支付宝内测“AI龙虾”:基于OpenClaw框架的智能服务聚合体验
支付宝近日开始内测一款名为AClaw的“AI龙虾”小程序,这是一款基于OpenClaw框架的Agent类应用。用户被灰度测试命中后,可通过搜索“龙虾”并在服务栏中点击一键领养。官方特别强调,该应用目前不涉及支付宝资金操作。AClaw在交互设计上与主流AI聊天工具相似,具备低学习成本的特点,并支持用户在后台调整模型参数。
01核心配置与模型支持
- 基础模型
系统默认使用MiniMax-M2.5模型,同时提供Kimi K2.5、GLM-5和Qwen3.5-397b-a14b等多种模型选项供用户切换。 - 框架基础
基于OpenClaw Agent框架构建,利用Skill机制增强功能,具备定时任务等自动化能力。 - 专属能力
集成支付宝生态特有的Skill,包括支付宝岗位投递、服务导航员及账单分析专家等。 - 功能入口
提供资讯深读、日程管理、股市盯盘和趣味掼蛋四个子Agent选项。
02三大核心场景实测
在实际测试中,AClaw展示了其在数据读取、任务规划与信息检索方面的能力,同时也暴露了在服务闭环上的局限。
- 账单统计与定时汇报
AClaw可调用支付宝账单数据,生成分类汇总与可视化图表,并提供省钱建议。结合OpenClaw的定时任务功能,可设置每日固定时间汇报过去24小时开支,实测验证了其按时执行任务的能力。 - 股市盯盘与预警
该功能接入专业数据源,能快速准确地分析行情(如上证指数)。用户通过对话即可设置盯盘任务,系统会列出所需信息清单供填写。测试成功设置了涨跌幅超过3%的通知任务,但因交易时间结束未验证自动触发效果。 - 日程规划与票务对接
“日程管家”能根据需求拆解任务,如规划两日自驾游行程。在涉及订票需求时,可直接打通支付宝票务服务,发送古北水镇门票预订入口,但在服务闭环上仍需用户手动点击链接操作。
03体验总结与局限
作为支付宝在AI Agent领域的初步尝试,AClaw目前更多扮演服务聚合器与信息管家的角色。虽然已实现与个人数据(如账单)和服务生态的打通,但在执行具体任务时仍存在响应延迟和无法完全闭环操作的问题。其未来价值在于真正实现“AI直接代办”能力,如自动比价与订票,从而进一步提升工具效率。
当前文章无评论,是时候发表评论了