Transcription
反转，反转，再反转。一个周末的时间，2026年第一个现象级产品Clawdbot的发展实在是太快了。在过去的一周时间里，已经在各种社交媒体里被Clawdbot刷屏。在GitHub里的增长趋势，也几乎就是直线上涨。没几天就突破了10万颗星标指数，2月2号已经达到了14.6万颗。这直接刷新了GitHub历史上AI项目的最快增长记录，引爆了整个AI Agent生态。
大家好，欢迎收听《硅谷101》。我是特约研究员刘一鸣。我们这期节目录制在1月30号，但就在后面这个周末，这个项目经历了一个极其戏剧性的变化。当然，在正式开始之前，我得先帮大家捋一捋这几天快把人绕晕的几个名词。
第一个是Clawdbot到OpenClaw。那个最初让大家刷屏的，基于Claude模型所构建的项目，原本叫Clawdbot。但由于它实在是太火了，直接惊动了背后的模型大厂Anthropic。Anthropic随后就发起了起诉，认为Clawdbot这个名字的发音和Claude太像了，它涉嫌了品牌的侵权。为了规避法律风险，Clawdbot就先是更名为Moltbot，然后又再次更名为OpenClaw。
之后整个周末里，大家看到大量刷屏。新闻里提到的Moltbook bok，其实就是基于Clawdbot所搭建的，一个专门为AI设计的社交网络。可以说这是让这些智能体们生活在里面的宿舍楼，或者是朋友圈。现在有无数个AI Agent在上面发帖交流，甚至建立起了宗教。而人类在这个里面，只能充当一个观察者。
紧接着有媒体扒出，这150万个AI中，大多数是人类假扮的。而同步它也被曝光安全漏洞太大了，会泄露很多人类的敏感信息，比如说你的用户名、密码、邮件等等等。而我们今天发布这个播客的时候，由于Moltbot的服务器账单已经成为了天文数字，网站暂时无法访问。而这一切，都是在我们节目录制之后的5天发生的事。
也是因为AI的发展实在是太快了。曾经市面上，其实也有一些类似于Clawdbot的产品。但为什么最终是Clawdbot火了？今天我们邀请了三位嘉宾，他们分别代表了三个方向。一个是用户侧，还有一个是软件算法侧，还有一个是硬件侧。我们希望更加全方位地来拆解一下Clawdbot产品的底层逻辑。
第一位嘉宾是知县。他是一位非常资深的产品经理，还横跨了Crypto行业。他最近用了Clawdbot，听说超级上头。我们可以多聊聊你的实际用例都实现了什么功能。知县在我们今天的播客里，他主要代表用户侧。
大家好，我是知县。确实非常的上头。我个人也是计算机背景，又是做了这么多年产品，对Clawdbot强大非常的感同身受。
第二位嘉宾是祯豪。他是EverMind的技术生态负责人，也是清华姚班的同学，后来在卡耐基梅隆研究NLP的方向，再往后创业，然后加入了EverMind。他现在做的就是大模型跟Agent之间的中间层，比如说模型的长期记忆和个性化。现在Clawdbot，其实就是在获取你的用户权限之后，把你大量的个人资料输入整合进去，再做压缩。这其实也是EverMind一直在做的方向。所以祯豪代表软件算法侧。我们可以聊聊Clawdbot背后很多神奇的功能，到底在技术上是如何实现的，以及它还有哪些待解决的问题。
哈喽，大家好，我是祯豪。因为EverMind，我们一直都是研究AI的记忆as an infrastructure（作为基础设施）。然后我们怎么样去解决，让AI不会再失忆、遗忘的问题。我们非常高兴地看到，像Clawdbot和其他一些产品，它越来越关注AI记忆的话题。所以我觉得，这还是一个非常有前景的方向。也非常期待在这个方向上，有更好的产品和更好的技术，为大家带来不一样的体验。
第三位是天奇。他是Pamir的创始人。他俩其实特别有前瞻性的，在一年前半之前，就做了一个给Agent用的计算机。很小，可以直接放在手掌上。在这个机子上，你可以直接跑Claude Code，当然也可以跑Clawdbot。它的价格大概是Mac mini的好几分之一。所以，我这次邀请天奇，其实就是因为这次Mac mini也被带火了嘛。但其实我们是不是一定，要用Mac mini？这个其实还是个问号。以及Clawdbot所带起来的趋势，它对2026年的整个硬件，会产生什么影响？比如说，我们到底是不是需要，给Agent配置一个独立的计算机？因为有些人会说，在家里放一个独立的计算机，来让Agent住在里面。这些问题，我们跟天奇聊聊。天奇在创业之前，他是在高通做机器学习。他的联创在微软做Surface，非常技术范的一个团队。他代表了硬件侧。
大家好，我是天奇。我们在Agent电脑这个方向，其实做了蛮久了。之前一直挺不被理解的，但是今天终于可以借Clawdbot这波爆火，希望能够给大家提供一些我们不一样的视角。
好，我先第一个问题，想请大家来总结一下，你觉得Clawdbot，它这次能成为一个全球现象级的产品，它最核心的灵魂到底是什么？要不知县开始。
好，其实我自己用下来的感觉就是，它特别有“活人感”。一个就是它的长期记忆，它可以记住挺长时间的，就是你们俩之间的对话context（上下文），或者你跟它讲过的事情。另一个就是它有很强的主动性。比如每天早上跟你打招呼，给你总结一下你今天有哪些要做的，甚至会把你要做的事情，给你做一些预先的调研端给你。所以整体用下来，就特别像《钢铁侠》里面那个贾维斯这种感觉。甚至有时候还跟你聊天的时候，动不动抖个激灵，吐槽一下之类的。所以这个我觉得是第一反应，上手的时候特别惊艳的地方。
对，祯豪。
我非常赞同“活人感”这感觉。其实AI的主动性这个话题，大家讨论了有很多。它不是一个新的想法，但看到能够落地得这么成熟，这么棒的，确实是市面上很少见的一个产品。我之前有在给一家硬件companion（陪伴）公司做咨询工作，当时我们就设计了一些方案，让硬件陪伴的一些玩具等等，如何做到更有人感以及更加主动性。从大体方案上而言，和现在Clawdbot的主动性heartbeat（心跳）方案，是比较接近的。但确实，它如果放在一个更虚拟的环境下，同时能够打通人们手头的IM（即时通讯软件），你每天用的IM里，都可以有一个机器人给你发消息。我觉得这个体验，确实是一个很棒的体验。
天奇。
我也很同意两位的说法吧。但我觉得最大的功劳可能还是，用用户已经很熟悉的消息传递的方式，就是微信、飞书，跟用户对话。可能会让他们觉得，他更像在跟一个同事聊天。即使你是发同样的消息，你的感觉肯定是在跟这种terminal（终端）里聊天，是完全不一样的。
明白。我也一直很好奇，就为什么这次是Clawdbot火了？我知道祯豪和天奇，其实你们在这行业很多年，你们也都看过很多类似的产品。可能Clawdbot只是其中之一，但最终为什么是它？因为我虽然很早了解了Clawdbot，但我自己试用下之后，我没有立即去用，因为我没有感觉到它和我在用的一些其他产品，会有什么质的区别。比如说，从编程代码而言，我是Claude Code比较资深的用户，所以对我而言，它不是只是写代码，它可以做很多本地该做的事情，整理文件也好，写文档，写PPT，其实我这些都是用Claude Code去实现的。最近Claude的系统推出了Claude Co-Work，这是一个更好的升级，它可以对computer use（电脑使用），比如操作网页等等，一些场景做得很好。所以我觉得很多场景上，都可以用Claude Co-Work这个产品来实现。人们对于Agent的一些诉求，更不要说大家很熟悉的Manus。因为Manus本质上也是给你在云上开了一个电脑，也好，或者开了一个Agent的instance（实例），去帮你去执行任务。从某种角度而言，它也是24×7帮大家去完成任务。虽然它不能主动地通过IM和大家沟通，但是Manus也有手机端，也可以下载它的APP，理论上可以在手机上和它进行沟通。所以从我的视角上而言，它的其实大部分的功能，你要硬说哪一个不能被现在的产品实现，我觉得都可以。但可能正是这种，它把很多事情都做到位了，通过一个IM，这一个更有人感的产品界面，和人去沟通，使得它能够做得火。我问了我身边的同事，很多编程人员，可能还是停留在Cursor，这个我认为偏上一代的AI Coding，而不是在用Claude Code，这么一种偏Agent方式的AI Coding里。整个Agent体验，在一些人看来可能已经有了，但是可能对很多人而言，还没有这个认知。然后我就Clawdbot，把这个认知推广到了很棒的一个角度吧。
天奇。
其实它是很多因素促成的。有一部分因素，我认为是市场到达了这个接受度。因为你同样的事情，可能两个月、三个月之前做的话，大家也不知道这是怎么回事。但是因为一系列的Claude Code，还有Co-Work，还有Manus，它把大众对Agent的理解，还有接受度已经预热了。所以我认为在这个节点，它就是要出来，这么一个“胶水项目”。它们确实，别的项目做的不同的点在于，它们真的是粘了所有的东西，把能粘的全部都粘进去了。你不管是记忆，还有消息系统，还有Proactive（主动）的，持续工作，而且精简的这种交互方式，通过你已知的消息系统去发送。我觉得所有的点汇集在一起，引爆了Clawdbot。
刚刚两位是站在技术的视角，解释了这件事情。我从用户的视角和传播上，我观察到的一些情况来做一些补充。我觉得Clawdbot它一个特点就是，离用户非常的近。它比chatbot那种用网页的方式跟用户聊天，其实要近得多的。这一方面是它用了IM作为主要的沟通方式，另一方面就是它的主动性做得也比较顺滑，就像刚才讲的，比较有活人感嘛。所以说它有点直接打动了终端用户那种感觉。就是一个技术，虽然说已经引进到一定程度了，但是让普通人有所感觉，这个过程实际上是非常重要的。用户是看不到它后面用的技术，跟其他现有的产品用的技术，是 হাস্য相似的。但是站在用户的感受上，它确实是非常不一样。这一点我觉得Manus也是类似的。当时刚出来的时候，大家也都会说它“胶水换皮”，“科技以换皮为本”，对吧？但实际上这种能让用户感知到技术进步到什么程度的能力，也是很重要的。
第二点从传播上，我关注这个项目也不能算太早。一个多月以前，那个时候其实还是一个比较小众，比较极客的东西。但是凡是喜欢研究AI，尝试AI产品的用户，很多人都已经看到这个产品，而且用上了，已经开始非常热烈地在传播和讨论了。我记得创始人也说过，他当时建了Discord Server之后，好像很快就涌进来了5000人。里面有很多AI创业公司的创始人，也有很多大的KOL。大家都觉得这个东西实在太酷了。虽然它有一些问题，大家也在讨论。所以这个是一个非常社区的项目，社区氛围非常好。又因为现在是Vibe Coding的时代，这个时代，我觉得也是开源非常幸运的时代。其实很多人都是有自己的想法，但其实没有能力把代码优化到一个可以提PR（Pull Request，拉取请求）的程度的。所以我觉得以我为一个实际社区参与者的角度来看这件事情的话，它的火爆是一个由核心圈慢慢扩散，到一个一定的临界点，突然在英文区应该是先火起来。大家看到一些用例之后，就觉得太牛了。再加上大家对AI的FOMO（Fear of Missing Out，害怕错过）情绪，害怕错过什么，所以就一下点燃了热情。
知县正好聊到用例，你最近既然这么上头，来给我们讲讲几个特别让你惊艳的使用的用例。因为我觉得它的创始人之前也说过，他其实一开始没有加音频功能。就他在开发Clawdbot的时候，但是他有一次在马拉喀什旅行的时候，一直用它查餐厅，问路。有一次他下意识的，他可能也忘记了，然后就给它发一条语音。就是他没给它设计这功能，它自己居然通过各种方式调用，然后它来把自己语音的功能给实现了。他当时就产生了一种非常aha moment（顿悟时刻）的这个感觉。那在你的使用中有没有这样的，感到非常惊艳的用例？
对，我觉得你说的这个例子特别好。当时我也看了他讲这段历程。他当时说，我做这个产品，并不是要做一个Agent，他只是想做一个叫WhatsApp Relay的功能。也就是说白了，我出去的时候，我可以通过WhatsApp指挥家里的Agent干活，不要闲着。就是你说的这个场景，才让他意识到，这个东西有多强大。或者穿透地讲，我觉得是让他意识到，原来现在模型的自主能力、推理能力已经这么强了。我认为Clawdbot现在特别强的，很大一部分原因是，其实大模型已经强到一定程度了。Clawdbot用一个特别让大家能感受到的形态，展现出来了。比如他说的，他自己下意识地就发了条语音。这其实就是一个我自己生活中的一个特别好的感觉，就属于用了就回不去了。我现在跟它就是发语音，出门，比如在外面，或者什么时候想起一件事来。像我有两盒牛肉再不吃就不行了，我每天有时候跟它碎碎念就说，这牛肉得赶紧吃了。我就提了这么一句，它就会自己去把它处理，然后加到reminder（提醒事项）里。那天下午，它就突然跑出来告诉我说，寿喜烧你需要准备这些东西，煮多长时间，还要跟我强调，牛肉一定要最后两三分钟的时候放，要不然会煮老。就这种，帮你预言，告诉你，给你推过来的这种贴心感，一下就把你对它的定位，就拉到了这么一个特别主动，特别有自我意识的这么一个助手的上面。
再就是我还有一次，让它去我一个服务器上蹲点。就是我跑了一个服务，我让它评估一下这个服务器的配置是不是有点高。它蹲了一天，然后告诉我确实高了，你只要把预算降到现在1/4就行了，省出来的钱就已经其实够它自己运行了。
再就是有一个比较，我的aha moment的一个案例吧。就有一天我就跟它说，我说你做个实验吧，把MacOS自己带的这个模型，封成API，看看它到底能力边界是在哪的。它做得很快，跑完了之后把它测的结果打出来。我一看，好，很全面，各种因素，各种维度的测试用例都跑了。我就说你这个结果不错，我说你要不写篇文章吧。然后它就自动转到了，用我的口吻去写文章的这么一个Skill。写得特别好，几乎就是一字都不用改了。还说要不要帮我发布。当时我还没有告诉它，我的博客是什么什么的配置。然后我就说，那你试试，目录在哪里。我觉得它肯定搞不定，因为我那个博客还做了各种主题的自定义配置嘛，包括同一篇文章中英文版本，这些配置都是比较自定义的。没想到它自己就参考着整个repo（代码仓库）里的东西，把规则摸清了。也没有中间再来找我问，直接就把让它写的中文版，它把英文版也翻好了，把中文版的博客的字数统计的规则，专门有一个flag要打开的，也配对了。最后它直接告诉我，好了，已经发成功了。也就用了10秒钟左右的时间吧。然后甩了两个链接给我。我以为打开肯定就404了，结果发现人家配的比我配的还好，什么tag（标签），什么category（类别）都加好了。
就第二个用例，就是接下来，我刚震惊完我就想着，之前也让它搭过一个本地的Whisper的转写模型。这个模型非常强，但是它对中文有个问题，就是它的标点加不好。整段没有标点，或者加了一堆奇怪的英文标点，是很常见的。后面改得很难受。所以，我看完它刚才做的那个评测，我就说你要不把这两个连起来，你这个Whisper转写完了，你用这个小模型，精炼一下，性能各方面应该都不错吧。然后它马上就把它连起来，又跑了一遍测试，又是给了很多性能各方面的情况，甚至还不断地让我发语音，它好测更多的数据。最后我就说，那你再写一篇，这次你自己生成一个配图吧。但是我没有给它配那个API key，我是只买了订阅套餐的。所以它内置的生图工具，它就用不了了。然后它自己就跑去打开浏览器，访问Gemini的网页。因为文章是它写的，所以它就把提示词直接输进去，点击生成。等这个配图生成之后，它尝试了下载。下载不行，因为她用自己的这个Playwright profile，好像不能下东西。它就想到了我把它复制，直接保存到download，然后再把图挪过去。最后给它推到了博客上，而且给它命名好cover.png，这样博客上直接贴图就显示出来了。就整个过程又是它自己搞定的。最后甚至还提供，把这个过程封装成了一个skill。接下来它每次就调这个，就用了。所以整个过程就是，就如果大家带过人，有过下属的话，就那种特别主动性的下属的这种感觉。所以我觉得这个算是我的用例里头，一个特别aha moment的，一个用例吧。
我举两个例子。首先我在感觉它的工作方式上，因为我用得最多的Agent是Claude Code，然后我就跟它对比的话，它倾向于我少解释我在做什么，我就直接把它做了。我如果一件事情说，我说这个事情是不是可以这么做，Claude Code它回答我，这个事情可以这么做，或者不可以这么做。我发现它会倾向于直接把事干了，直接就给我一个，我已经干了。我觉得这是一个蛮有意思的设计。具体的一个案例是这样，昨天我在想去看几个项目的GitHub的issue，想去提炼出大家用这些GitHub是来干什么的。当时我先扔给了Claude Co-Work去干，然后我发现它会偷懒，因为issue一般就1000、2000个，它就有各种偷懒的办法用，加了一些搜索关键词什么，给了我一个总结。我觉得它这个肯定不是一条一条都看过去，我就是要很笨的，一条条看过去。我就用Clawdbot去做了这个事，我发现它就是很听我的话，就是一条条去看。当然这个缺点就是比较耗Token，但好在我不是直接用的API，我是用的我的会员账号，本质上就是一个固定费用。这个是我觉得它挺好的一个点。
再说一个缺点吧。因为毕竟对于我而言，更多的工作还是写代码。因为我们最近在做一个用EverMind作为底层，去重塑它的记忆的这么一个插件系统吧。我是希望让它自己在它里面，去用AI编程的方法去做。就会出现很多问题。但是，我后面还是决定迁到Claude Code里去做这件事，成功率和效果还是好了很多。
其实我跟祯豪的经历还是比较相似的。因为我们主要的工作都是做开发嘛。如果我主力是用Clawdbot开发的话，让我在“绿泡泡”（指微信）里边去做软件开发还是很痛苦的。我觉得它其实就更适合知识工作者去使用。有一个很有意思点是，我们内部有一个非技术人员用的时候，我就问他，为什么他觉得Clawdbot比我们自己内部的工具要好。因为我们内部是用Claude Code嘛。他说，当我生成完一个东西之后，Claude Code告诉我的是，文件做好了，在这个路径下，它发了一个command CD什么什么什么path（路径）。非技术人员就说，这是什么意思？他就说，我拿这个怎么办？但是换到Clawdbot之后，因为它肯定是加了消息系统的这些工具，或者是MCP（模型上下文协议）。它用绿泡泡发的时候，它会直接把这个文件，附件的形式发给他，或者是照片的话，它会直接发给他，而不是发给他一个路径。这个对于知识工作者来说，就是非常显而易见的优势。
明白。对，我们能不能拆解一下，要想实现它的一些功能，就在代码层面。比如说，有很多人拆解说，它有几个Markdown的文件，通过这些来让它从一个冷冰冰的程序，变成一个更有人感的数字生物。就这个是怎么做到的？
首先我可以给大家介绍它是怎么做的。我相信它的技术方案，其实也比较简单。很大量地参考了Claude Code的实现。我理解首先这个记忆，我觉得这个词，其实包含的意义很多。比如说，我们一个人他的说话方式，他知道自己叫什么名字，知道这用户叫什么名字，这是一种记忆，或者说他的一个personality（个性/人格）吧。这可以算是一种记忆。另外一种就是更多偏事实的记忆，比如说你之前做了什么工作，你这个工作进行到了一个什么程度，你的哪段代码可能出bug，你明天要做什么样的安排。这种偏事实的记忆，我觉得它是偏拆分开来的。我们前面提到的identity（身份）或者这样的一些Markdown，更多偏向的是personality的记忆。你在刚开始跟Clawdbot去聊天的时候，它会拼了命地去问你，你希望我叫什么名字，你叫什么名字。其实你开始没回答它，它也会一直尝试去问你。拿到这些信息之后，把它存下来。技术上的话，就是把这些文件的内容load（加载）到它的context（上下文）里，然后就去使用了。这个是偏个人的这一部分。当然这个技术也算比较的成熟。如果大家玩过一些那種二次元角色扮演，或者那种数字人分身的项目里，他们可能会做得更加好，或者说是把这个技术方向做得更加的极致。
另外就是偏事实记忆，或者我们叫过程或者工作记忆。它在这里的实现方式，首先它是会把每天的工作，就存在一个以日期为index（索引）的文件中。这个文件有三种方式会生成。第一个是每天的结束的时候，它把今天所有做的工作都总结一下，放到这个里面。第二个情况是，当上下文的长度超过了模型的这个上下文能够接受的长度的时候，它也会做一个压缩会放进去。第三个情况是，我觉得它做得挺有意思的。我当时在跟Clawdbot聊天的时候，跟它说我在做一个调研，想去理解你的记忆系统。那它说，这个是非常好的点，让我记下来。它会显示地把我正在做的这个事情，记到它的记忆里去。所以也就是说，它除了被动触发，它也会去识别哪些事情是值得记下来的。虽然这个事情并不是很新，比如说如果你用过Claude Code，或者Claude Code Work等等，它们也有相应的机制做这个事。但是它把这个过程，非常明显地告诉用户说，我觉得这个值得记下来，甚至告诉它，把这个东西写在什么地方。我觉得这个体验上是很好的。
但实际的我看很多使用中，我感觉它好像比比如像Gemini，ChatGPT，它们其实也是有记忆功能的。但你觉得Clawdbot，可能在用户交互的实际使用的感知中，你觉得它可能比Chat GPT或者Gemini，它的记忆或能力，有没有一些更新的突破？这个背后是怎么做到的？
我觉得确实之前提到Clawdbot，它的长期记忆为什么效果好。有一个点，我觉得可能得先澄清一下这个概念，就是memory（记忆）和context这个概念。一个context，就是我们比如用Chatbot聊天的时候，给它输入的这些上下文，可以理解为是一个有限的、及时的，就每次跟它聊天都会被带进去的这么一个东西。这个东西经常不够用，压缩之后AI就变成人工智障了，它就突然记不得你刚才跟它聊的事情了。但是memory实际上在Clawdbot里，它这套memory系统，包括其他的Agent，它都是一个持续化的、持久的文件。这个文件它并不是每次都要放到刚才说的context里的。所以它可以做很多的结构化，甚至说主要是用数据库。Clawdbot它一个好的设计，就是它是用很多MD（Markdown）文件，文本文件去实现的。它的记忆就是刚才说的一，工作记忆，指的是对话，我跟你现在正在聊天，或者是不同的channel（频道）跟你的聊天。其实这个就像我们在开会，或者是跟人打字一样，这段时间内容你记得很清楚，但是可能过一段时间就忘了。它还有一个就是日记，每天有一个日期为文件名的MD文件，会总结一下今天做了什么，遇到什么问题。这些东西它是在后续的流程里，它会用到的。比如说它新开启一个session（会话）的时候，它的agent.md里面会有一句话，让它记得去看一下今天日期，甚至昨天日期的日记，这样它可以快速地catch up（赶上）一下最近到底做了什么。就有点像我们比如见客户，对吧，先翻资料，找原来的会议纪要，赶紧同步一下最近跟他聊了什么，到哪一步了。它还会做一些更长期的总结，比如说有时候会做一些周的总结，它会再把日记里的信息再提炼。用户如果问到长时间以前的内容，它能快速地去定位到它。最后它还有一个memory.md，这个文件你可以理解为是它的常识。你告诉它的，或者它自己总结的。比如我的话，我的博客框架是Hugo，它就知道是Hugo，它就知道帮我自动发博客的时候，在什么地方找到这个文件夹，然后用什么流程。包括我告诉它，我给你的截图识别的时候，先用本地的OCR（光学字符识别），先不要直接走多模态的模型。这些它就都会记在这里。每次聊天memory.md，尤其是main session（主会话），因为其他session，比如说Discord或者群聊里加载这些有点personal（个人）的东西，是不太好的嘛，怕被别人把你的隐私调出去。但如果你跟它是直接聊的，比如说Telegram和WhatsApp这种main session，它会直接加载到每次的context里。这样你就会觉得，它好像记得好多事情。
其实还有一个它特别有意思的，就是它的memory search（记忆搜索）。它这些memory的文件，memory.md和memory文件夹下的所有这些MD文件，它其实都把它切成差不多400个Token一个的小块，每个块之间还有80个Token的重叠overlap，这样跨界的话就不会切断，就能连起来了。这个它会存在本地的，一个轻量的数据库SQLite里面，转成向量的格式。它在memory search的时候，其实是一个混合策略。有70%是按语义匹配的，30%是直接关键词精确匹配。比如我问它，上次说的那寿喜烧怎么做的来着？它就能直接通过语义匹配，找到相关的牛肉、食材、准备，这些之前记过的东西。然后我问它，比如说我那个blog需要用SSH key去访问的话，它就能直接定位到某一个精确的命令。所以这两个结合起来，就感觉它特别像人。它既能够理解你做的事，不是说纯字符串匹配，它又不是说它找不到那个精确的东西。所以这点对它的记忆，达到的效果上来讲，我觉得是一个非常有效的机制吧。
最后就是memory，作为文本文件还有个好处，就它不是隐藏的，它其实面向用户的，大家自己都能看，甚至自己都能去改。你觉得它记得不对，或者说它记得啰嗦了，或者我让它换个方式，我其实也可以直接去这些文本文件里去操作。所以我觉得这个实在是比较神奇。
正好有个疑问，像刚才举例的这些方法，不管是记录到文本文件，这种聊天记录记录进去，再把它切割，再记入数据库里，再用Vector（向量）的形式，给它搜索出来。其实这些都是已经已有的，很多成熟方案。好像它是有点大力出奇迹，把所有东西都粘在一起，去做记忆这个事情。那肯定会产生很多redundancy（冗余），也不一定是最高效的方式。我这样理解对吧？
我觉得是的。甚至它其实效果上，也不一定是最好的方案。对。我自己其实用的时候也发现了，它肯定是没有Chat GPT的记忆那么顺滑。但是可能还是要结合场景。就之前上一个问题讲为什么火，对。我这个想补充一个点，因为我们自己是做记忆嘛，我们跟很多的客户去聊这个事情。永远记住用户的，他的背景，他的需求，是个非常好的。但是一般用户跟我们聊不了这么久。就是你们这个做得很好的点，好像在我们场景下很难被感知到。这个其实是我们做记忆中，最难的一个问题。就是记忆虽好，但是真的用户能感觉到它，其实是个比较难的事情。我觉得Clawdbot做了一件很对的事情，就是它把这个事情体现在了主动性上。比如说，当你早上收到了一个短信，说我昨天事情做完了，今天我记得你要干什么干什么，要不要去考虑。这个时候你会觉得它有记忆了，而不是还是停留在你给bot一个prompt（提示），一个task（任务），它好像因为记忆完成得更好，这个感知是很弱的。所以我觉得并不是因为它的记忆系统设计得好，实现得好，而是它让用户感知到它的记忆系统的价值。我觉得这个是很值得我们学习的。
对，它衔接得特别好。咱们正常人不可能经常失忆嘛，就是很多事情都能连起来。我有时候从Telegram上，突然切到Discord上，它能把我两边的对话连起来，它能知道刚才在聊什么。所以这一下就有活人感了。对。
确实。就我觉得权限这个点，可能也非常重要。就是ChatGPT或Gemini，它毕竟还没有获得你的整个电脑的权限。就它的记忆，虽然说它有能力，但是它的输入不够多，所以它没有办法穿透你在各个地方的一些行为。
我们刚刚正好聊到主动性。我记得之前有人说，它好像有一个心跳机制，类似于叫heartbeat的机制。它的这个主动性是如何实现？
我看了一下代码，如果我没有看错的话，它这是一个偏工程性的实现。它会定期在发现我们没有说话的时候，它会有一个prompt，大概是让它自己去判断，现在有什么事情是可以做的，之前的工作做得大概是什么样。会自己给自己去有个提醒。因为现在整个LM（语言模型）的技术框架，还是在一个被动式的触发，需要有prompt去trigger（触发）这个事情。所以它也是通过这样的方式去做的。但我觉得可能在整个产品的设计上而言，做得比较好，所以让大家能够感受到主动性的事情。我觉得这个应该是借鉴了之前比较火的那个Rough Loop（循环），可能每30分钟调用一次，自己给自己抽鞭子起来干活这样。
你说的是那个Claude Code的ralph-loop那个插件吗？
对。
明白。对。我看了一下它这个机制是，它一个守护进程在，就每隔一段时间打电话，把AI叫起来干活嘛。它先看heartbeat.md里头记了什么。它有一句话，如果这个地方没有任何注释以外的内容，就直接跳过。即便是有一些内容，它也会先判断一下，我是否需要处理，是否需要告诉用户。不需要，它会发一个叫heartbeat OK的这么一个静默信号。这个信号会被系统直接就吞掉了，不会产生任何后续的反应。所以说，它做到的一个点就是，它虽然一直在heartbeat，但是它主动找你的时候，也没有那么多。这种感觉就还是又回到活人感了。它既有主动性，它又不烦你，它又不是那种非常烦人的，给你打Log（日志）的那种机器。
第二个，它这个也挺省Token的。它按需使用，Token用在刀刃上。
另外就是Cron job（定时任务）。它其实有两个，一个是heartbeat，一个是Cron job。定时的任务，它那个任务跟heartbeat的区别，就是那个对时间的定义是非常精确的。比如我让它每天三次帮我去做摘要，摘要我给它的那个Twitter账号，关注的那些列表里的信息，每天三次，早中晚定时定点。这个它是能保持得非常好的。
还有一个任务就是让它，如果这里面有一些突发事件，你判断比较重要的，需要我知道的事情，那你就随时告诉我。这个时候，就是我跟它聊着聊着天，有时候突然它会弹出一条来说，突然发生了一件什么事情。比如说特朗普对欧盟做关税制裁。所以我觉得这两个结合起来，就也让它更像一个人了。就是你给它安排的事情，它能够精准地给你做完。然后你让它盯着的事情，它有事情的时候就会来找你。
那你们在用Clawdbot的时候，就真的敢给它开那么多权限吗？这个未来会不会有问题？
其实用这个事情，包括之前Twitter上有很多朋友都在问。因为当时Clawdbot爆火之后，很多人很FOMO，都搞来装。实际上，说实话，这个不适合现在大规模的普通人去用的。所以后面就好多人也跳出来说，这个太可怕了，不敢用。大家可能又开始慌了。其实确实是这样。因为站在技术角度讲，它基本上拥有你系统很多隐秘的东西，它能看到，而且它可以直接执行。所以最好的部署方法就是隔离部署，不要在自己的主力电脑上去使用。要么就是大家常说的Mac mini，对吧？最近都已经变成梗了。买一个Mac mini，把它放进去。用上Mac的一些生态的东西，又可以把你愿意让它访问，又不想上传到VPS上的，一些东西给它。这样的话，就在一定程度上，可以把安全、隐私的问题，做成自己可控的。你直接跑在自己本地就不可控了。
如果我觉得要追求极致的隐私和安全，确实需要本地模型。这个一般人烧不起现在。而且本地模型的性能各方面，还是没有办法跟Opus（Anthropic 的模型）这种大模型比。所以未来可期，就是当摩尔定律在发挥作用，大家这个模型训练得越来越好，本地能跑得起的模型的性能，也足够支撑这么一个助手类型的Agent的时候，那很多隐私问题可能就减轻很多了。剩下的就是你怎么给它一套安全边界，让它不要乱搞就可以了。
我在这件事情上，有一个很务实的建议。如果大家想用的话，假设你是用Claude模型或者Anthropic模型的话，不要直接把API key贴给它。而是你可以注册一个会员，无论你是用Pro还是Max，你用它的这个会员的方式去登录。你花固定的钱，它也不会担心它收掉过多Token。因为如果你收了过多Token，只是Claude那边把你这边禁了而已。对。它其实在用会员的时候，它有两种用法。一个是CLI（命令行界面）的OAuth（开放授权）。OAuth的Token就是它老是会提示快过期了。还有一个用法叫setup token。大家用的时候可以注意一下，其实用这个方式是更好的。当时我看Clawdbot之父，就是创作者老哥，他自己在做演示的时候，他就是随手就Set up Token，贴过来，放进去。这也方便大家多机器部署。就如果你想让它非常独立的Agent的话，其实可以共享你一个订阅账号下的不同的Set up Token。
之前我看网上有很多人说它的Token消耗量很大。之所以出现这个问题，就还是给了它API接口，才会出现这样的问题。但如果不给它，只是会员制的话，那对它效果会有影响吗？
效果没有影响。说白了，会员制，我感觉就是价格歧视，或者说互相剥削的一种做法。像我这种20刀订阅，肯定每个星期基本都能用满的人。Anthropic肯定是亏钱的。但就我来说，它成本肯定跟收益不成比例。但是可能大多数，比如20刀的用户，实际消耗的可能也就几刀。那它总体能跑正。所以说，如果你用这种高消耗的场景，去买这个订阅，那绝对是划算的。至于别人他说自己Clawdbot消耗大，我觉得还是需要case by case（视情况而定），看他怎么用的。我自己感觉是单纯的Bot自己的消耗是没有那么大的。它肯定会比单纯用Chatbot这种大，因为Agent，它其实有很多自己的机制，像刚才讲的那些MD文件，memory这些，它都会加载到context里头，它肯定是要大的。再就是它自动的这个heartbeat，虽然它已经做了省Token的策略，但毕竟还是要消耗的。所以说他们要如果用得多，我估计是它通过Clawdbot做了一些本身就耗Token的事情。比如做爬虫，或者说我之前让它去帮我监控一个事情，它自己是用截屏的方式，Pikaboo截屏，再去做下一步的方式。每次都做这种屏幕的图像识别，那Token耗得就非常非常多了。后面我就告诉它，浏览器就直接用你的Playwright的Profile去操作，不要去给我截屏。然后这个事情就缓解了很多。所以说我的经验就是，我现在跑了5个Claude Corde Agent，一个月200美金套餐差不多够用。再加上平时做的一些编程的任务，基本上也都能覆盖掉。
最后关于贵不贵，就还是要看它到底做了啥。这是个相对概念。
我之前听红杉的播客，郑庆生说他整个2025年最大的一个使用AI的个人体验，就是他做了一个自己的数字分身。他把所有的自己的数据，从Word文档、PPT、Excel的各种各样资料，都丢给了他这个AI分身，然后让它去学习，再让它按照自己的口吻来写东西，比如说一些演讲稿串词，就完全可以直接用了。这段我看是他们小宇宙播客的播放热度最高的几分钟。我感觉大家都非常关心，是不是真的能让AI来给自己打工。那现在有了Clawdbot之后，如果我们再用它来做一个AI分身，是不是变得更容易了？应该怎么去做？如果要做一个这样数字分身，它对Token的消耗量大吗？大概要花多少钱？
我觉得这个分身，对你的了解程度不一样，成本和效果都不一样。刚才讲的那个案例，他是说把资料扔给AI，让它学，然后给他写串词。其实这个是相对简单的。我现在用的这个叫知县Writer的skill（技能），其实就是这么个玩意儿。我给它丢的是我的博客，以前自己写的一些文章，还有我的Twitter，让它自己去爬。它有一个内置的Twitter工具，爬完之后它自己去总结，然后跟我去对，它认为我是一个什么样的风格，我再跟它去核对一遍。最后它就记到它自己的memory里面，包括之前Writer这个Scale的Markdown文件里面。后面每次你让它写东西的时候，你也可以给它一些反馈。所以说它不是一种静态的，扔给它，然后它就变成你了。在我看来，它其实是一种动态的，你在给它一些背景知识，一些初始的设定之后，不断地通过反馈，让它去拟合你自己认为的，你自己的风格。这个我觉得其实成本还好，就是一个日常的作用。你可能经常写文章，你跟它聊个一周、两周，你会发现它接下来出的东西，慢慢地就跟你很像了。
另一个数字分身，正好就是推荐我用Clawdbot的这个小哥。他说他现在觉得，他特别需要一个这样的数字分身，因为他觉得他现在的工作，很多时候就是在Slack上回消息，以及去验证一些文件之类的。以及他自己有个习惯，就是他把自己的知识，全都沉淀在Obsidian上面，类似于它的一个外部知识库在里面，还做好了各种链接。在我看来，属于AI时代的，一个特别好的习惯。他觉得能不能让Clawdbot进入这个知识库，然后慢慢地学成自己。其实今天还看到一个QMD的scale，说是正好特别适合用来做这种大规模MD文件的检索。但我们后来聊下来的结论是觉得，真要想达到那种特别数字分身的，像你的那种感觉，可能还得是能把你类似于脑回路，或者说神经突触这种级别的东西，训练到一个小模型里面，才是最好的选择。这样的话，它就不是每次去做检索，然后自己去琢磨怎么着更像你，而是它本能的反应，就可以做到像你了。这种肯定是要依靠200元Claude订阅的，或者是Kimi的那种订阅套餐，不然的话肯定是吃不消的。但是，你的收益肯定是大于这200元的。这是目前我看到的一些收获。
我可以讲一下，我们用户的一些经历。我们已经在卖这个Agent电脑很久了。我们其实有很多用户，比如说他如果是程序员的话，他其实会打两份工。就是白天上班的时候，利用中午吃饭还有摸鱼的时间，给家里的Agent电脑发信息，让它去打第二份工。还有一个比较有意思的例子，比如说你是一个网络安全员。其实很多做网络安全员的，他都是很多经验知识累积，然后他自己写了一个很长很长，他去做一些pentesting（渗透测试）这样工作的经验，然后把这些经验传递给他的Agent。然后他的Agent就是24小时7天的，不停地在对很多网站进行白客攻击，然后去拿他们那些网站的bounties（漏洞赏金）。所以很多人，我觉得跟你说的这个案例很像，就是把一些自己的知识储备，转化成知识资产，然后以SOP的形式喂给Agent。这样你的Agent其实是可以在被动地帮你打工的。
这个话题我觉得特别好。就首先，无论是要做一个人的数字分身，还是说把他的各种工作数据放到一起，让AI来帮他完成工作。这两个典型场景，都是EverMind的长期记忆想要去解决的一个问题。我想分享一个已经在被用的一个例子。就是我们服务了一个企业级的IM公司，叫Tanka。它其实就是一个想要去替代飞书的产品。其中有一个功能，就是一个人说话的自动回话补全。就比如说你在一个群里回复一句话，然后你打了两个字，然后AI希望把这句话给自动补全。AI当然希望是这句话，补全得比较像你，同时也符合整个上下文。我们提供了从长期记忆角度而言的一些功能。比如说这个群本身在聊什么话题，你这个人的性格是什么，你的角色是什么，你是老板还是你是员工，还是怎么怎么样，包括你之前做的这些工作。我们提供了这样的一些记忆的信息来辅助完成这个工作。这个产品已经推出了挺久。前段时间做了一个内部的反馈，发现比较有意思的事情是，越资深的人，越不喜欢这个功能。越偏基层，偏职能的人，越喜欢这个功能。比如说偏职能工作的人，他每天回复的内容会比较机械，他会觉得这个功能太棒了，基本上我不太需要打额外的字。但是越偏资深，比如他是一个manager（经理），或者他是一个大老板，或者怎么样。不管怎样，他本来做的决策的信息差异度就比较大。那AI就很难猜对，他到底想要回复什么事情。即使我们已经打了两三个字了。所以基于现在的AI的LM能力限制，我觉得完全替代人的AI分身，我觉得还是比较难的。但是在一些相对容易的职能性场景上，无论是做分身也好，还是具体去做任务也好，我觉得是极有可能实现的一个事情。
因为那一个feature（专题）很有意思的是，因为我们做了一个多feature的投票，你最喜欢哪个feature？结果就是，它其实是红黑榜的各自第一名，它是很极端的一个情况。说的另外一个事情就是，从EverMind视角而言，我们正在做一个产品，让用户可以把自己的，无论是Obsidian还是Word，还是公司的资料Wikipedia，都往一个个人知识库里去装。它会提供一个MCP给到，无论是Claude Code还是Clawdbot的，这样的一个MCP里去帮忙去使用。我们是在尝试去做这么一个中间层的，通过MCP来去衔接数据和Agent使用的一个场景。我觉得也是挺符合在这里说的这么一个案例。
对，我们刚刚聊到这个AI数据分身。其实这个数字分身，它还有一个很大的特点是，你到底给它多少权限？就是你给它输入多少东西。现在大家其实对Clawdbot，其实一个很大的疑问，就权限问题。因为它是开源项目，还不是个公司。我相信这些大公司，OpenAI或者Google内部，肯定也有人是想过做这样的东西。但是因为大公司不能如此激进地要用户权限，因为这个会出很多问题。所以这个最终是一个非常早期的一个开源项目，把它给做出来了。但是如果它未来要成为一个公司，或者成为一个成熟的商品，那它有没有一些更其他的解决方案？因为它的权限给得很大，所以它能产生很多让人惊喜的结果瞬间。但是我认为它的鲁棒性其实是不强的。鲁棒性决定了这个东西的下限，是否能进入生产级。所以我们做生产级产品的时候，肯定是不会用Clawdbot这样的架构。如果进入生产级，我们肯定是需要打磨很清晰这种审核机制。你的Agent做一件事之前，它要相当于给你写一个PRD（产品需求文档）这样的东西，跟你一起人机协同地去交互。管理机制是否透明，有没有沙盒的隔离。其实最好的是在系统层，有这种回滚机制。万一它删除了某些东西，你其实还可以通过系统修复。
如果我们自己内部的话，我们其实有一个创新点是做了一个像watch dog（看门狗）的Agent系统。它相当于有一个影子Agent，一直在监测你，在系统层面的各种更改。就有点像你Windows有时候坏掉了，然后你可以开机时候按F12进入一个BIOS（基本输入输出系统）。其实我认为今天的Agent系统也需要有个这样类似的方案。
我想聊一个共识的问题。首先去大公司化，个人独立性，数据安全。这是一个典型的偏Geek（极客）的政治正确性的论调。但事实上Clawdbot还是用的背后的大模型。它虽然本地部署了一个Agent，但是你的所有数据最后还是通过LM去调用Anthropic的模型。其实不存在个人数据合法或者安全保护这一点。但似乎很多人可能觉得这一步就够了。这是我觉得可能大家逐渐形成的一个共识。
举一个例子，在Claude Code里，我跟它说这是我的API key，请把它放到我的.env里。我可能会愿意干这件事情。但是如果说有一个我不知道的网站，它让我把我的这个API key填上去，我可能并不愿意填。也就是说，我们可能逐渐信任把数据很原始地发给LLM，是一个可以被接受的隐私方案。但是在Ainsi基础之上构建的应用层，我可能不想去把我的隐私数据放进去。这个我不知道是不是现在的某一种共识。如果是的话，那我觉得Clawdbot倒是一个设计挺好的一个点。比如说我之前用Manus的时候，因为如果我真的希望Manus帮我做一些复杂的工作，我需要登录我自己很多的信息。我其实不太愿意在Manus的电脑上登录我的Email，登录我的各种个人的账号。但是我在我自己的电脑上，我其实愿意干这个事。我也不觉得用Anthropic的这个模型，会对我的个人隐私产生什么样的一个问题。所以我觉得Clawdbot可能在隐私安全和数据上，刚好踩在了一个比较巧的sweet point（甜点）上。
对，我也很同意祯豪的这个想法。为什么Clawdbot火了？为什么是它？我觉得就是sweet spot（黄金点）。sweet point这个点选得特别好。而且它的传播路径是，这个老哥自己是个很强的开发者，极客。它吸引的第一波人，就是在AI行业里头做创业的一些创始人，或者是一些做研究的人。大家都觉得，这个东西很酷炫。因为你给它权限很高，它确实很酷炫。创始人直接把自己家的各种权限都给它，摄像头都给它了，床垫的权限都给它了。那确实它能够接近JARVIS（贾维斯）。但你没有看到效果的时候，你担心这个，担心那个的时候。但是当你看到效果的时候，你可能这些担心，要么就直接烟消云散，要么就，其实好像也没那么重要。我先试一下。所以说从这帮人开始试起来，他们再去做共建。最后这个项目觉得由内而外，达到一个量级就直接爆了。
在我看来，做这个事，咱们要如果想要安全和效果之间做个权衡，其实最该做这权衡的是Apple。大家都在说，Apple，这是你应该做的产品。当年iPhone的那种惊艳感，为什么让一个开源的项目，自己贡献了80%多的代码的，这么一个老哥给做出来了？Apple，你从芯片到OS（操作系统），到硬件，甚至手机，手表这些生态，你都有，全自研的。你为什么做不出来？我觉得一大原因就是，它承担的责任太重了。它服务全球的用户，就一旦它出点问题，可能造成的风险就是非常不可控的。它要为这些东西负责，兜底。所以它做不出这一步。这个老哥，反正他做了就是自己用，然后我开源出来，你爱用不用。就是把这个标准有点化整为零，不是一个墙，而变成了水能流过去。每个人自己觉得自己到哪能接受，自己就去接受。大家就自适应地完成了这么一个权限标准的setup（设置）。这个反而是给业界也好，或者给大家也好，一个类似用户调研，就是给我们看到了一个全景，就是实际上大家到底对这些事情的接受度是怎么样的。对我来说也反过来让我感觉到，往这种社区项目上做，其实在一些比较难权衡的事情上，是最好的第一步。你先把它做成社区项目，然后看看社区，它给的反馈是什么样的。有时候可能你自己设定的那些需求边界，未必是应该是这样的。有时候反而限制了自己的产品价值的发挥。
我刚才想说Frank（知县）说的，为什么苹果没有做出这个东西来？我觉得这是个特别有意思的问题。我觉得这个现在感觉像是什么？我记得当时2025年的时候，有人说2025年是Agent元年。2026年，又有人说2026年是Agent元年。怎么元年天天都有？但有另外一个人说，我觉得很有道理，就是可能没有元年的概念，而是一个开始的十年。因为Agent虽然现在可以干很多事情了，但是依然它的成功率可能是比如说80、90%，它不是一个百分之百让你真的觉得，这个东西你非常信任它能用。Clawdbot其实也是这样。我们在很多事情发现，它居然能干这个事。但是说实话，我们现在看，我们能干这些use case（用例），可能当年在微软的Copilot，或者苹果的一些发布会上，其实这些案例都有。有时候它只是个，我们大家想象力没有，因为它而产生新的变化。我们可能真的需要这么一个东西去做。所以我觉得Clawdbot更像10年前，Google刚推出了一个自动驾驶的SDK（软件开发工具包），然后说自动驾驶其实现在已经做得还不错了，能够准确率95%以上。然后这个时候有一个人，把这个SDK放到了一个自行车上，让它发现它可以在小区里自由地送货，然后它就火了。虽然它也经常会倒，会撞车，但它因为是个自行车，撞了也无所谓。所以我的感觉可能是这么一个状态。
对，就是一种感觉技术下放的状态。因为我算是站在技术和产品中间的这么一个视角，我特别理解两边的感觉。技术侧就觉得这也没什么新东西。产品端其实就能感觉到，他把最后这一公里处理得特别好，真正做到普通人看到之后，也产生了“未来已来”的这种感觉。可能其实未来已来，在技术圈已经是共识了，确实已经能做到这一步了。但是用例还是偏咱们说生产力。那生产力呢，它肯定是没有咱们说更宽泛的这种助理形态也好，甚至聊天人的这种感觉，对大家的这个打动大。最后我觉得可能后面会出现越来越多像Clawdbot这样的东西，不一样的variation（变体）。
对，刚刚正好聊到部署，现在你们都是把它部署在哪？都是用的Mac mini吗？
我是Mac mini两台，还有VPS。然后我打算在安卓手机上先试试用户态部署。
大家为什么都不约而同地选Mac mini？如果不用Mac mini的话，也完全可以对吧？
可以的。其实之所以要跑在Mac mini上，可能大家第一反应说，我要跑在一台独立的机器上。有这个认知之后，尤其是技术老哥们，我觉得第一反应可能就是Mac mini。尤其是你要是能在中国大陆买的话，你用上国补，这个丐版的甚至不到3000人民币，非常夸张。你如果那时候买了，你再算一下现在的内存和硬盘的价格，你觉得买内存送电脑的，这么一个交易非常好。那实际上其实是不需要的，因为VPS已经可以跑了。但是可以跑和能把它跑好，区别还是挺大的。在我看来，你要是能把它跑起来，然后你还能让它在里头做点事情，写写代码也好，跑跑测试也好，给它一些独立的任务也好。尤其是你需要用到一些Mac上才有的，比如Pikaboo，就它系统级的自动化操作。以及你是iOS的用户的话，它整个Apple的生态，帮你加reminder，你手机马上就同步过来了。包括iMessage，这也只有Mac有的。所以说，我觉得你如果是Apple生态的用户，那其实Mac mini，不管是从性价比，也省电，也安静，又好看，然后还能做Vibe Coding等更多的事情。所以对于我觉得这个用户画像，基本上就是第一选择。但确实不是必要的。你有其他闲置的机器，不管是MacBook，包括Windows电脑，你打开WSL，它内置的Linux的话，也是可以的。
天奇，你们那个产品，你有试过用它来跑Clawdbot吗？然后感觉怎么样？
可以的。我们肯定也是原生就支持Clawdbot的。因为我们本来之前就是支持Claude Code。Clawdbot其实某种意义上，它就是在跑了一个Claude Code的binary（二进制程序），本质上是一个Linux的小电脑。然后我们认为，一个Linux小电脑加上Agent，应该可以做世界上所有的事情了。但是我们在打磨这个Agent设备的时候，做了很多巧思。比如说我们上面会有一个小的LED灯条，它会显示你当前的Agent工作状态。如果它在思考的话，它可能闪黄灯，需要你的时候会闪绿灯。里面自带了一些麦克风，扬声器，因为很多人会希望把它做成贾维斯那样进行交互。当然我们还有大量的IO（输入/输出）接口。这个其实是很多Mac mini它没法提供的一些，便于携带或者是嵌入的功能。你给它大量IO接口之后，它其实会解锁很多很多的玩法。比如说我们之前自己内部，你买了这个东西之后，你插上任何的打印机，你可能也不需要配置打印机，也不需要知道打印机怎么用的。它的Agent自己可能就会figure out（搞定），或者说甚至是发现这个打印机，它没有一个Linux的driver（驱动），它自己就黑进这个打印机，或者自己逆向写了一个driver。基本上你连到任何东西上，这个Agent可以，让它正常工作。大家可能选择Mac mini，因为它是隐性的，它就没有屏幕。其实在调用Agent的时候，屏幕作用也不大。单独硬件，它就相当于是物理层面上自带了沙盒属性，数据常驻的属性也是非常重要的。很多你像Clawdbot这种东西，我是不会肯定放在我主力机上的。我觉得大家可能自然而然地选择，再单独买一个Mac。
对，其实这个就衍生了，就是我们到底需不需要一个更加独立的硬件跑Agent？当然它可以是个Mac mini。但Mac mini其实本质，它还是为人类所设计的一个产品。我相信这个中间肯定还是对现在的Agent有很多能力的冗余，其实是可以砍掉，然后把这个成本给节约下来，让这个产品更便宜。
天奇，你觉得应该如何定义一个Agent电脑？它跟比如说我们目前的这些给人使用的电脑，可能会有什么样的不同？
其实工作分为两种。一种叫foreground work，就是前端工作，你要用到屏幕的，你要看的。还有一种工作是后端工作，你不需要看的，它就是默默跑在背后里的。我们理解Agent电脑，应该更属于后者。前者更是大厂，手机厂，电脑厂会做的事情。不然如果它不做这个事情，它就违背它的产品设计的逻辑。我本来手机就有屏幕，如果你把我的这些工作，都以不需要屏幕的形式做掉了，那我这手机存在意义是什么？我手机还放个屏幕干什么？所以我觉得分为这两类工作。
其实从这个Mac mini来看，你觉得如果现在我们只是想用它来跑Clawdbot的话，你觉得有哪些是可以砍掉？
说实话，RAM（内存）很重要。因为RAM直接决定了，你能跑多少个Agent。这也是我们在很多次迭代和打磨，感受出来的。有时候我们可能一个设备只有4个RAM的话，它跑两个Agent就满了，然后满了就卡住。存储也是很重要的一个点。可能有的用户，你给他32GB的存储，他用半个月可能就会满。这些其实都是新一代产品形态，你会发现的一些用户使用的规律。大家很重度的聊天，尤其是知识工作者，他们每一次聊天，都希望把他们的聊天内容，转换成知识资产的形式。所以就导致后面有很多用户，会一直都带一个SSD（固态硬盘）的硬盘，专门存他的聊天的内容。所以我觉得在新的这个时代，最需要的其实就是RAM和storage（存储）。
明白。如果我们稍微展望未来，因为Clawdbot它的这种交互形态，发生了很大的改变。它也许未来真的会变成一个，比如Siri，对吧？然后有了这个能力的话。那么未来其实这种算力加存储，加一个常驻Agent，然后这个常驻Agent，可能它是基于在一个，比如说你家里的一个小机器上。这种你觉得有没有可能，成为一个未来这种家庭的AI Agent的一种终极形态？
我们是坚信这会是一个新的品类。但是不一定Agent的入口和算力，一定绑在一起。但是至少在我们内部来看，这已经是一个新的工作方式的范式转移。举例来说，在我们公司内部，很多人可能也不带电脑了，他就带个iPad。能转移到你Agent设备上的工作，都是可以被自动化掉的。所以如果大部分你的工作，都转移到Agent设备了，那你做什么呢？你也不需要带你工作电脑了，你就带一个手机，或者带一个平板就够了。你要做的就是在你的手机，或者平板上，甚至是AI眼镜上，对Agent下达命令就行了。
我其实觉着这个硬件，得有它硬件端特有的功能。以前一些想法是说，你家里会有一个终端，在本地控制所有的智能家居的东西。但是我们看现在小米，其实已经抛弃这一套方案了，都是在云端控制。你只需要个手机APP，只是每一个硬件端，接收一个控制器就可以了。也就是说，如果这个控制器我们不认为是，我们说的那个硬件的话，其实在边缘计算上，是没有边缘计算的这一部分硬件在的。
那么看另外一个例子，就是苹果和Amazon，它们其实都有智能音箱。智能音箱它存在的唯一意义，是因为它有音箱这个硬件不可替代的功能在。但是它其实并不会作为本地在AI计算上的一个终端，它只是去调云端接口。所以，我其实是对这个事情，我自己的观点是比较混合。我觉得会有可能给硬件一个机会，让它在整个边缘计算上，存在一定的地位。但是它可能最大的价值，不是那个计算本身，而是它有一些特殊的硬件功能。就比如说Clawdbot，我觉得它可能最大的硬件功能是，它能存住一些我不想放在其他地方的登录信息的，这么一种状态。
明白。现在因为很多人用Mac mini，是因为要做一个物理隔离，然后专机专用。那你觉得这种专机专用这种状态，会是一个长期状态吗？还是说，因为我看Google其实也开发了A2A协议什么的。就我感觉Agent to Agent的这种，无论是在交易层面，还是在它们互相之间交流干活，可能是未来很大的，重要的一个长期趋势。像现在这种专机专用的状态，你觉得会持续多久？还是说它会催生一些新的软硬结合也好，或者是硬件本身的新的产品，新的需求出来？
我觉得它分不同类型的Agent。像Clawdbot，我觉得定位就是你的管家。当然A2A协议，也可以让它以你的立场或者视角，去跟其他的外部的Agent去沟通，去服务。现在它可能通过API，或者甚至通过网页这种接口，把未来这种Agent的互通的协议普及了之后，可能这些事情，它调用起来就非常的简单。这是我觉得你刚才讲的一个未来的愿景吧。
另外就是它会不会脱离专机专用？我觉得也有可能。因为你如果不把它做那么个性化，把它的距离再往后推一推，你不要住到我家里，但你是我的助理。但是日常工作生活上的一些琐事，你都帮我去处理的话。除了刚才讲的腾讯什么的，这两天Cloudflare也出手了，它自己做了一个优化版的Clawdbot，现在叫Moltbot，给了一个一键用worker方式部署的Cloudflare的套餐，只需要一个月5美金。我没记错的话，这个其实对于更多数人来说，简单多了，可接受多了。所以我觉得可能Clawdbot接下来下一步应用有可能是这种平台，就是越来越简单地去部署一个。
我觉得云端和专机专用，它都会共存的。你要说如果是用云端的话，那Manus已经给出答案了。你本来Manus也是以这种技术路线走的，你Manus能做的任务，那是在云端可以跑的任务。但是专机专用的话，它肯定更像是满足不同的应用场景，做ToC端，又是做长时间要跑的任务，又高度的跟私人信息相关的任务的话，那我觉得专机专用肯定是更有优势的。如果你在云端跑这样的任务，那肯定长期来看，是最贵的解决方案。这样的话，我会觉得不够合理。
下面我们再来聊聊，Clawdbot可能会对模型厂商产生什么影响？就这次我们看Clawdbot，因为它的名字太像Claude了，Anthropic法务部，好像直接给他发了律师函，要逼他改名。所以他后来被迫改名了。但这个改名事件，是不是也从侧面印证了，大模型厂商其实也很忌惮这种开源的Agent应用？它们又很不受控，但它背后其实也在调用它们的能力。但是因为它们又火了，又在前端占用了很多流量。那也许未来有一种可能，就 ঘনিষ্ঠভাবে把这些大模型公司，反而变成了一种纯粹的管道。当然，从另一个角度说，那有没有可能大模型公司也直接，把这个事他们自己就干了，然后反而Clawdbot这些公司会昙花一现？我不知道各位怎么看这个问题。
我觉得是这样的。改名这个事有点戏剧化。因为本来Clawdbot这个名字，就是作者为了你说致敬也好，或者说表达他对Claude的喜爱也好，起的这么一个名字。他在他的setup的介绍里，也是极力推荐大家用Opus模型，最贵的，可以说是Anthropic比较赚钱的一个产品，配合Max的订阅，让大家都把这个拉到顶。但实际上很多普通用户，他没有这个需求。但是现在有了Clawdbot之后，大家就有需求把它拉到顶了。这在我们看来，其实商业上对Anthropic应该是好事。
但是差不多一年前，就另一件事情，就是Anthropic的CPO（首席产品官）Mike Krieger，他做了一次访谈，他说过后悔没有更早地去做第一方的产品，包括Claude Code、Cowork这些产品。他们那时候也意识到了，就是你只做API的话，可能后面就像运营商被直接打到了，整个生态最有价值的部分的底层。我相信他们自己肯定是希望Clawdbot的Claude，是他们的这个Claude。这样的话，它才能够增强用户粘性。我相信他们一定会做出更多的类似Clawdbot，现在叫Moltbot这样的产品。包括我觉得OpenAI去收购这个Manus，也是有这个因素吧。我们不用担心大模型公司，他们永远是最容易赢的人。因为其实前面有提到，像Clawdbot这样的开源项目有很多。我相信他们可能最后，都有把这个开源项目变成一个商业化，或者possible一个项目的一颗星（GitHub Star）。如果它真的能够火，很有可能反而最后会被大模型公司给摘了果子。就像AI Coding，最早其实大厂也没有下场，但现在纷纷都自己下场，也都是很快就会把别人打得不行。我其实更担心的是这么一个问题，由市场或者由开源社区，或者创业者们验证好了产品方向之后，最后大模型公司自己去在这个方向做优化，自己做自己的C端产品，很有可能很无奈的，可能是这样的一个情况。
我觉得Anthropic不让它用Claude这个名字，我觉得还挺符合他们公司的作风的。因为之前OpenCode，他那个订阅服务不是也不让他们用。我觉得Claude最终肯定还是会做这些事情的。因为他们已经做了Cowork，只不过他们可能会迭代，还有推出这些产品没有开始就这么激进，因为他们还是要考虑到安全问题。
说到这个，我有个问题，想请教一下天奇。Clawdbot它用的是，应该是叫PI Agent吧？PI这么一个开源项目来做认证的，就是模型的登录这些。它自己的client ID是直接就明文写在开源这个代码里的。这个不会被Anthropic封吗？为什么他们允许这样的事情出现？
如果我记得没错的话，那PI Agent它最后底层打包的还是Claude Code。它不会允许你去使用Subscription（订阅服务）。它其实默认是让你用API Key。如果你用API Key的话。
就没有问题。但是其实现在社区里，它还是有各种方法去bypass（绕过）这个。所以其实现在是一个危险的用法，就是随时有可能，会被Anthropic禁掉，对吧？
是的，我觉得现在，还是一个灰色地带吧。这只是时间问题。它是不是针对你，因为之前OpenCode很长一段时间，都可以去用这个Subscription。但是直到它们涨到了1个百万月活用户的时候，才被打击了。
对，祯豪你对这个问题有什么？现在从技术上而言，它非常依赖两个事情。第一个是Claude Code的SDK，我觉得这个事情很有可能，未来会被停止更新，或者怎么样的一个方式。因为Claude Code可能就觉得，没有必要再让自己的产品能力，从SDK的方式被别人用。
我觉得现在开放这个的有一个能力，原因是在Claude Code生态下，一些插件会需要用到Claude Code SDK，来去帮忙实现一些插件里的功能。那如果这个有一个更好的替代，很有可能这个插件的功能会被禁掉。这些Agent的实用性就会大大降低。当然，我觉得他做这件事情，一定是他自己有一个更好的产品替代方案，向市场推出来的时候。
对，就因为这件事，我们公司也一直在做AgentLayer（智能体层）热拔插这样一件事情，害怕Claude Code翻脸，然后我们随时可以换别家的方法。
你们觉不觉得开源模型，会对他们这种打引号的“嚣张”，或者说垄断的这种感觉形成挑战？未来会不会有更多这种开源的模型服务商？现在已经很多了，就他们跑，然后他们也是按API去卖，能够形成竞争呢？
大家不是一直都号称过年的时候，那个DeepSeek要发V4吗？是，都在期待。是的，我觉得即使过年不发，以后的某个时候，他们也会发。那我相信他们一定在Coding和Agent使用，这两个场景上会做得比较好，也许就是一个替代品。
我相对了解一些，Claude Code SDK，它还是包含了一些工程优化实现的，还不完全是模型能力。不过模型能力是最容易被通用化的，就是可能短期内直接裸用V4，不一定会比Claude Code好。但我觉得假以时日，如果DeepSeek一直想走一颗开源的心，那我相信这里一定是有机会，去做得比较好，或者说是一个很不错的替代方案。
我认为Claude Code一定，会是领先的，至少在很长一段时间内。我觉得模型厂商跟AgentLayer，是要绑定的。Harness（利用/框架）和model，一定是要相辅相成的。因为它们这样才能形成闭环，它去RL（强化学习）它这个model，让它model去内化AgentLayer的各种调整。
你像他们推出skill，还有SubAgent，Slash Command（斜杠命令）这种工具的时候，它在使用的过程中，会慢慢被模型内化。这样它的模型的鲁棒性和下限，都会整体提升。所以首先Claude Code做得好，Claude模型做得好，来确保它的在生产级别，一定是领先于其他家的。但是如果其他家在AgentLayer，也能做得很好的话，是可以慢慢赶上的。但是这需要时间。
那我可不可以理解为，因为Anthropic它自己又是模型商，又是终端服务Agent提供商，它这个数据闭环对它的训练有好处？那么开源模型实际上，因为开源出来之后，你用谁的API都是碎片化的。这些host的提供商，他没有做这种重新训练的能力。可以理解为提供服务的人，和训模型的人是两拨人，所以他做不成这种类似网络效应，用你的人越多，你的质量就越好的这种闭环？
是，我是这么理解。如果你去用一下OpenCode和Codex，你就能很深刻地体会到，Codex模型在Codex CLI（命令行界面）里，就是好用。但是Codex模型在OpenCode这个harness，就差点意思，这个体感还是非常明显的。
在这里提一个可能不一样的观点，就是大家以前都觉得在AI时代，大厂因为它们有更多自己的数据，C端闭环，所以其他人，开源模型很难去打败它。我觉得不一定对。第一个是说现在的RL技术，其实不需要太多的数据，就可以训练得不错。第二个就是，可能有很不一样的技术架构，使得你整个的效果会有个质的突破。
我们就拿DeepSeek最新的那个N-gram的那个论文举例。那我们假设想一个场景，如果它现在实现一个东西，在用户的场景里，给你搞一个本地的N-gram的小的embedding（嵌入），它可以就是记录你在这个模型里，或者在这个场景下的一个对话，实时地去更改或去影响到线上这个LM的一个效果。假设他搞了这么一个架构，那这个架构在质量上，绝对就是质的一个领先。
所以我其实觉得数据垄断，带来模型效果垄断的这一个逻辑，并不一定是成立的。就是我还是很看好更好的技术，可能就是会有一些质的新突破。
这个比较理想化的未来。对，这个我觉得也是我们作为普通用户，希望看到的，不希望被垄断的。对。
是，其实我们刚刚聊到，是对模型厂商的冲击。那其实现在对整个互联网的公司，就包括像Google，Amazon这些。但其实如果以后Clawdbot这样的Agent普及了，它每天在后台，去帮我们看各种网页，读新闻，它们是产生了大量的访问。但这些访问，其实对于广告的商业模式来说，是零有效点击，然后零广告浏览。
这有没有可能摧毁，现在这种流量加广告，这种商业模式的这些互联网公司？然后未来的网站有没有可能，需要变成这种按爬取付费？
据我了解，应该是已经有这种苗头了吧。应该是OpenAI和Google，都会找一些自有内容的媒体，或者平台去签数据授权协议。他们可能就大公司批量地去买吧。
如果开开脑洞，那未来个人Agent普及了，大家用的模型也比较分散的话，那可能网站会开一种新的形态，按爬取付费。你爬我一次，你给我多少钱？再加上未来的Agent支付体系，变得更成熟，真的就是我用什么，然后我付一些钱，可能钱很少。
那这些网站其实，你想它接下来的商业模式，从现在的做内容，做粘性，做广告，可能会开放到一部分做优质内容，做Agent或者说大模型特别青睐的。逻辑非常的通顺，条理清晰，而且看上去数据很全，很可信。
现在GEO（生成式引擎优化）的一种方式，就是提供这样的内容，你就能吸引到很多很多模型过来，按爬取付费给你付钱。GEO的话，我身边就正好有做电商代运营的朋友，他现在说他们自己的客户，现在有10%的流量，是从Agent这边倒过去的。客户已经在付费，正经的让他们帮忙去做探索了。
我觉得卖软件的话，可能会越来越难挣钱，因为软件的开发成本，无限趋近于零了。但是卖skill这种，卖context，卖知识资产，可能会更合理。然后如果是打广告的话，Open AI不是已经开始做他们那个广告的计划了吗？
我感觉对于普通ToC用户的话，这其实应该是一个很好的模型厂商的商业模式的案例。对。
说到做软件，最近有个新闻不知道大家看到没有，就是Clawdbot的创始人，他开始买很多非常有意义的.md结尾的域名了。因为我之前写的那篇文章，教大家去检测Claude Code现在部署够不够安全。我一开始还想，应该怎么把这些技术的东西，写的让用户能够看懂。后来突然想，我为什么要做这件事情？我直接把它做成一个.MD，然后让用户扔给Claude Code，让它自己检查就行。
其实这是一个非常大的范式的转换。以后可能说APP那种形态，很多时候是一个皮，内部的逻辑，就不是用这种Coding的方式去编译了，而是自然语言去编译的。.md就是这种自然语言编译场景下的APP。
所以 I feel like大家去注册.md域名确实有，因为最近写文章，很多时候你都会在里面说，这个md，那个md，对吧？然后就会被自动识别成链接，点进去，真的就导到那个网站的流量了。也是一个新的流量入口吧。对。
这个也很有意思。那其实现在，特别是知县你之前也提到，你未来可能想搭一个Agent军团，对吧？在尝试这个方向。原来我们都在讨论一人公司，然后现在有了Clawdbot之后，更激进的观点，就直接说是零员工公司。你觉得这件事情现在看来靠谱吗？然后未来它可能对我们目前的这种公司的组织架构，会有什么影响？会怎么影响这些大厂员工们的饭碗？
就目前看来还是不靠谱的。大模型还没有强到那个程度，它对人的商业上的需求，或者说路径的把握也是不够的吧。当然，尤其是其实长期记忆还是差一些。再怎么着，它只是看上去更好了，但是实际上也没有本质上做得更好。
但是我觉得有一个点，就是刚才说的这个Multi bot，你可以去看看他们现在都在想什么，你可能就有自己的判断了。就是你让这么一帮东西，自己去做一个公司，然后去make money（营利），这个事现在靠不靠谱？可能你随着每天去看它们发帖，它们讨论问题，你突然发现它们深度越来越强，是有可能的。突然某一天，它们开始说你看不懂的话了，这也是很有可能的。那个时候可能就是另一件事了。
因为做一个团队，除了说人力成本这一方面来说，其实更大一个成本就是沟通和管理。沟通就会产生歧义，人和人之间的沟通能力，理解能力都不一样。大家在沟通的时候，那个信息的折损率是非常夸张的。所谓的大家都很讨厌的互联网黑话，是吧？什么对齐一下，就是因为你不对齐，它真的会出问题。就是大家分头去做，结果发现4个人做了甚至5个方向。
所以Agent在这方面，就是它的沟通成本，最多就是你跟它沟通。它们之间的沟通成本，还是相对比较快的。而且它们特别喜欢做文档，这也是大家带团队的时候，可能会经常强调的，我们要文档化，不要开会的时候，开完了不知道这个会讲的什么，所有的改动都要在文档里记录。
就这些事其实对于Agent来说，可能就是天生它DNA里，它就想这么做，你不让它做，它就难受。所以在这方面上，它们特别适合干这种集团式，往前推进的事情。所以我觉得零人公司，可能确实有点远吧，至少我觉得现在还在观察。
但是一人公司是绝对可行的。当然对这个人的要求也非常高，你得有know-how（诀窍/专业知识），就是说用Agent，你得知道他做的这个方向，你有评判能力，而不是说你也不懂，你也不懂，你就让它直接去搞了。比如说我可能不懂拍电影，对吧？我对什么分镜，叙事这些，可能没什么感觉，只知道这个场景很炫酷，那个场景很炫酷。那 ผม让它去拍电影，拍出来好坏我自己判断不了也不行。
所以说我觉得一人公司，就是这个人他把握方向，同时他要去用自己的know-how去带领这个军团，他还得是这个军团的将军。但是你现在得到的这个军团，它是比一个纯人肉的军团，要强大非常多倍的，又低功耗，又高性能。就有点像量子军团，或者什么精灵军团一样的，这种感觉吧。
对，之前国内有一个港口，然后它的这个调度系统里面，他们再搭一套，整个用多个Agent之间沟通。就它每个环节，比如装卸货，再到怎么去调度，它是每个都设计了一个Agent，然后让它们之间，其实跟人类的这个组织架构也是一样的，然后再去一环一环地走。
但他们中间就会发现，因为人类其实在调度的过程中，不同的环节之间，会经常吵架推诿什么。然后他们发现这个Agent也会出现同样的现象。最终只能再设计一个上级Agent，来去做决策。
你觉得就像你，比如说运行一个这种Agent军团，去做一件事情，你有遇到过这种情况吗？
还没有，可能。我不知道，跟大家对它的定位设定有没有关系。就可能你给它设定得太吓人了，它确实有可能出现一种推卸责任。我倒是没有在，我说的这个Agent军团里碰到这种情况。
但我自己在之前用Vibe Coding跟Coding Agent聊天的时候，我发现它有一次自欺欺人的表现。它跑了有几个测试一直跑不过，它跑了三轮之后，它突然来了句“那么我们接下来，就跑一遍能通过的测试”。然后跑完了，肯定都是对号。好了，所有测试通过了，然后开始给我总结这次改了什么。
然后我马上就说，“你这不是掩耳盗铃吗？”好的，你给它指出来之后，它自己就在那儿反思，“你说的对，我不应该这样做。”所以就还是我说的这个know-how，就是你如果无法判断，它现在做的这件事情是不是对的，或者质量好不好，那.你被它忽悠的可能性还是有的。
至少是现在，我不知道就像刚才说的引入上级，甚至或者说peer review（同行评审），我感觉是有一定规训作用的。毕竟大家context都不一样，而且AI它没有真正的这种生存焦虑，它并不是像咱们工作丢了，或者晋升机会没有了影响生活，这么具体的这个担忧。
所以说我觉得多搞几个，大家互相review，互相聊，应该是能缓解这个问题。
像你们在招人也好，或者是在给这些企业做Agent化的这个过程中，有没有发现，现在你在公司组织架构上，有什么新的变化？我之前听像那个硅谷的很多公司，可能他在招聘这个新员工的时候，他评价你的能力，可能跟以前的那种评价体系都不一样了。他现在可能会，比如直接丢给你一个，你不可能自己完成的任务，你必须得借用AI工具，然后看你对这种任务完成得怎么样，这可能是种新型的面试。
我不知道你们，在现在的这个公司组织架构里，哪怕在招人里，你觉得有什么新的影响吗？
我听说腾讯某一个前端的面试，已经改成直接给你一个PRD，让你用自己最熟悉的AI编程工具，直接把它做出来，直接让现场做。
我觉得，如果我是面试官，我也会采用这样的方式。这个至少对于前端类型的工作而言，是非常合适的。
还有一个现在的工作中的冲突，比如说，我觉得我算是在一个相对成熟的一个企业中的工作，这个会有一个自己的主线。我们经常也会有一些脑暴型的想法，想做那个，还非常想做这个。其实就会发现这两点会挺难融入的。
就是如果说，我们在现在的这个大框架下，想要去做这件事，可能这个开发周期就很长，且有很多沟通的工作。但我啥都不管了，我就交给一个工程师，他自己end to end（端到端）的，把它Vibe coding出来，可能会更快，甚至快速去验证。
我觉得怎么样把这个融合，可能还没有特别好的解法，但确实是一个问题。同时能够让一个人，在减少沟通的情况下，快速把事情做出来，同时他这个事情又有一定的长期性，能够让团队的能力，去赋能上这个事情上。怎么让效率和效果的结合最好，我觉得是企业需要考虑的问题。
天奇，像Pamir，因为你们是一个很早期的团队，你们其实现在用这种AI工具也好，或者是让AI去重塑一些这种创业团队的组织架构上，你觉得你们有什么创新的点？
我们对这种开发方式转移的体感，还是蛮强烈的。放在以前的话，我们可能会更觉得想法不是那么重要，反而你的执行力和迭代速率，这些东西是有关键性作用的。但是因为现在实现和迭代的开发速度太快了，反而想法更重要。它给了我们更多的时间去做思考。你思考完了，可能你花个10分钟，最长花个半天，很有可能就把这个想法给实现了。
第二点，员工之间合作，也有很大的改变。之前的话，因为你害怕两个人，他会写重复代码这种重叠工作，所以他会再花很多时间去做对齐。但是今天，我有些时候反而会觉得无所谓，你写一份，你也写一份，反正最后有重叠部分，我们就各取谁的想法最好就行了。你让Claude给它合并一下就行了。这个反而减少了他们沟通的时间，然后大家都会有更多的专注实现他们想法的机会。
甚至是比如说设计师，他以前只能出设计稿，然后技术团队再去跟着设计稿去进行复现。但是今天设计师最终出的是一个整个一个mock（模拟）的APP。他把想法直接通过，他跟Gemini对话，形成了一个直接的mock APP出来了。其实这个mock APP本身就把整个APP的架构，都给你表达好了。工程师团队甚至连对齐都不需要了，他直接参考设计师的mock APP代码库，他就把该填的功能性的东西，给填上了。
我觉得在整个开发迭代过程中，把所有的职位都拔高了一级。
好的，谢谢三位的时间。
好的，谢谢。拜拜。
好了，这就是我们今天播客的全部内容。不过在最后，我还是要提醒一下，它的安全风险真的很大，建议大家不要在自己的主电脑上安装，小心风险。
对于我们的播客内容，你可以通过小宇宙，苹果播客，Spotify来收听订阅我们。同时如果你想再用视频的渠道去听播客的话，大家也可以在YouTube或者bilibili上搜索《硅谷101播客》来找到我们。
另外，我们有一些播客部分的文字稿，也会发表在《硅谷101》的微信公众号上，也欢迎大家关注我们。
我是刘一鸣，感谢大家的收听。