OpenClaw與Ollama在智慧體AI中的應用：邁向完全自主與可擴充套件的AI智慧體系統
一篇新論文提出了一種分層架構，用於設計完全自主且可擴充套件的智慧體AI系統，並以OpenClaw和Ollama構成的全棧系統為例進行驗證。實驗表明，持續記憶、工具使用和自適應決策等能力源於系統級整合，而非單一模型；同時論文討論了可擴充套件性、安全、隱私、治理與評估等挑戰。
近日，Konstantinos I. Roumeliotis及其合作者向arXiv提交了一篇題為《OpenClaw and Ollama in Agentic AI: Toward Fully Autonomous and Scalable AI Agent Systems》的論文，編號為2607.28629，並於2026年4月16日完成首版提交。論文屬於人工智慧（cs.AI）領域，並透過DataCite獲得了DOI（10.48550/arXiv.2607.28629）。
論文指出，當前人工智慧正經歷從被動響應式的大語言模型（LLM）向具有持久狀態和行動能力的系統轉變，但學界對智慧體AI的架構理解仍存在明顯缺口，尤其是在推理、編排與執行三個層面的劃分上。儘管已有不少相關進展，能夠指導全棧智慧體系統設計與評估的統一框架依然稀缺。
為此，研究者提出了一套完整的分層架構，用來描述從簡單的回應式LLM介面，逐步演化到具備記憶、規劃和持續執行能力的目標驅動型自主智慧體的過程。作為具體例項，論文將OpenClaw與Ollama組合視為一個全棧智慧體系統：Ollama承擔底層LLM推理任務，OpenClaw則負責智慧體執行時的編排，把推理、工具呼叫和動作執行整合在一起。透過原型實驗驗證，作者發現持久記憶、工具利用和自適應決策等能力並不是單個模型單獨具備的，而是來自系統層面的整合；隨著架構複雜度的提升，系統效能也呈現出一致改善的趨勢。
論文同時剖析了智慧體系統在可擴充套件性、安全性、隱私保護、治理和評估方面面臨的挑戰，認為當前急需更穩健的基準測試以及更注重系統級設計的開發方法。未來工作方向包括可擴充套件的多智慧體架構、分散式自主系統，以及面向負責任部署的、考慮人類因素的智慧體AI框架。
總體而言，該研究為智慧體AI的統一架構奠定了基礎，驗證了全棧自主智慧體的有效性，併為構建可擴充套件、安全、可信的智慧體系統提供了可行的路線圖。作者表示，所有模型、程式碼和資料集均已公開，以支援後續的復現與基準測試。