MadeAgents 发布 TopoClaw 1.0

这次想在动态里介绍的 TopoClaw 1.0，不是一个只会聊天的助手，而是一套以 全场景 AI 数字助手 为目标构建的执行系统。它把 TopoClaw 核心 Agent 框架、TopoDesktop、TopoMobile 和通信后端 customer_service 组合在一起，让助手既能在电脑上工作，也能在手机上行动，还能在你不在线时继续推进任务。

如果用一句话概括它的方向，就是：让 AI 从“回答问题”走向“替你办事”。

从 Demo 可以直接看到什么

1. 跨设备执行

仓库里的第一个 demo，是一个非常典型的跨端任务：在电脑上找到名为“劳务合同”的 PDF，提取甲方姓名和电话，再切到手机侧发送短信确认对方时间。

这个场景展示的不是单一步骤自动化，而是一条完整链路：电脑文件处理 + 信息抽取 + 手机侧执行。TopoClaw 试图把电脑和手机变成同一个执行面，让任务可以在不同设备之间自然流转。

2. 社交协作

第二个 demo 展示的是“代你和别人把事情推进下去”：帮用户创建群聊、拉好友入群，再发起聚餐时间确认。

这里的重点不是“能发消息”，而是让TopoClaw具备 代表用户沟通、协商、组织事务 的能力。也就是说，Agent 不只对工具负责，还开始对真实的人际协作流程负责。

3. 主动感知推进

“第三个 demo 里，TopoClaw 在收到‘我要睡觉了’的微信托付后，会在 Jack 来约时间时，基于用户‘明早 9 点到深圳、到深圳有会、明天下午 5 点到 6 点有空’的安排自动帮用户确认见面时间；约好后再主动创建定时任务并设置闹钟，最后回消息同步结果。”

这个演示体现的是它对外界事件的 感知、判断和闭环执行。重点不只是“听懂一句话”，而是“事情发生之后，TopoClaw会自己接着往下做”。

4. 技能调用与自我扩展

第四个 demo 里，TopoClaw 会先介绍自身的主要框架和模块，再调用 drawio 生成流程图。

这个场景说明它不是一个封闭式助手，而是一个可以通过技能不断扩展能力边界的系统。仓库 README 还特别提到：demo 视频的加速、裁剪和配音也由 TopoClaw 自身完成。

这套 Demo 背后的理念

TopoClaw 的核心理念，可以概括成三条主线：

• 跨设备执行：手机和电脑不再是两套割裂能力，而是统一执行面，任务可以拆解、并行、链式流转
• 社交协作：Agent 不只调用工具，还能代表用户建群、沟通、协商，在多人场景里把事情继续推进
• 主动感知推进：不是等你每一步追问，而是结合通知、上下文和记忆，在关键时刻主动反馈结论或继续执行

如果说很多 Agent 还停留在“会调用工具的聊天助手”，TopoClaw 更想做的是一套真正能进入日常工作流和社交流程的 数字助手基础设施。

为什么值得关注

TopoClaw 的特别之处，不只是放出了一个核心 Python 框架，而是把 核心 Agent、桌面端、移动端和通信后端 一起开源。

这意味着它展示的是一整套“数字助手如何落地”的系统设计：前端交互、跨端执行、多人通信、技能扩展和安全边界，都被放进了同一个产品语境里思考。对于想做执行型 Agent、跨端 Agent，或者希望把个人助手推进到“代办事务”层级的开发者来说，这个仓库提供了一个相对完整的参考样本。