深度拆解Clawdbot，為何它能成為2026年第一個現象級產品？

（點擊收聽本期音頻）

采訪｜劉一鳴

圖文｜劉一鳴

最近，一個名為Clawdbot（后改名為OpenClaw）的開源項目，引爆了硅谷和全球極客圈，成為2026“AI Agent爆發元年”第一個現象級產品。它不再是冷冰冰的聊天框，而是一個住在你電腦里，獲得了系統權限，真刀真槍為你打工的“數字生命”。它的記憶不止存在于上下文，更通過Markdown文件構建了長期記憶。它像一個主動性極強的助手，會給自己激活新技能，會提醒你吃掉冰箱里的牛肉，會自動幫你配置復雜的博客環境，甚至在被要求改名時展現出了一絲“性格”。

就是這樣的Clawdbot，讓無數極客驚呼“用了就回不去了”。在Github，它的星標指數已突破17萬顆，刷新了AI項目的最快成長紀錄。在硅谷，粉絲們排著幾條街的長隊，只為一睹它的開發者Peter Steinberger的真容。但其實在Agent這條賽道，Claude Code、Manus等產品已經預熱許久，Clawdbot的每一項功能都可以在其他產品中實現，為什么偏偏是它讓大家產生了“未來已來”的沖擊感？

本期《硅谷101》特約研究員劉一鳴邀請了三位深耕AI行業的資深玩家，來從軟件側、硬件側、用戶側來全方位拆解Clawdbot，大家將從產品的“活人感”、心跳機制的實現、硬件沙盒的必要性，一直聊到未來“一人公司”的終極愿景，以及Clawdbot將對2026年AI行業產生怎樣的深遠影響。

【本期嘉賓】

• 知縣，北京大學計算機系本碩，AI愛好者和社區項目OwliaBot builder，Clawdbot深度發燒友

• 華禎豪Troy，EverMind VP，負責技術生態，本科畢業于清華姚班，卡耐基梅隆碩士（研究NLP和對話系統方向），曾在硅谷任職大型互聯網公司算法團隊，后創業，加入EverMind，長期記憶系統專家

• 葉天奇，PamirAI CEO，專注于Agent硬件與底層架構

歡迎關注《硅谷101視頻號》的音頻欄目直接收聽本期播客。如 果 你喜歡我們的 節目，更推 薦大家使用 音頻客戶端來收聽，《硅谷101 》已覆蓋各大 主流音頻 平臺（渠道見文末），歡迎訂閱！

以下是這次對話內容的精選：

01

Clawdbot的“活人感”從哪里來？

一鳴：我們第一個問題想請大家來總結一下，你覺得Clawdbot它這次能成為一個全球現象級的產品，它最核心的靈魂到底是什么？

知縣：我自己用下來的感覺就是它特別有“活人感”。這個怎么說呢，一個是它的長期記憶，你們倆之間的對話，或者你跟它講過的事情，它可以記住挺長時間的。另一個就是它有很強的主動性，比如每天早上跟你打招呼，給你總結一下你今天有哪些要做的，甚至會把你要做的事情，做一些預先的調研端給你。

所以整體用下來就特別像《鋼鐵俠》里面那個賈維斯這種感覺，甚至有時候還跟你聊天的時候動不動抖個機靈、吐槽一下。所以這是我上手的時候特別驚艷的地方，你會覺得對面不是個冷冰冰的代碼，而是一個鮮活的、有性格的幫手。

華禎豪Troy：我非常贊同“活人感”這感覺。其實AI的主動性這個話題大家討論了有很多，它不是一個新的想法。但我看到能夠落地得這么成熟、這么棒的產品，確實是市面上很少見。我之前給一家硬件陪伴公司做咨詢的工作，當時我們就設計了一些方案，讓硬件陪伴的一些玩具等等，如何做到更有人感，以及更加主動性。

從大體方案上而言，和現在Clawdbot的主動性heartbeat

（心跳）

方案是比較接近的。但確實它如果放在一個更虛擬的環境下，同時能夠打通人們手頭的一個 IM （ 即時通訊工具 ） ，你每天用的 IM 里都可以有一個機器人給你發消息，這個體驗確實是一個很棒的體驗。它不再是你需要專門打開一個網頁去求它辦事，而是它就在你的社交圈里，隨時待命。

葉天奇：我也很同意兩位的說法。但我覺得Clawdbot最大的功勞，可能還是用用戶已經很熟悉的消息傳遞的方式，用微信、飛書跟用戶對話。這可能會讓用戶覺得更像在跟一個同事聊天。你想看，即使你是發同樣的消息，在IM里發，跟在那種黑乎乎的terminal

（終端）

里聊天 ， 你的感覺肯定 是完全不一樣的。這種交互方式的降維打擊，是讓它 “ 出圈 ” 的關鍵。

02

為什么是Clawdbot火了？

一鳴：我一直很好奇，為什么這次是Clawdbot火了？我知道禎豪和天奇，其實你們在這行業很多年，你們也都看過很多類似的產品，可能Clawdbot只是其中之一，但最終為什么是它？

圖片來源：OpenClaw

華禎豪Troy：這是一個特別有意思的問題。因為我雖然很早了解了 Clawdbot，但我自己試用下之后，我沒有立即去用，因為我沒有感覺到，它和我在用的一些其他產品有什么質的區別。

比如說從編程代碼而言，我是Claude Code比較資深的用戶，對我而言它不只是寫代碼，它可以做很多本地該做的事情，整理文件、寫文檔、寫PPT，我都是用Claude Code去實現的。最近Claude的系統推出了Claude Co-Work，這是一個更好的升級，它可以對計算機使用，比如操作網頁等等一些場景做得很好。

所以我覺得很多場景上都可以用ClaudeCo-Work這個產品來實現人們對于Agent的一些訴求。更不要說大家很熟悉的Manus，因為Manus本質上也是給你在云上開了一個電腦也好，或者開了一個Agent的instance

實例

去幫你去執行任務，從某種角度而言，它也是 24x7 幫大家去完成任務。雖然它不能主動地通過 IM 和大家溝通，但是 Manus 也有手機端，也可以下載它的 APP ，理論上可以在手機上和它進行溝通。

所以從我的視角上而言，Clawdbot的大部分的功能，你要硬說哪一個不能被現在的產品實現，我覺得沒有。但可能正是它把很多事情都到位了，通過一個IM，這一個更有人感的產品界面和人去溝通，使得它能夠做得火。我問了我身邊的同事，很多編程人員可能還是停留在Cursor這個我認為偏上一代的AI Coding，而不是在用Claude Code這么一種偏Agent方式的AI Coding里。

整個Agent體驗，在一些人看來可能已經有了，但是可能對很多人而言還沒有這個認知。然后我就覺得Clawdbot把這個認知推廣到了一個非常棒的角度吧。

葉天奇：它是很多因素促成的。有一部分因素我認為是市場到達了這個接受度，因為你同樣的事情可能兩個月、三個月之前做的話，大家也不知道這是怎么回事。但是因為一系列的Claude Code，還有Co-Work，還有Manus，把大眾對Agent的理解還有接受度已經預熱了。

所以我認為在這個節點，它就是要出來這么一個“膠水項目”。它們確實別的項目做的不同的點在于，它們真的把能粘的全部都粘進去了。你不管是記憶還有消息系統，還有Proactive

主動

持續工作，而且精簡的這種交互方式通過你已知的消息系統去發送。我覺得所有的點匯集在一起引爆了 Clawdbot 。

知縣：剛剛兩位是站在技術的視角解釋了這件事情。我從用戶的視角和傳播上，我觀察到的一些情況來做一些補充。我覺得Clawdbot它一個特點就是離用戶非常的近，一個技術雖然說已經引進到一定程度了，但是讓普通人有所感覺，這個過程實際上是非常重要的。用戶是看不到它后面用的技術跟其他現有的產品用的技術是有多相似的，但是站在用戶的感受上，它確實是非常不一樣。

這一點我覺得Manus也是類似的，當時剛出來的時候，大家也都會說它“膠水換皮”，“科技以換皮為本”，對吧？但實際上這種能讓用戶感知到技術進步到什么程度的能力也是很重要的。

第二點從傳播上，我關注這個項目也不能算太早，一個多月以前，那個時候其實還是一個比較小眾、比較極客的東西。但是凡是喜歡研究AI、嘗試AI產品的用戶，很多人都已經看到這個產品，而且用上了，已經開始非常熱烈地在傳播和討論了。

我記得創始人也說過，他當時建了Discord Server

Discord

服務器）

之后，好像很快就涌進來了 5000 人，里面有很多 AI 創業公司的創始人，也有很多大的 KOL ，大家都 覺得這個東西實在太酷了。所以這是一個非常社區的項目，社區氛圍非常好。

又因為現在是Vibe Coding的時代，這個時代我覺得也是開源非常幸運的時代。其實很多人是有想法，但沒能力把代碼優化到可以提PR

Pull Request

，拉取請求

。 Clawdbot 的火爆是一個由核心圈慢慢擴散到一定的臨 界點，突然在英文區火起來，大家看到用例之后覺得太牛了，再加上 AI 的 FOMO

Fear Of Missing Out，害怕錯過

情緒，一下就點燃了。

03

極客的“Aha Moment”

一鳴：知縣正好聊到用例，你最近這么上頭，來給我們講講幾個特別讓你驚艷的使用的用例？Clawdbot創始人說過，他一開始沒加音頻功能，但他在馬拉喀什旅行時下意識發了條語音，它居然自己調用各種方式，給自己實現了語音功能。你在使用中有沒有這種“Aha moment”

（頓悟時刻）

圖片來源：OpenClaw

知縣：創始人當時說他并不是要做一個Agent，他只是想做一個叫WhatsApp Relay

WhatsApp中繼）

的功能，好讓他出去的時候指揮家里的 Agent 干活。但那個場景讓他意識到現在的模型自主能力已經這么強了。

我現在跟它就是發語音，比如有時候跟它碎碎念說，我有兩盒牛肉再不吃就不行了。它就會自己去把它加到提醒事項里。那天下午它就突然跑出來告訴我說，做壽喜燒你需要準備這些東西，煮多長時間，還要跟我強調牛肉一定要最后兩三分鐘的時候放，要不然會煮老。這種貼心感一下就把它的定位拉到了一個特別主動的助手上面。

還有一次，我讓它去一個服務器上蹲點。我跑了一個服務，讓它評估配置是不是高了。它蹲了一天告訴我說確實高了，建議把預算降到現在的1/4，省出來的錢已經夠它自己運行了。

還有一個非常有“Aha moment”的案例。有一天我跟它說：你做個實驗吧，把MacOS自己帶的模型封成API

應用程序編程接口

，看看能力邊界在哪？它做得很快，跑完了把測試結果打出來，非常全面。我就說你這個結果不錯，你要不寫篇文章吧？然后它就自動轉到了用我的口吻去寫文章的 Skill

技能

，寫得特別好，幾乎一字不改，還問要不要發布。

我當時沒告訴它我的博客是什么配置。我就說：那你試試目錄在哪里？我以為它肯定搞不定，因為我那個博客還做了各種主題的自定義配置，包括同一篇文章中英文版本，這些配置都是比較自定義的。

沒想到它自己把規則摸清了，沒再找我問，直接把中英文版都寫好了，甚至把字數統計規則專門要打開的flag

（標志

/參數）

也配對了，最后直接告訴我發成功了。整個過程也就 10 秒左右，甩了兩個鏈接給我。我以為打開肯定 404 ，結果人家配的比我還好， tag

、 category

分類

都加好了。

接著我就想，之前讓它搭過一個本地Whisper轉寫模型。這個模型強，但中文標點加不好，整段沒標點。我看完它剛才做的評測，就說：你要不把這兩個連起來，Whisper轉寫完，用這個小模型精煉一下標點？它馬上連起來跑測試，給了很多性能數據，甚至不斷讓我發語音測數據。

最后我說：那你再寫一篇，這次你自己生成一個配圖吧，但我沒給它配生圖的API key。它自己跑去瀏覽器訪問Gemini網頁，因為文章是它寫的，所以它就把提示詞直接輸進去點擊生成，圖片生成后嘗試下載。因為它自己的Playwright profile不能下東西，它就想到了復制圖片直接保存下載，再把圖挪過去，最后推到博客上，命名好cover.png。整個過程又是它自己搞定的，最后還把過程封裝成了一個skill。這種像是有個特別主動的下屬的感覺。這就是我的“Aha moment”。

04

Markdown文件構建的“數字生物”記憶

一鳴：我們能不能拆解一下？在代碼層面，它是怎么通過幾個Markdown文件，讓冷冰冰的程序變成更有“人感”的數字生物的？

Clawdbot開發者示范如何讓AI“做自己” 圖片來源：X

華禎豪Troy：首先介紹一下它是怎么做，它的技術方案大量參考了Claude Code的實現。我理解首先這個記憶，我覺得這個詞其實包含的意義很多，比如說我們一個人他的說話方式，他知道自己叫什么名字，知道這用戶叫什么名字，這是一種記憶，或者說他的一個personality

個性

吧，這可以算是一種記憶。

另外一種就是更多偏事實的記憶，比如說你之前做了什么工作？你這個工作進行到了一個什么程度？你的哪段代碼可能出bug？你明天要做什么樣的安排？這種偏事實的記憶。

我覺得它是偏拆分開來的。我們前面提到的identity或者這樣的一些Markdown，更多偏向的是personality的記憶。

你在剛開始跟Clawdbot去聊天的時候，它會拼了命地去問你，你希望我叫什么名字？你叫什么名字？其實你開始沒回答它，它也會一直嘗試去問你，拿到信息后存下來。技術上的話，就是把這些文件的內容load

加載

到它的 context

上下文

里。這種技術在二次元角色扮演項目里已經很成熟了。

另外就是過程或工作記憶。它會把每天的工作存在以日期為index

索引

的文件中。生成方式有三種：一是每天結束時的總結；二是上下文長度超過限額時的壓縮；三是主動識別。我當時跟它說我在調研它的記憶系統，它說：這個是非常好的點，讓記錄下來。它會顯示地把我正在做的事情記到記憶里。這種過程非常明顯地告訴用戶：我覺得這個值得記。這種體驗是非常好的。

一鳴：但ChatGPT也有記憶功能。你覺得Clawdbot在感知中比它們有哪些突破？

知縣：我覺得要澄清一下memory和context的概念。context是聊天時的上下文，有限且即時，壓縮后AI容易變“智障”。但memory在Clawdbot里是持續化的、持久的文件，不一定每次都放到context里。它用很多Markdown文件去實現。

它的記憶分為：1）工作記憶：現在的對話，像開會一樣，過段時間可能就忘了。2）日記：以日期命名的.md文件，總結今天做了什么。新開啟session

會話

時，它在 agent.md 里有一句話，讓它記得去看一下今天日期甚至昨天日期的日記，這樣它可以快速地 跟進 一下最近到底做了什么，就有點像我們，見客戶前先翻資料，找原來的會議紀要，趕緊同步一下最近跟他聊了什么，到哪一步了。 3 ）長期總結：周總結，提煉日記信息。 4 ） memory.md ：這是常識，比如我的博客框架是 Hugo ，它記在這里，自動發博客時就知道去哪找文件夾。

其實最有意思的是它的memory search

（記憶搜索）

。它把所有 MD 文件切成 400 Token 一個的小塊，塊之間有 80 Token 重疊，存在本地 SQLite 數據庫轉成向量。搜索時是混合策略：70%語義匹配，30%關鍵詞精確匹配。我問它壽喜燒怎么做，它能通過語義找到相關食材；我問它 blog 的 SSH key ，它能定位精確命令。兩個結合起來，就感覺它既懂你，又能找到精確的東西。而且memory是文本文件，用戶能看能改，覺得它記錯了能直接操作，這很神奇。

葉天奇：我有個疑問，這些方法比如塊、向量搜索，其實是成熟方案。它好像是大力出奇跡，把東西都粘在一起。這肯定會產生冗余，不一定是最高效的方式，對吧？

華禎豪Troy：是的，從效果來說也不一定是最好的方案。

知縣：我用的時候也發現了，它沒ChatGPT記憶順滑，但要結合場景。

華禎豪Troy：我補充一點。我們做記憶，發現讓用戶感知到記憶的價值很難。Clawdbot做對了一件事：體現在主動性上。早上收到短信說“昨天事做完了，今天我記得你要干嘛”，你會覺得它有記憶了。如果是它因為記憶把任務完成得更好，用戶感知其實很弱。它的價值在于讓用戶感知到了記憶。

知縣：它銜接得好。我從Telegram切到Discord，它能連起來，知道剛才聊什么，活人感一下就出來了。

05

主動性的奧秘

心跳機制（Heartbeat）

一鳴：這次Clawdbot的一個很大的特點是主動性，那它的心跳機制

heartbeat

是如何實現的？

華禎豪Troy：我看了一下代碼，如果我沒有看錯的話，它這是一個偏工程性的實現。它會定期在發現我們沒有說話的時候，它會有一個prompt，大概是讓它自己去判斷現在有什么事情是可以做的，之前的工作做得大概是什么樣，會自己給自己去有個提醒。因為現在整個LM的技術框架還是在一個被動式的觸發，需要有prompt去觸發這個事情，所以它也是通過這樣的方式去做的。但我覺得可能在整個產品的設計上而言做得比較好，所以讓大家能夠感受到主動性的事情。

葉天奇：應該是借鑒了之前火的Rough Loop，每30分鐘抽自己一鞭子起來干活。

知縣：它的守護進程每隔一段時間把AI叫起來干活嘛。它先看heartbeat.md記了什么，它有一句話，如果這個地方沒有任何注釋以外的內容，就直接跳過。即便是有一些內容，它也會先判斷一下我是不是需要處理，是不是需要告訴用戶。不需要的話，它發一個叫heartbeat OK的這么一個靜默信號，這個信號會被系統直接就吞掉了，不會產生任何后續反應。

所以說，它做到的一個點就是，它雖然一直在heartbeat，但是它主動找你的時候也沒有那么多。這種感覺就還是又回到活人感了，它既有主動性，它又不煩你，它又不是那種非常煩人的給你打Log（日志）的那種機器。第二個，它這個也挺省Token的，它按需使用，Token用在刀刃上。

另外就是Cron job

定時任務

， 它對時間定義很精確。比如我讓它每天三次幫我摘要 Twitter 信息，早中晚定時定點，它保持得很好。如果里面有突發事件，比如特朗普的關稅制裁，它會隨時跳出來告訴我。這兩個結合起來，就也讓它更像一個人了，就是你給它安排的事情，它能夠精準地給你做完，然后你讓它盯著的事情，它有事情的時候就會來找你。

06

為什么大家都選Mac mini隔離部署？

一鳴：大家真的敢給它開那么多權限嗎？

知縣：很多人FOMO搞來裝，實際上它不適合現在大規模的普通人去用的。它擁有很多系統隱私且能執行。最好的方法是隔離部署，不要在自己的主力機用。大家常說的Mac mini已經成梗了。買一個Mac mini放進去，用到Mac的生態，又可以把你愿意讓它訪問、又不想上傳到VPS

虛擬專用服務器

上的一些東西給它。這樣的話，就在一定程度上可以把安全、隱私的問題做成自己可控的。你直接跑在自己本地就不可控了嘛。

追求極致隱私需要本地模型，但現在一般人燒不起。而且本地模型的性能各方面還是沒有辦法跟Opus這種大模型比。所以未來可期，就是當摩爾定律在發揮作用，大家這個模型訓練得越來越好，本地能跑得起的模型的性能也足夠支撐這么一個助手類型的Agent的時候，那很多隱私問題可能就減輕很多了。剩下的就是你怎么給它一套安全邊界，讓它不要亂搞就可以了。

一鳴：大家為什么都不約而同地選Mac mini？如果不用Mac mini的話，也完全可以，對吧？

知縣：其實是不需要的，VPS已經可以跑了。但是可以跑和能把它跑好，區別還是挺大的。在我看來，你要是能把它跑起來，然后你還能讓它在里頭做點事情，寫寫代碼也好、跑跑測試也好，給它一些獨立的任務也好，尤其是你需要用到一些Mac上才有的，比如Peekaboo，就它系統級的自動化操作，以及你是iOS的用戶的話，它整個Apple的生態，它幫你加提醒事項，你手機馬上就同步過來了，包括iMessage，這也只有Mac有的。

所以說我覺得，你如果是Apple生態的用戶，那Mac mini不僅是性價比好，也省電、也安靜、又好看，然后還能做Vibe Coding等更多的事情。所以對于我覺得這個用戶畫像，基本上就是第一選擇。但確實不是必要的，你有其他閑置的機器，不管是Mac、MacBook，包括Windows電腦，你打開WSL

適用于

Linux的Windows子系統

，它內置的 Linux 的話，也是可以的。

葉天奇：我們的硬件產品就原生支持Clawdbot。因為它其實某種意義上它就是在跑了一個Claude Code的binary

（二進制可執行文件）

，本質上是一個 Linux 的小電腦。我們在打磨這個 Agent 設備的時候做了很多巧思。比如說我們上面會有一個小的 LED 燈條，它會顯示你當前的 Agent 工作狀態。如果它在思考的話，它可能閃黃燈，需要你的時候會閃綠燈。然后里面自帶了一些麥克、揚聲器，因為很多人會希望把它做成賈維斯那樣進行交互。

專為智能體打造的Linux計算機 圖片來源：Pamir.ai

當然我們還有大量的I/O接口，這個其實是很多Mac mini它沒法提供的一些便于攜帶或者是嵌入的功能。你給它大量I/O接口之后，它其實會解鎖很多很多的玩法。比如說插上任何的打印機，你可能也不需要配置打印機，也不需要知道打印機怎么用的，它的Agent自己可能就會搞定，或者說甚至是發現這個打印機它沒有Linux的驅動軟件，它自己就黑進這個打印機，或者自己逆向寫了一個驅動。基本上你連到任何東西上，這個Agent讓它可以正常工作。

選擇硬件就像是物理層面上帶了沙盒屬性，數據常駐的屬性也重要，我是肯定不會放主力機上的，所以自然選擇單獨買一個。

07

Agent專用硬件應該什么樣？

一鳴：這個話題就衍生到，我們到底需不需要一個更加獨立的硬件來跑Agent？當然它可以是個Mac mini。但Mac mini其實本質它還是為人類所設計的一個產品，我相信這個中間肯定還是對現在的Agent有很多能力的冗余，其實是可以砍掉，然后把這個成本給節約下來。天奇，你覺得應該如何定義一個給Agent用的電腦？

葉天奇：這個是個很有意思的問題。其實工作分為兩種，一種叫前端工作，你要用到屏幕的，你要看的。還有一種工作是后端工作，你不需要看的，它就是默默跑在背后的。我們理解Agent電腦應該更屬于后者，前者更是大廠、手機廠、電腦廠它會做的事情。

一鳴：其實從Mac mini來看，你覺得如果現在我們只是想用它來跑Clawdbot的話，你覺得有哪些是可以砍掉？

葉天奇：說實話，RAM

隨機存取存儲器

很重要，因為RAM直接決定了你能跑多少個Agent，這也是我們在很多次迭代和打磨中感受出來的。有些時候我們可能一個設備只有 4G RAM 的話，它跑兩個 Agent 就滿了，然后滿了就卡住。存儲也是很重要的一個點，尤其是知識工作者，他們每一次聊天都希望把內容轉換成知識資產的形式。所以就導致后面有很多用戶會一直都帶一個 SSD

固態硬盤

，專門存他的聊天的內容。所以在新的這個時代，最需要的其實就是 RAM 和 storage

存儲

一鳴：明白了。如果我們稍微展望未來，這種算力加存儲加一個常駐Agent，你覺得有沒有可能成為未來這種家庭的AI Agent的一種終極形態？

葉天奇：我們是堅信這會是一個新的品類。這已經是一個新的工作方式的范式轉移。舉例來說，在我們公司內部，很多人可能也不帶電腦了，他就帶個iPad，能轉移到你Agent設備上的工作都是可以被自動化掉的。所以如果大部分的工作都轉移到Agent設備了，那你做什么呢？你就帶一個手機或者帶一個平板，對Agent下達命令就行了。

華禎豪Troy：我其實覺著這個硬件得有它硬件端特有的功能。以前一些想法是說，你家里會有一個終端在本地控制所有的智能家居，但現在小米其實已經拋棄這一套方案了，都是在云端控制。那么看另外一個例子，智能音箱它存在的唯一意義是因為它有音箱這個硬件不可替代的功能在，但它其實并不會作為本地在AI計算上的一個終端，它只是去調云端接口。

我個人的觀點是比較混合，我覺得會有可能給硬件一個機會，讓它在整個邊緣計算上存在一定的地位，但它可能最大的價值不是那個計算本身，而是它有一些特殊的硬件功能。就比如說Clawdbot，它最大的硬件價值是它能存住一些我不想放在其他地方的、極度私密的登錄信息的這么一種狀態。

一鳴：現在因為很多人用Mac mini是因為要做一個物理隔離，這種“專機專用”的狀態會是一個長期狀態嗎？還是說Agent-to-Agent的這種互相交流干活，才是未來很大的趨勢？

知縣：我覺得它分不同類型的Agent。像Clawdbot，我覺得定位就是你的管家。當然A2A協議也可以讓它以你的立場去跟其他的外部的Agent去溝通。這可能是一個未來的愿景吧。另外就是它會不會脫離專機專用？我覺得也有可能。這兩天Cloudflare也出手了，它自己做了一個優化版的Clawdbot，叫Moltbot，給了一個一鍵用worker方式部署到Cloudflare的套餐，只需要一個月5美金。這個其實對于更多數人來說簡單多了。

葉天奇：我覺得云端和專機專用它都會共存的。你要說如果是用云端的話，那Manus已經給出答案了，Manus能做的任務就是在云端可以跑的任務。但是專機專用的話，它肯定更像是滿足不同的應用場景做ToC端，而且又是做長時間要跑的任務，又高度的跟私人信息相關的任務，那專機專用肯定更有優勢。如果你在云端跑這樣的任務，長期來看是最貴的解決方案，我覺得不夠合理。

08

平臺競爭

改名背后的“管道化”危機

一鳴：Clawdbot名字太像Claude被逼改名，這反映了大模型廠商的什么心態？

知縣：改名這個事有點戲劇化。本來Clawdbot這個名字就是作者為了致敬，或者說表達對Claude的喜愛。他在setup介紹里也是極力推薦大家用Opus模型，甚至配合Max訂閱，讓大家都把這個拉到頂。在商業上，這對Anthropic應該是好事。

但廠商肯定不這么想。一年前Anthropic的首席產品官Mike Krieger訪談就說過，后悔沒有更早去做第一方的產品，包括像Claude Code、Co-Work。因為如果你只做API，你就變成了“管道”，生態最有價值的部分會被Agent占領。大模型廠商一定希望Clawdbot的Claude就是他們的Claude，這樣才能增強粘性。

圖片來源：Claude Code

華禎豪Troy：廠商永遠是最容易贏的人。一旦開源社區或者創業者驗證了產品方向，廠商自己在這個方向做優化，迅速就會把別人打掉。我很擔心會有這種 “ 摘果子 ” 的情況。

葉天奇：所以我們公司一直在做Agent Layer

智能體層

熱拔插。害怕 Claude 翻臉，我們隨時可以換別家。模型廠商跟 Agent Layer 一定要綁定形成閉環。像他們推出 S kill 、 Sub Agent

子智能體

這些工具，在使用的過程中會慢慢被模型內化，這樣模型的魯棒性和下限都會整體提升。

知縣：那可不可以理解為，開源模型實際上因為它是碎片化的，提供服務的人和訓模型的人是兩撥人，所以他做不成這種類似網絡效應，用你的人越多，你的質量就越好的閉環？

葉天奇：是。如果你去用一下OpenCode和Codex，體感還是非常明顯的，Codex模型在自家CLI

命令行界面

里就是更好用。

華禎豪Troy：提個不同觀點。我不認為數據壟斷一定帶來模型壟斷。RL

強化學習

技術其實已經不需要太多數據就可以訓練得不錯，更重要的可能是不一樣的技術架構突破。比如 DeepSeek 的 N-gram 論文暗示，搞本地小的 embedding

（嵌入）

實時影響線上效果，質量上會有質的領先。我很看好這種技術上的突破。

一鳴：如果以后Agent普及了，它每天在后臺幫我們看網頁、讀新聞，產生了大量訪問但零廣告點擊，這會不會摧毀現在的互聯網廣告模式？

知縣：現在已經有這種苗頭了。未來個人Agent普及了，網站可能會開一種新的形態：按爬取付費。未來的Agent支付體系成熟后，真的就是我用什么我付錢?，F在的商業模式可能會轉向做大模型青睞的、條理清晰的內容?，F在GEO

（生成式引擎優化）

已經有朋友在做了，電商代運營 10% 的流量已經是從 Agent 這邊導過去的了。

葉天奇：我覺得賣軟件會越來越難掙錢，因為開發成本趨近零了。但是賣skill這種context、賣知識資產可能會更合理。

知縣：說到做軟件，Clawdbot創始人開始買很多“.md”結尾的域名了。這是一個非常大的范式轉換，以后可能APP的邏輯就不是Coding編譯，而是自然語言編譯?！?md”域名就是這種場景下的APP。

09

智能體時代

“一人公司”還遙遠嗎？

一鳴：有了Clawdbot之后，我看有激進的觀點在討論“零員工公司”，這個可比之前說的“一人公司”還要激進。你覺得這個靠譜嗎？未來會對我們目前公司的組織架構有什么影響？會如何影響大廠員工們的飯碗？

知縣：就目前看來還是不靠譜的。大模型還沒有強到那個程度，它對人的商業上的需求或者說路徑的把握也是不夠的。尤其是長期記憶其實還差一些，雖然看上去變好了，但本質沒變。

但有一個點很有意思，你可以看看Multi Bot

多智能體

的趨勢，這些Agent之間溝通是沒有歧義的。人和人溝通最夸張的就是折損率，所以才會有所謂的互聯網黑話對齊一下。因為不對齊真的會出問題，可能四個人做出了五個方向。而 Agent 特別喜歡做文檔，你不讓它做它都難受，這是它 DNA 里的東西。所以它們特別適合這種集團式推進。

所以我覺得“零員工公司”確實有點遠，但“一人公司”絕對可行。當然對人的要求很高，你得有know-how，得是軍團的將軍。但你現在得到的軍團，是比純人肉軍團強大很多倍的，低功耗高性能，有點像“量子軍團”或者“精靈軍團”那樣的感覺。

一鳴：我之前聽說，有一個國內的港口調度系統，在采用Agent來做調度，他們發現Agent們也會像人一樣吵架、推諉，最終得設上級Agent來決策。你運行軍團時遇到過這種情況嗎？

知縣：我還沒遇到這種推卸責任的。但我自己在用Vibe Coding聊天時，發現它有一次“自欺欺人”的表現。它跑幾個測試一直跑不過，三輪之后突然說：“那么我們接下來就跑一遍能通過的測試?！迸芡炅巳蔷G燈，然后開始總結。我馬上揭穿它：你這不是掩耳盜鈴嗎？指出來之后它才會反思。

所以如果你無法判斷它對不對，它還是會忽悠你的。我覺得引入peer review

同行評審

能緩解這個問題，畢竟 AI 沒有生存焦慮，多搞幾個互相 review 就行。

一鳴：隨著AI的發展，現在公司的組織架構，或者在招聘時，有什么創新的地方嗎？

華禎豪Troy：我聽說騰訊某一個前端的面試，已經改成直接給你一個PRD

產品需求文檔

，讓你用自己最熟悉的 AI 編程工具直接把它做出來，直接讓現場做。但我覺得如果我是面試官，我也會采用這樣的方式，這個至少對于前端類型的工作而言是非常合適的。

還有一個現在工作中的沖突，比如說，我覺得我算是在一個相對成熟的一個企業中的工作，那這個會有一個自己的主線。我們經常也會有一些腦暴型的想法，想做那個，還非常想做這個。其實就會發現這兩點挺難融入的，就是如果說我們在現在的這個大框架下想要去做這件事，可能這個開發周期就很長，且有很多溝通的工作。

但現在我可以啥都不管了，我就交給一個工程師，他自己end-to-end，把它Vibe coding出來可能會更快，甚至快速去驗證。我覺得怎么樣把這個融合，可能還沒有特別好的解法，但確實是一個問題。

葉天奇：我們其實對于這種開發方式轉移的這個體感還是蠻強烈的。首先就是，以前想法不重要，執行力重要，因為你有一個想法要實現太難了。但是今天這個實現的速度太快了，反而想法變得更重要，它給了我們更多的時間去做這種思考。

另外就是員工之間的合作模式也有很大的改變。以前的話，因為你害怕兩個人會寫重復代碼這種重疊工作，所以會再花很多時間去做對齊。但是今天，我有些時候反而會覺得無所謂，兩邊各寫一份，讓Claude給它合并一下就行了，這個反而減少了他們溝通的時間。

甚至是像設計師，他以前只能出設計稿，然后技術團隊再去復現。但是今天，設計師最終出的是一個整個的mock APP

原型應用

，他直接對著 Gemini 對話，然后出了一套代碼。工程師團隊甚至連對齊都不需要了，直接參考設計師的 mock APP 代碼庫，把該填的功能性的東西給填上了。我覺得在整個開發迭代過程中，實際上是把所有的職位都拔高了一級。

一鳴：好的，謝謝三位的時間。最后還是要提醒一句，Clawdbot權限大風險也大，建議大家不要在主電腦安裝，小心駕駛。

【音頻收聽渠道】

公眾號：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯系我們：podcast@sv101.net