2026 年应该使用哪些 AI Employees？
Agent Factory 论纲认为，未来属于能够交付结果的 AI employees。下面这五种，是你会在本书中持续使用的工具。
找到你的起点
选择你的第一个 AI employee，最简单的方法是从你是谁、你如何工作开始。两个问题就能帮你完成大半判断：你想在哪里工作（terminal、desktop app，还是 messaging app），以及你的数据在哪里（本地文件、企业系统，还是聊天工作流）？在你对工具有了感觉之后，另外两个问题会进一步细化选择：你希望 agent 有多自治，以及你的安全要求有多严格。
第一天不需要装齐五种工具。下面这张表是你的第一轮筛选：找到与你的主要工作匹配的那一行，从那里开始。这些行会有重叠（开发者也可能是 power user；团队负责人也可能是领域专家），所以请按你的主业选择。其他工具是以后再加的，不是现在就要在它们之间二选一（见文末的迁移与 fleet 演进）。
| 你是…… | 从这里开始 | 为什么 |
|---|---|---|
| 构建软件的开发者或工程师 | Claude Code + OpenClaw | Claude Code 是运行在你电脑上的通用 AI employee。OpenClaw 则把个人 AI 助手带到你的手机和消息应用中。 |
| 金融、法律、运营或其他领域的领域专家 | Claude Cowork + OpenClaw | Cowork 可以处理你的业务工作流（报告、分析、文档），不需要任何技术设置。OpenClaw 通过 WhatsApp 或 Slack 管理你的日常任务。 |
| 推动 AI adoption 的高管或团队负责人 | Claude Cowork | Cowork 连接常见办公工具（mail、drive、chat、calendar、e-signature），并自动运行定时任务。从这里开始，能先体会 AI employees 的真实手感（需要付费 Claude plan）。 |
| 设计 AI-powered systems 的产品经理或架构师 | Claude Code + Codex | Claude Code 负责通用工作和原型；当你需要围绕复杂系统设计进行重型推理时，用 Codex。 |
| 非常重视安全和数据控制的人 | Cowork、Claude Code、NanoClaw | NanoClaw 会把每个 AI employee 运行在你机器上的密封容器中。没有东西会泄漏出去。代码库足够小，你可以自己阅读和审计。 |
第一天要安装什么
**如果你是开发者：**安装 OpenClaw 和 Claude Code。从第 1 部分开始，你会同时使用它们。
**如果你是领域专家：**安装 Claude Cowork 和 OpenClaw。Cowork 运行在 Claude Desktop app 内，所以先下载 Claude Desktop；Cowork 是其中的一个标签页。不需要命令行。
**如果你是高管或团队负责人：**先只使用 Claude Cowork（在 Claude Desktop app 内）。在向团队推广之前，一个工具就足以让你获得手感。等你希望在消息应用中拥有 always-on automation 时，再加入 OpenClaw。
你的 Agent Fleet 成本
运行一支 AI employees fleet，需要管理 API 和订阅成本。大致应预期如下：
- OpenClaw 与 NanoClaw（免费 + API 成本）：软件完全开源（MIT License）。不过，因为它们本地运行，却在云端处理推理，你需要按 token 支付 Anthropic、OpenAI 或 DeepSeek 的 API 成本。重度日常使用时，API credits 通常约为每月 $15 到 $40。
- **Claude Code（免费 + 订阅）：**CLI 工具免费，但需要至少 $20/user/month 的 Pro Plan 订阅。降低成本的方法见第 14 章。
- **Claude Cowork（订阅）：**Cowork 包含在 Anthropic 付费计划 中（Pro、Max、Team 和 Enterprise），起价约为 $20/user/month。它提供深入的桌面文件访问，不按 token 计费。**这些计划同时允许你使用 Claude Code 和 Claude Cowork。**降低成本的方法见第 14 章。
- **Codex（订阅/API）：**OpenAI 的 cloud-mode engineering environments 需要 付费 ChatGPT plan（Plus 及以上）或 API 使用量；具体成本会随系统架构任务的复杂度而增加。
General Agents
Cowork：你的 Enterprise AI Employee
Cowork 是 Anthropic 面向不在 terminal 中工作的 business professionals 的 AI employee。它运行在 macOS 和 Windows 上的 Claude Desktop app 内。
**可以把它理解为：**一个知识丰富的同事，替你处理那些你总是没时间做的工作：生成报告、分析文档、整理文件、起草演示文稿，以及管理周期性任务。它可以连接常见办公工具（mail、drive、chat、calendar、e-signature、spreadsheets、slides）。Connector 的可用性正在快速提升，但实际使用时仍取决于你的 plan、管理员配置，以及组织启用了哪些 plugins。不要把 Cowork 看成一个固定 app；更准确地说，它是一个 enterprise AI surface。团队连接到它的系统越多，它就越有用。
Anthropic 已经发布了重要的企业升级：private plugin marketplaces（让公司精确控制可用能力）、面向 HR、finance、engineering、legal 和 operations 的 department-specific plugins，以及 /schedule 命令，用来设置自动运行的任务，例如每周一早上的竞品分析。
第 3 部分会讲 business-domain workflows（finance、legal、marketing、operations），也就是 Cowork 原本就为之设计的工作。
Claude Code：你的 All-Purpose General Agent
Claude Code 由 Anthropic 构建，运行在你的电脑上。虽然名字里有 Code，但它做的远不止写代码。Anthropic 已经把底层框架从「Claude Code SDK」更名为 Claude Agent SDK，因为团队们正在用它做研究、视频制作、数据分析、记笔记，以及几十种非编码任务。
**可以把它理解为：**一个通用 agent，能完成你在电脑上可以完成的任何事情，只是更快。用自然语言给它一个任务（分析这张 spreadsheet、整理这些文件、研究这个主题、构建这个 feature），它会规划步骤、执行步骤，并把结果展示给你。它会读取你的文件、运行命令、管理代码，甚至可以把子任务委派给并行工作的专门助手。
Claude Code 是你将在本书中主要使用的工具。它的 skills system（名为 SKILL.md 的可复用指令文件）以及生成专门 sub-employees 的能力，是 Agent Factory 方法的构建块。
第 16 章会介绍以 Claude Code 为引擎的 Spec-Driven Development。你会在本书每一部分中使用它。
Codex：你的 Power Engineering AI Employee
Codex 是 OpenAI 面向困难工程问题的 AI general agent。它有两种模式：一种是 cloud mode，在隔离环境中完全自主工作（通常每个任务几分钟到半小时）；另一种是在你本机运行的 command-line tool。
**可以把它理解为：**遇到最难工作时请来的专家。Claude Code 处理日常工作，而 Codex 面向复杂推理：设计需要深度思考的系统架构。它的最新模型结合了前沿编码能力和高级推理能力，并且正在从代码扩展到更广泛的知识工作。
在 cloud mode 中，你描述想要什么，Codex 会在密封 sandbox 中自主规划、构建、测试并迭代，直到工作通过你的测试。你可以并行运行多个任务，每个任务都有自己的隔离环境。
当任务工程含量高、范围清晰并且可测试时，使用 Codex：大型重构、迁移、架构 spike、跨大型 repo 的 debugging，或能从隔离环境中受益的并行实现工作。当你想让 agent 端到端处理一项重要软件任务，而不是只在单个文件里补全代码时，就该考虑它。
Personal AI Employees
OpenClaw：你的 Personal AI Employee
OpenClaw 由 Peter Steinberger 创建，并由一批重要赞助方支持（包括 OpenAI 和 Vercel）。上线几个月内，OpenClaw 就成为 GitHub 上 star 增长最快的软件项目之一，吸引了数十万 stars。
**可以把它理解为：**一个不知疲倦的个人助理，连接到你的消息应用。它整理邮件、管理日历、预订航班、处理保险文书，并通过你已经使用的主要消息应用运行你教给它的任何日常任务：WhatsApp、Telegram、Discord、Slack、Signal、iMessage。
OpenClaw 完全开源（MIT license）。你在自己的机器上运行它，选择自己的 AI model（Claude、GPT、DeepSeek 或其他），并用 ClawHub marketplace 上数千个社区构建的 skills 扩展它。它的 persona 由一个 Markdown prompt file（SOUL.md）塑造，也就是你将在本书中学习的同一种 spec-writing format。
第 56 章会带你用 OpenClaw 设置你的第一个 AI employee。
NanoClaw：你的 Secure AI Employee
NanoClaw 是 OpenClaw 的轻量、安全优先替代方案。OpenClaw 接近 50 万行代码，而 NanoClaw 用一个小到可以阅读和理解的代码库，提供同样的核心体验：运行在消息应用中的 AI assistant。
**可以把它理解为：**带锁门的 OpenClaw。每个 AI employee 都运行在你机器上的独立容器里：一个隔离环境，只能看到你明确允许的文件；除非你授权，否则没有网络访问。隔离是真实的，不只是一个软件设置。NanoClaw 默认在 macOS、Linux 和 WSL2 上使用 Docker containers；macOS 上也可以使用 OS-level Apple Container isolation。
NanoClaw 连接主要消息应用（WhatsApp、Telegram、Slack、Discord 等）。它有 persistent memory 和 scheduled jobs（日报、周报、pipeline monitoring），并直接运行在 Claude Agent SDK 上，也就是你会在第 6 部分学习构建的同一个框架。
第 6 部分会教你使用支撑 NanoClaw 的同一个框架，构建自定义 AI employees。
安全与隐私深入说明（尤其适合 NanoClaw 用户）
安全仍然是 2026 年的首要关切之一。NanoClaw 的 container approach（没有明确授权就没有 outbound traffic）使它最适合 IP 敏感工作；代码库也足够小，可以自行审计。OpenClaw 提供本地运行的灵活性，但默认使用 cloud models（如需零云依赖，可使用 DeepSeek local）。Claude Cowork 和 Code 运行在 Anthropic 的安全环境中，具备企业控制能力（private plugins、audit logs），但不要把 raw source 暴露给 provider。对受监管团队（finance、healthcare）来说，可将 NanoClaw 与 air-gapped models 结合使用。
你在本书中的旅程
| 书中部分 | 你正在学习什么 | 主要 AI Employee | 辅助工具 |
|---|---|---|---|
| 第 1 部分：基础 | AI employees 是什么，以及如何与它们协作 | Claude Code | OpenClaw |
| 第 2 部分：Workflow Primitives | 文件处理、数据抽取、版本控制 | Claude Code | 无 |
| 第 3 部分：Business Domains | 金融、法律、营销、运营工作流 | Claude Cowork | Claude Code |
| 第 4 部分：Natural Language Programming | TypeScript、Python 开发、测试、debugging | Claude Code | Codex |
| 第 5 部分：构建 OpenClaw Apps | 构建并交付你自己的 OpenClaw-based apps | OpenClaw | Claude Code |
| 第 6 部分：构建 Agent Factories | 框架、tool protocols、databases、evaluation | Claude Code | NanoClaw |
并排对比
这五种工具对应的是不同工作，不是彼此排名。下表从六个实践维度比较它们：主要 interface、deployment model、autonomy level、security posture、openness，以及理想用户。正确选择不只取决于 model quality，更取决于 agent 在哪里运行、能触达哪些系统，以及你希望监督到什么程度。
| Claude Cowork | Claude Code | Codex | OpenClaw | NanoClaw | |
|---|---|---|---|---|---|
| 类别 | General Agent | General Agent | General Agent | Personal AI Employee | Personal AI Employee |
| 一句话说明 | 面向业务工作的 enterprise AI | 运行在你电脑上的通用 AI | 面向困难工程的 power AI | 运行在消息应用中的 personal AI | 密封容器中的 secure AI |
| 最适合 | Business professionals | Developers 和 power users | 复杂 coding 与 architecture | 每个人 | Security-conscious teams |
| 你通过什么与它沟通 | Claude Desktop app | 你电脑上的 terminal 或 code editor | Terminal、code editor 或 web app | WhatsApp、Telegram、Discord、Slack 等 | WhatsApp、Telegram、Slack、Discord 等 |
| 开源吗？ | 否 | 否 | 仅本地工具 | 是（MIT license） | 是（MIT license） |
| 由谁支持 | Anthropic | Anthropic | OpenAI | 主要赞助方（包括 OpenAI、Vercel） | 社区，基于 Claude Agent SDK |
取舍与真实世界性能说明
没有单个 agent 能赢下所有场景。以下是 2026 年初期用户报告的定性取舍：
- Claude Code 在交互速度和逐步推理上领先，尤其适合多文件重构，但用于一次性任务时可能显得有些「话多」。
- Codex 擅长 long-horizon planning 和 cloud mode 下的并行子任务，但本地 CLI mode 的延迟不如 Claude Code。
- OpenClaw 依靠庞大的 community-skill ecosystem，在 always-on personal automation 上表现突出，但要达到 Claude Code 开箱即用的可靠性，需要更多 prompt engineering。
- NanoClaw 用一部分速度换取更严格的安全性（没有明确授权就不会发起网络调用），因此非常适合受监管行业。
- Cowork 在非技术工作流（spreadsheets、mail、scheduled automation）上占优，但没有 Claude Code 或 Codex 那样深入理解代码的能力。
成本会随用量变化：一套重度 multi-agent setup 每月可能达到几十美元；把 personal-agent layer 放到 DeepSeek 等经济模型上，可以降低成本。请自己测试这些取舍；很多读者会把两套方案并排运行几周，再做最终选择。
大图景：你的 Agent Fleet
没有人只使用一个 AI employee。2026 年最有效的配置是一支 fleet：General Agents 处理你的日常工作，Personal AI Employees 在消息应用和业务工作流中自主运行。
fleet 并不意味着每天使用每一个工具。实践中，大多数人会有一个 daily driver 和一个 specialist：例如 Claude Code 加 OpenClaw，或 Cowork 加 NanoClaw，或 Claude Code 加 Codex。目标不是收集工具。目标是覆盖：一个 agent 负责你的默认工作流，另一个 agent 负责默认工具不适合做的工作。
General Agents 是你使用的东西。Personal AI Employees 是你构建并部署的东西，最终也会成为你出售的东西。本书会教你两面：今天如何最大化利用 Claude Code、Cowork 和 Codex；以及如何用 OpenClaw 和 NanoClaw 构建别人愿意付费使用的自有 Digital FTEs。
迁移与 Fleet 演进
下面是一支 fleet 常见的成长时间线。第 1 天：OpenClaw 加 Claude Code 或 Cowork。第 3 个月：为困难工程任务加入 Codex。第 6 个月：为敏感任务引入 NanoClaw，或开始通过 SKILL.md 和 SOUL.md 构建自定义 agents。
迁移建议：在 agents 之间导出和导入 SKILL.md patterns；用 ClawHub community skills 作为桥梁；每周监控 token spend（第 14 章会讲 optimization scripts）。读者报告称，将多个 agents 组合后会获得明显生产力提升，但要避免 tool sprawl：除非你在为客户构建，否则核心工具控制在四到五个以内。
核心 Fleet 之外：探索替代方案
虽然 Claude Code、Cowork 和 NanoClaw 构成了坚实基础，但 2026 年的 agent landscape 远比这更丰富。Gemini CLI、Qwen Code、OpenAI Agents SDK、Claude Agent SDK 等开源框架，可以为复杂 orchestration 提供 multi-agent fleets；如果配合 DeepSeek 或 Qwen 等模型，成本往往更低。No-code 和 low-code builders（Vellum、Microsoft Copilot Studio、Zapier Central、Salesforce Agentforce）让非技术团队不用 SDK 或 terminal 也能更快部署 agents。
对纯 open-model 用户来说，基于 Llama、DeepSeek、Mistral 或 Gemma 的工具可以提供完全本地或 self-hosted 的选项，零云依赖；当隐私比速度更重要时，这非常理想。本书聚焦 Claude Code 及其配套工具，因为它们今天能为大多数读者带来最高杠杆；但你可以每个季度尝试一种替代方案，让自己的 fleet 更能适应未来。
最后更新：2026 年 3 月