Agent 时代，我们真的需要操作系统吗？

• • 所谓的编排层，就是一个 for 循环加一个 HTTP 服务器

• • 在 Agent 的世界里，操作系统就是多余的

• • 买屏幕盯 Agent 和调试提示词，是同一件事

• • 选本地模型只看一个指标：coding 能力。因为 coding 能力映射的就是调用工具的能力

以上内容，来自我和伯炎的对话

以上内容，来自我和伯炎的对话，我俩可能都完全错了

本篇是「赛博史记 · 逮虾户列传」的第二篇，记录这波浪潮里最前沿的一批人在想什么、在做什么

王子伯炎，做了 MimiClaw，把 OpenClaw 跑在了一块5美元的 ESP32 上。没有操作系统，纯 C，5天 2.7K star，330 个 Fork

GitHub Star

王子伯炎（真叫这个），奇绩 F25，辍学于曼彻斯特大学的 PhD ，研究方向是 AI 编译器 for AIoT，当时的课题是把模型压进嵌入式设备。现在模型在云端了，他压的是调用模型的那个循环

对于再往下掉内容，我得先强调

这个时代没有共识，我跟伯炎之间可能也没有，但这些思考本身值得被记录

OpenClaw 可以跑在各种设备上，只要装上一堆依赖就行

伯炎看完它的底层之后，发现真正在运转的东西很简单。用户发一条消息，模型收到，思考，发现需要调用工具，调用，拿到结果，再思考，再调用。一个标准的 ReAct 循环

那么，这个流程还可以进一步抽离：一个 for 循环，加一个能发 HTTP 请求的网络模块，就够了

至于无论 Mac 还是 Linux 在管什么？进程调度，文件系统，用户权限，图形界面
这些都是给人用的。把人从这个循环里拿掉，操作系统就是多余的

这样的话，事情就简单了：把 for 循环用 C 写死，编译成固件，就能烧进5美元的芯片
插上 USB 供电，连 WiFi，发 Telegram 消息就能用

所以，他做了 MimiClaw
累计搞了三天，其中等快递花了两天，做那个红白机风格的 GitHub banner 花了半天，写代码画了半天

Banner 花的时间和写代码差不多

我问他当初为什么做这个？
他想了一下说：诚恳地说，我想羞辱一下那些在 Linux 开发板上重新跑一遍的人

有个类似项目用 Go 重写了 OpenClaw，买了很多 PR，现在11万 star。但它依然需要 Linux

OpenClaw 本来就在 Linux 上跑，你换一块板子再跑一遍，增量是零

5美元芯片上把操作系统整个去掉，for 循环照样转。这个才有增量

他读博研究的就是怎么把东西压进嵌入式设备。四年前用的是 AI 编译器，针对上一代 CV 模型。他说当时觉得离人太远了，后来辍学。现在他不压模型了：模型在云端，芯片只需要能跑那个 for 循环、能存 memory

米哈游立项原神的时候，手机跑不了开放世界游戏。他们赌等游戏做出来的时候硬件能追上。赌对了

伯炎做 MimiClaw 的逻辑很像：
现在没有浏览器操控能力，看上去是个缺陷，他赌的是浏览器会消失

你需要那么多屏幕，是因为 AI 不聪明

Mac mini 能操控浏览器。很多 OpenClaw 的能力是通过浏览器实现的，比如打开网页，填表单，抓数据
但 MimiClaw 没有浏览器

对此，伯炎的理由是：以后没有给人用的浏览器了

Agent 在浏览器上点来点去，操作的其实是文字。网页是给人看的渲染层，Agent 需要的是底下那层数据。给 Agent 套一个浏览器，是因为很多服务还没有提供 Agent 友好的接入方式

他当时是用这个想法，立项的 MiniClaw
第二天，Cloudflare 发布了把网站转成 Markdown 的服务、Google 出了 Web MCP

这些大厂，在把给人看的网页，翻译成给 Agent 读的文本
浏览器这个中间层，开始被跳过了

OpenClaw 的创始人 Peter 说：80%的 APP 会死
延续这个判断，伯炎接了一步：不会死的 APP 是带传感器的。你房间的温度、身体的心率、周围的空气质量...这些数据在互联网上搜不到。ESP32 天然能接传感器，几毛钱一个模块焊上去就能用

说到这里，我跟他讲了我自己的情况

过去一个月我新买了两块显示器，一个49寸，一个57寸，今天又下单了一台85寸的8K电视

同时，我还订了两块163寸，LED 屏准备贴满两面墙...
为了这些屏幕，我租了邻居的房间。把他家具全买下来扔了，刷白墙，摆设备

还有，我还搞了套全向麦克风拾音系统：对着某块屏幕说话，后面的计算模块能识别方向，执行任务
毕竟...我同时在用超过5台电脑，键鼠切换器不够用了

对了...我的显示器，由于太重，把新买的桌子压弯了

展示下我刚买的 57 寸显示器

伯炎听完说了一句：以后不需要屏幕

我当时没接住这话。因为我确实需要...我同时在跑多个 Agent，要看状态、审核输出，犯错的时候介入。现在的软件全是按「一个人同一时间做一件事」设计的。我要同时管10个 Agent，真的需要10块屏幕

他的逻辑：你需要看那么多东西，是因为 Agent 还不够好

然后我想到一件事，在 Agent 出现之前，大家手动搭 workflow。因为不放心自动化...万一某一步出错呢？要设检查点，要人工审核，要画流程图

现在 Agent 来了...我买屏幕、搭中控系统，本质上还是因为不放心

workflow 是软件层的「我不放心」，显示器是硬件层的「我不放心」
显示器是2026年的 Coze
等 Agent 的 benchmark 从70分涨到95分的那天，这些屏幕可能全是多余的

伯炎设想的终局是一个拇指大的设备，语音下达指令，Agent 在云端完成一切，完了告诉你一声。不需要屏幕，不需要确认
他的信心来自一个判断：Anthropic CEO 说过，不要优化模型现在做不到的事
模型能力会持续变强，应该面向未来做产品

我没办法反驳这个方向，如果哪个老板天天站在秘书身后盯着他干活，就只能说明秘书还不够好

乘100，或者零

MimiClaw 之前，伯炎做过一个叫 Memov 的项目：给 AI 编程做版本控制，大概就是每次跟 Claude Code 对话，自动记录每一轮的 prompt、plan、代码变化，完整保存上下文

这个产品跟 GitHub 前 CEO 辞职创业后做的东西功能一模一样

后来，伯炎复盘这件事的时候说：这个产品只做了乘3的提升，不够

以前做产品，比别人好20%就能多拿20%关注。现在产品太多，注意力太稀缺
你带来的体验乘3已经是零，乘100才有人看见

他之前做过一个法语考试网站。针对加拿大移民的法语考试，竞品连数据库都没有：没有错题本，没有做题记录
加上数据库就是从0到1的体验差
一共 1000+ 个用户，300个+付费，付费率极高

MimiClaw 能传播，原因很简单：他把整个操作系统去掉了，跑在5美元芯片上

至于推广方式...非常简单粗暴，他有一个 1000+ 粉的推特小号，每当别人问「怎么部署 OpenClaw」的时候，他就在的评论区回了一句「不要部署了，用 MimiClaw」

这些评论，给项目带来了数十万次的曝光，然后那些从来没玩过 ESP32 的人开始下单买面包板

ESP32-S3 开发板，拇指大小

聊到最后，我问他信不信 AGI，他说他不信，或者说他不认为 transformer 能在 10 年内达到那个水平
「它只是知道得多。不是因为它真的比你聪明」

在他的眼中，风吹在脸上的感觉，房间里的湿度...这些东西怎么压成 token？他读博的时候研究的就是怎么压模型。压了几年，觉得离人太远了，辍学，现在他不压模型了。压的是调用模型的那个 for 循环

然后它就跑在了5美元的芯片上
就有了 MimiClaw

github.com/memovai/mimiclaw