想弄懂 MuleRun 的策略,就得先理解它乘著的浪頭從何而來。OpenClaw 由奧地利開發者 Peter Steinberger 創建,它本身不是一個 AI 模型,而是一種「代理式繫具」(Agentic Harness)——一個讓用戶接入各種大型語言模型,並賦予這些模型瀏覽網頁、點擊、執行程式碼與自主行動能力的框架 。其開源特性加上強大的功能,讓它在 GitHub 上迅速獲得了超過 17.2 萬顆星的標記
。
在中國,這股狂熱超越了開發者圈。各大雲端供應商爭相推出自家的 OpenClaw 部署方案,地方政府向基於 OpenClaw 開發應用的新創公司提供補助,甚至還催生出一個專門協助用戶安裝此框架的「個體戶」產業,安裝費用約 44 美元 。社群裡的「養龍蝦」迷因,完美結合了娛樂性與生產力。然而,隨著越來越多的人將自主控制權交給自託管的代理,安全專家們也敲響了警鐘。該平台開放、自託管的特性意味著代理通常在用戶自己的硬體上運行,且缺乏安全監管,這為資料外洩和意外的錯誤操作創造了顯著的風險
。
MuleRun 明確地將自己定位為代理式 AI 熱潮的下一波,但有一個根本的架構差異:全託管 vs 自託管。其核心賣點在於,用戶能獲得同樣的自主代理體驗——將研究、寫程式、資料分析和工作流程自動化等任務委託給全天候運作的數位員工——卻完全不用碰觸 SSH 指令列,也不用擔心伺服器門戶洞開 。
MuleRun 以一個代理聚合平台兼線上市集的形式運作 。用戶不必自行尋找硬體資源和管理開源軟體安裝,只需從市集中挑選代理即可。這些代理運行在阿里雲的專用雲端虛擬主機(VM)上,這意味著即使用戶關閉了瀏覽器分頁,它們仍會持續工作
。這立刻消除了伴隨 OpenClaw 而來的、對非開發者而言最高的技術門檻。
5 月 28 日,MuleRun 上線了多任務模式,將概念延伸至多數單一代理工具無法觸及的境地。它能將複雜的專案拆解成多個子任務,並將每個子任務指派給一個擁有獨立脈絡的代理。關鍵在於,這些不是「短脈絡、功能被削弱的子代理」,而是具備完整能力、永久記憶,並能在必要時與用戶進行一對一互動的成熟代理 。這讓用戶能夠同時運行市場研究、內容創作和資料分析等多個工作流程。
這個策略似乎正在奏效。截至產品推出時,MuleRun 已經為涵蓋日本、巴西和墨西哥在內的全球 43 個國家的用戶提供服務。平台的付費用戶指標對一個新產品來說非常強勁:34% 的付費用戶每月花費超過 200 美元,而付費用戶每週平均有 2.6 個工作天活躍於平台上,平均每週完成 13 個從頭到尾交付的工作任務 。
這是 MuleRun 與 OpenClaw 路徑分歧最大的關鍵點。MuleRun 的架構從基礎設施層面就將安全嵌入產品之中,這直接回應了困擾 OpenClaw 聲譽的資安漏洞。
由於 MuleRun 的代理在阿里雲的託管環境中執行,它們直接繼承了該雲端供應商現有的合規認證、資料治理框架與安全態勢。這免除了終端用戶自行配置安全性的重擔——正是在自託管代理世界裡的一大痛點——並將 MuleRun 定位為適合企業採購流程的「更安全的替代方案」,畢竟這類流程通常會否決未經核可的開源部署 。專用的虛擬主機架構確保了代理雖然永遠在線,但它們是在一個受控、安全的邊界內運作,而非暴露在開發者的個人電腦上。
MuleRun 並非單純複製 OpenClaw 的病毒式擴散機制,而是押注在市場的下一個階段——尤其是企業與團隊之間——將會在功能之外,優先重視安全性與可管理性。透過捕捉將工作委託給 AI 勞動力的「龍蝦熱」能量,同時化解安全的恐慌,阿里巴巴正在為代理式的未來打造一座有圍牆的花園。
Comments
0 comments