Build 2026 上，微软拿出了一款不再需要你反复"喊它"的智能体——Microsoft Scout。它属于微软新定义的 Autopilot 类别：拥有独立身份、始终在线、自主执行任务的代理。这标志着企业级 AI 智能体从"被动响应"走向"主动值守"的关键转折。
Autopilot 不是 Copilot 的升级版
Copilot 的交互模式是用户发起指令、模型返回结果，本质上仍是"一问一答"。Autopilot 的核心差异在于三点：
- 始终在线——不需要用户每次显式触发，它在后台持续运行。
- 独立身份——拥有自己的权限边界和服务账号，不是挂在用户 session 上的附属工具。
- 自主决策——在授权范围内自行判断何时行动、如何行动。
Scout 正是这一范式的首个落地产品。它集成了微软的 Work IQ（企业知识与分析服务），能持续监听组织内的信号流——邮件、审批、工单、数据变更——并在检测到可操作事件时自动介入。
OpenClaw：Scout 背后的开源骨架
Scout 基于 OpenClaw 构建。OpenClaw 是微软推出的开源智能体框架，专为"常驻型代理"设计，核心特性包括：
- 事件驱动的执行循环（而非请求-响应循环）
- 内置身份与权限管理模块
- 可插拔的工具与技能注册机制
- 支持多租户隔离的企业级部署
这意味着如果你想在自家基础设施上跑一个类似 Scout 的常驻智能体，OpenClaw 是目前最直接的起点。
用 OpenClaw 跑一个最小常驻智能体
以下示例展示如何用 OpenClaw 搭建一个监听 GitHub Issue 并自动分配标签的常驻智能体。假设你已安装 openclaw CLI 并完成 openclaw auth login。
1. 定义智能体配置
# scout-labeler.yaml
agent:
name: issue-labeler
identity:
service_account: github-bot@myorg.com
scope: repo:myorg/core-api:issues
loop:
driver: event_stream
source:
type: webhook
endpoint: /hooks/github
poll_interval: 0s # 事件驱动，无需轮询
skills:
- name: classify_issue
handler: skills.classify_issue:handle
description: "根据 issue 内容自动分配 priority 和 category 标签"
- name: assign_label
handler: skills.assign_label:handle
description: "调用 GitHub API 设置标签"
2. 实现技能处理器
# skills/classify_issue.py
import re
from openclaw.skill import SkillInput, SkillOutput
PRIORITY_MAP = {
"urgent": "P0",
"asap": "P1",
"normal": "P2",
}
CATEGORY_KEYWORDS = {
"bug": ["crash", "error", "exception", "fail"],
"feature": ["request", "wish", "would be nice"],
"docs": ["doc", "readme", "example"],
}
def handle(input: SkillInput) -> SkillOutput:
title = input.payload.get("title", "")
body = input.payload.get("body", "")
text = f"{title} {body}".lower()
# 简单关键词分类——生产环境可替换为 LLM 调用
priority = "P2"
for kw, label in PRIORITY_MAP.items():
if kw in text:
priority = label
break
categories = []
for cat, keywords in CATEGORY_KEYWORDS.items():
if any(k in text for k in keywords):
categories.append(cat)
return SkillOutput(
data={"priority": priority, "categories": categories or ["triage"]}
)
# skills/assign_label.py
import httpx
from openclaw.skill import SkillInput, SkillOutput
from openclaw.identity import use_identity
def handle(input: SkillInput) -> SkillOutput:
labels = input.data.get("categories", [])
priority = input.data.get("priority", "P2")
issue_number = input.payload.get("number")
repo = input.payload.get("repo", "myorg/core-api")
# use_identity 自动注入服务账号的 OAuth token
with use_identity("github-bot@myorg.com") as token:
resp = httpx.post(
f"https://api.github.com/repos/{repo}/issues/{issue_number}/labels",
headers={"Authorization": f"Bearer {token}"},
json={"labels": [priority] + labels},
)
return SkillOutput(data={"status": resp.status_code})
3. 启动智能体
# 注册并启动常驻循环
openclaw deploy --config scout-labeler.yaml
openclaw start issue-labeler
# 查看运行状态
openclaw status issue-labeler
部署完成后，智能体会在后台持续监听 webhook 事件。每当有新 Issue 创建，它自动分类并打标签——无需任何人手动触发。
注意：以上代码基于 OpenClaw 当前公开文档的 API 约定编写。Scout 的具体内部实现和 Work IQ 集成细节尚未完全公开，生产部署前请对照 OpenClaw 最新 release 文档确认接口稳定性。
Scout 的企业场景与边界
Scout + Work IQ 的组合瞄准的是中大型组织里的"信号过载"问题：审批链过长、工单堆积、跨系统通知碎片化。一个常驻智能体可以持续消化这些信号流，把"人盯流程"变成"智能体盯流程，人盯决策"。
但 Autopilot 模式也带来明确的风险：
- 权限失控——独立身份意味着独立权限。如果授权过宽，智能体可能执行超出预期的操作。建议从最小权限开始，逐步扩展。
- 可观测性——常驻代理的决策发生在后台，必须配套完整的审计日志和告警机制，否则出了问题你甚至不知道是它干的。
- 成本——始终在线意味着始终消耗算力与 API 调用。对低信号密度的场景，轮询式 Copilot 可能更经济。
上手建议
如果你正在评估 Scout 或 OpenClaw，可以按这个清单推进：
- 选一个高信号、低风险的内侧场景——比如内部工单分类、文档变更通知，不要先拿生产审批流试水。
- 用 OpenClaw 先跑一个原型——验证事件驱动循环和身份管理在你的基础设施上能正常工作。
- 锁定权限边界——给智能体的服务账号只授予它当前技能所需的最小权限，不要预授"未来可能需要"的权限。
- 部署审计层——在 OpenClaw 的执行日志之外，再加一层独立的操作审计（比如 GitHub Audit Log 或 Azure Monitor），确保可追溯。
- 设定成本上限——为智能体的 API 调用和推理消耗设置硬性预算阈值，超限自动暂停。
Autopilot 不是万能钥匙，但它确实把智能体从"工具"推向了"同事"的位置。关键在于：你愿意让这个同事在多大范围内自主行动，以及你能否看清它每一次行动的轨迹。