實測聯想天禧Claw：我搭了個“多龍蝦編輯部”，云主機24小時“替我打工”

智東西
作者 江宇
編輯 漠影

聯想也下場“養蝦”了。

一句話裝好Java環境，下載文件自動分類整理，早上在車里交代一句分析任務，到公司打開電腦結果已經放在桌面上——這些原本需要自己一步步處理的事情，現在開始有了另一種完成方式。

在最新一輪升級中，“天禧Claw”作為核心功能之一重磅亮相，同時引入“端-邊-云”一體架構，并由AI原生OS進一步接管人機交互流程。

目前，“聯想版龍蝦”天禧Claw已正式開啟內測。

和不少仍需要部署環境、依賴本地運行的Agent產品不同，天禧Claw在使用方式上更偏向“開箱即用”：無需安裝和配置，打開就能用。同時，端云混合的架構也帶來一個更直接的變化：任務可以全天候跨端運行，設備關閉之后，流程仍然在后臺推進。

對終端廠商來說，這類產品的重點，在于如何把設備、數據和任務執行連接起來，讓AI真正參與到日常使用中。智東西第一時間拿到了內測資格，這次從具體場景切入，看看天禧Claw在真實工作中的表現如何。

一、從信息抓取到成稿輸出，我讓它跑通了一條“AI日更流水線”

這次體驗，天禧Claw幫我接管了一件每天都在重復做的事情：每天自動生成一份AI行業新聞日報，并整理成可以直接發布的內容。我先給天禧Claw設了一個定時任務，讓它在每天下午16:50自動抓取AI行業最新新聞，完成去重之后，整理成一份結構化的日更信息流。

天禧Claw本身內置了多種可直接調用的能力，同時也支持自建Skill。這次，天禧Claw幫助我搭了一套“多龍蝦版編輯部”的Skill。

這套skill，把整個流程拆成三個明確分工的Agent來跑：記者龍蝦負責抓取新聞、整理摘要和補充來源；總編龍蝦負責審核內容、判斷重要性并完成排序；運營龍蝦則負責統一排版結構，生成最終可發布的日報格式。

這一步完成之后，原本需要多輪對話才能完成的流程，被壓縮成一個可以反復調用的模塊。

到了設定時間，這套流程會自動執行。從結果來看，它完成的是一條比較完整的信息處理鏈路。抓取到的內容基本覆蓋當天主流AI動態，包括模型發布、行業合作以及技術架構更新等信息，每條新聞都附帶摘要和來源鏈接。

內容會按照重要性進行排序，形成“今日熱點+詳細內容”的結構，最后直接輸出為Markdown，可以直接下載使用。

更值得注意的是，在整理完成之后，“總編龍蝦”還會補上一段總結。這部分會把當天的變化抽象成幾條趨勢，比如多模態能力逐漸成為基礎能力、成本優勢開始影響市場格局，以及多模型協同成為新的技術方向。這種處理方式已經接近資深編輯的判斷。

這一輪體驗下來，一個比較明顯的變化在于，內容生產更像是在維護一條可以持續運行的生產流程。前期把結構和分工搭好之后，后續的更新基本可以按節奏自動推進，不需要再逐條整理信息或手動調整結構。

需要說明的是，這類能力并不會越過設備本身的權限邊界。涉及本地文件的操作，仍在用戶可控范圍內完成，而任務執行主要在云端環境中進行，兩者之間保持相對清晰的分界。

二、云主機像一位不下班的搭檔：你不盯著，它也在干活

天禧Claw一大核心的價值，是7×24在線。人可以離開設備，任務還在繼續，這種體驗和“守著AI對話框等回復”已經不是一回事。

文件整理、環境安裝、資料匯總、定時執行，這些事情原本都需要人盯著進度。放到云主機場景里，一句話交代清楚，后續流程可以繼續在后臺推進。

這種能力更像是給用戶配了一個不下班的搭檔。白天接任務，晚上繼續跑流程，等用戶再回來時，結果已經被整理好，或者已經推進到下一步。

▲任務：你看下我電腦上下載文件夾里那篇糖尿病相關的論文，看完以后直接幫我總結下其中的核心內容給我

另外一個更容易被忽視的點是，這類持續執行的能力是建立在相對獨立的云端環境里的，任務運行、數據處理都在隔離環境中完成，減少了對本地設備的干擾，也讓用戶在把任務交出去時，多了一層安全與可控。

云主機形態改變了人與AI的協作節奏。用戶不用反復盯進度，AI也不用每次從頭開始，這種狀態更接近現實生活中的真實助理。

三、Skill決定上限，龍蝦也需要一臺能越養越強的“能力容器”

Agent好不好用，往往要看它能調動多少能力。今天很多AI產品的問題，在于能調用的能力太少。一旦Skills豐富起來，AI處理任務的顆粒度就會明顯變細，很多原來只能靠手工完成的流程，才有機會真正自動化。

天禧Claw本身已經預裝了一批能力，同時還支持安裝三方Skills。

在這次實測的內容生產場景中，我們把重點放在更高頻的內容生產流程上。以“AI行業日報”為例，從信息抓取、摘要整理，到結構編排和最終輸出，這一整條流程被打包成一個可復用的Skill。原本需要多次下指令才能完成的步驟，被壓縮成一次調用，后續每天可以自動運行。

自建Skill的意義也在這里。很多人的工作流程都有自己的習慣和順序，通用工具只能覆蓋一部分，自建Skill才能把自己的方式方法積累下來，慢慢成為一套更稱手的能力庫。

從更長的維度看，Claw類產品的差異，很大程度上會體現在誰的Skill生態更豐富、誰更方便接入三方能力、誰更容易把用戶自己的工作流沉淀成可復用模塊。

Skill生態越豐富，Claw的可用邊界就越寬。模型負責理解，Skill負責執行，后者往往直接影響日常體驗。

四、PC、手機、Pad同時接上，資料、設備和任務直接串起來了

多端協同，可以快速解決碎片化的日常任務。

天禧Claw支持PC、Phone、Pad多端使用，并且采用同賬號同步的方式完成體驗接續，這種連續性是終端產品的一大優勢。

▲PC端

▲Phone端

▲Pad端

在更具體的使用中，這種協同是有層級的。一類是設備內的直接操作，例如在手機上控制系統功能、查詢本地信息。

▲手機端系統級能力鬧鐘管理“明天早上7:30設個鬧鐘”，自動創建

而另一類是跨設備的任務流轉，例如在手機上發起一個任務，電腦端繼續調用資料、生成內容，最后結果再沉淀進知識庫。

▲查詢電腦桌面文件

▲總結今日AI相關新聞并寫入知識庫

終端廠商做Claw的優勢也在這里：它可以直接打通設備系統、文件、應用和知識資產，很多原本需要在多個工具之間切換的操作，可以在一條鏈路里完成，協作更順。

從這個角度看，Claw并不是孤立功能，是聯想整套終端AI能力中的一個執行層抓手——把分散在不同設備和應用里的能力，重新串成一條可以連續運轉的工作流。

結語：終端廠商的新考題，做出更“Claw native”的設備

這一輪Claw產品密集出現之后，大家都在嘗試用它來處理自己手里的工作。

天禧 Claw給出的方向，價值就在這里。把云主機、Skills、多端協同、后臺任務這些能力組合在一起，讓AI直接參與到日常事務的處理過程中。

對終端廠商來說，這種嘗試也很有代表性，不只是模型能力，還包括：能否把設備、數據和執行能力真正串起來。

比如在手機上發起一個任務，電腦端繼續執行，結果直接落到本地文件或知識庫中；再比如從信息抓取、摘要整理，到標題生成和結構排版這樣的流程沉淀為可復用的Skill，減少重復操作。

它考驗了產品能否真正把設備能力，轉化為用戶可感知的效率提升。

再往后看，Claw類產品的競爭，多半還會繼續升級。

能力是否穩定，Skill生態是否豐富，用戶是否愿意把任務長期交付出去，都會成為更關鍵的分水嶺。誰能把這些環節打磨到位，誰就更有機會把這類產品變成大家慣用的日常工具。