前两篇我们分析了：CLI vs MCP 争的是管道，真正缺的是水龙头（第一篇）；Agent 落地受阻于两层壁垒——平台封锁和组织管控（第二篇）。这篇看看现实中各方在怎么应对这两面墙。

三种应对策略

面对数据壁垒，目前出现了三种截然不同的策略：

graph TB Wall["数据壁垒"] Wall --> S1["策略一：在墙里做闭环
阿里系"] Wall --> S2["策略二：翻墙
豆包手机、OpenCLI"] Wall --> S3["策略三：假装墙不存在
大部分 Agent 产品的营销"] S1 --> R1["有用，但用户被锁在生态内"] S2 --> R2["能用，但脆弱且灰色"] S3 --> R3["好看，但用户上手就碰壁"] style Wall fill:#ef4444,color:#fff style S1 fill:#6366f1,color:#fff style S2 fill:#f97316,color:#fff style S3 fill:#94a3b8,color:#fff

策略三的代表产品不少。OpenClaw 在 Mac mini 上 24/7 运行，社区有自动生成飞书日报1和财务报表的 Skill；Perplexity 在 2026 年 3 月发布了 Personal Computer2，同样跑在 Mac mini 上，接入 Gmail、Slack、GitHub、Notion、Salesforce 等 40+ 服务，月费 $200；Anthropic 的 Claude Cowork 则定位本地自主 Agent。Demo 视频里数据在多个平台之间流转得行云流水。

这些能力是真实的。但它们有一个共同的前提：你已经拥有所有工具的 API 权限。 第二篇已经分析过，这个前提在大多数真实工作环境中并不成立——平台可能不开放，即使开放了你的公司 IT 也可能不批准。

有一个值得注意的现象：同样是让 AI 代替用户操作应用，在 PC 端（OpenClaw）被热捧，在手机端（豆包手机）却遭微信、支付宝等主流 App 联合封杀3。原因很清楚——手机端的每个 App 都是封闭生态，系统级 AI 助手直接踩在了它们流量变现的命门上。

重点看前两种策略。

策略一：在围墙里做闭环——阿里的双线布局

阿里的策略最清晰：不打破围墙，在自己的围墙里先把闭环做了。 而且 B 端和 C 端同时推进。

C 端：千问 App——“搜索→决策→支付→履约"全链路

千问 App 的"千问办事"功能已经接入了阿里生态的核心消费场景4：

graph TB User["消费者（一个支付宝账号）"] User --> Taxi["打车
→ 高德"] User --> Food["奶茶餐饮 / 零食百货
→ 淘宝闪购"] User --> Movie["电影
→ 大麦"] User --> Travel["机票 / 火车票 / 酒店
→ 飞猪"] User --> Pay["统一支付
→ 支付宝 AI付"] style User fill:#6366f1,color:#fff

这不是 demo——阿里在用真金白银推闭环落地。千问 App 的"每日首单必减"活动5每天发放 1500 万份优惠券，覆盖外卖、酒店、机票、打车、电影票，支付统一通过支付宝 AI付完成。用户说一句"帮我点 30 杯奶茶”，千问就能走完从理解需求、挑选商品、自动领券到直达下单页面的全流程。

量子位的评价是：阿里已成为"全球首个大规模开放’搜索-决策-支付-履约’全链路 AI 功能的科技公司"4。技术上基于 MCP + A2A 协议，采用多 Agent 架构——主 Agent 拆解任务，多个子 Agent 在各自领域独立执行。

Auth 流程在生态内部几乎无感——首次使用时完成千问与高德/淘宝/飞猪的账号授权绑定（类似 gh auth login 的 OAuth 流程），之后所有操作自动带上登录态。整个阿里系共享支付宝账号体系，用户不需要反复授权。

B 端：悟空——企业级 AI Agent 平台

2026 年 3 月 17 日，阿里发布了企业级 AI Agent 平台"悟空"6，内嵌到超 2000 万企业组织的钉钉之中。钉钉 CEO 陈航的定位很明确：

“和市面上所有的龙虾 Agent 不一样，悟空天然就长在企业组织中。”

拥有 8 亿用户的钉钉为此完成了底层代码重写，进行了全面的 CLI 化改造7——悟空原生操作钉钉的上千项能力，而非模拟人类点击。值得注意的是，这次的 CLI 是专门为 AI 设计的：命令可以很长很详细（AI 不需要记），输出直接是 JSON（AI 解析结构化数据比看排版高效得多）。结合第一篇的分析，这验证了 CLI 在 Agent 工具调用中的效率优势。阿里旗下淘宝、天猫、1688、支付宝、阿里云等 B 端能力以 Skill 形式逐步接入，首批覆盖十大行业场景6。AI Agent 自动继承企业权限规则，绕过了第二篇分析的"组织管控"壁垒。

生态对比

玩家 有什么 缺什么
阿里（千问+悟空） 电商+支付+出行+本地生活+企业协作+云 社交、内容
腾讯 社交+内容+支付+企业微信 电商闭环、出行
字节 内容+本地生活+飞书 支付、供应链
百度 搜索+地图+AI 模型 交易闭环、企业协作

阿里的优势：离交易最近，且 B 端 C 端同时闭环。 Agent 的终极价值不是聊天，是帮用户完成决策→执行→支付的完整链路。阿里是目前唯一在 C 端（千问 App）和 B 端（悟空）同时跑通这条链路的平台。

但这里存在一个结构性矛盾

graph LR subgraph "用户想要的" U["Agent 帮我做最优决策"] end subgraph "阿里想要的" A["Agent 帮你做决策
但只在阿里生态里"] end U --> Gap["冲突点"] A --> Gap Gap --> Result["淘宝闪购帮你点了奶茶
但不会告诉你美团更便宜"] style Gap fill:#ef4444,color:#fff

私有生态 Agent 的本质：用 AI 的便利性，换取用户对比价权的放弃。 千问能帮你在淘宝闪购自动领券、凑单、下单，但它不会告诉你同一杯奶茶在美团外卖上可能更便宜。

策略二：翻墙——爬虫的新形态

等不及平台开放，有人开始强行突破：

graph TB subgraph "绕过授权的方案" D1["AutoGLM（智谱）
云虚拟手机 + 视觉读屏"] D2["豆包手机（字节/UI-TARS）
手机端 GUI Agent"] D3["Manus
Firecracker microVM 沙箱"] end D1 --> Problem["共同特征"] D2 --> Problem D3 --> Problem Problem --> P1["不走 API 正门"] Problem --> P2["脆弱 — 平台更新即失效"] Problem --> P3["灰色 — 法律风险持续存在"] Problem --> P4["被封杀 — 豆包手机遭多 App 围剿"] style D1 fill:#6366f1,color:#fff style D2 fill:#6366f1,color:#fff style D3 fill:#6366f1,color:#fff style Problem fill:#ef4444,color:#fff

这条路线上有几个代表性产品，技术形态各不相同但本质一致：

智谱 AutoGLM8：为 AI 配备"云端虚拟手机"，Agent 在云虚拟机里通过视觉模型理解屏幕内容，模拟人类操作完成跨 App 任务（点外卖、订机票、发微博）。不需要任何 API——它直接"看"屏幕。

豆包手机（字节/UI-TARS）3：手机端 GUI Agent，同样基于视觉驱动。一条语音指令就能完成从约人吃饭到订好场地、同步行程的全流程操作。上线后被微信、支付宝等多款 App 封杀，一部 3499 元的手机在二手市场被炒到 3.6 万元。

Manus9：每个任务分配一台独立的 Firecracker microVM（与 AWS Lambda 同一技术），Agent 在完整的云端沙箱环境里运行浏览器、写代码、操作文件，任务完成后交付结果。

技术形态不同，本质一致：不走 API 正门，绕过平台的授权体系来获取数据和执行操作。 从爬网页到爬屏幕到开虚拟机，手段在升级，但脆弱性和灰色地带没有根本改善——UI 改版即失效、平台封杀即停摆、法律风险始终悬着。

而且"翻墙"不只是脆弱——还危险。OpenClaw 的安全事件10就是警示：

  • 10,000+ 实例因配置不当泄露了用户凭证
  • 社区 Skills 中有 12% 被发现是恶意的——注入代码、窃取数据、建立持久化后门
  • 770,000 个 Agent 被发现存在远程劫持风险

这些不是代码 bug，而是架构层面的必然结果——当你给 Agent shell 访问权限却没有授权边界时，安全事故是迟早的事。这也是为什么 MCP 的 OAuth + 权限隔离在企业场景中仍然有存在价值。

这些产品确实在推动一件对的事，但用的是注定不可持续的方式——不只是技术上不可持续，安全上也不可持续。

类比：视频网站的演进

graph LR S1["野蛮生长
盗版内容起量"] S2["灰色博弈
版权纠纷"] S3["正规化
版权采购 + 自制"] S4["成熟期
Netflix"] S1 -->|"我们在这"| S2 S2 --> S3 S3 --> S4 style S1 fill:#ef4444,color:#fff style S2 fill:#f97316,color:#fff style S3 fill:#eab308,color:#fff style S4 fill:#22c55e,color:#fff

Agent 生态现在像 2008 年的视频网站——靠"爬"来的内容（数据）给用户提供价值。用户确实获益了，但模式不可持续。

正规化需要的是平台主动开放——就像视频网站最终走向版权采购。但在 Agent 领域，这意味着平台要交出数据控制权，动的是商业模式的根基。

什么力量会推倒第一块砖？

不是技术。推动变化的是三件事：

1. 用户预期的不可逆转

graph TB Today["今天：用户习惯手动操作"] Tomorrow["明天：用户习惯'跟 Agent 说一句话就搞定'"] Today --> Shift["一旦切换发生"] Tomorrow --> Shift Shift --> Consequence["回到手动操作的体验
变得不可忍受"] Consequence --> Pressure["平台必须响应
否则用户流失"] style Shift fill:#f97316,color:#fff style Pressure fill:#ef4444,color:#fff

如果阿里的闭环 Agent 先做出来了，用户在阿里生态里体验过"说一句话就能订酒店+买机票+规划路线"之后，回到其他平台手动搜索的体验就变得不可忍受。

2. 监管的外力

欧盟 DMA（数字市场法案）已经产生了实际执法效果11：

  • 6 家守门人被指定：Alphabet、Amazon、Apple、ByteDance、Meta、Microsoft（2023 年 9 月）
  • 2025 年 4 月开出首张罚单：苹果 5 亿欧元（限制 App Store 开放）+ Meta 2 亿欧元（强制"付费去广告"）= 合计 7 亿欧元
  • 最高处罚可达全球年营收的 10%（重复违规 20%）
  • 第 7 条强制即时通讯服务互操作（WhatsApp、Messenger 须开放跨平台消息）
  • 苹果和谷歌已被迫开放跨平台数据迁移（iOS 26.3 测试版新增"传输至安卓"功能）

国内的《个人信息保护法》第 45 条也规定了数据可携带权——用户有权请求将个人信息转移至其指定的其他处理者。但目前的执法重心在隐私保护（打击"开盒"、人脸识别滥用等），尚未出现以数据可携带权强制平台向第三方 Agent 开放数据的案例。

差距很明显：欧盟在用罚款倒逼开放，国内的数据可携带条款还基本停留在纸面上。 如果国内出台类似 DMA 的执行力度，那才是真正的转折点。

3. 竞争的囚徒困境

graph TB Ali["阿里做出闭环 Agent
用户体验领先"] Ali --> Choice["其他厂商怎么办？"] Choice -->|"A"| Self["自己也做闭环
但生态不够，成本极高"] Choice -->|"B"| Open["接入开放协议
成本低，但要交出部分数据控制"] Choice -->|"C"| Nothing["什么都不做
用户流失"] Open --> Result["当多数厂商选 B
MCP 等标准协议才真正被需要"] style Ali fill:#6366f1,color:#fff style Open fill:#22c55e,color:#fff style Nothing fill:#ef4444,color:#fff style Result fill:#a855f7,color:#fff

就像银联/网联打通支付——不是谁主动想开放，是监管 + 竞争 + 用户预期共同推动的。

阿里现在做的事，短期看是在固化自己的围墙。长期看反而可能是推倒围墙的第一张多米诺骨牌——因为它会制造用户预期的差距，逼其他平台不得不跟进。

所以我们在等什么？

graph TB subgraph "技术侧（基本就绪）" T1["LLM 推理 ✅"] T2["CLI 执行 ✅"] T3["MCP 标准 ✅"] T4["Skills 知识 ✅"] end subgraph "供给侧（两层壁垒未解）" S1_item["平台愿意开放 API ❌"] S2_item["企业 IT 允许个人接入 ❌"] end T1 --> Ready["技术准备好了"] T2 --> Ready T3 --> Ready T4 --> Ready S1_item --> NotReady["数据供给没准备好"] S2_item --> NotReady Ready --> Wait["等什么？"] NotReady --> Wait Wait --> Answer["等的不是更好的 AI
是数据持有者的选择"] style Ready fill:#22c55e,color:#fff style NotReady fill:#ef4444,color:#fff style Answer fill:#6366f1,color:#fff

AIGC 时代的瓶颈不是 AI 不够强，是数据持有者没有动力让 AI 替用户做选择。

因为一旦 Agent 能帮用户做最优选择，平台就失去了操纵用户决策的能力。Agent 对民生的价值和对平台利润的威胁，是同一件事的两面。

这个问题没有技术解——它需要用户预期、监管压力和市场竞争共同推动。而这三股力量正在缓慢积聚。

第一块砖会从哪里倒？我的猜测是阿里的闭环 Agent 先跑出体验差距，然后竞争压力传导到其他平台，然后监管顺势推一把。

至于这需要多久——大概比技术乐观派想的更慢，比悲观派想的更快。

这是 “Agent 生态思考” 系列第三篇。这个系列的核心观点只有一句话：CLI vs MCP 争的是管道，缺的是水龙头。 技术全部就绪，等的是数据持有者的选择。

参考资料

  1. OpenClaw 社区的飞书集成 Skills，包括 feishu-ai-dailyreport（团队自动日报）和 finance-report-analyzer（财务报表生成）。 ↩︎

  2. Perplexity 于 2026 年 3 月 11 日在 Ask 2026 开发者大会上发布 Personal Computer，运行在 Mac mini 上，$200/月（Perplexity Max 订阅），接入 40+ 服务。参见 The Verge 报道。 ↩︎

  3. 豆包手机（字节跳动 UI-TARS 技术）于 2025 年 12 月发布技术预览版，随后遭到微信、支付宝等多款主流 App 封杀。一部 3499 元的手机在二手市场被炒至 3.6 万元。参见新浪财经：“Manus、豆包手机没成的事，为何被一只’龙虾’做到了？”。 ↩︎ ↩︎

  4. 千问 App “千问办事"功能接入淘宝闪购、飞猪、高德、大麦、支付宝等阿里生态，实现"搜索→决策→支付→履约"全链路。基于 MCP + A2A 协议，多 Agent 架构。参见量子位，“AI开始’动手’了，全世界第一个带头的是阿里千问”。 ↩︎ ↩︎

  5. 千问 App “每日首单必减"活动规则：每日发放 1500 万份优惠券，覆盖外卖餐饮、零食百货、酒店、电影票、机票、火车票、打车等场景。服务由淘宝闪购、大麦、飞猪、高德提供履约支持，支付宝提供支付及优惠核销能力。数据来源：千问 App 活动规则页面（2026 年 2 月 18 日起）。 ↩︎

  6. 阿里巴巴于 2026 年 3 月 17 日发布企业级 AI Agent 平台"悟空"，内嵌钉钉，阿里生态 ToB 能力以 Skill 形式接入。参见新浪财经报道、鲸林向海深度分析。 ↩︎ ↩︎

  7. 钉钉全面 CLI 化改造：拥有 8 亿用户的钉钉完成底层代码重写，全面转向 CLI 架构。与 DOS 时代的 CLI 不同，这次是专为 AI 设计——命令可以很长（AI 不需要记），输出是 JSON（结构化数据）。参见腾讯新闻，“钉钉已经彻底 CLI 化了”；潮起网，“钉钉 2.0 重磅升级：全量底层代码重写，实现全面 CLI 命令行界面化”。 ↩︎

  8. 智谱 AutoGLM：全球首个手机 Agent，基于 GLM-4.5V 多模态模型，采用"云端虚拟手机"架构，Agent 在沙箱中运行。2025 年 12 月开源（Apache-2.0）。参见 GitHub: Open-AutoGLM。 ↩︎

  9. Manus：通用 Agent 平台，每个任务分配独立 Firecracker microVM 沙箱（2 vCPU, 8GB RAM），Agent 在完整云端环境中自主运行。2026 年被 Meta 收购。参见 Manus Sandbox 核心机制揭秘。 ↩︎

  10. OpenClaw 安全事件数据来自 ScaleKit, “MCP vs CLI: Benchmarking AI Agent Cost & Reliability”, Mar 2026。另见 Skills vs MCP: The Token Efficiency War 中的引用。 ↩︎

  11. 欧盟 DMA 执法数据：2025 年 4 月 23 日首次开出罚单，苹果 5 亿欧元 + Meta 2 亿欧元，合计 7 亿欧元。参见 36 氪，“7 亿欧元，欧盟对苹果和 Meta 开出《数字市场法案》首张罚单”；安全内参，“欧盟《数字市场法》大考结束，六大守门人都交了什么合规答卷”，2026 年 3 月。中国《个人信息保护法》第 45 条规定数据可携带权，但目前执法集中在隐私保护领域，参见最高检 2026 年 1 月发布的个人信息保护检察公益诉讼典型案例。 ↩︎