理”角色，搭配輕量模型并引入路由機(jī)制（Function Router），通過(guò)明確的分工協(xié)調(diào)實(shí)現(xiàn)業(yè)務(wù)層整體加速。

高頻輕量動(dòng)作即時(shí)處理：

截圖、點(diǎn)擊、打開(kāi)文件、讀取內(nèi)容等常規(guī)重復(fù)性操作，由“前臺(tái)助理”即時(shí)判斷并執(zhí)行，實(shí)現(xiàn)毫秒級(jí)響應(yīng)。

復(fù)雜場(chǎng)景自動(dòng)流轉(zhuǎn)：

對(duì)真正需要復(fù)雜推理和深層思考的場(chǎng)景，“前臺(tái)助理”會(huì)自動(dòng)轉(zhuǎn)交給用戶配置的后端大模型（如ChatGPT、豆包、Qwen等），確保執(zhí)行質(zhì)量。

無(wú)侵入式設(shè)計(jì)：

支持配置接入地址的AI客戶端、智能體框架或評(píng)測(cè)系統(tǒng)，僅需修改一行API Base地址即可直接調(diào)用，無(wú)需調(diào)整底層業(yè)務(wù)代碼。

圖1：摩爾線程MTClaw的“前臺(tái)助理”工作流

一次請(qǐng)求進(jìn)入MTClaw后，“前臺(tái)助理”經(jīng)歷“判斷→執(zhí)行→檢查”三個(gè)步驟，先決定該任務(wù)由“輕量模型直辦”還是“交給大模型”，執(zhí)行完成后確認(rèn)是否需要大模型補(bǔ)充完善。基于此流程，用戶可明顯感受到AI智能體任務(wù)執(zhí)行效率的顯著提升。這一“快”與“準(zhǔn)”的平衡，主要得益于以下兩項(xiàng)關(guān)鍵技術(shù)：

精挑細(xì)選的輕量模型

MTClaw內(nèi)部“前臺(tái)助理”所搭載的輕量模型并非越小越好。摩爾線程技術(shù)團(tuán)隊(duì)在嘗試多種不同規(guī)模的候選模型后，最終選定了一款300億參數(shù)級(jí)的輕量模型。測(cè)試表明：低于此規(guī)模，小模型成功率會(huì)明顯下滑；進(jìn)一步擴(kuò)大規(guī)模，速度優(yōu)勢(shì)則被逐漸稀釋。該模型是在“快”與“準(zhǔn)”之間取得的當(dāng)前最優(yōu)平衡點(diǎn)。

嚴(yán)格的對(duì)話隔離機(jī)制

在多用戶、多并發(fā)會(huì)話的真實(shí)生產(chǎn)場(chǎng)景中，若不區(qū)分歷史記錄歸屬，“前臺(tái)助理”易混淆不同用戶的動(dòng)作，導(dǎo)致誤判。MTClaw引入嚴(yán)格的對(duì)話隔離機(jī)制，為每個(gè)會(huì)話單獨(dú)維護(hù)一份獨(dú)立的工具調(diào)用歷史、上下文狀態(tài)和路由記錄，所有判斷僅基于當(dāng)前對(duì)話的歷史，跨會(huì)話互不干擾。該機(jī)制則是MTClaw兼顧“快”與“準(zhǔn)”的關(guān)鍵技術(shù)。

圖2：摩爾線程MTClaw的“前臺(tái)助理”對(duì)話隔離機(jī)制

實(shí)測(cè)：速度更快，成功率更高

摩爾線程技術(shù)團(tuán)隊(duì)在50個(gè)真實(shí)桌面控制任務(wù)上對(duì)MTClaw進(jìn)行了端到端評(píng)測(cè)（每項(xiàng)任務(wù)重復(fù)執(zhí)行4次，后端大模型選用豆包Pro），性能表現(xiàn)如下：

以上實(shí)測(cè)數(shù)據(jù)顯示：

MTClaw極速模式專注于低延遲響應(yīng)，適用于對(duì)交互速度敏感的實(shí)時(shí)場(chǎng)景。該模式下，單次任務(wù)平均完成時(shí)間僅需5.54秒，相較傳統(tǒng)方式的37.97秒，帶來(lái)約7倍的速度提升。

MTClaw穩(wěn)健模式下，當(dāng)“前臺(tái)助理”遇到自身判斷不確定的請(qǐng)求時(shí)，會(huì)自動(dòng)向后端大模型求助。該模式下，單次任務(wù)成功率達(dá)100%，平均完成時(shí)間為7.61秒，相較傳統(tǒng)方式，不僅成功率更高（100% vs 99%），還實(shí)現(xiàn)約5倍的速度提升。

快速部署指南

MTClaw采用MIT開(kāi)源協(xié)議，代碼、評(píng)測(cè)數(shù)據(jù)、訓(xùn)練與評(píng)測(cè)腳本全量開(kāi)放，無(wú)遙測(cè)組件，不依賴強(qiáng)制云端服務(wù)，支持用戶自由本地部署。

MTClaw GitHub倉(cāng)庫(kù)：

https://github.com/MooreThreads/MTClaw

ClawHub插件頁(yè)：

https://clawhub.ai/packages/openclaw-session-bridge-plugin

開(kāi)發(fā)者可根據(jù)自身業(yè)務(wù)場(chǎng)景選擇以下兩種方式部署：

方式一：與開(kāi)源智能體OpenClaw生態(tài)兼容

MTClaw已與開(kāi)源智能體OpenClaw完成生態(tài)兼容，并上架至其官方插件市場(chǎng)ClawHub。OpenClaw用戶只需在終端執(zhí)行以下命令，即可開(kāi)箱體驗(yàn)：

Bashopenclaw plugins install clawhub:openclaw-session-bridge-plugin

方式二：獨(dú)立Python運(yùn)行環(huán)境部署

如需在自定義AI自動(dòng)化流程中獨(dú)立調(diào)用MTClaw的路由能力，可通過(guò)以下步驟快速完成本地構(gòu)建：

1. 克隆倉(cāng)庫(kù)并安裝依賴

git clone https://github.com/MooreThreads/MTClaw.gitcd MTClawpip install ../scripts/install.sh

2. 配置服務(wù)接入（示例）

上述安裝腳本會(huì)自動(dòng)檢查OpenClaw目前使用模型，并加載到function router，不需要修改任何OpenClaw的代碼和配置。

如果需要手動(dòng)指定服務(wù)，僅需將智能體客戶端或自動(dòng)化腳本中的openai.base_url指向MTClaw的本地或服務(wù)器代理地址，即可完成無(wú)侵入式替換：

import openai# 僅需修改 Base URL，即可享受 MTClaw 的高頻動(dòng)作本地加速client = openai.OpenAI( base_url="http://:8000/v1", api_key="your-key")# 像往常一樣發(fā)送桌面操作序列或函數(shù)調(diào)用請(qǐng)求response = client.chat.completions.create( model="openclaw-function-router-0308", messages=[{"role": "user", "content": "幫我截取當(dāng)前屏幕，并檢查瀏覽器里是否有報(bào)錯(cuò)提示"}])

3. 自動(dòng)加速Skill

我們提供了兩種方法，便于用戶快速對(duì)需要的領(lǐng)域進(jìn)行加速，并不局限于系統(tǒng)控制、桌面操作等場(chǎng)景。

方法一：提供skill-to-fc的技能

只需要告訴您的OpenClaw，讓它基于skill-to-fc對(duì)某個(gè)Skill進(jìn)行加速，即可快速將這個(gè)領(lǐng)域適配到function router。

https://github.com/MooreThreads/MTClaw/blob/main/docs/skill-to-fc.md

方法二：我們提供了詳細(xì)的工具定義的教程

只需要實(shí)現(xiàn)一個(gè)相關(guān)腳本并注冊(cè)，即可使用function router進(jìn)行快速工具調(diào)用。

https://github.com/MooreThreads/MTClaw/blob/main/docs/adding-tools.md

開(kāi)源生態(tài)共建

MTClaw不僅適用于桌面控制場(chǎng)景，也有望延伸至代碼輔助、自動(dòng)化測(cè)試、多模態(tài)任務(wù)編排等更廣泛的AI智能體應(yīng)用領(lǐng)域，為國(guó)產(chǎn)GPU算力在智能體加速方向上的規(guī)模化落地提供可復(fù)用的技術(shù)基座。

MTClaw并非一次性的開(kāi)源發(fā)布，而是摩爾線程在AI智能體效率優(yōu)化方向上的持續(xù)投入起點(diǎn)。團(tuán)隊(duì)將持續(xù)推進(jìn)：

開(kāi)放MTClaw的智能體訓(xùn)練工具鏈，支持企業(yè)基于自有工具體系與業(yè)務(wù)場(chǎng)景，快速訓(xùn)練并定制專屬策略；

適配更多主流大模型作為推理后端；

推出整合套件，進(jìn)一步降低部署門(mén)檻，升級(jí)“開(kāi)箱即用”體驗(yàn)。

摩爾線程誠(chéng)邀廣大開(kāi)發(fā)者共同參與MTClaw建設(shè)，協(xié)同推進(jìn)AI智能體在真實(shí)生產(chǎn)場(chǎng)景中“更快、更準(zhǔn)、更省”的持續(xù)進(jìn)化。獲取更多MTClaw信息，請(qǐng)?jiān)L問(wèn)摩爾線程GitHub官方倉(cāng)庫(kù)：

https://github.com/MooreThreads/MTClaw

*以上測(cè)試數(shù)據(jù)均來(lái)自摩爾線程實(shí)驗(yàn)室。