Cherry Studio 王新铭：2 个人，Github 42k 星，代码贡献第一名是 Claude

01:30大家好。我是Yinsen，然后是这个Cherry Studio的创始人。然后今天非常高兴能在这里跟大家交流。

王王新铭Cherry Studio

02:10嗯，Cherry Studio的话最早的话，它就是一个呃Chatbot的一个客户端，可以等同于理解是一个开源的这个ChatGPT。但是它可以接入市面上当时几乎是所有的这个大语言模型。无论是这个OpenAI的GPT的模型，还是Claude的模型，还有Gemini，还是国内的像这个DeepSeek呀、呃千问啊。

02:35Kimi、GLM等等等等。就是2025年9月份之后呢，我们把它升级为了一个Agent的一个客户端。它是底层是用了呃Claude Agent SDK，呃去实现了这个Agent的能力。然后到目前的话，它也是全量的支持这个Claude Code或者Claude Cowork的一些特性。

02:56像skill啊，像commands啊，像plugin啊等等等等。它现在也在向更自主化的方向去演进。加入了像呃心跳、像定时任务，还有像外部channel连接的一些能力。这就是Cherry Studio的一个简单的介绍。

03:52其实是有一些像的，因为，呃，这个事情我们在OpenClaw刚出来那会儿，其实我们还没有关注到的情况下，我们那会儿已经有在内部讨论这个Agent下一步的计划。那当时有一个比较明确的方向，就是long running这个面的一些东西。

OpenClaw

04:10就是，嗯，因为现在的呃Claude Code也好，还是Claude Cowork也好，它本质还是人类的一个工具，它是工具型的Agent。那我们在看到这个token消耗量的一个曲线的时候呢，它是有明显的波峰和波谷的。那我们认为在未来的时候，整个token的消耗量它会像这个工业革命之后，呃。

04:32这个机器是24小时运转，会填平这些波峰和波谷。那这个依赖于Agent呢是可以完全自主化去工作的，而不是依赖于由人去触发它的任务。所以我们当时认为这个long running的基础就是它要有这个心跳的机制，和有这个定时的任务。

04:52还有一些事件触发，所以这是当时我们的一些规划。但是很快就看到了这个OpenClaw的爆火，然后大家确实有一些在理解上比较接近的地方了。当然，这个事情其实也不是OpenClaw就是率先提出来的，其实在第三方一些呃类Claude Code的产品当中已经有这种功能体现了。

05:21这里面其实还有一个小小的一个一个渊源啊，就是我的合伙人王谦，应该是这个呃文浩的这个老同事老下属了。我在上家公司是一家做智能硬件的公司。然后我在那家公司是做一个这个产品合伙人，但是跟AI其实关系不大了。那我在之前的经历的话是在互联网公司和AI公司呃多一点。

05:46那那AI公司的话比较有代表性就是叫依图，它也是这个AI什么视觉四小龙之一。然后呢我一直对AI还是非常有有这个热情和关注的。然后在上家公司的时候呢就24年年初，我当时就想这个AI行业发展很快，真的是非常好的一个时代，自己来去呃深度的去使用它，去学习它，这个掌握它。

06:15甚至做点东西，这个是最好的一个状态。但在那会儿已经感觉到就是，光从使用层面来去，呃，学习，它的效率已经很低了。因为每天层出不穷的新的概念。那当时觉得做东西是学东西的这个，一个非常好的一个一个方式。所以我当时就开始找，想了一个概念去怎么去做一个，在大语言模型之前它没有的这个，没有的产品。

06:40AI之后它有了。然后以及，呃，它能，呃，尽可能全面的覆盖大语言模型的所有这些特性。然后呢，呃，这个能让，呃，自己有一个更全面学习AI的一个机会。然后我就构思了一个桌面客户端，其实那会儿我因为在高强度的使用ChatGPT那个Plus那个会员，

07:02经常会触发那个五小时三十次还是三小时十五次那个limit。当时我就觉得呃肯定我要在PC端上去做了，因为它跟我的很多工作的这个呃环境啊，很多工作流它都已经相关了。然后呢它显然是一个效率工具的定位。当时也用过类似于OpenWebUI之类的这种产品，但是觉得这个网页端的体验整体不是特别好，而且网页端它有一个比较大的弊端就是它的部署很麻烦，

07:32它要有一个这个pipe的一个环境。或者是有一个呃Docker的一个环境，然后还要自己去做数据持久化。反正没有点技术能力的话，它其实还蛮难搞的。我就觉得做一个客户端，用户下载下来装上去就能用，啊，这是一个呃这个反倒是低门槛的一个方式。

07:51所以我当时就就写了一个文档，然后呢做了一些简单示意图就开始找朋友做。然后找了大概三五个朋友吧，做出来的效果都不是让我特别的理想。我就在GitHub那去去翻已经有的这个项目，就找到了王谦当时做的项目，他是在GitHub是七月中下旬吧发了第一个版本。

08:12然后0.02那会儿其实那个版本非常非常简单，就是一个接了四五个provider，然后呢配上key之后它就可以对话，除此之外没有任何功能了。然后我找到他之后但是我感觉整体的这个框架跟我想象当中的还是挺match的，然后呢我就呃联系他，

08:30他在GitHub的这个主页上留了这个呃一个联系方式嘛，然后呃我就约他喝咖啡。原来我们就都住在一个地方，都住在这个嘉定区的南翔镇，然后隔了就几百米，其实是一个非常巧妙的一个呃缘分哈。我们在线下见完面之后呃觉得对这个事情的想法还是有一些一致性的，那我们就开始决定一起做。

08:53嗯，八月份的时候我见到他，然后那个一直往功能更丰富的这个方向去做，加了像WebSearch，加了知识库，嗯。后来加MCP，这一系列的这个迭代下来，其实我觉得我们做对了两两件事情，一个是在功能迭代上我们还是保持了比较稳定的节奏，

09:14第二个我们选的这个客户端的这个形态呢，它的确对用户的这个安装部署来讲是更简便的。而且我们比当时市面上其实也有一些其他的这个客户端形态的一些这个项目啊，但是整体的界面或者是这个交互的友好程度也会稍好一些。所以在那会儿得到了一个社区第一阶段的一个认可，每个月呃到年底的时候每个月差不多稳定会有1k star的一个增速，

09:42然后呢一直到接近春节的时候已经有4k star了，那会儿还是挺有成就感的，因为其实我是第一次做开源项目，大概花了就小半年的时间做了4k，那觉得这个是一个小小的成就吧。

10:08现在应该是有，呃，接近四十二k star。

10:18应该算，我没有太了解那个大家这个分布啊。

11:01坦白一点呢，就是当时也没有把它当成一个主业来去做。就当时觉得是一个，呃，类似于学习，然后又能同时给别人也带来一些这个，呃，使用便利的角度去做的这个事情。起码在第一天的时候没有非常非常严肃地去想商业化这件事情，所以我们就选了这个开源。

11:21然后再有一个呢，就是我们也觉得自己在当时的这个资源和人力的情况下，是没有办法，呃，持续把它这个迭代到一个一个非常健全的一个状态。所以我们觉得也希望有一些，呃，社区的贡献者可以参与进来，然后把它做得更好。但其实蛮长时间都没有人参与的。

11:41就是基本上就是我的合伙人他在写代码，然后我就在提需求的一个状态。但是真正有有贡献者，可能都是，就是有比较，呃，密集的贡献者的话，大概就是到了二五年年初的时候了。

12:08对，是的。

12:21第一个阶段是大概做，我们八月份开始做，做到十一之后，两三个月之后呢，我当时觉得，因为对行业也有了更多的一些新的观察和理解，我觉得这个事儿肯定是有商业化机会的。然后呢，肯定不单纯是一个业余项目的一个一个感觉了。就是让我觉得可以到这个时间点的时候，就是那个DeepSeek爆火。

12:45那那个时候，DeepSeek当时爆火了之后呢，出现了一系列的这个，怎么讲，连锁反应吧。然后DeepSeek官网一直在崩，一直在挂，然后呢，硅基流动呢就那个上架了他们的那个模型。用那个生成的服务器，最早的时候就接了硅基流动的一个，呃，provider。

硅基流动

13:05那客户端呢在在安装上又，嗯，相对简单，所以呢就很多用户是是奔着这个用DeepSeek然后来的。然后就注册了硅基流动，然后在Cherry Studio里面用硅基流动。再有一个呢，就是在当时硅基流动的官网实际上是没有提供知识库这个功能的。

13:24知识库的原理它很简单啊，就是一个RAG加一个一个召回的东西。但是在当时市面上同类的这个产品当中，呃——有知识库的也还蛮少的。然后就很多人去DeepSeek官网问，怎么做一个用AI做一个自己的知识库。然后呢，因为我们在当时这个官网的这个文档里面呢，就写了还比较多关于知识库的一些说明。

13:49然后呢，DeepSeek又用了博查的搜索引擎。博查的搜索引擎的这个算法呢，会对那个说明更详细、更全面的这种的这个项目呢加权重。然后我们就被DeepSeek推荐出来了。然后就DeepSeek就告诉这个用户，你可以去下载一个Cherry Studio，然后接入DeepSeek的这个模型，

14:10就可以有自己知识库。哇。很多用户就一下就涌进来了。我们我们当时那个CDN托管在Cloudflare吧，因为因为GitHub国内用户下其实是不太稳定的，然后Cloudflare还比较稳，但是它一个月就两T的那个，呃，那个流量，我印象就是一个上午，

14:28两三小时就给干光了。就跟那个流浪汉一样，到处去嫖人家的CDN，然后切来切去，切来切去，每天就应对这种的非常，呃，大的这个下载流量，勉勉强强吧，撑过了那个爆发阶段。然后到那个阶段的时候我就觉得，哎呀，这个这个事情，这这已经是箭在弦上了，就必须得出来全职做了。

14:51要不然的话，就前面这些很狼狈的这种的这个情况啊，还会持续发生，以及我们没有办法真正去承接住行业的这个发展的这些这个，呃，趋势和和红利吧。所以我们觉得，呃，应该要要出来了。

15:19是是是，对不住大家的要求了，已经。

15:48从贡献的代码量来讲，其实是，呃，就是社区的贡献量已经远远超过我们的那个自己的这个贡献量了。然后其实可以，因为GitHub上可以看到一个数据统计嘛，呃——比如像这个在contributors那个页面，很长时间就是第一二三名都是社区的贡献者，然后往前只能排到，呃，第三名第四名了。

16:12然后当然最近又发生了一些变化啊，就是Claude的那个排名排到了第一，社区贡献者已经排到第二了。

16:23再就是那个想法的层面的话，其实当然最早期的时候是我们自己的为主。中间一个蛮长的时间是社区，可能每个人来提PR的时候都是有自己的想法的。那会儿我们也没有去做一个比较有秩序的组织。那再后来的时候，我们就把这些这个核心贡献者呢拉到了一起，飞书群里面。

16:46然后实际现在整个的路线，嗯，和和规划是由我们来去主导，呃，社区参与的一个状态。

17:34其实，在我们这个项目里面，呃——我我觉得是一个还挺不典型的一个项目。就是我们很多贡献者，我们很多核心的贡献者是第一次做开源项目。然后呢，而且他们都是从，呃，用户，呃，转向了贡献者。十来个贡献者里面，学生占了将近一半。都是在什么北京啊，然后西安，这个广东，还有在英国，就是这些研二研三的学生占了一半。

18:03然后他们其实这个热情也很高。然后再有一个呢，就是我们还有一些这个，呃，也有很有经验的一些小伙伴，这个规范方面也非常好。然后呢，就形成了一个非常好的这个，嗯，互补吧。我们也是很早就意识到，就是这个，呃，贡献者不能让他就是随意的来，然后提完之后大家也没有联系，

18:25这种情况下肯定是大家的这种联联络是弱的。那我们很早就觉得要有热情，嗯。愿意持续投入的小伙伴团结到一起。

18:36然后呢，我们就很早就把，把大家这个，我去每个人联系他们，加他们的这个微信，然后呢拉拉群。后来的时候我们整个搬迁到飞书上面去。我们在还没什么收入的情况下，我们就是每给每个贡献者报销那个二十美金的Cursor的订阅费，然后希望大家在这个事情上可以用得更，

18:56呃，好一点。然后呢，再后来的时候是，大家那个现在是给大家报销Claude Code，就两百美金的那个订阅。啊，然后我们核心贡献者都可以用这个这个这个最高档的这个，呃，Code Agent的这个工具。然后那个再就是我们还给我们的学生开通了美团企业版。

19:15大家每天可以点一个晚餐，然后还是有一些比较用心的，

19:24对对对，呃。然后我们有一个贡献者，他在西北工工工大读书嘛，然后他说他在山沟沟里面，哎呀，三十块钱这个都可以吃得非常豪华了，然后也非常这个这个开心吧。我觉得这个也是也是我们体现出，就是我们愿意去，呃，团结大家，愿意给大家去做一些这个基本的支撑，

19:47一个一个，呃，意愿吧。

19:55这个订阅和外卖，对。

20:50我觉得这个情况肯定是存在的，必然是存在的。然后其实Cherry Studio某种程度上也有一些用户在抱怨它好像什么都能做，就是功能有点多。这种情况也有，然后也确实还有用户反馈说还还缺什么功能，希望功能变得更多。然后这个在社区层面也是一样的，就是有些贡献者也觉得它的功能有点多了，然后呢。

21:16也有想做新功能的这个贡献者，这个我觉得它是必然存在的，就是我们是真的去用开源的方式来做的，而不是说纯粹的把代码开放出来，但是还是公司主导。那我们还是希望能在当中取一个平衡。那最早的时候其实一个功能我们觉得有一定的实用价值，不是特别的这个离谱的时候，我们都会往里合的，

21:41不会给大家特别强制的约束，然后还是充分尊重贡献者的一些这个想法，但是呢我们也会去看他整个代码质量。他这个人持续维护的一个频率，然后以及这个功能它是不是完全的伪需求，然后或者说完全的十字还行的这种需求，那我们可能也会拒绝掉。

22:06那就在这中间取了一个平衡。里面也有两个很底层的这个想法，一个就是我们的人手资源确实少，那我们确实要更加的依赖社区。然后第二个呢就是我们认为就是在今天去做所谓的克制和这个小而美，在AI的这个时代不是特别适用了。因为AI的那个变化非常快，呃，会。

22:35层出不穷的这个新的概念，新的功能。那如果你保持小而美或者保持极度克制，这个产品可能它是没有办法一直跟上这个发展趋势的。所以我们当时也是选择了更加开放的一个状态。那甚至我们觉得这个东西它到后面的时候，就并非是一个完全给用户用的东西了，它会变成一个AI的一个infra。

23:00那这种情况下，它很多的复杂度其实会被屏蔽到这个agent的背后，用户实际上是不需要看到那么多复杂度的东西的。但是前期这些贡献它都是很有价值的。那举一个例子来讲的话，就是之前我们有个社区贡献者，他想在里面做一个笔记的功能。

23:18我当时觉得这笔记功能挺挺扯的。我有Obsidian，我有Notion，我为什么要要在Cherry Studio里面再去用一个笔记呢？但是其实，在呃蛮长的时间之后，呃我。发现笔记这个能力在整个这个你把它当成agent可以用的一个工具，当成它的一个infra的一环的话，

23:40发现它还是有它的价值的。那它会可以提供更好的跟AI更精确颗粒度的一个交互的一个界面，然后也可以作为AI和人交互产物的一个沉淀的一个功能。所以我又觉得它好像也有新的价值。所以这个保持一定的开放度，对产品保持活力，我觉得在今天来讲是很重要的。

25:36我觉得Cherry Studio是现在是用户分布极其的广吧。最早的时候其实是偏技术型的用户，其实他起码得理解API，理解key是什么东西，他才用得起来。然后当时我们观察到就是技术用户对它的一个拥抱程度其实超出了我们想象，因为我们最早想的是技术用户可能会更偏向于OpenWebUI或者是一些更硬核的一些产品，

26:06然后自己搞个Docker部署之类的。我们发现开发者其实技术型用户他也不会没苦硬吃，他也不想去整天搞Docker那些东西。有一个简单的工具能完成他的需求的话，他也愿意用。然后第二阶段的时候，我们就发现好像用户群体发生一些变化了，就是有些用户他并不是很理解那些API和key是什么这个东西的情况下，

26:31他也想用。我第一次有很强烈的感受就是，有一个用户在拍照跟我们反馈问题，照片呢拍的不是很清楚，我就问他。你能不能截图发我，他问我怎么截图，我当时就就想，哇，这是一个什么样的用户，然后怎么连截图都不会，还在用Cherry Studio上，后来发现他真的不是孤立，就是

26:53有很多很多这种用户，他也不理解什么。比如说他当时误打误撞的注册了这个硅基流动，然后因为我们在硅基流动跟Cherry Studio做了一个OAuth登录嘛，登录完了之后他是有一个十四块钱的一个赠金，然后他就开始用起来了。用起来之后呢，那十四块花完了，他发现用不了了，然后那个报错信息是这个API直接抛的，就是一个什么，

27:19就是你balance什么不够了之类的。然后呢。用户也看不明白啥意思，我跟他说没钱了，他说，啊，这个东西还要钱吗？或者说，啊，那我去哪里充值？就是完全没有概念，我发现这种用户特别特别多。

27:30其实这也反馈出来我们现在的还没有做好的一个点，就是他onboarding的体验其实还做得不够好，一些错误的提示不够的友好，不够的直接，然后一些相关的引导也没有做好。因为用户群体其实跟最早的时候已经发生了比较大的变化了。就采用的群体来讲的话，大企业、小企业，还有个人，还有这种泛知识工作者，还有学生，其实都有。

27:59像大一点的企业的话。比如说像国企或者事业单位的性质的，有什么中国科学院，中国社科院，然后这种，然后呢也有像这个大的像平安，微众银行，像南方电网。

28:14然后还有像这个麦当劳中国，这些是体量比较大的。然后小一些的就是十几个人，五十多号人的这种企业，也有好多。然后呢，甚至当时有一个是做母猪配种的

28:31养殖企业，畜牧行业的这个也来问，他们公司可能是一百来号人。这个用户的或者是客户的这个群体的广泛度也是远超我们想象的。然后其实前面也还有像什么那个一个朋友来截图给我们说什么他有一个同学在国外读书。然后说他们做科研的一些这个博二博三的一些学生。

28:55都在用Cherry Studio去帮他们做科研，然后这个当时也是让我们还挺意外的，然后这个也也体现出它的用户的一个泛用性吧。

29:47我们实际上是已经做了一个服务商，然后去让用户就是OAuth登录之后呢，他就可以用到很多模型了。但是这个呢我们做得非常克制。它跟所有第三方的这个provider是呃平权的，我们没有给它去做更多额外的这个倾嗯倾向或者侧重，某种程度上是简化了用户使用的一些这个门槛吧。

30:11其实我们做做这件事情的时候，就真的目的就是怎么降低用户的这个门槛。那那我们企业的解法的话，就是企业的这个IT同学、管理员，他在后台配好，那员工那边其实是不需要关注呃这个配置的这个流程的，那他就可以开箱即用了。所以这个企业这边问题相对会会好一点。

30:34那个人这边呢，其实做到这个程度也还没有，我觉得没有做得特别的这个极致吧。呃相对是一个呃初期，或者呃说好听点就是克制的状态。因为我们也没有去做订阅啊，也没有去做各种plan。然后呢，就是大家是充值呃token，呃按量计费，呃这种情况。

32:28它有多方面的原因。首先在早期的时候，其实我们没有那么多资源去做，就是极度商业化的事情。因为其实很多第三方的那个呃就那个套壳应用，它实际上是在补贴，呃补贴的做法去去卖的。无论是那个Cursor还是像Manus，我相信它今天的这个毛利可能都是负的。

32:51那Cursor的话有五亿的营收，它是有十亿的亏损，是吧？这种方式在做，就是我们在当时是没有这种资源，呃。可以补贴用户用更便宜的价格去呃这个使用，呃就去调用模型的。本质上把它开放出来，用户还是在我的产品里面用了。然后呢，但这个成本是用户就是平进平出的，自己承担掉了，那也不需要我们来去补贴。

33:14这个反馈，用户的反馈或者用户习惯，依然还是会沉淀到这个Cherry Studio里面。其实刚才提到那个呃POE的话，呃。其实有一个很有意思的地方，就是POE它是可以在它的网站上，或者在它客户端里面去用它的那个模型服务，也可以通过API去调用它的这个服务。

33:35在第三方调用呃POE API的这个软件当中，Cherry Studio是排名第一的，而且是超过了它自己的一个叫App Creator的一个功能模块。啊，这个是很有意思，就是我们一个三方超过了它一方。第三名啊，第四名可能就是像什么Roo Code啊，像什么Kilo Code这种的，呃coding agent。

33:56就是我们一个chat code都还超过了一些这个coding agent的，这个这个我觉得还是也让我蛮意外的一个点了。从这个商业化和社区平衡这个角度来讲的话，当时也有一些想法。因为我们还是也也不想把它完全转向了一个商业化产品，那这样的话其实是比较伤害社区。

34:15然后另外一个点的话，就是我们也没有余力再做一个纯商业化的产品了。纯商业化的产品无论维护来讲，还是重新获客来讲，它的这个成本都很高。所以我们就在在里面想，先从解决用户的onboarding体验的痛点来讲去做这件事情。其实现在已经可以绕过这个API key了，它OAuth登录之后呢，它就自动把key给它填进去了。

34:41那用户其实是没有感知的，那这种情况下他他体验会好很多。然后呢，再有一个呢，就是我们无论是在做企业版的时候，还是我们再去上我们自己的模型服务的时候，我们这两个带有商业化的举动，其实是得到了呃我们所有用户的一个就是百分百的支持啊。

35:02甚至我们当时只在我们公众号里面发一些信息，也会被搬运到其他地方，然后大家都是好评的。我们推企业版的时候，就会社区的贡献者就会那个有担忧。其实他们他们跟我们的这个立场，或者跟我们的这种的感受，其实是非常同频了啊。就是他他也觉得，他他是自己深度的一员了，然后他又担心，我们出了企业版之后，大家会不会觉得Cherry Studio的这个开源的这个性质有点有变化。

35:31然后但是被搬运到一个叫LINUX DO的一个社区之后，哇。下面好多好多跟帖，全都是清一色的支持，没有一个人去这个说，哇，这个你你这个怎么着，这个变味儿了，一个都没有。这个当时情况还是让我们蛮意外的。所以我们做的这两个商业化的这个呃举动，还是在社区和这个嗯那个商业化当中，嗯相对好的平衡吧。

35:57然后而且我们当时团队也非常非常小。不需要那么激进的商业化的策略。然后呢，以及以我看来啊，就在当下这个，就是在之前chat那个阶段，真正能产生产生token的消耗，呃。说实话，那个营收啊，它是非常非常低的，也不足以支撑一家比较大的公司。

36:20但在现在我们呃处于一个非常重要的转变期，也就是agent它token的消耗量，以及它能解决用户的实际问题，以及用户的实际付费意愿，都在快速变化。那这个已经看起来是一个还不错的生意了。然后在未来的话，long running agent真正普及之后，这个token消耗量，我认为在未来肯定还是这个百倍千倍以上的增长。

36:44那渗透率的话，其实也会因为像OpenClaw这种这个把门槛快速降低的这个呃变化，也会快速扩大。那到那会儿的话，其实这个，嗯，这个商业化，嗯，就变成一个非常重要的事情了。而且我们本身已经做好了商业化的这个基础，就是我们的CherryIN。

37:05呃，CherryIN本身是CherryIN infra，它有API网关，它有这个计费等等的这些基础模块。那做商业化的时候，只不过把它做得更好的一个联通就可以了。

37:51现在的话，我们团队有九个全职的人了。因为之前其实在25年9月份之前就只有我跟王谦两个人，写代码的其实只有王谦一个人。到现在的话，其实已经有九个人了。我们有比较全面的这个团队，产品有设计，然后有商务，然后有研发，大概是这样的一个组合。

38:17而且其实都都是最近加进去的。

38:29怎么讲呢？从从这个研发人效来讲，呃。包括一些其他岗位的人效来讲，大幅提升这个是必然的。我认为里面它还有一些细节的问题。比如说，光研发的呃产能提升的话，其实并不意味着整个公司的这个产能提升。

38:46因为一个pipeline它它有呃进水口，它有出水口。你要把每个环节都扩得足够大，它的产能才才持续提升。这个就有点像大家一直在讲的AI native的组织要解决什么样的命题一样，就只把研发产能做大了，那产品需求没跟上，

39:05然后或者说是市场这个需求没跟上，瓶颈它就不在研发上面了。所以我觉得这个地方是一个问题，嗯。再有一个的话，在今天看来的话，一个商业化非常好的团队，它必然还需要一定的团队的规模，也就是某些岗位它必须要有一个人，但可能它只需要一个人了。

39:26因为很多这个人跟人界面层面的东西，在今天它是还不能完全通过AI去解决的。那这样的话，其实我觉得可能呃，三十个人以后可以干三百个人的事情，呃，也可能能干五百个人的事情，但是三十个人可能还是干不了五千个人的事情。

41:03我觉得首先第一点就是你刚才讲的，就是过去的公司它其实有一个很重的历史包袱，然后新的公司从零开始搭建的，它还是轻装上阵的，这个我是非常非常认同的。可能是零零三零四年之后建立的公司最大的优势了，没有之一了。就是无论它是做的什么样的产品，怎么什么样的商业化，可能最大优势就是它真正是有机会做一个AI native组织的。

41:28但是过去的公司我觉得它极其的难，甚至像字节、腾讯这些在今天比较先进的公司，我相信它里面是有非常大的比例，可能超过百分之五十的比例是不相信AI。或者是没有那么愿意拥抱AI的。而且这样的盘根错节组织里面的惯性，是没有办法让它去实现快速优化的，那除非老板有一天这个，呃，

41:53不管不顾了，对吧？这个疯掉了，要去要去把百分之五十的人干掉啊，那我觉得这个还还蛮难的。

42:06我也看到那个像像Meta，像像Amazon，他们都在做这件事情了。我觉得可能有些人就是有些老板已经回过神来了，他必须要去做这件事情了。即使影响影响到当前这个基本盘面，但是可能有一个一个短暂下降之后，可能会有个快速的这个陡峭拉升。

42:23那这个事情我觉得是不可避免的。但是对对我们来讲就没有这些问题，不会去跟那些这个呃旧的这个呃势力去去做抗争这个这个这个难题。然后这是这是第一点。然后第二点的话，其实在意愿和方法这个层面，对新公司来讲，它仍然是个挑战。就愿意加入这么小的一个公司一个团队的人。

42:45他通常来讲他是相信AI，而且在筛选的时候你也是，呃，会筛选相信AI、愿意拥抱AI的人。但是在这个组织之下，有没有好的方法让他去真正的利用AI解决问题？我觉得也不见得是所有的组织在今天都有这个意识的。很多组织其实是搞了一帮相信AI的人，但是可能没有真正用AI的方法去做事情，

43:13没有尽最大化的去利用AI的这个杠杆去加速，让大家从当中继续获得这个正反馈，去迭代这个组织的运作方式。这个方法层面其实也是非常重要的。然后第三个层面就是，我觉得是到了理念层面吧，就是真正要用AI去解决什么样的问题。大概三个月前有一个粗糙的这个抽象和和这个梳理啊。

43:38就是比如说我们可以，呃，进一步减减少这个对齐的成本。因为过去我们组织都是分层的，分好多好多层，大家都是通过汇报线来去对齐一个组织的目标。但是在层层传递目标的时候，它一定是熵增的，一定是有大量的这个信息损失的。那有没有可能在中间加一个AI总线，来来去把这个组织对齐的这个路径缩得非常短？

44:04那这其实也是要，呃，通过产品的功能、设计来去来去这个对齐的。然后再有一个呢，就是当然提升个人产能这件事情在今天是显而易见的了，是已经是共识了。那以及AI是不是能在整个企业的数字化环境当中挖掘出来，出来企业的这个，呃，真正的问题，

44:25像过去咨询公司跳进来看这个公司有什么样问题一样，去帮助避免一些这个决策的这个局限性，呃。或者是去发现新的机会。那像这些东西，我觉得在今天它还依赖很多基建层面的东西。啊，那比如说组织记忆，啊，或者是这个整个组织的信息化建设。

44:47那这些东西它也是要靠长期的一个一个探索，持续来去迭代的。我觉得这个是我们在当前对AI native组织的一些理解和想法吧。

45:10比如说我们最近在讲，就是因为我们有产品经理，有设计师，然后呢有研发。那过去的时候呢，是产品提需求，然后那个设计师去画稿，然后最后切图，然后最后交付给这个研发，研发呢就就开始这个搓代码了。那我最近这个对我们团队的要求呢，就是我原来觉得初创团队产品经理不需要写PRD。

45:33虽然我是产品经理出身，我一直都是在过去的公司，无论是自己还是要求我团队的同学，都是要把PRD写得好。写得让大家能看懂，然后要写得这个全面。但是我觉得初创公司传统的这个大家的这个观念就是，PRD不重要，然后重要的是敏捷、快速，

45:53然后把东西做出来。然后呢，但是今天我们会有一个非常不一样的点，就在于我们要求产品经理把PRD写得极其的完善，完善到AI可以看懂为止。然后要求就是产品经理的PRD一扔给Claude Code，它就应该写出你要的所有的功能。

46:10研发只去做这个技术选型、架构，呃，和和这个质量的一个把关，不不去做需求的搬运工了。因为今天本身产品经理把需求提给研发之后。研发也是在告诉这个Claude Code，对吧？转换一些技术技术语言。但是今天这个事情为什么要让研发再去做一个搬运工呢？

46:29人力就反倒变成那个瓶颈了。然后设计师也是，那过去我们这个做完之后，呃。前端同学再去做布局，再去做layout，再去做做各种各样的这个前端实现。我今天我对设计师的要求不是，我说设计师就是要提供前端可用的代码。

46:48我们以后就没有这个所谓的这个pipeline了。我们就是要求产品经理就是需求工程师，设计师就是品位好的这个前端工程师。研发呢就是这个，呃，这个架构或者质量工程师。而且这个原来是是这个那个线性的一个一个协作流程，可能以后就变成并行的了。

47:09然后呢，大家都都围绕着Claude Code，围绕着这个AI再去再去做开发工作。啊，这个是一个一个很大的变化。然后但是其实在这个过程当中，我仍然感觉大家用AI去解决问题的意识实际上是并没有那么彻底的。就比如说有一个例子，像文浩公司买了我们的企业版之后，那我们过去的时候，这个它是一个Docker的这个镜像，

47:34它要在一个服务器上部署，它我们写了一非常详细的这个部署手册，大家就是工程师用用这个，呃，终端工具这个连上去。然后各种拉镜像、手动部署、修改环境变量这样的一些操作流程，是吧？我发现我们团队还是在这么做。但其实今天在这些工作里面都是可以交给Claude Code做的。

47:57把SSH的这个用户名和密码，当然它这个安全性的问题是待会儿再讲，扔给这个Claude Code。Claude Code理论上是来可以完成所有的交付工作的，它是完全可以做到自动化的。那像前两天的时候也跟这个，呃，一个公司，就是它是做企业大规模的这个私有云和私有化部署解决方案的一个公司。

48:21一套系统，一套那个内部的这个私有部署的系统，迁移到另外一套系统的时候，过去报价大概可能在十万人民币左右。嗯。嗯，是有大量的这个胶水代码的工作的。然后呢，但是在今天去用Claude Code去做这件事情的话，它会把成本压缩到五千块钱，是二十倍的压缩，

48:43所有胶水代码都是AI写的了。那这样的一些这个，呃，大家惯性层面的，呃，思维，我觉得在今天来讲是完全没有转变过来的。那我们也在团队内部去扭转这个事情，我们会有一个

48:56叫AI效能中心的这个部门，实际只有一个人。然后呢，他就去看我们所有的工作流程里面哪些就是可以靠AI解决的。这个让大家就从观念上要去改变。要从方法上去去去落实落实出来，而不是停留在我很很喜欢AI，我很拥抱AI，但是一转头还是在手在手敲这些东西，

49:20啊，这个肯定是不行的。

50:17我们现在我觉得可能有个两三倍的一个提升吧，但其实我们肯定不是提效做得最好的这个组织。我相信一定现在有十倍以上提效的这个团队已经出现了。

51:55我觉得官方客户端其实对我们冲击不大了。然后呢，一个因为本身我们就是在模型选择上面比较自由。然后再有一个呢，就是我们也还是有一些自己特色化的东西吧。这些东西其实跟官方客户端它就像在Chat阶段的时候，其实ChatGPT也没有冲击到我们。

52:17就大家其实本质上还是，包括豆包也没有冲击到我们。本质上是在不同的分层上面，我们也惦记不上他们的这个用户。然后呢，在这个Agent阶段的时候，其实也还是不太一样了。就是我们包括跟CoWork的这个这个用户群体还是不太一样。

52:33然后包括跟Manus也是不一样。OpenClaw出来之后，嗯。通过IM去访问，会不会冲击到，呃。我觉得在呃一个时间阶段来讲的话，会，而且这个东西会，我觉得在加剧。这个东西好像启发了很多这很多新做新做这个产品的人，他们呃发现不需要通过这个再再去做产品呃做分发，

53:01呃再去获客了。我只要把这个东西做出来之后，去去通过飞书或者钉钉、微信去那个接入，然后就就可以了。有人看到这样的机会，其实所有人都会看到这样的机会，大家都会去往这个东西、这个方式去做。然后呢，守门的其实是飞书和钉钉，他们是更不可能放过这个机会的，他们肯定会会去做这个事情。

53:26这个赛道他们会变得极度的拥堵，然后让这边会变得更加冷清。所以我觉得这个阶段它其实是会的。但是更长期来看的话，就是某种程度上来讲，这个无论是IM的交互方式，还是一个客户端的交互方式，

53:45呃。可能都会变得不重要。飞书和钉钉在今天它都是人跟人协同的一个重要的一个一个呃工具、呃平台。然后在未来如果不需要那么强的人跟人的一个呃协同的话，它们本身的这个价值，或者说它本身呃今天呃呈现出来的这种呃这个这个形态，它可能就会受到非常大的冲击。

54:12就像我们刚才讲的，这个原来是产品设计、呃研发，它是一个线性的一个pipeline，然后以后可能变成一个星形的了，就是所有人是围绕着中间这个Agent。那其实大家是不需要去做，就就有那么强的人跟人的协同了。可能以后产品经理和和研发，他是他他是没有没有沟通的，他是没有协同的。

54:33到时候就是流水线上的工人，不同这个环节的工人，他实际上不需要沟通的，他们的职责都被定义得极其清楚了，他只需要对流水线负责就可以了。然后呢，这种情况下，其实飞书和钉钉可能也会消失。然后或者是收缩到一个一个比较小的一个呃状态里面，Cherry Studio可能也不重要了。

54:58Cherry Studio现在也有本质是在呃人去触发、人去使用。那那所以这个事情是要动态看的，那长期看Cherry Studio也需要演变，比如它也需要变成像呃OpenClaw一样，它就变成一个后端服务，需以任何用户需要的形式来去提供服务，而不是在今天还需要打开一个客户端了。

55:18当然高强度的使用、高强度的交互，它可能还是需要的。

55:59其实首先Cherry Studio在这一波当中是呃吃到了一些红利的，做法很很取巧啊，就是我们我们不是是一个Electron的这个环境嘛，然后我们在里面是可以做一些就是呃这个集成和分发的这个功能的。所以我们做了OpenClaw一键安装，这个让很多想安呃装OpenClaw但是他又不太会的人呢，

56:22得到了一个很简单的一个工具。然后那个DataVille写了一篇公众号，应该全网有有四十多万的阅读，然后呢成了就是Cherry Studio，反正变成了一种OpenClaw安装的一个经典实践的感觉。然后很很这个小聪明的一个功能。

56:40我们Cherry Studio在里面提供了什么呢？其实就是提供了模型网关，啊，提供了API网关。然后呢，OpenClaw可以直接用Cherry Studio提供的模型服务了。这个其实就印证了我们之前在讲的，就是Cherry Studio越来越会变成一个AI infra的一个东西，

56:55而不是完全的用户界面了。所以这种情况下，我们提供这个OpenClaw的运行时，提供它的二进制，然后提供它的API，OK，它就可以用起来。然后提供它的dashboard这个这个可视化的东西，对吧？然后呢，哎，这是吃到了一一点点红利，但是这个我觉得也是临时性的了。

57:13更长期看的话，其实我们会在企业，呃现在企业版本当中，因为个人版本里面的那个Agent也在做演进，就是它可以去做呃心跳，可以去做定时任务，可以去做呃一定的这个呃外部的这个channel的连接。其实把一个Cherry Studio客户端跑在那里，它就变成一个server，然后也可以连接到了那些什么飞书和Telegram，

57:37然后来去那个控制这个Cherry Studio里面这个Agent的，实实现各种各样的任务。其实这个我们已经下周就会发版了。这也不是最终级的，我觉得最终级的肯定，因为把一个客户端当一个server，它还是有一定的局限性的。

57:50针对这个呃超级个体来讲，就以个人用户来讲，他他就呃很合适的，他不需要再搞一个服务器。但针对企业来讲的话，我觉得长期看，它一定是需要把它跑在后端的一个Long Running Agent的一个真正的形态。然后这个后端呢是跑在云服务器上呢，还是跑在边缘呢，还是跑在设备上呢？

58:09这个事情也还有很多探讨的空间。在今天我们也没有完全想清楚，但是我觉得往后端去放这个事情是已经非常明确了，而且我们也有计划去去做了吧。

58:31对。然后但当然我觉得可能跟OpenClaw的那个做的很多方式还是会不一样啊。那个可能我们会真正关注生产环境里面的这个可用性，比如说它的它的权限隔离啊，它的数据隔离啊，它的角色感知啊，然后还有它的一些就是自迭代的这个限制吧。

58:51比如有些人可以让他自己迭代，有些人不能让他自己迭代。老板可以让一个人的岗位定义发生变化，但是他同事不行。包括一对一的关系和一对多的关系这些层面都会有一些不同的思路。但是从OpenClaw我觉得还是会得到非常非常多的启发和灵感了。

59:08我觉得它现在就是一场大型的这个AI社会实验。

59:58我们其实用的不是特别多，然后主要就是那个Claude Code。主力呢，基本上我们现在用Cursor用的比较少了，然后Claude Code就是最主力的这个产品。然后再就是也有同事用OpenCode，有用那个Pi Agent的，少量的在用Codex去做一些代码review。

Pi

1:00:20然后再就是像呃Figma，Figma它有那个Make功能和MCP的那个，就是提供代码的那个能力。这些就是我们在用的一些呃主力的第三方产品了。

1:00:50我们是直接用原版工具的，以及我们也会在用原版工具的过程当中，去跟Cherry Studio的Agent的能力去做对齐。就我们看到，呃比如Claude Code它迭代很快，它出现了一个新功能。我们的场景其实接近CoWork，但是其实在今天CoWork它它做的还是比较初级了。

1:01:09那我们就在看这个Claude Code它新上了什么样的能力之后，在这个通用领域、通用办公领域它可以产生什么样的价值，那我们就会考虑Cherry Studio下一步怎么做。然后Cherry Studio当然就是我们日常的一些很多工作，比如运营啊、法务啊、财务很多很多的工作的话。

1:01:28这些都是靠Cherry Studio来去完成了，但编编写代码的和设计工作还是靠Claude Code的这种工具了。

1:02:26这个其实就跟ChatGPT刚出来的时候，就很多人觉得，当然它那会儿也有很多问题啊，比如说它的幻觉啊，它其实3.5的时候模型能力也没有那么好，然后它的上下文也很短，然后那会儿就很多人唱衰，哎呀。说这个东西就是全，不过是把一些数据堆到一块儿，然后在里边儿去找这个，呃差不多的这个东西给你扔出来而已，

1:02:48就是菜市场上捡捡烂叶子，然后这种感觉。然后呢，也有人说啊，这个就是未来，这个就是人类终结这个AGI的这个机会。我觉得这种不同的观点一直都是会反复上演的。那在今天OpenClaw我觉得也很像。就有很多人觉得啊，它的全是这个AI写代码，就是屎山一坨，不可维护，就是没有任何意义，纯纯的炒作，

1:03:16告诉我什么Claude Code是哪个能力做不到的吗？然后等等等等。然后也有一些人觉得，哇，它确实是有了非常强的这个启发性，然后这就预示着未来真正Agent的形态。我觉得这个所有观点其实一直都是这样的。从我的角度来讲，就是

1:03:33嗯，它都没有那么极端。就是今天讲OpenClaw是未来的终极形态呢，我觉得显然为时过早了。然后所有人在今天都不应该低估这个AI发展的这个剧烈程度啊。然后呢，你说它就是完全炒作，我觉得我觉得显然也不是的。就是它实际上是Claude Code，它底层其实跟Claude Code非常像。

1:03:55然后但是它真正把Claude Code就是人为设定的一些边界解除掉之后，看到它能有什么样的可行可能性，呃出发点本身就呃很有启发价值了。我是建议所有有兴趣的人都去尝试，真正用的过程当中才能产生真实的感觉。才有这个这个话语权，或者才有这个说服力，呃去呃对它去理解或者评论。

1:04:22然后呢，如果只是看几篇这个呃新闻，或者是大家的这种PR，就去呃对它产生各种各样的评论的话，我觉得这个是是很容易浮于表面的。另外一个角度就是，我虽然很推荐大家去长时间去玩一下，但是也不要抱抱有太高的期望，就是它无所不能。这个我觉得在今天来讲，显然也是有一些妄念在的啊。

1:04:47然后呢，嗯，我觉得是今天反倒是有一些具体场景需求。过去比较难通过其他工具解决的这种，呃这种这个人群，在今天可以尝试用OpenClaw解决他实际的这个需求。这这时候是更有目目标性。更目的更明确的去做这件事情，大家的反馈，呃正反馈应该会更好一些。

1:05:11但是自己本身就没有什么需求，强行去它用用它去做一些事情的话，我觉得玩儿两天之后就觉得没有意思了。这个是是非常容易容易进入这种状态的，也要控制预期吧。嗯。但是无论如何我都推荐大家去用一下，感受一下，感受其实才是最重要的。

1:06:24我觉得还是有的，而且肯定不止一次了。就是在25年年初的时候，大家其实已经在讲25年是Agent的元年了。所有人出来都在聊Agent，二三月份、三四月份的时候。但是去问Agent是什么的时候，其实很多人的理解是极其模糊的，甚至说，哎，就是它能呃做一个什么提示词啊，

1:06:45让它有特定的功能，那就是Agent。很多人是在做伪Agent在去那个这个去宣宣传的。

1:06:55对。然后呢，呃，还有说这个workflow也是Agent的，workflow显然不是Agent的。但是那会儿大家都是，呃，有人敢宣传，有人就敢信这种状态。我那会儿就非常困惑，我甚至都觉得Agent已经变成一个营销名词了，它不是真正的有有它实际真实含义的一个东西了。

1:07:13那真正让我有开始比较强烈思维转变，就是在五月底那个Claude Code出来，我在六月份，对。然后那个呃，Manus其实当时我觉得让我看到了一些，但是那个Claude Code是真正让我感受到了这个Agent到底是什么的这个产品。然后呢，

1:07:33嗯，刚开始我们一个社区贡献者，他就说我们接下来要做Agent的。我当时其实不是特别理解，然后他让我驱动社区大家这个一起来去做。然后呢，我当时也不是很有兴趣了。大概六月份的时候，我就自己呃用了呃Claude Code以及用了Gemini CLI，然后我当时感觉到它差别其实是非常大的。

1:07:51我我当时就理解了啊，什么是Agent的，以及Agent通用能力是什么样的，我们呈现出来的。不一力驱动社区，我们一定要做Agent的。然后呢，这是一个比较大的转变，然后当时就好像就是顿悟了，突然知道了Agent是一个什么东西。

1:08:08结合那个时间转变，其实我之前参加过一个小小活动，嗯。当时就是有一个小小的话题，就是大家在节约那个token消耗这件事情上在讨论。然后当时有一个朋友呢，他就说这个，就不要考虑怎么这个节约token消耗，就用这个最烧token的方式去去做事情，

1:08:27那样才真。

1:08:32对，我那会儿还是觉得有一些疑虑吧。我说就是在，因为我当时觉得AI已经可以做很多很多很多事情了，就不一定非得烧，大家想象的就是很烧Agent那个阶段，它才能做那么多事情。然后呢，在这样的情况下呢，节约token、节约cost这件事情也是重要的。

1:08:50但是现在我可能就完全不这么想了，我觉得节约cost这件事情一点儿都不重要。然后呢，就是要用最疯狂的燃烧这个token的方式去去这个想象一件事情。啊，这个对我来讲也是一个一个转变吧。然后呢，再就是这个，我觉得嗯也有一些转变。

1:09:07就早期的时候，我我有一段时间认为这个本地本地推理、本地算力这个事情是有它的呃重要性和价值的。但在今天的话，我可能认为本地模型推理这个事情毫无价值，呵呵，然后也是一个转变。

1:09:45不需要不需要，因为本质上OpenClaw在今天所有表现的这个不够令人满意的，或者能力不足的这个原因，其实都本质上是模型不够好。这种情况下就是云端的模型，上T的模型，它都让它表现不够好。在限制它的能力，那本地搞一个。这个弱智的一个模型去驱动它，其实打童工啊，就是不不能期望一个童工能产生多大的生产价值的，

1:10:14那还是要去选最好的。就是这好像就是我从村里选一帮这个童工来，然后我给他这个工资开的很少，然后他也不会在外面乱讲，和我要去请一个这个博士来去做这个事情，我觉得是道理本质是一样的，依然不重要，云端算力还是最重要的。

1:10:59好问题。你其实不见得是小问题。小公司比较好做，然后小公司其实人力是非常吃紧的。就是我其实一直都想做这件事情，但是呢没有一个很好的人来去承接。真正让我觉得要可以做这件事情的时候，是我们进来了一个实习生，他是2004年的，他进来，他是另外一个以前的一个朋友推荐过来的。

1:11:20他进来的时候，其实我当时也不知道该让他做什么，他可以，他说他想做运维，我说为啥你想做运维？他说我说你不能做开发吗？他说嗯我也可以做前端，但是我觉得前端太卷了。然后呢，我说那你还可以做别的东西吗？他说我还可以做自媒体，我会这个拍视频剪视频。

1:11:40然后我又问了一下，他自己玩AI玩的也很多，就是他真的很AI native，他会想象所有事情是不是都可以通过AI解决。后来的时候，我就让他先剪了一段视频，然后又让他搞了一些我们工作流里面可以用AI去搞定的一些事情，配了一些机器人。

1:11:57后来我发现他能力极其全面，但每一项可能都不是最顶尖的，他运维或者前端肯定都不是顶尖的。但他每一项能力都有，多多少少有一些，就是他是没有进入社会化的特化的这个培养体系，

1:12:16对。自己都还是有一点的，他又没有进入这个企业，就是特化培养的这个路线，这些能力就都被比较完整的保留下来了。然后我就觉得他就很适合做这件事情。其实你刚才提到就是很多企业想去做这件事情比较难啊，然后我其实是深有感触的。这对我们来讲可能就是一个机会，就是如果我们可以批量去生产这个AIBP的这样的一个角色的话，

1:12:43无论是外部专家还是内部的一个培养体系来讲，那其实就是一个非常好的事情。本质上大家都在做套壳的事情，或者最底层都是这个模型，然后都是同样的模型。中间层这个framework的东西，其实大家都是无论是Claude Agent SDK也好，还是Pi Agent也好，

1:13:05它的同质化也已经比较强了。就就好像说，OPPO、vivo、小米、华为，中间都是，啊，但华为现在不是安卓了。都是都是安卓，然后呢，上层呢大家跑的应用也是什么美团、微信、微博，是吧？也是那些APP，也是那些skill。

1:13:25那这些东西其实同质化都会越来越严重。大家的壁垒在什么东西呢？其实我反倒觉得，怎么能让整个这个社会的生产力提升，谁可以去做这个事情，谁可以通过人跟人的界面，去把这样的一些理念，把一些思维去传递出去，帮助大家建立起来，这个可能也是一个新的机会了。

1:14:04我们这九个人还做不了，但是我现在已经想了一些了吧，但是我觉得这个事是肯定是可以做的。然后但是，哎，我们做了一个Cherry Studio讲师计划，然后做了两期，大概有两百多人吧。但实际上给大家的这个帮助和赋能是不够的，就是实际上是让大家自己去考一个试就得到了。

1:14:27那其实等到我们这个有相关的，就是还为什么说还是得有人哈，真的不能让AI直接去教这些事情。当然AI可能在里面会解决掉很多重复性的工作，或者是一些增强的能力，但是这个事情还是要人来去主导的。这个事情真正要做的话，它是一个挺复杂挺重的一个事情。

1:14:48假期的时候，我的合伙人逼着我看了一本那个高效能人士的七个习惯哈，我是最讨厌看鸡汤的，但是我看了之后发现它真不完全是鸡汤。然后呢。我看到了很多这个就是管理学层面的一些东西，在今天也很适用于人怎么去管理AI，以及怎么去组织AI和人的协同。

1:15:12那我们要结合最新的AI的知识、理念和解决方案，加上相对一些经典的管理学思维。再加上一套高效的培养组织的一个网络体系。这样一整套的事情其实是挺有难度的，或者说它挺重的。我觉得在今天这个AI公司当中，有这样的意愿和有这样能力的团队是很稀缺的。

1:15:45因为AI行业太多太聪明的人了，聪明的人都希望可以做最雕花的那个事情，是吧？最锦上添花那个事情，然后呢不愿意去做这种汤泥水的事情。如果有愿意做这件事情的团队，我觉得对

1:16:04整个行业是非常有价值的吧。我觉得他也会得到相应的奖励。

1:17:21我觉得肯定是更好了。我觉得这个是毫无疑问的了。

1:17:26首先这个写代码就是让AI写，因为今天可能还没有超过人啊，就是从整个复杂项目的工程层面来讲，它还没有完全超过人，单点上肯定显然是已经超过人了。呃，OpenClaw大家很诟病一点，就是它很多那个PR就是AI去扫issue，扫完issue之后自己写PR，

1:17:46然后自己用AI review，review完了之后自己全程没有人参与，搞成了屎山一坨。但是我觉得这个事情的改变，它一定必然的会有一个临界点，就是AI去看issue、提PR的能力质量超过人。从那一个点之后，那就真的是飞升了。

1:18:08整个项目的质量可能就是要超越人类历史上所有的人类写的项目了。那所以从这个点上来讲，我觉得从质量上是不需要担忧的。然后从管理上来讲的话，我觉得蛮长一段时间，人都还是需要去用一些管理学的手段来管理这个agent。像我其实之前没有做过太多管理工作，在上家公司的时候也就最多管理个二十来个人的这种状态。

1:18:38但是我从两三个人到管理二三十个人的时候，感觉这个还是挺不一样的。刚开始上手的时候，就会觉得每个人干的都不如自己好。很想把这个踢到一边自己上手干，发现两三个人的时候你还可以cover一下的。但是二三十个人的时候，你发现你顾不过来了，你不可能每个人你都让他去一边，你自己上手干，这个是不现实的。

1:19:01第二个就是你管理二十多个人的时候，你会发现并不是所有人的工作领域你都是完全懂的，你都是会的，你会必然面临管理你不会的事情。这个其实也是一个大的变化。那我当时就开始想什么是管理的最小级，我是野路子啊，我发现管理最小的几个工具。

1:19:27就是你先把事儿提清楚，你把你的要求，你把你的需求提清楚。我发现很多管理者连这一步都做不到。他让下面的人猜，老板让下面人猜老板想要什么东西，让自己猜自己leader想要什么东西。然后呢做不好呢老板就不满意。但其实老板根本就没有把这个上下文，没有把这个事情交代清楚。

1:19:49交代清楚，提明白要求，这个第一步我觉得很多人就没有做到。然后第二步呢就是给予反馈，做得好了你就要褒奖他，如果做不好的话你要干掉他，不然你不能直接干掉，就你要刚才告诉他你没有干好。要重新干，这个很多人也没有做的。就特别人跟人的，有的时候它会有一些面子层面的东西，但是，哎呀，拉不下面子来，对吧？

1:20:10去说他做得不好，然后心里又憋着难受。然后像这种基本动作，其实都都大家都是没有做好的。但是其实我们在今天看，去管理AI的时候，它是同样适用的。如果不看这个简单工具的话，看一些更复杂度的一些管理学手段，像那个《高效能人士的七个习惯》。

1:20:27关于指令型授权还是目标型授权，以及目标型授权怎么设定边界这样的问题，在今天看，AI也同样适用。比如说就做一个登录系统，过去研发最讨厌产品经理写这个一句话需求，是吧？我要实现一个登录功能。那实际对于一个比较、呃，有经验的产品经理来讲，他会，呃，写我需要支持哪些登录方式，是吧？

1:20:49我怎么找回密码，对吧？如果出现了这个边界问题，我怎么处理？那我的一些规则约束，比如我的密码长度，或者我的密码这个，呃，字符的组成，这些规则我都要写得清清楚楚。但那会儿呢又有个矛盾，说这个研发他不看PRD，他只看效果图，是吧？

1:21:06但但是在今天来讲的话，呃……一句话的需求就有可能是成真了。因为AI它实际上是训练了大量的这种最佳实践，那告诉它完成一个完善的登录系统，那它真的可能比人想的都要更全了。那大家就要去从指令型授权变成这个目标型授权了，那给予AI更高的自由度。

1:21:32那另外的话还是要设定边界，你比如说我们刚才讲，你要完善的一个登录系统，还是一个精简的登录系统，然后以及不要让它做什么事情。不然的话，它如果实现不好的话，你还是会回，还是会回到指令型授权的这个泥潭里面去啊。所以，所以这个对管理学的要求，我觉得还是会在很长一段时间内它都适用。

1:21:51所以这也是我们刚才讲的AIBP的一个价值。但更长期看，也就是在技能层面被模型全都内化完了之后，可能很多管理学思维也会进入到这个模型里面去。那到那会儿的时候，可能对人的要求会进一步降低。

1:23:56是是是，这个其实在在我当时管理那个，呃，就是我不擅长的领域。因为我在上家公司做产品合伙人的时候，我是，我是软件产品经理出身啊。首先我是确实是不会写代码的。那会儿的时候我是管软件产品、硬件产品、工业设计和结构设计。工业设计起码我还能看看好看不好看，漂亮不漂亮。

1:24:18但是结构设计其实是一个非常，呃，有它专业这个know-how的，对对对，专业科学的一个一个岗位。那我就是完全不懂了。他刚开始跟我讲什么这个堆叠怎么做，拆件，呃……什么是这个分型，什么是合模，呃，什么是流模分析，这些东西我是真的都不懂。

1:24:38我觉得可能它，呃，专业差异跟我过于的大了，所以我没有那个上来那种妄念，就是我要把这个东西学得非常的透彻再去管。然后我可能就是目标了，比如说我的，呃，生产成本，对吧？我的可靠性，呃，我的对，呃，外观的一个还原，然后等等等等，更多的是用这个，呃，

1:25:00这个目标和权衡来来去提出我的要求。那这时候其实大家协作的也会更顺畅一些了。嗯。这个当然他们也会问我，就是，哎，那那你到底是要什么？你到底是在这个项目上你要成本，还是你要这个可靠性，还是你要这个用户、用户体验啊？

1:25:19这些其实我觉得也是一个非常好的一个沟通方式了。

1:27:52我觉得其实Cherry Studio下一步的这个目标啊，就是真正帮企业实现AI native组织的一个一个建设过程吧。然后真正实现这个，嗯，十倍，甚至在未来百倍的这个能效提升。我觉得这个是Cherry Studio的一个一个核心目标。

1:28:11然后当然这个企业或者说客户的话，它也会非常的宽泛。甚至现在在大家在讲这个OPC的话，也可能会是我们的一个，嗯，目标群体。B端和C端的界限会进一步模糊化。一个人他可以是企业，他也是可以是个体。无论如何呢，呃，就Cherry Studio都可以帮助他们去，呃，实现真正这个AI的这个十倍提升。

1:28:38不只是单点岗位的这个十倍提升，而是整个组织产出的十倍提升。那当然从这些层面就会要倒推推演，那Cherry Studio做什么样的事情，做什么样的功能，可以能实现这样的目标，这个就会变得，呃，很很更具象一些。

1:29:07提升了效率，嗯。大家才有更多的时间享受生活。

1:29:46就是也欢迎大家用，就是试用一下Cherry Studio吧。然后社区版的话，对所有人都是完全免费的，包括一些小的团队的话，我觉得也都可以，呃，就是免费地用起来，然后也满足这个，呃，需求。用的模型的话，我们也是完全开放的，用什么模型都可以。

1:30:05不一定非得给呃这个Cherry来去这个投币哈。然后再有一个就是企业客户呢，也可以来了解一下这个Cherry Studio企业版，可以在尝试在公司层面来去这个推推行，然后也给我们更多的一些呃实践的反馈。之前跟朋友聊到过一个话题，就是AI可能带来最大的影响是什么？

1:30:27就是因为大家都在在今天都在讲AI让人失业，呃。让让这个效率提升。但是我觉得可能背后潜在的一个机会是人类文明的下一次的跃升。人大脑的这个神经元可能有有八百亿到到一千亿的这个数量级。每个神经元上又有上千个这个突触连接，就是如果把呃每个突触连接等效为现在我们讲大模型的这个参数的话，

1:30:57那那其实它比今天的这个大模型，最大的模型可能都还要高出两到三个数量级。那而且它的机制根本又完全不一样，甚至它可能会更高。就这么大的这个参数量的一个一个智能体，它不可能只做现在AI能做到的事情。如果今天人类的所有的工作都被AI替代之后，人类也许可以实现更高层层面的这个文明升级。

1:31:29就像人类不需要再为这个体力劳动去这个呃付出自己的时间和精力之后，那我们实现了这个工业化，呃社会生产的一个一个飞跃，啊。所以我觉得如果AI能替代掉今天人类的所谓的知识工作，呃或者是脑力工作之后，也许人类会出现新的一次跃升。

1:31:51这个是我最期待看到的。

1:32:01说不定下次就是，下次就是特异功能了。

1:32:54谢谢谢谢，好的，拜拜。拜拜，