徐文浩：AGI 已经来了，接下来开始比赛分发
- 发布
- 2026 年 4 月 14 日
- 时长
- 1 小时 22 分
- 主播
- 徐文浩、任鑫
- 收听
- 小宇宙Apple Podcasts喜马拉雅
徐文浩带着刚开放注册的 ZooClaw 来聊千虾大战。他的核心判断是 AGI 已经实现，缺的是分发，所以不做新操作系统，而做 OpenClaw 的"发行版"，像 Red Hat、Ubuntu 之于 Linux。产品选择给普通人用、做通用而非垂类、先做云端。两人还深入拆解了 Harness Engineering 的实战：容器隔离、AI 交叉 code review、BDD 测试、500 行上限、圈复杂度 20。最后聊到应该少 build 多 sell，以及 agent-to-agent 网络的机会。
- 徐文浩判断 AGI 已实现，剩下的命题是分发——大部分人还没用过 Claude 这类自主 agent。
- AI 是杠杆也会放大缺点：junior 工程师用 AI 一周就能堆出不可维护的代码山。
- ZooClaw 不做新操作系统，而是做 OpenClaw 的发行版，让普通人开箱即用、可迁移、不被绑架。
- 战略三选：给普通人 vs geek、general vs vertical、云端 vs 本机；他们选了前者。
- 云端与安全是 trade-off：本机容易出'神迹'但三天两头挂，还有 token 泄露和 prompt injection 风险。
- Harness Engineering 的本质是用传统软件工程纪律给 AI 戴镣铐：容器化、AI 交叉 review、BDD、单文件 500 行、圈复杂度 20。
- 当 build 成本趋近于零，创业者最高杠杆的动作是 sell：拉人头、做分发、讲故事。
- 非共识机会在 agent-to-agent 网络：agent 间交易成本极低，但 agent 到底需要什么还没人想明白。
本期制作
- 片头
- Shortwire - Reconfig
- 片尾
- Peter Bradley Adams - The Longer I Run
目录
点击跳到对应位置
- 开场暴论：AGI 已实现，缺的是分发00:00
- ZooClaw 是什么：一堆小龙虾的动物园01:13
- 给普通人用：AI 是杠杆，也是缺点放大器03:59
- 五分钟让人感受到神迹有多难06:43
- 什么叫打磨一个 Claw-like 产品：Connector、Skills、Onboarding10:45
- 为什么 OpenClaw 三天两头就挂，还要基于它做发行版13:16
- 三个战略决策：开源、General vs Vertical、云端 vs 客户端17:19
- 云端 vs 本机：Token 泄露、prompt injection 与神迹的代价18:45
- ZooClaw 产品介绍与定价29:27
- PC 时代思路：不做平台，做软件分发36:54
- Harness Engineering 实战：给 AI 戴上镣铐40:46
- 把 Harness 迁移到写书、SEO、营销52:13
- 停止 build，去 sell；以及学习方式之争1:06:32
- 验证周期长的能力不易被取代；agent-to-agent 网络1:14:04
- 本地 AI 与硬件：受限环境下的模型能力1:17:49
文稿
共 997 句 · 点段首时间或句子从该处收听，双下划线是重点词条，其他词条悬停可见
00:05其实AGI已经实现了，那接下来要改一件事情，就是它只是今天还没有完成非常好的分发。今天你做AI产品，最后还是empower人，把人的能力去放大。但是用到今天，我已经发现一个很严重的问题，它其实也在放大人的缺点。
00:23我们不是要做一个自己的新的操作系统，我们就想做好一个OpenClaw发行版。就像你用Linux一样，你没有必要说我重新去写个操作系统，对吧？你可以去做Red Hat，你可以做Ubuntu，它都能满足很多人的需求。如果大家来做发行版，意味着这个产品跟社区本身会更完善。
00:47今天的Claw不应该是只有一个agent，而是有很多个agent。这个是今天的模型的能力和现实情况决定的。因为你很难在一个agent上装一百个skills，它还是更适合在不同的领域。你有一个agent，但是背后模型的能力是通用的，所以它是一个team of agents。
01:13啊，大家好，欢迎大家来到AI炼金术啊。然后今天又是我跟徐文浩两位同学开始瞎扯。那但是今天的瞎扯是有主题的，因为之前我们都是聊空对空嘛，然后今天的话是有一个真实的产品了。徐文浩他们终于有一个愿意讲名字的产品了，他们很多产品是保密的状态，然后有一个不用保密的产品可以跟大家分享一下。
01:34然后我我已经拿到了，试的感觉的话非常像一个就是一堆的小龙虾，它叫ZooClaw嘛，就是有一个动物园的小龙虾可以给你用。对，但里面的精妙之处其实我还没有特别体会到，因为我最近感觉每天都有人发给我一个很神秘的产品，有不同的理念，但是一打开就是一个小龙虾。
01:51所以来来来，徐文浩，你来解释一下你的神奇伟大之处在哪里？
01:55就我们就想做一个不是给工程师，不是玩一玩，给普通人能用的小龙虾。第二个就是说今天其实有很多产品，我觉得还是给geek或者给技术人用的嘛。很多人在尝试做各种各样的产品，就是我觉得我们想做的事儿，这个只是第一步啊。第一个是我觉得是说我们其实有一个结论是在去年十一月份之后吧，就是Opus 4.5出来之后，
02:22对吧？就是我其实在团队内部也写过一个memo，我说，呃，其实AGI已经实现了，对吧？那接下来要改一件事情，就是它只是今天还没有完成非常好的分发。就是可能大部分人其实没有用过Claude，或者没有用过这种比较自主的agent的能力。
02:40过年前吧，在春节前，其实我们内部已经有很多人在用OpenClaw了，那个时候OpenClaw可能还没有那么火。但用完之后，我觉得基本上我们第二个结论就是这个肯定是新一代的标准的产品形态。这个这个也很明显，就是说其实你从这个上个月看，包括Claude也做了大量的功能，你不管说你说它像OpenClaw也好，
03:02还是超OpenClaw也好，未来肯定有一个非常核心的产品形态。就叫Claw-like的产品形态。然后我之前在朋友圈也发过，对吧？今年肯定有个叫做Claw War，对吧？
03:13千虾万战。对
03:14对对，就是对吧，百团大战，现在千虾大战，对吧？但是我我觉得说今天要做一个Claw-like的产品，其实有很多问题需要回答，因为每个人做出来的产品可能都不一样，然后每个人的想法也都不一样。就是我觉得我们做的这个产品，更多的是，呃，我们对这个事情是一个什么想法，
03:37对吧？就比方说我们其实做了，呃，第一个选择是我们还是想给普通人用。我觉得其实过去一年一直有一个很重的，就包括我们其实在播客里啊，对吧？我和Mars在播客里一直说，哎呀，要失业啦，要失业啦，对吧？但是呢，其实我我自己随着我这些产品越用越多呢，我其实想法稍微有一点点改变啊。
03:59就是说今天你做AI产品，最后还是empower人的，就是其实还是去把人的能力去放大。而且这个感觉其实越来越明显啊，就是今天大家说Claude很好用，但是用到今天我已经发现一个很严重的问题，就是说它其实也在放大人的缺点。就是如果你有一个很junior的工程师，今天用Claude，他写了一个代码之后，这代码库基本上就是不可维护的，
04:25对吧？但是可能一个senior的工程师，他能够让他能够更好地使用这个Claude的能力，然后能能放大。就是所以今天我觉得所有的AI最后还是去放大一个人，还是个杠杆，对吧？它其实还是对人的一个杠杆，就不是AI来管我嘛，还是我我去拥有我自己的AI产品嘛。
04:45我觉得我们想要做的一个事儿，第一个事儿就是我们想给普通人用，我们不想说这个东西是给geek用的，也不想说我们今天去做一个产品是就是用来写程序的，或者说就是把你的工作替代掉。这个这件事情其实是我一边也在散布这个焦虑啊，但某种方式说我也不太认同，就是说我也我也不觉得真的它就完全把人能够替代掉。
05:08但是我觉得的确带来一个新的命题，就是junior，就是年轻人或者刚踏入工作的人。今天他要重新回答，我应该怎么来成长为一个能够驾驭这些新的武器的能力的人去去完成工作。那所以我们其实是希望说我们能做出一个开箱即用的产品，我们能做出一个呃安全的产品，然后我们能做出一个呃在普通人的各种生活场景中能用的产品。
05:38所以你会看到说我们做这个产品里其实没有做说，比如说我们里面没有哪个agent是说我就是帮你来写代码的，我就是来帮你干。如果你去看我们的产品。比方说，我们更偏向于做一些个人跟普通个人能做的相关的agent的能力。就是我们做了，就像那个那个Mars说，就是我们一堆对的，就是我们的产品进来，你可以hire一堆agent。
06:07每一个agent其实都是一个Claw的一个agent workspace，对吧？有，其实我们做了很多，比如说什么personal career，对吧？就是你怎么去，就是我们自己HR做的一个agent，对吧？我们之前做过很多fashion的产品，所以我们做了一个叫Stylist的。
06:21我们还特地做了一个Agent Studio，就是告诉任何一个人，你用对话就能搓出一个你想要的agent。所以其实我觉得从理念上，我们还是希望更多做做给普通人在工作生活中能用的，而不只是一个纯粹提升工作效率的一个产品。我觉得这个是一个一个核心的，就想法或者理念上吧。
06:43但是你这个怎么脱颖而出呢？就是呃第一个就是你刚刚说有很多问题需要需要去思考要定嘛，比如说到底是本机版还是线上版，对吧？然后诸如此类的。然后那另外一个就是你要让普通人能够感受到这个AGI已经到了嘛。但是你举的例子比如说career好了，这种东西其实你如果做成网络版，它其实挺难让人感受到神迹的，
07:06因为呃career大部分时候就是扯嘛，对吧？就是就是我嘛，然后给你查点资料嘛，然后给我了解你的资料，然后帮你在网上查一查，然后根据一个方法论，然后给你框。其实它本质上还是一些信息工作。而信息工作的话，之前不管是呃GPTs也好，或者说网上的那些比如说career什么coach那种assistant，
07:26基本上都都已经做得花里胡哨了。给你出报告也好，给你出一个，这这个其实你很难用上小龙虾那些花里胡哨那个能力嘛，对吧？因为它本质上就是信息，所以你小龙虾比如说我帮你帮你写写代码，帮你帮你比如说小红书上干嘛，然后帮你又干嘛，这些东西好像就挺难用上。
07:42你你怎么在这些事情上可以展现就是AGI呢？这不跟之前差不多吗？
07:47我我觉得两个，第一个是我其实觉得说跟之前差不多这句话是没错的，但是一直有一个问题，就是之前差不多那个版本，大部分普通人没有用起来，也没有用过。但是其实大部分人没有用过Claude，
08:02大部分人也没有用过Claude Work。我觉得这其实是第一个问题。第二个是大部分人也不知道怎么去说，我要去配一堆skills啊或者怎么样。因为呃第一个是它还是个非常tech的感受，就是这个其实在我们公司内部的体验特别明显，就是你给engineer去用，
08:22他们其实感觉不明显的。但是你给所有的非技术团队的人去用，我觉得是OpenClaw是第一次他们觉得他们感受到agent能力的产品。之前他们最多用到的就是最多最多也就用到Deep Research这个这一层。那既然你有这个产品，当然我相信今年Claw会有各种各样的产品啊，但是任何一个CLA产品其实你都有很多，
08:49就是有非常多具体的工作要做。你在这个领域你有没有把各式的各种各样的SaaS接进来？你有没有把各种各样的skills准备好？你有没有把默认的onboarding的工作做好？有点像卖一台PC给别人，你只要把足够多的默认的软件跟onboarding做好，它就好用很多。
09:13所以从这个视角上来讲，我觉得其实的确也没有那么神奇啊，说啊，我们就做了个跟别人特别不一样的Claw，我觉得其实没有啊，因为我我我自己感觉它其实有点像PC World，对吧？就是它会是个漫长的比拼，大家是不是能够把东西做好的这么一个过程。
09:32第二个就是说我们其实还做了，我们做了app，然后只是app审核需要一点时间。我们这你你可以叫缝合怪呀，我们其实app里做了原生的Typeless式的这种语音输入。就是我们尽量希望你能够开箱即用嘛，就是让尽量让各种barrier变得尽可能的低。
09:50本身我们在在这个Claw里做了很多enhancement，就是比方说我们做了类似Claude的artifact的呃产品的preview，就是你做完PPT。你直接在side bar里，我side bar里能看到PPT预览，你可以，呃，这这这跟你直接用一个原生的Claw体感还是会有些差异的。
10:10今天去做一个Claw类型的产品没有什么特别神奇的，就是因为大家都能做，对吧？就是不管是你基于OpenClaw做，还是说我自己基于别的agent framework，我想把它做出来，但是我觉得它其实是有大量的细致的打磨的工作量，需要把这个东西能够做好。
10:28呃。第三个呢，就是我们还有一些没有发的产品，就是我们想解决一个问题，就是你有了Claw之后，你能不能利用cloud去赚钱，对吧？这个事情我们现在还没有发布，对吧？但是，呃，应该也不会很久。
10:41因为我也是一直相信说可以做出来很多垂直的Claw。那那那你也说要打磨嘛，我们就以比如说fashion或者career为例的话，那么什么叫打磨一个Claw呢？那是比如说你的Claw有独有的，你专门为比如说为找工作，你有专有的各种数据你帮他整理好了，
10:59还是说你专门帮他，比如说学信网啊，还有什么找工作的什么LinkedIn啊什么的，你帮他怎么连接这些SaaS的link，就是能力集帮他配得更好，还是说比如说找工作的方法论，你配的skill配得更合适。呃。还是说，嗯，什么其他方面，就是到底是什么叫做打磨啊？
11:18就是你跟比如说一个裸的Claw比，是这些方面，比如说数据、能力和经验，就这三方面比较强，还是其他方面比较强？
11:27对，我我觉得核心就是三点。第一点就是，就是我们叫connector嘛，就是我能不能把这些SaaS这些东西都能够连通，对吧？而且这个连通是比较方便的，就是你今天用OpenClaw去连这个东西，很多东西是其实不太方便。比方说你今天OpenClaw它原来就支持连Google Workspace，但是官方的教程其实挺复杂的，
11:47你要开什么一个Google的开发者账号，对吧？然后你要去找一个什么文件放在什么地方，那我们就尽量把它封装成，呃，跟你连一个SaaS授权一样，对吧？你只要做一次这个登录，你能够拿到账号权限，你就可以去干这个事儿。第二个就是像你说的skills嘛，就是比方说，呃，你会去看我们去做podcast，把podcast变成一个summary的PDF的文档，
12:14就我们的效果会做得更好。这个原因是因为skills上做了打磨。比方说我举个例子，我们是说让它输出的内容是个LaTeX的这种文档，然后再生成PDF，那它的效果就会更好。第三个就是我觉得就是各种skills进来有一个onboarding的过程，因为你用了专门这个skills，
12:33那其实你要回答它一些问题，要需要有你的更多的信息。这个事情才有可能被用起来。第四个我觉得很重要的是因为Claw本身在快速发展，所以你的产品得不停地随着它的版本发布也要向前兼容跟迭代，以及你还得帮老的用户升级升上去，且不会break它的使用。
12:57所以我我却认为这叫打磨嘛，就是说你说它是特别神奇，就是我有个特别好的idea，我这个只要一用它就work了，那不可能，对吧？但是你要把这个事儿，甚至有可能你做上来，别人会觉得就是大家用Claw就是经常会觉得，哎呀，这一会儿升个级这里挂了，一会儿升个级那里挂了，就我们尽量减少这种情况。
13:16我我几乎没有顺利的用超过三天过。就就就这个东西它就不是给人用的。
13:43对。我们底层就是OpenClaw。我觉得这就是我说的，就是你要做很多决策，对吧？就这个是我们的选择之一，对吧？就是我们之前讨论过，因为，呃，当时也有很多人说OpenClaw不好，对吧？
13:55就是有什么占资源多呀，呃，什么安全性呀，或者就是，因为你看市场上其实有很多人，呃，也遮遮掩掩，有些人遮遮掩掩说我也不告诉你我是不是OpenClaw。有些人是说我自己开发了一套agent framework，其实我们最后我们其实是也讨论过一段时间，
14:13但是最后选择了用OpenClaw。呃。我这两个选择，就是我是觉得说今天你去在vibe coding一个agent出来，它其实也没有什么技术，也没有什么太大的技术层面的挑战。第二个是我是觉得说今天的挑战其实是，我们其实是希望，你叫技术平权或者AI平权吧。
14:35就我们希望更多的普通人能用上这样的产品，我们想做好AGI的分发，而不是说我们特别厉害，就我们能发明AGI。那你想做好AGI的分发，那你就应该去围绕最活跃最大的那个社区来做这件事情。对吧？如果OpenClaw已经有三十万star，有最多的人在使用，啊，有最活跃的社区，那为什么不是说你去帮这个社区去解决各种各样的问题，
15:01帮助他提供一个普通人也能用的版本，对吧？你不一定要去买一台Mac Mini，你不一定要自己去研究什么装VPS，那，但是它底层就是OpenClaw。而且因为它是OpenClaw，意味着其实你未来觉得我们的产品不好或者谁的产品不好，你想要迁移，
15:17你想要把你的这个东西换成说，啊，我想换一个地方用，也不要变得那么难。呃。我们可以在OpenClaw上去做各种的enhancement。去做各种的改造优化来更好地满足用户需求，但是我们的核心想法就是说，我们不是要做一个自己的新的操作系统，
15:37我们就想做好一个OpenClaw的发行版。就像你用Linux一样，对不对？你没有必要说我重新去写个操作系统，对吧？你可以去做Red Hat，你可以做Ubuntu，它都能满足很多人的需求，而且如果大家来做发行版，意味着这个产品跟社区本身会更完善。
15:55并且，呃，就像这个八十年代大家用PC，PC为什么会繁荣？因为它是open architecture。Open architecture，对吧？就是你买一台IBM PC，你装了个DOS，你过两年说，哎呀，IBM太贵了，我买台Compaq的，
16:10它也能跑。我买台戴尔的，戴尔的它也能跑，对不对？你没有必要说，不，我我就是要做一个不一样的。也许不一样的很好啊，也你也也许能做得不错，但是我觉得是说，从大家用AI的角度来讲，其实是希望普通人能拥有AI嘛。我有我拥有这个AI，而不是AI拥有我，AI把我锁在这个里面，对吧？
16:34我用了什么OpenAI也好，用了Claude也好，不行，我必须得不停地花钱去订阅才能用，不然我所有的数据锁在里面，我就丢了，对吧？然后我就搬不走，至少从我做产品的角度，我其实不希望最后，呃，是靠绑，把用户绑架在这个里面。
16:53就不得不用你的产品，对吧？因为这个事情实在太大了，我相信每个人未来都会有很多的agent，都会拥有自己的AI。就我们不希望看到赛博朋克的世界，对吧？有个荒坂塔它拥有我们所有人，我们还是希望更像九十年代每个人自己买一台PC，大家这个可以装个Linux，
17:12对吧？这个软件也是开源的，然后我想要搬走我就能搬走，但是它想要解决这个问题，这个东西得比较好用。
17:34就第二个我们刚才说了，你到底是做给谁？它是做给纯粹的生产力工具，就是就是它是纯粹的，就是我是个programming的东西，我是一个，就是它到底是个非常垂类的vertical的，还是一个更general的。那我们其实选择做了一个更general的，就是所以我们就做，我们叫做了个动物园嘛，我们做了个ZooClaw，
17:53我们预设了很多我们内部很多同事做出来的有意思的agent给所有人来用。然后同时我们特地还做了个叫Agent Studio，就是你如果装了这个agent，这个agent的作用就是说，哎，他告诉你，你跟他聊了半天，他会给你打包成一堆skills，变成一个你可以自己用的这个agent。
18:13未来这个这个agent你还可以分发给其他人。就是我觉得这是第三个决策，就它更更是一个general的还是一个非常vertical的。其实我们选择的是说，我们还是觉得说既然叫AGI了，对不对？那它应该是general的，它可以有各种vertical的能力，你可以做一个个的sub-agent，
18:30但是不应该做成说我只能用来做，呃，说电电商运营画图，对吧？我只能用来干，呃，这个那个。所以，呃，第，还有个决策说你到底做一个客户端还是做一个云端的版本。
19:32我啥都不搞，它都会自己坏，我都不知道它是怎么坏的。对不对？对。
19:36就是你每次，我每次升完级，至少得花两三个小时fix一下，它才能正常继续使用。那我如果做一个观测的，其实我很难保障我的用户始终能很好的去使用它。我觉得这是第一个挑战。第二个挑战是，今天OpenClaw所有的机制其实很难保障安全。
19:57就是因为它的权限很大嘛，你总是你总有办法绕开，能够读到你。呃，账号啊、权限啊，这个。第三个呢，就是说做客户端要让一个普通用户去用，能够用起来，安装成本还是比较高。如果你想让普通人用，我们今天的感受是说，做一个云端的版本，相对来讲能让普通人用起来，
20:20并且他出了问题，我们可以帮他修复。我们做了一个特定的呃维修机器人，就是你的OpenClaw如果挂了，它能连进去诊断，然后帮你修复，让它重新能够跑起来。
21:55然后他们用邮箱也用得多。
22:14但是你就少了一个，我如我，因为我我是纯从营销上来想，就是你还是少了一个，就是在我在五分钟之内展现神迹的方法嘛。那个就是我其实是未经你授权，我就已经开始扫你的那个文件了，对吧？你这边至少还需要我给你显示了授个权，比如说你可以读我的，读我的Google Drive吗？
22:57它那个是目前来讲是只在本机上用，就是本机跟本机聊，没有没有一个IM的入口，至少我没有用到。它就是个老板的Claude Code。
23:38你是说那个那个prompt injection，就是那个那个注入的那个攻击。
23:42对。然后他就会拿到，他就会拿到你访问模型的这个token，就意味着别人就可以消耗你的模型里的，呃，credit、quota。
23:52就假设是这样的话，按照我我觉得按照他们现在的模式的话，那个token现在是那个，呃，公司方提供的嘛，那么就是他会亏，或者他会受到他的usage吧。因为现在不是我给他的嘛，是他包在他里面的嘛，他就会亏嘛。
24:08但它其实消耗的是你的usage嘛，它就包在里面消耗你的usage吧。那你从安全的角度，那我们的做法可能会不太一样吧。我们的做法是，我会放在云端，云端所有的用户拿到的那个token，其实不是直接访问模型的，是直接访问我的一个网关。
24:24就是你只有从这台机器发起来的，通过我这个网关，你才能再进行一次验证，然后背后才实际调用我们的模型，我们管理好的模型的这些东西。就意味着你除非拿到我这台机器，就是除非你你你能拿到我的，我使用我们的Claw的用户名称密码，再直接登进来，以他的身份去发消息。
24:47不然你其实是没有办法去绕过所有的鉴权的，包括我们做对所有的用户连上来的SaaS也都是这样的嘛。这个就是你从安全的角度的考虑。
24:57我觉得好像不太对啊，你你就想象他的那个客户端，假如说它分成两截儿，一截儿就是读本地文件的，这些是一些一些指令嘛，一些程序嘛。然后还有一个是大语言模型，它大语言模型最极端情况下，它就在里面嵌了一个网页嘛，它还是做成你的网页版比较好了嘛。
25:14不是不是，它因为它是装在一个非封闭的环境里的，对吧？它是装在用户的，呃，电，呃，用户的PC上，对不对？理论上讲，别人只要拿到这个，就像我拿到你的邮箱的用户名和密码，我换一台机器，我是不是可以用你的邮箱跟用户名密码，就去以你的身份就能去干所有的事儿了？
25:33对。但是我我用你的网页版不也可以这样子啊，我换一台机器，透露我邮箱密码，对吧？
25:39那前提就是你要，但是你要拿我们的网页的用户名密码是很难的，对不对？Gmail的这个登录是一样的，对不对？而且这个东西也不存在那个Claw里，cloud本身也拿不到这个信息。
25:51对，你你是说反正有一个有一个那个鉴权的token的话，在本机是有可能被调出来的。但是那个的话，你们是防御的那个环境，就是存在云端，本机其实不存在，一照一个钥匙。
26:02对，不，或者说你拿到的那个钥匙也没用，因为你必须在我那台机器上才能访问我给你的那扇门，然后那扇门背后才真正藏了真正的钥匙。
26:13我知道这个逻辑，但我总觉得好像应该有办法解决。
26:39了解。你刚刚说的usage其实就是最轻的一个攻击嘛，它其实可以偷我的别的东西嘛，然后让它里面有一个东西，把它再写到另外一个地方去。比如说发封邮件，把把我的银行，把我的那个比如说比特币私钥给谁谁谁，对吧？
28:09我们希望的神迹是两个，呃，一个月之后，呃，你能你拿这个Claw，cloud你就可以开始挣钱。如果这个能够成的话，我觉得就是真正的神迹。
28:19啊，对对对，这是可以的，就一定得有一个这种东西。否则你光说我的更安全，其实这这事儿真的没有意义，这个在营销侧至少是没有意义的。
29:25一个月之后，我们再来聊这部分吧。
29:27哎，那现在如果大家用的话，你一个能够三句话说清楚，说现在大家来用一用。你们现在要钱吗？你现在可以用了吗？还是waitlist？
29:35我们现在可以，我们我们是完全开放注册的，然后free trial跟送一些credit，但是的确是个付费订阅的产品。
29:43叫叫域名是zooclaw.ai。点ai，
29:51为什么叫这个名字啊？就是里面有很多种Claw吗？
29:54啊，对。里面有很多种Claw，就是我们有一个，我们现在预设了，我数一下，预设了十三个cloud。
30:02但是你说对于普通人来用的话，因为你你这里面也可以自己定义自己的Claw的意思，对吧？可以自己造一个啥啥啥的。
30:10我们有一个Claw叫做Agent Studio，就是你把它创建了之后，这个Claw的作用就是你可以说把自己擅长的skills或者跟它聊出来，然后变成一个skillset，然后你可以再把它安装起来，或者说给其他人去用。
30:29你刚刚说要给普通人用，普通人能搞定这些事情吗？这这这这是不是又要求太高了？
30:35可以搞定，因为所有的这些让普通人去做一个Claw，也是一个你跟它聊天就能做的一个事儿。就是就是就今天我不需要你自己去写一堆文件来去创建一个agent或者一堆skills，我们做了一个用来创建agent的agent，你跟它聊天就好了。
31:13我的第一步叫开箱即用，当然现在所有人都会说开箱即用，对吧？第二个我觉得是说我们做了呃就voice first的app，可以直接装app，然后呃口喷就可以去随时随地用一个Claw来完成你的工作。第三个呢是说其实我们觉得就是每个人应该今天的Claw不应该是只有一个agent，而是有很多个agent，
31:37这个是今天的模型的能力和呃现实情况决定的。就是说呃因为你很难在一个agent上装一百个skills，通常遇到这种情况，这个agent它自己脑子就坏掉了，它还是更适合在不同的垂领域，你有一个agent。但是背后模型的能力是通用的，所以它是一个team of agents。
32:00所以你有一堆agents上手就能用。第四个是说，呃你用这个很容易去搭一个根据你自己擅长的东西去创建自己的agent。就是我们其实更希望说是那些，呃如果今天说啊我就自己搭了一个Claw，我是个工程师，我用了很多Claude Code，
32:17那我觉得这个可能不是我今天最我们实际面向的，我们更希望是给那些之前没有用过Claw的人，或者之前没有用过很强的agent的人去来使用这个产品。就是之前你如果觉得AI只能聊天啊。AI只能，呃，只能帮你搜搜资料啊，然后我也不太懂技术，但是我听说OpenClaw这个东西很厉害，
32:40我觉得其实是挺值得来体验，是体验一下这个产品的。因为你自己搭一个OpenClaw很复杂。第二个是我们，就市场上的确有很多Claw，但是我们也用过很多Cloud，我觉得市场上大部分的Cloud做的也就是，我其实产品没有都没有充足的打磨好。
32:57我相信我们当然肯定也有很多没有打磨好的部分，但是相对来讲，我觉得是打磨的比较完整，且持续尽可能的做到让普通人好用。我们并不想去追求说给，就是你今天说我觉得Claude Code特别好用，我是个engineer，其实我觉得你没有必要，你你未必有有有需要用我的产品。
33:17但你今天如果是个普通人说，啊我想体验现在最好的agent，呃。这个agent到底有什么能力，我也不是一定要用来写代码，但我各种场景我都想体验一下，那我觉得其实是挺适合呃来体验一下这个产品的。就就就我们做了很多有趣的功能啊，对。
33:34但是，呃，因为我们其实更想做一个general purpose产品，所以没有去做，呃，没有像橘子他们那个Cola那样去做，只在某一个领域的优化。其实其实他们做的那个东西，我们内部其实也做了一个版本，就是这个也是我能使用的某个agent之一，
33:50叫做Soulmate。你也可以在这个里面再单独开一个Soulmate，和它聊聊，看看它是不是能给你产生极大的情感陪伴与抚慰作用啊。
34:13其实我我是觉得说确实需要这种易用性的产品啊，因为那个我自己的OpenClaw可能在那两头挂着，然后我帮我太太装，也是靠Claude Code才能够装上去，以及能让它正常运行也不容易。对。所以我觉得云端主要是现在云端的这种第三方产品太多了。
34:30然后我又觉得说确实需要很垂直的一些一些功能。其实最近几天一直在用那个Claude Code，在让它我看看能不能搭一个工作流，就是我我大量的阅读嘛，然后我有那些卡片笔记，我就想直接就让它一键就发出来。但是我大概花了两三个小时在上面，我这个工作流都没有搭出来，就是反正一定会在某个地方卡住。
34:51其实我的要求很低，就是你能够同时帮我发，比如说朋友圈、公众号、微博。我小红书，假设就这四个好了，或者在Twitter。搞不出搞不定的，它至少会有无数的问题，但是我想想其实有可能，就假设像你们这样的团队的话，可能有一个工程师花四个小时，
35:09说不定这个就通了。针对creator的话，你们把比如说再再乘以十个场景，那就彻底的就通了。但是这个就不是像你们那么通用啊，但是我听说像Mandarin之类的产品，其实最后也就呃高频的其实也就三三大场景吧，然后他们就在拼命的优化那三大场景。
35:27其实很多很多长尾的也不是大家经常来消耗token的一个原因，只是做营销的时候好好说。对，general purpose里面也会有那个也会有细分场景。所以你们是打算就是很认真的general purpose，还是说其实也会在里面有侧重，或者未来也是看大家用着用着你们再去优化哪些专用的细分啊？
35:48就是一定最终会有侧重的嘛，呃哪个东西用户用的多，或者用户用的频次高，你肯定就应该优化，对不对？它一定会让准确率变得更好，它一定会让你的token消耗，呃，你的token efficiency会更高。我觉得这个在理念上有差别，就是我们为什么第一版就做了一个叫Agent Studio的功能，就是我们的假设它最终还是会变成一个长尾市场。
36:08就是我觉得OpenClaw，就是我还是那个比喻，OpenClaw是PC，它最后很多东西会变成software，对不对？我们还是觉得有很多software是某一个agent或者怎么样，那还是会有很多长尾的需求。这个长尾的需求不一定是由我们来做，可能是由使用者他来做出来，然后分享给其他人。
36:30不一定要所有事情都由我们来做，我们做的我们可能会做最头部的，对吧？就是这个微软会做Office一样，对不对？但微软不可能把呃Windows上所有的软件都自己做一遍，就既没有这个能力也没有必要，对不对？但是微软可能得去做方便别人去呃做software的东西，对吧？
36:48所以微软以前会做那个Visual Studio，对吧？因为因为我觉得这个市场未来肯定是足够足够大。
36:54那你这个听起来很危险啊，这个很像是互联网的习惯的那个平台思路。
37:43所以你们未来的话是假设我搞定了那个多平台分发的东西，然后把它沉淀成了skill，这个时候我是分享这个skill去卖，还是说应该把我这个agent在你们平台上去卖，还是是什么意思呢？你说
38:59我觉得两个，就第一个是我们有独特的想法，这个这个目前还没有没有开发完，对吧？第二个是说我觉得就是我觉得堂堂正正打这件事情可能逃不掉。
39:10你们是有这个条这个选择的，你们是是存在堂堂正正打这个选项。
39:44不过像你们的话确实就是也也只能抓这种机会，对，那种歪门邪道的小小机会对你们团队来说也没有意义。你们只有这种机会，这个这个是很合适的一个机会。
40:16也不一定吧，就是因为现在代码比较容易嘛，所以它了不起的话，就是就是到时候OpenClaw每次升级，它也可以让自己的OpenClaw上去抄一下嘛，对吧？上去改改，把成自己的。
40:28这个其实没有那么没有大家想象，我觉得没有大家想象中那么容易啊，就是随着你的项目的规模的增长，你会发现它的复杂度就是也很高。对。然后你会发现很快会，你就会遇上就bug爆炸，对吧？或者所有的功能验测一遍都测不过来，这种这种境地，对吧？
40:46那我再回过头来问一下，就是在产品之外，因为最近不是一直在讲那个，呃，Harness Engineering嘛。然后你的话肯定你不管是自己的话，你的工作提效，那肯定不是说你你就单单独独在给Claude Code发消息呢，对吧？
41:00肯定是你自己搭了什么沙箱啊，你自己有规则啊，你自己有搞法，甚至于你的团队。那肯定不是说，哎呀，大家都纷纷地用OpenClaw，整个团队的效率提高了。你肯定也有一套协调机制啊什么的。你这些能够分享一下吗？因为现在就是大家都在搭自己的所谓的harness嘛，但是其实不知道最佳实践到底是什么，不管是个体的harness engineering还是那个团队的。
41:24我觉得大家都在摸索这个实践啊，所以我只能讲我们实践下来，在做了一些实践，有些，呃，我们觉得一定有效，有些我们觉得在有效的过程中，有些这个这个我们也不知道是不是我们这个做法最有效，对吧？但是harness这个词儿呢，就是这个词儿，反正也是个大家新发明的词儿，对吧？
41:45但是我称之为，我们干的所有的有效的包罗万象。但是我其实还想把它拆开来，就是就是我觉得有些今天大家在讲的harness，其实还是coding engineering或者agent本身的engineering。就是我我觉得我们在harness上想做的事儿还是在于一个问题啊，就是说coding agent本身已经做了那部分我们都不算，
42:07就我们不，我们不称之为那个是harness。来讲清楚，我们讲harness，我们讲的harness就是说，呃，这个反正coding agent反正它已经干了很多工作啊，你可能用了各种各样的skills，你可能用了各种各样的hook，你可能，呃，这个这个开了很多个窗口啊。
42:24那个我们都不称之为harness。我我我称之为什么harness呢？我觉得所有的harness其实跟传统的软件工程里用的所有的工具其实没有本质上的区别，只是在今天的AI场景下，你要把它再重新用一遍。我称之为的harness，呃。
42:42呃，我我大概解释一下是什么呢？就是Claude Code很厉害，对吧？然后今天，呃，GPT、呃，Codex也很厉害，今天AI写代码能力已经非常强了。但是呢，呃，其实它其实带来一个新的问题，就是我称之为就写代码这个事情呢，它其实不是，它本质上不是写代码。
43:00写代码这个事情难难在哪里呢？我称之为叫难在管理复杂度。就是它难并不难在说我今天快速要写点东西，而在于说这个随着这代码量越来越多，这个项目越来越复杂，这个事情是不是还是可控的。因为你会去看，大部分以前做写项目就是什么呢？
43:18就是人其实越少，这个项目越好。管人其实越早，项目越刚开始，这个东西都很容易写。但越到后来呢，就就越难越难管。人越多呢，你会发现往里加人效率越低。这个持续的时间越越久呢，这个代码越没办法维护。
43:37那原来呢，这个这个其实代码不能维护，要等个一年、两年、三年、五年。这代码难以维护了。现在基本上一个礼拜这代码就难以维护了，为什么呢？因为今天写代码的吞吐量太高了。大家对着agent写了几句话，差一几千行、几万行代码就上来了。
43:55就动不动就，就可能三礼拜过去，这代码已经几十万行了。以前几十万行的代码可能要写三年。但是所有的这些手段呢，我觉得原来在传统的软件工程里其实都有。什么叫都有呢？我举个例子啊，就是以前我们写代码都要做code review，对吧？
44:12就是你写了代码，我要去有个人去读一读代码，就有一个换一个脑子，有个第二意见来干这个事儿。那你今天写的代码，然后所以原来有一套软件工程的流程。那今天AI写的代码，那我干第一个事儿，就是任何人用AI写的代码，由另外一个AI来做一下code review。
44:31并且他读完之后，给你列一堆，说这里有问题，那里有问题。那这第一步这就是个harness，这个harness就是叫做，对吧？就换了个人给了另一方的意见。那这个就是我们在内部就做了这样一个，就是你任何的代码在实际发布或者合合并到，呃。
44:50因为有很多人在协作一个项目，比如有十个人在协作一个项目，他会任何人提交一个代码，他不是说直接就合并进那个代码库里的，他其实是GitHub上发了一个pull request。这个pull request呢不是由人来读的，它会自动触发，有另外一个AI会去读这个代码，它会有一堆规则，
45:08读完了之后，它会给你一个反馈。那我们做了叫三层反馈。第一层反馈呢叫做说，哎。我觉得你这代码写的挺好的，呃。可能改动也不大，我觉得你就可以合并了，它可以给你打个标，叫做auto merge，就是AI说你这代码其实立刻就可以合并了，
45:25那它就自动合并了。第二种呢也很简单，它说你这里有问题，即使是同一个模型，你让它在一个干净干净的context下，它去挑刺儿，去发现问题，它也会发现问题。就发现了这个，它就会列出一些说，啊，这里可能是个bug啊，那里可能哪里写的不对，这里可能不安全。
45:43它会说它叫request change，它就说你必须去改。我们有些同事比较偷懒，对吧？就它是自动的，它发完了之后，它会等那个review给你意见。它看见有有这个意见，它会自动把那个意见拉出来，自动让AI继续改。即使是这样，它可能改十轮，哈，这个可能明显的bug就没有了，这是这是第二种。
46:01第三种呢叫做need human review，它就看完了，它觉得大部分呢它觉得没问题，有三个地方呢，它觉得好像不太好，但是呢它也不是非常确定，对不对？他说需要人来看，他就会打上一个标，叫需要人来看。那人就去看，人也不是把所有代码看一看，人可能就只看这三点，对吧？
46:20这就是第一个harness，就是代码呢是由人去审核的。第二个呢，就是我们做做什么harness呢？我们说，啊，
46:29那代码在那里，所以我应该给大量的自动化测试。那这个自动化测试呢，虽然是AI写的，但是今天我们让AI写自动化测试呢，我们会有一个要求，跟传统写测试有一个差别，我们用一种叫做，呃，BDD风格的测试。什么叫BDD风格的测试呢？
46:47就是它背后的那个代码呢，它的确还是各种测试代码，但是它会用一种比较用自然语言的方式把这个测试给描述出来。它说，哎呀，当这个用户比方说充值了，那么他就会得到一个三十美金的套餐。打个比方，这个叫behavior-driven development。
47:05就我们是不去看具体的测试代码的，但是这些对测试的BDD的描述呢，会人工来看。这样呢，你才能用比较大的带宽去去理解这个到底它测了哪些场景，这些场景场景是不是真的还是假的。就是人在更短的时间内能够去看，说它是不是把我想到的大部分场景都测到了。
47:27但具体的测试代码，因为测试的逻辑通常比较简单，对吧？就是我给定一个输入，会预期得到一个什么输出。读代码呢，人其实不是那么习惯，但BDD的测试呢，人是比较容易习惯、能够理解的。那我们会要求有大量的BDD的测试，并且测试的覆盖量足够高。
47:45就是需要BDD测试跑完，意味着所有的功能代码的90%以上都是被测试给测到过的。那这就是个harness。再有一些harness呢，就是说我们会加很多软件工程的限制，比如说我们要求说，哎，单个的文件不能超过500行。因为超过500行呢，这个人就觉人就不太容易读了，而且通常说明他把太多的东西放在一个文件里了，
48:09对吧？它是个强制规则，对吧？就是你只要去提交，它会去检查你单个文件会不会超过500行。第三个呢，它会检查说你的这个代码里的叫圈复杂度。什么叫圈复杂度呢？
48:20就是你的代码里每多一层嵌套，多一个if else，它圈复杂度就会加。你的层层嵌套越来越多，它的圈复杂度就会很高，超圈复杂度超过20，啊，这个代码写得不好，你你你要你要去改。我觉得用很多传统的软件工程的规则，通过一些lint的工具，限制这个代码。
48:41这这是这是举的一些例子了，还有一些例子，比方说啊，你的，呃，就是，呃，路由层面的代码不能直接去访问数据库，对吧？它通过一些规则去去你的代码里去做限制。这个其实传统软件工程有很多策略啊。其实以前呢，这个策略其实在一些大型系统里也会用，但是大部分我们今天不太用的原因是什么呢？
49:00因为一般原来很多代码都有人工review，人工review其实也会关注这点，对吧？那我就不写，就也就没有空再去设很复杂的lint规则了。但今天因为人工review已经很少了，那尽量把这些规则变成个强制性的规则去运行，然后使得这个代码相对可控，
49:18也只能叫相对可控。然后呢，还会去做一些这种定期，比方说我们会，你的代码虽然不断的变更，对不对？但是随着时间累积，这个代码一定会越来越糟。所以每周会有触发一个自动的全量代码审核，说，哎，看这个代码写得不好不好不好不好，它会自动在GitHub上列一堆to do，
49:40说，哎，这个代码我觉得这里有重复，那里有问题。就是尽量的让AI去把原来传统人工review或者软件工程会做的事情和一些lint规则，能够去捕捉到尽可能多的潜在问题吧。这个就是我们现在其实尽可能在开发过程中去做这个事儿。然后我们也会跑端到端的测试，这个测试可能也是AI写的，但没关系。
50:05它其实是操作浏览器，我们会让它的整个操作过程录屏录下来。我去看测试呢，不是看这个测试通没通过，我去看它实际的录屏操作跟我期望的是不是一样，可能在放大AI的能力的同时，去找各种方式能够去审核或者验证它嘛。因为传统的软件开发过程中，也是一个不断地逼近bug少、没问题的过程，对吧？
50:31你有各种各样的测试啊，人工测试也好，代码审核也好，但其实你也没有办法做到它没有问题上线。啊，你上线也有监控，对不对？当用户报了bug，你去修复，对不对？那怎么利用AI的能力，让这个代码也尽可能地不断地去逼近一个尽可能没问题的过程？
50:50除了这些之外，是不是上面还有一层，其实是比如说安全啊什么方面？那它比如说什么样的可以改什么样的代码，怎么样就控制它，比如说它炸了，不会把你们的线上系统给崩掉，这上面是不是这一套也是harness一部分？
51:06会有。就是会有两层吧。第一层是，就是我们刚才说的，比如说所有的代码都有那个安全的扫描啊，就是GitHub有个服务叫做CodeQL，就是说它本身也会有安全扫描。比如说你的包依赖，就是有没有漏洞啊，你这个代码中日志可不可能会不小心把密码打在日志里啊，
51:24它本身也有工具可以去扫描这一层。第二层呢，本身是我们所有的开发过程中都是在那个DevContainer，一个虚拟机里去跑的。就是我可能跑在虚拟机里的好处是呢，你可以放给它足够多的权限去干所有的事情。但是呢，它所有的操作又是在这个虚拟机里，所以搞炸了也没关系。
51:44其实它不是个虚拟机，是个容器了。尽可能地给AI足够多的权限，但是这个权限呢又是在一个你管控好的环境里。最最多的情况是，怕它把这个环境搞炸了，你重新去运行一下，重新去建设这个环境就好了。第二个呢，就是通过各种各样的策略或者手段，限制去发现在开发过程中可能遇到的问题，
52:10尽量让它及早地被暴露出来。
52:13我我在想说，假设我现在因为，呃，coding是这个专业领域嘛，那假设我现在不是coding的环境，我要从你这边可迁移地把这套经验拿过来的话，假设我现在要写本书，比如说叫做AI原生产品，这是一本书，原本的话我就写，然后不停地让AI说，哎——哎，你给我这边找点例子，你给我那边丰富一下。
52:31那现在的话就应该我先跟AI口喷一个，比如说大纲、我的框架，然后我口喷乱七八糟的，然后有了这么一个东西。有了之后的话呢，我就会让它来帮我，比如说出整本书嘛。然后出完之后我不是怎么整个在看，我应该是让它来做，比如说它有十个角色在做编辑，在帮我review，
52:49有点像代码review。而且的话呢，我还要让它扮演十个不同的persona，然后说他们会在什么场景下去读这本书，他们对于这本书每一个章节，他们的看法，他们的困惑是什么，比如说就有点像里面说的test case，然后再设置一些规则。
53:06说比如说书里面，比如说每一章节的那个篇幅长短不能差两倍以上，然后例子不能超过多少，反正就有一些规则上的，让它最后看起来像一本书的一些规格规范。
53:19就是就是让AI或者规则去做互相对抗嘛，对吧？你可以说，我我要求这里面只要是举例子，我要搜一搜这个例子在网上它是真的还是假的，对吧？这可能就是一条规则。比方说你这本书里是去讲画了一个原型图，对不对？那你就要去看这个原型图，说我必须是不是配色，我有一个配色的一个要求，它是不是符合。
53:43互相对抗，而且这个互相对抗呢是尽量用一个比较自动的方式做，而不是，而且是在写的过程中不断地做，而不是写完了再做，对吧？就是你你写书，你肯定不是把整本书写完的，对吧？而是说啊我写第二章，第二章写了一个chapter，然后它已经给你提了一堆意见，或者给了你一堆反馈跟规则的限制。
54:04因为这个过程中它拿到的context window，也它context window有限嘛，对不对？它同时它在比较短的context window下，它的表现会比较好。你给它一个太大的context window，它其实可能也看不过来。
54:45核心就我们做了几件事儿嘛。第一个事儿是，所有的开发工作都在一个容器中进行，这样意味着你可以让AI非常自主地去行动，即使它搞砸了也没关系，对吧？这是第一个。第二个呢是，呃，任何的代码提交其实都有一堆规则跟限制条件，让它能在你的镣铐下去跳舞。
55:09也其实也没有什么特殊的，就是很多传统的软件工程中的一些最佳实践。只是原来大家因为去要实现这些最佳实践的工作量很大，不一定会做。但今天你有了AI coding，你应该做，因为你本来写的code的量也特别大，那用这些能够减缓这个东西，
55:29你的代码会，呃，坍塌。在这个过程中，其实是你用AI之间在互相对抗来减少问题的出现嘛。第三个是尽可能地可以被验证的结果，让人容易阅读跟理解。比方说我们用我们的测试是BDD风格的。导致这个测试我就像在读，呃，在像读一段文本去解释这个测试在干什么。
55:53比如说我们的端到端测试是会录屏的，所以它不管成功还是失败，你都可以看它具体在网页的操作是什么样子的。就靠这些来尽可能地去减少出问题的概率嘛，以及逼近说，呃，bug数量能够少吧。但其实也不容易，因为我觉得这个是harness的一半啊，呃，限制AI能干什么。
56:17这个harness这个其实不是empower AI能干什么，这个是说你知道它一定会干错一些事儿，然后呢你把它可能干错的地方都给控制住，对吧？另一半呢其实是说你要让让AI能干更多的事儿。
56:31这个这个这这个其实两层，就是我们现在觉得让AI能干更多的这个事儿呢，其实大家已经都很积极，都很主动干了。但是限制AI的事儿呢，大家干得比较少。而且这个也是为什么今天一旦项目人比较多，跑得比较快，就出很多问题的原因。所以我们现在花了比较多的时间去限制AI能干什么。
56:51我觉得很清楚啊，第一层就是一个容器嘛，就是控制风险的边界嘛。第二层的话就是要设置合理的一些规则和方法嘛。然后的话呢就是用对抗的方法，对抗的方法来让AI把AI搞搞定嘛。就是人类的组织里面其实也有大量的，其实是对抗和制衡。就是你管我我管你什么三权分立啊什么的，其实也是类似嘛，这样子才能让整个系统才能够运转。
57:17然后最后一个就是实在不行，它要出问题或者需要人类干预的话，你那个干预的那个入口的话，那个界面尽量对人类友好一点，不要出了问题人类也搞不清楚。大概这四层，我觉得，哎，这个很很清楚。哎，你们empower方面有做什么事情吗？
57:32这个是限制嘛，这个就相当于给马马那个马嚼子啊什么的，然后马蹬啊什么的。
57:37这个会做比较多，就是尽量让，比方说我们做了一个Claw发行版，那我们就做了一个skills，你可以装在我们每个开发同事的本地，可以去诊断线上每个人的Claw可能哪里，因为不知道因为什么原因配置错了呀，权限不对呀，起不来呀。
57:55当然这个当中也做了限制，比方说它，呃，不管是权限还是操作，还能都读到什么东西，其实都做了限制啊。就是核心逻辑还是说让所有的线上可以干的事儿人都可以操作。就比方说我传统意义上我们去说去分发任务，那大家用一下，用一些Linear或者GitHub的工具，
58:17对不对？那我们今天说，那你直接，比如我们用飞书，你在飞书里我们做了机器人，你只要@一个机器人，它就会自动去读到说这个问题的上下文，然后在系统里去创建这些问题，它会去自动给这个问题去打各种各样的标记，对吧？这个我觉得就是你通过一系列的Claw，一系列的skills，一系列的，呃，安装配置，让所有的人可以访问的东西，
58:42让各种agent也能访问，并且能处理。
58:46所以empower其实本质上是让人能够访问到的东西，让agent也能访问，并且能处理。那你们现在做到了吗？就是你你你的龙虾现在能够如鱼得水地干活了吗？
59:40我问一下，就是我们修改有两层嘛，一层是你在定义这些东西嘛，什么对抗啊，什么啥啥的，这个其实是一个牛逼的一个架构师的一个一个能力嘛。这一层能力有可能直接AI来做嘛。第一个就是这些你刚刚讲的，我觉得方法其实非常make sense嘛，那其实非常make sense的事情就应该已经是方法论了。
1:00:02那那为什么不是应该直接做到Claude Code这种软件里面，或者说甚至于它可以再聪明一点，它会根据你当下这个项目，然后它来定义中间应该怎么样的流程，应该有这么一层存在啊。
1:00:15模型本来有这个能力啊，但是问题是我觉得今天模型所有的能力都是需要你去激发它嘛。这就是为什么我们回到开头，我说今天模型还是模型在empower人，或者是它是个杠杆。就你说你什么都不知道，因为这个事情不一定要干，这个事情取决于你的呃复杂度，对不对？
1:00:34我今天临时写一个脚本，你没有必要干这些事。你这个是今天有这个项目，有十个人全职的人在干这个事儿，对吧？然后而且都是用AI写，所以它的吞吐量很大，所以你就应该干这些事儿。这些事儿中应该先干哪个后干哪个，其实不好说，对不对？
1:00:49对不对？而且有可能是这个事情已经污染了，然后你要治理，你应该怎么干，对不对？就是假设这个代码已经很乱了，已经有每个文件都是三千行了，你加了一个规则，发现这项目就就就不能跑了，对不对？那我们会做个事儿叫做“编治理”，就是不允许新污染了，但是老的没关系。
1:01:07就老的文件我都不检查你超不超过五百行，只有新文件你不能超过五百行。这个事情最终很多很多判断跟决策，我觉得今天，呃，即使是AI有这个能力告诉你，你也得问它。呃，这这是这是为什么我说，但是这些东西也不是新东西，这些东西就是传统的软件工程里，就是这些东西都有，
1:01:25对吧？也不是我们自己临时开发的工具。我说啊，我有这么个需求，然后他说啊，你就去装一个这个lint里加一条这样的规则，对吧？他跟我说啊，你去装一个这样的工具，对吧？那那但是，所以我觉得模型并不是不理解不知道，但是你需要有人把它激发出来，对吧？
1:01:42那我问你一下，就是因为coding的话，这边当然就是很很成熟嘛，但是就是世界上大部分人还不是程序员嘛，对吧？就哪怕我现在其实也只是有可能百分之二十的事情用它跟代码有关系。那还有很多其他的工作，比如说你可能也要写你们的营销营销计划什么的，然后那个上线G T M啊这些东西。
1:02:03那这些东西的事情上面的话，现在在在ZooClaw这个时代，对吧？那那不是不是像以前就是就是ChatGPT，那你肯定就跟它聊啊，我们营销计划。但现在我越来越有一个逻辑，就是不应该跟AI聊天儿，就是应该是跟它一起，我们就有点像应该多用Claude Code，
1:02:21少用少用那个Claude。我我有一种感觉，就是我们重复性的工作应该是有一个建设的build的环境，跟它一起再建一套系统，然后把用这套系统再run，而不是一句一句跟它就是就是扯一扯，像求求我求神问卦一样。但是这个应该怎么做呢？
1:02:39就是你刚刚讲的那个写程序那边就感觉好好完善，一层两层三层四层。那比如说你是要跟它定期的来review你的那个，不不说一次性的marketing strategy，可能你还是可以靠聊嘛。不光是一次性的，你可能要定期的跟它review，以及你可能每周还有你们上线之后，比如说有数据，
1:02:57然后你还跟它继续探讨这个数据好不好。那个其实就不应该聊嘛，就应该有一套系统来管理你们的marketing plan嘛。那这这这东西应该怎么来建整套harness的engineering呢？呃
1:03:08我觉得其实是类似的，就是只是这套东西可能也是通过一系列的skills，或者说或者说它就是个agent，对吧？只是说，因为就像你今天用ZooClaw或者OpenClaw这个agent，你肯定它有一堆skills，你让它触发，对吧？
1:03:22就它也可以去设定时任务，对不对？就我们这里面叫，你可以说定时任务，就定时任务是说它应该每天去检查一下你的广告投放，打个比方。它可能也有一些定时任务说它定期要去市场上去做，去探索看一下竞对的数据是怎么样的。但是这个事儿我觉得是说它每个领域都应该有它的，有一些专家。
1:03:43你今天写一个书，它一定有个编辑，编辑他去看你的书写的好不好，或者他做三审三校，他有一套他的方法论。这套方法论其实我们是不知道的。一种是说我们还是应该跟Claude或者去聊，聊出它的方法论是什么，然后把它定义成自动执行的一个过程。
1:04:02比如说假设套在那个你的那个营销的那个管理上面的话，具体能够怎么做呢？
1:04:09我就因为营销我有些我也不了解啊，我举个例子，有一些我们可能相对呃熟悉了解一些的。比方说啊，我们今天要做SEO，对不对？那SEO有一个过程，第一个过程中叫做啊，对你的产品去做定位，对吧？你这个产品它的竞对是哪些？然后找到这些竞对，他们在用哪些词儿？
1:04:27这些词儿他们有没有投广告？然后哪些词儿竞争度高，哪些词儿竞争度低？哪些有什么相关的冒出来的新词儿？那它可能就是有一系列的这些东西，它应该沉淀成自动执行的、定期自动执行的skills。我觉得其实是类似的嘛，就是SEO它既分分成发散的部分，嗯。
1:04:44发散的部分就是说，就是我每天有一些新的想法去灌输给他，就跟我今天有新的code要写，也有一些固定的他不停的审核。比如说marketing skills有个这个SEO audit，对不对？那这个事情就是他每天都得audit，对不对？
1:05:00它其实就是个对抗性的部分。我觉得这个是一样的，但是每个领域都应该是由这个领域的专家来干这个事儿吧。对，今天我是个tech的专家，对吧？就是说，啊，我知道大型的系统或者，呃，代码应该怎么写，这个，对吧？就毕竟我写了二十年了，对吧？
1:05:17看过所有的这些各种各样工程中的最佳实践，那我今天能把它用出来。今天，一个真正的营销的专家，他可能管了很多团队，他原来也是用各种各样的对抗的方式去解决这个问题的，那他也可以把这个东西建设出来。然后未来他也能够把这个东西分发给别人。
1:05:34我最近给自己有一些原则，但是还没做到。就第一个就是，我每天都在大量的跟AI一起搞嘛，但现在就是说尽量的少用，少用对话框那个，多用那个co-work和Claude的那个，就是建设一点。另外一个就是尽可能的让自己少做检查性的工作，就是我不要去做那个人力来做这个verify这个事情，
1:05:56要把这事儿想办法包掉。还有一个事情就是我在尽量的减少我来发起一个任务，就有点像你刚说的SEO，应该他每天他来看一下嘛，对吧？然后我我来发起一件事情，我会希望说是AI来发起事情，AI AI发起AI检查，然后AI来完善这套系统，
1:06:13而不是每每次都是我发起，我给他布置一个什么事，然后他做完了还要我来检查一下，我就觉得这个是明显的这个产能就太低了。对，现在正在搞，但是还没有没有什么成果。就是现在现在现在用AI的最大的问题就是你会发现你会有很大的output，但是没有什么outcome。
1:06:51产能有限的时候，其实现在就分发和渠道嘛，更重要了嘛，卖更重要了嘛，讲故事更重要了嘛。
1:07:18但是你不是应该说你你只要知道自己哪方面有可能性让AI去帮你提出来不是更更快吗？对，让他告诉你说还有哪些事情可以优化。
1:07:31我觉得会有个差别，就是这个就是回到你可能需要pre-train吧。比如说你得把某一个东西全都读一遍，比如说安安心心花两天读一遍，然后你后面干这个活就会变得很快，因为任何遇到一个问题，你这个你已经有了一个index或者roadmap，对吧？
1:07:48然后你可以让AI帮你去解决。但是你没有读的情况下，你要从AI里靠碎片化的把这个东西拼凑出来，我觉得太难了。现在我的工作我觉得应该是这样的，你应该花30%的时间是在呃build你的Claw，就是像你说的让这个事情能够自动化。
1:08:07让各种各样的事情是在一个减少这个工作中的摩擦嘛，让AI自动审核也好，然后AI发起也好，都是为了说我不用再耗费心力去启动这个事情，而它自主的能够启动，然后干所有事情都能很快。我觉得这是一部分。第二个呢，我觉得得花30%的时间去，去像做pre-train一样，就是我今天就想写程序，但是我就得把这个文档，
1:08:32就比如说官方的教程从头到尾读一遍。我不一定要动手练习，但是我得读一遍，我得知道它到底有哪些能力。这样的话呢，我去用AI的时候能力也会变得极强。不然的话呢，你光靠跟AI一句一句聊，你会发现你一会儿漏了。这个一会儿漏了那个，并且你工作出来的搭出来那个东西呢，就是一个乱七八糟的东西。
1:08:52那剩下的时间才可能才是这这些具体的干活啊，就是就是以前的传统意义上的工作。
1:08:59我我最近想法跟你不太一样，我是一个学习爱好者，所以我最近经常发现自己在进行大量的无效学习。就而且我最近又用AI把我的学习进一步提效了，他会帮我去按照我的口味去看，而且我还做了一套系统，就是呃我看完他的我会删掉一些我我觉得没有意义的东西，他已经像我口味了，然后他还会每天按照我删掉的那些再去评判一下，
1:09:20说哦原来你是这样子想的，然后他会再相当于我给自己做了个今日头条。然后那个，我确实发现那些东西没什么用，但是我有的时候讲课可能有点用啊，就是你好歹得多白活嘛。但是我现在在调整说是我的话。是不是我有更多的时间应该用在那个就学什么这件事情上？
1:09:40怎么定义呢？我我来讲一下，就比如说有两种东西，一种就是这个东西它比如说你看文档，我我现在是尽量的让自己不要做这个事情。还有一个事情是有一个历史上的什么案例，然后我特别喜欢看，然后我是让自己不要做这个事情。但是我会更加的想要学习就我不是我想要学习，我其实都想要，因为我我其实把学习当乐趣。
1:10:05但是我觉得真正有效的其实是机会型的学习，就是它不是做出来的学习，它其实是告诉你说，它不是how，也不是what，它是它是where，在哪里已经发生了一件什么牛逼的事情。就举例来讲，就假设现在在坦桑尼亚，有个叫Crab的游戏的功能，它其实比小龙虾更好。
1:10:26它的那个门，它的那个那个框架其实比小龙虾更适合你现在脑子当中的东西。最好你是第一时间能够知道，这个有一个东西叫Crab，它它的特别牛。然后哦，原来我除了claw-like，我其实可以做成crab-like。然后我觉得那个东西挺挺好的。
1:10:42就包括我最近看，比如说我看，呃，当我知道世界上有比如说Legalista，有Daryl，然后这些非常神奇的AI的打法。就就之前不知道，然后一下子就打开我很多可能性，然后我就会想，哦，其实原来可以朝这个方向做。然后包括我advice的一些公司的话。
1:11:00我就在跟大家讲，其实可以朝这个方向。所以我现在现在反过来的话，我其实可能会更加的觉得，好像可能性上的，就是机会层面的，可能possibility这个方向的可能性上，这个方向的这种学习，对我来说可能会更加的更加的重要，而不是做出来。
1:11:21所以我觉得可能是对我自己，我自己最近在朝这个方向调，还在还在路上，对，仅供参考。对对对。
1:11:29我其实正好和你相反，我反而是说，我花更多的时间去读，就像你说的，去读官方手册，或者去读就是经典著作。为什么呢？就是，呃，这个东西你完整的结构化地看一遍之后，你利用AI可以极大地放大这个能力。但你没有看过碎片化地看呢，其实你其实你也没有得到什么有效增量的有效信息。
1:11:54但我觉得这可能和每个人的工作性质有关哈，我并不是在看一个新机会，对吧？就是说，你要把一个事情做得比较好，那到底这个事情应该怎么做，对吧？就是它有一个非常明确的过去，别人有一个最佳实践。那有些我可能非常了解，有些事情我现在不太了解，对吧？
1:12:11但不太了解，我发现碎片化地看呢，你就会发现你每天都在改主意。最后发现了你不得不就是从头到晚读一遍文档，啊，就也就比较容易想明白这事怎么干了。
1:12:36对，最近一直在熬夜，九九六嘛，对吧？我也说了嘛，九九六了好长时间。
1:12:41对对对。这些号称AI显著提效十倍，然后号称AI会干掉所有人类工作的这些人，都在九九六的熬夜。他到底提了个啥效？
1:12:51你如果从纯粹的代码产出量，那肯定是提了很多效的。但是就我我觉得AI是empower人，很难替代人。其实你就面临两个问题嘛。第一个问题是，就是今天并不是大家去考试，对吧？虽然考卷满分加一百分，今天大家面临的在市场上大家竞争，就意味着，对吧？
1:13:10别人有把枪，我也有把枪，那咋办呢？原来大家只能拿拳头互相挥舞，现在，对吧？现在一人发把刀，那其实这个事情就更难搞了，对不对？因为你一不小心就被别人砍死了，原来别人打我还得打我，打我好一会儿才能把我打死。第二个是有很多事情AI解决不了，什么解决不了呢？
1:13:27就是写代码这个事情，刚才说了那么多，为什么都能干呢？因为它的验证周期很短。就你写完了之后，这些规则一跑，你今天投广告这个事情一下就变难了。你今天，因为它真金白银掏出去，对吧？然后你你说这一百万美金，我今天就这么投，你可能过三天过两天可能看到效果，可能花错了也就花错了，
1:13:48对吧？那那你怎么呢？你最后还是得有一个人，这AI也没办法帮你背锅嘛。你需要去找一个专家，他来背锅，并且他要做很多决策。因为这个东西的验证周期不是啊，你广告投放设置了三分钟就知道它好不好，对不对？
1:15:52对。但是我觉得小龙虾网络这个事儿其实就没有那么容易做吧。就是比如这个network还是难的。
1:15:59而且关键就在于说，其实你想那个network的时候，你会去想的东西都会，嗯，就那个道理大家都可以讲得出千百遍，我都讲得出十套。对。但是其实最开始的network的起步的时候，最关键其实是市场切口的那一批供给和需求。就有点像eBay也是个network嘛，他们最早期是一种特别的一种打猎用的什么鸭子，就是一个一个木头的一个反正奇怪的一个东西。
1:16:26Friendster的那个那个social network，最开始是一批那个姓姓魔鬼的那个叫的一个什么奇奇怪怪的东西。因为我之前研究过平台，就会发现早期的那个切口真的是非常的奇怪。
1:17:00但是有可能你自己干，就你要消耗五倍的token去摸路嘛，人家已经搞完了嘛。反正我是觉得说未来的agent网络会是比之前要更更牛逼的了，更大的。因为我会觉得说世界还是有很多的接口，就比如说后面可能有一个人在帮你点了两下验证码。
1:17:19我会觉得大量的能力能力的内化，其实跟组织为什么需要，比如说，嗯，需要有组织，需要有这个部门是一样的嘛，就是因为交易成本高嘛。我觉得agent是可以做到很低交易成本的，那这样子其实你很多能力是没有必要内化的，都是可以通过交易，
1:17:36或者反正somehow的形式的交易来完成的。这都可以通过通过合作来完成嘛，agent的合作理论上来讲比人类之间的合作理论上会容易很多。所以我觉得这边应该是有蛮大的一个机会。
1:17:49最近我觉得还是开始关注local AI吧，开始买，准备开始买硬件，让本地能跑一些模型。对。但是我其实更想测试一些受限，就是但是我个人的需求啊，受限环境下，就今天比方说一个27B的模型，呃，到底能起到什么作用，对吧？那这个只能自掏腰包吧，就是公司并没有计划要干这个事儿，对吧？
1:18:10哎，那大家好像都在一个莫名其妙的同样的路数上面。你们这帮搞技术的，你可以找那个跟我同一个办公室那个同学聊一下。他最近也在搞这个事情。你们你们这些人搞技术的好像在特定时间点都会想到类似的方向上去。
1:18:25Claw其实带来了一个问题啊，就是有些东西的确我并不希望发给API或者发出去。这是Claw带来的问题嘛，就是原来你只有Claude Code，其实没有这个问题。你其实你不会把所有的生活都塞给AI。但你真的把所有的生活塞给AI，当你去这些东西的时候，你其实就得回答一个问题，就是能不能把一些东西就只限制在本地。
1:19:31但主要是现在你会发现最最合理的本地推理算力就是Mac嘛，对，M5 Ultra的Mac Studio，不然你会发现买什么硬件都划不来。
1:19:57啊，我要准备一下广告，我要准备一下广告。对，过出来的人都在睡觉。
1:20:17欢迎大家喷，喷了之后我给大家送免费订阅。
本期词条
重点词条
本期重点讨论的人、公司、产品和概念，按出现顺序。
人物橘子
本期还提到
常见名词，文稿里悬停可见，右侧数字是本期提到的次数。