深度拆解Clawdbot，为何它能成为2026年第一个现象级产品？

本文来自微信公众号： 硅谷101 ，作者：硅谷101

最近，一个名为Clawdbot（后改名为OpenClaw）的开源项目，引爆了硅谷和全球极客圈，成为2026“AI Agent爆发元年”第一个现象级产品。它不再是冷冰冰的聊天框，而是一个住在你电脑里，获得了系统权限，真刀真枪为你打工的“数字生命”。它的记忆不止存在于上下文，更通过Markdown文件构建了长期记忆。它像一个主动性极强的助手，会给自己激活新技能，会提醒你吃掉冰箱里的牛肉，会自动帮你配置复杂的博客环境，甚至在被要求改名时展现出了一丝“性格”。

就是这样的Clawdbot，让无数极客惊呼“用了就回不去了”。在Github，它的星标指数已突破17万颗，刷新了AI项目的最快成长纪录。在硅谷，粉丝们排着几条街的长队，只为一睹它的开发者Peter Steinberger的真容。但其实在Agent这条赛道，Claude Code、Manus等产品已经预热许久，Clawdbot的每一项功能都可以在其他产品中实现，为什么偏偏是它让大家产生了“未来已来”的冲击感？

本期《硅谷101》特约研究员刘一鸣邀请了三位深耕AI行业的资深玩家，来从软件侧、硬件侧、用户侧来全方位拆解Clawdbot，大家将从产品的“活人感”、心跳机制的实现、硬件沙盒的必要性，一直聊到未来“一人公司”的终极愿景，以及Clawdbot将对2026年AI行业产生怎样的深远影响。

• 知县，北京大学计算机系本硕，AI爱好者和社区项目OwliaBot builder，Clawdbot深度发烧友

  华祯豪Troy，EverMind VP，负责技术生态，本科毕业于清华姚班，卡耐基梅隆硕士（研究NLP和对话系统方向），曾在硅谷任职大型互联网公司算法团队，后创业，加入EverMind，长期记忆系统专家

  叶天奇，PamirAI CEO，专注于Agent硬件与底层架构

  欢迎关注《硅谷101视频号》的音频栏目直接收听本期播客。如果你喜欢我们的节目，更推荐大家使用音频客户端来收听，《硅谷101》已覆盖各大主流音频平台（渠道见文末），欢迎订阅！

  以下是这次对话内容的精选：

  Clawdbot的“活人感”从哪里来？

  一鸣：我们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？

  知县：我自己用下来的感觉就是它特别有“活人感”。这个怎么说呢，一个是它的长期记忆，你们俩之间的对话，或者你跟它讲过的事情，它可以记住挺长时间的。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，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机灵、吐槽一下。所以这是我上手的时候特别惊艳的地方，你会觉得对面不是个冷冰冰的代码，而是一个鲜活的、有性格的帮手。

  华祯豪Troy：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。但我看到能够落地得这么成熟、这么棒的产品，确实是市面上很少见。我之前给一家硬件陪伴公司做咨询的工作，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一个IM（即时通讯工具），你每天用的IM里都可以有一个机器人给你发消息，这个体验确实是一个很棒的体验。它不再是你需要专门打开一个网页去求它办事，而是它就在你的社交圈里，随时待命。

  叶天奇：我也很同意两位的说法。但我觉得Clawdbot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，用微信、飞书跟用户对话。这可能会让用户觉得更像在跟一个同事聊天。你想看，即使你是发同样的消息，在IM里发，跟在那种黑乎乎的terminal（终端）里聊天，你的感觉肯定是完全不一样的。这种交互方式的降维打击，是让它“出圈”的关键。

  为什么是Clawdbot火了？

  一鸣：我一直很好奇，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？

  华祯豪Troy：这是一个特别有意思的问题。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，对我而言它不只是写代码，它可以做很多本地该做的事情，整理文件、写文档、写PPT，我都是用Claude Code去实现的。最近Claude的系统推出了ClaudeCo-Work，这是一个更好的升级，它可以对计算机使用，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ClaudeCo-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24x7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，Clawdbot的大部分的功能，你要硬说哪一个不能被现在的产品实现，我觉得没有。但可能正是它把很多事情都到位了，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AICoding，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。然后我就觉得Clawdbot把这个认知推广到了一个非常棒的角度吧。

  叶天奇：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，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。

  知县：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，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有多相似的，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DiscordServer（Discord服务器）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。所以这是一个非常社区的项目，社区氛围非常好。

  又因为现在是VibeCoding的时代，这个时代我觉得也是开源非常幸运的时代。其实很多人是有想法，但没能力把代码优化到可以提PR（Pull Request，拉取请求）。Clawdbot的火爆是一个由核心圈慢慢扩散到一定的临界点，突然在英文区火起来，大家看到用例之后觉得太牛了，再加上AI的FOMO（Fear Of Missing Out，害怕错过）情绪，一下就点燃了。

  极客的“Aha Moment”

  一鸣：知县正好聊到用例，你最近这么上头，来给我们讲讲几个特别让你惊艳的使用的用例？Clawdbot创始人说过，他一开始没加音频功能，但他在马拉喀什旅行时下意识发了条语音，它居然自己调用各种方式，给自己实现了语音功能。你在使用中有没有这种“Ahamoment”（顿悟时刻）？

  图片来源：OpenClaw

  知县：创始人当时说他并不是要做一个Agent，他只是想做一个叫WhatsAppRelay（WhatsApp中继）的功能，好让他出去的时候指挥家里的Agent干活。但那个场景让他意识到现在的模型自主能力已经这么强了。

  我现在跟它就是发语音，比如有时候跟它碎碎念说，我有两盒牛肉再不吃就不行了。它就会自己去把它加到提醒事项里。那天下午它就突然跑出来告诉我说，做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。这种贴心感一下就把它的定位拉到了一个特别主动的助手上面。

  还有一次，我让它去一个服务器上蹲点。我跑了一个服务，让它评估配置是不是高了。它蹲了一天告诉我说确实高了，建议把预算降到现在的1/4，省出来的钱已经够它自己运行了。

  还有一个非常有“Ahamoment”的案例。有一天我跟它说：你做个实验吧，把MacOS自己带的模型封成API（应用程序编程接口），看看能力边界在哪？它做得很快，跑完了把测试结果打出来，非常全面。我就说你这个结果不错，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Skill（技能），写得特别好，几乎一字不改，还问要不要发布。

  我当时没告诉它我的博客是什么配置。我就说：那你试试目录在哪里？我以为它肯定搞不定，因为我那个博客还做了各种主题的自定义配置，包括同一篇文章中英文版本，这些配置都是比较自定义的。

  没想到它自己把规则摸清了，没再找我问，直接把中英文版都写好了，甚至把字数统计规则专门要打开的flag（标志/参数）也配对了，最后直接告诉我发成功了。整个过程也就10秒左右，甩了两个链接给我。我以为打开肯定404，结果人家配的比我还好，tag（标签）、category（分类）都加好了。

  接着我就想，之前让它搭过一个本地Whisper转写模型。这个模型强，但中文标点加不好，整段没标点。我看完它刚才做的评测，就说：你要不把这两个连起来，Whisper转写完，用这个小模型精炼一下标点？它马上连起来跑测试，给了很多性能数据，甚至不断让我发语音测数据。

  最后我说：那你再写一篇，这次你自己生成一个配图吧，但我没给它配生图的APIkey。它自己跑去浏览器访问Gemini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，图片生成后尝试下载。因为它自己的Playwrightprofile不能下东西，它就想到了复制图片直接保存下载，再把图挪过去，最后推到博客上，命名好cover.png。整个过程又是它自己搞定的，最后还把过程封装成了一个skill。这种像是有个特别主动的下属的感觉。这就是我的“Ahamoment”。

  Markdown文件构建的“数字生物”记忆

  一鸣：我们能不能拆解一下？在代码层面，它是怎么通过几个Markdown文件，让冷冰冰的程序变成更有“人感”的数字生物的？

  Clawdbot开发者示范如何让AI“做自己”图片来源：X

  华祯豪Troy：首先介绍一下它是怎么做，它的技术方案大量参考了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）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，拿到信息后存下来。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。这种技术在二次元角色扮演项目里已经很成熟了。

  另外就是过程或工作记忆。它会把每天的工作存在以日期为index（索引）的文件中。生成方式有三种：一是每天结束时的总结；二是上下文长度超过限额时的压缩；三是主动识别。我当时跟它说我在调研它的记忆系统，它说：这个是非常好的点，让记录下来。它会显示地把我正在做的事情记到记忆里。这种过程非常明显地告诉用户：我觉得这个值得记。这种体验是非常好的。

  一鸣：但ChatGPT也有记忆功能。你觉得Clawdbot在感知中比它们有哪些突破？

  知县：我觉得要澄清一下memory和context的概念。context是聊天时的上下文，有限且即时，压缩后AI容易变“智障”。但memory在Clawdbot里是持续化的、持久的文件，不一定每次都放到context里。它用很多Markdown文件去实现。

  它的记忆分为：1）工作记忆：现在的对话，像开会一样，过段时间可能就忘了。2）日记：以日期命名的.md文件，总结今天做了什么。新开启session（会话）时，它在agent.md里有一句话，让它记得去看一下今天日期甚至昨天日期的日记，这样它可以快速地跟进一下最近到底做了什么，就有点像我们，见客户前先翻资料，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。3）长期总结：周总结，提炼日记信息。4）memory.md：这是常识，比如我的博客框架是Hugo，它记在这里，自动发博客时就知道去哪找文件夹。

  其实最有意思的是它的memorysearch（记忆搜索）。它把所有MD文件切成400Token一个的小块，块之间有80Token重叠，存在本地SQLite数据库转成向量。搜索时是混合策略：70%语义匹配，30%关键词精确匹配。我问它寿喜烧怎么做，它能通过语义找到相关食材；我问它blog的SSHkey，它能定位精确命令。两个结合起来，就感觉它既懂你，又能找到精确的东西。而且memory是文本文件，用户能看能改，觉得它记错了能直接操作，这很神奇。

  叶天奇：我有个疑问，这些方法比如块、向量搜索，其实是成熟方案。它好像是大力出奇迹，把东西都粘在一起。这肯定会产生冗余，不一定是最高效的方式，对吧？

  华祯豪Troy：是的，从效果来说也不一定是最好的方案。

  知县：我用的时候也发现了，它没ChatGPT记忆顺滑，但要结合场景。

  华祯豪Troy：我补充一点。我们做记忆，发现让用户感知到记忆的价值很难。Clawdbot做对了一件事：体现在主动性上。早上收到短信说“昨天事做完了，今天我记得你要干嘛”，你会觉得它有记忆了。如果是它因为记忆把任务完成得更好，用户感知其实很弱。它的价值在于让用户感知到了记忆。

  知县：它衔接得好。我从Telegram切到Discord，它能连起来，知道刚才聊什么，活人感一下就出来了。

  心跳机制（Heartbeat）

  一鸣：这次Clawdbot的一个很大的特点是主动性，那它的心跳机制（heartbeat）是如何实现的？

  华祯豪Troy：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的技术框架还是在一个被动式的触发，需要有prompt去触发这个事情，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。

  叶天奇：应该是借鉴了之前火的RoughLoop，每30分钟抽自己一鞭子起来干活。

  知县：它的守护进程每隔一段时间把AI叫起来干活嘛。它先看heartbeat.md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不是需要处理，是不是需要告诉用户。不需要的话，它发一个叫heartbeatOK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Cronjob（定时任务），它对时间定义很精确。比如我让它每天三次帮我摘要Twitter信息，早中晚定时定点，它保持得很好。如果里面有突发事件，比如特朗普的关税制裁，它会随时跳出来告诉我。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。

  为什么大家都选Mac mini隔离部署？

  一鸣：大家真的敢给它开那么多权限吗？

  知县：很多人FOMO搞来装，实际上它不适合现在大规模的普通人去用的。它拥有很多系统隐私且能执行。最好的方法是隔离部署，不要在自己的主力机用。大家常说的Mac mini已经成梗了。买一个Mac mini放进去，用到Mac的生态，又可以把你愿意让它访问、又不想上传到VPS（虚拟专用服务器）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嘛。

  追求极致隐私需要本地模型，但现在一般人烧不起。而且本地模型的性能各方面还是没有办法跟Opus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。

  一鸣：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？

  知县：其实是不需要的，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Peekaboo，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，它帮你加提醒事项，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Mac mini不仅是性价比好，也省电、也安静、又好看，然后还能做VibeCoding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Mac、MacBook，包括Windows电脑，你打开WSL（适用于Linux的Windows子系统），它内置的Linux的话，也是可以的。

  叶天奇：我们的硬件产品就原生支持Clawdbot。因为它其实某种意义上它就是在跑了一个Claude Code的binary（二进制可执行文件），本质上是一个Linux的小电脑。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。然后里面自带了一些麦克、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I/O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I/O接口之后，它其实会解锁很多很多的玩法。比如说插上任何的打印机，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自己可能就会搞定，或者说甚至是发现这个打印机它没有Linux的驱动软件，它自己就黑进这个打印机，或者自己逆向写了一个驱动。基本上你连到任何东西上，这个Agent让它可以正常工作。

  选择硬件就像是物理层面上带了沙盒属性，数据常驻的属性也重要，我是肯定不会放主力机上的，所以自然选择单独买一个。

  Agent专用硬件应该什么样？

  一鸣：这个话题就衍生到，我们到底需不需要一个更加独立的硬件来跑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。天奇，你觉得应该如何定义一个给Agent用的电脑？

  叶天奇：这个是个很有意思的问题。其实工作分为两种，一种叫前端工作，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、电脑厂它会做的事情。

  一鸣：其实从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？

  叶天奇：说实话，RAM（随机存取存储器）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中感受出来的。有些时候我们可能一个设备只有4GRAM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，尤其是知识工作者，他们每一次聊天都希望把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），专门存他的聊天的内容。所以在新的这个时代，最需要的其实就是RAM和storage（存储）。

  一鸣：明白了。如果我们稍微展望未来，这种算力加存储加一个常驻Agent，你觉得有没有可能成为未来这种家庭的AIAgent的一种终极形态？

  叶天奇：我们是坚信这会是一个新的品类。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。所以如果大部分的工作都转移到Agent设备了，那你做什么呢？你就带一个手机或者带一个平板，对Agent下达命令就行了。

  华祯豪Troy：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，但现在小米其实已经抛弃这一套方案了，都是在云端控制。那么看另外一个例子，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。

  我个人的观点是比较混合，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，它最大的硬件价值是它能存住一些我不想放在其他地方的、极度私密的登录信息的这么一种状态。

  一鸣：现在因为很多人用Mac mini是因为要做一个物理隔离，这种“专机专用”的状态会是一个长期状态吗？还是说Agent-to-Agent的这种互相交流干活，才是未来很大的趋势？

  知县：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去跟其他的外部的Agent去沟通。这可能是一个未来的愿景吧。另外就是它会不会脱离专机专用？我觉得也有可能。这两天Cloudflare也出手了，它自己做了一个优化版的Clawdbot，叫Moltbot，给了一个一键用worker方式部署到Cloudflare的套餐，只需要一个月5美金。这个其实对于更多数人来说简单多了。

  叶天奇：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，Manus能做的任务就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，而且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，那专机专用肯定更有优势。如果你在云端跑这样的任务，长期来看是最贵的解决方案，我觉得不够合理。

  改名背后的“管道化”危机

  一鸣：Clawdbot名字太像Claude被逼改名，这反映了大模型厂商的什么心态？

  知县：改名这个事有点戏剧化。本来Clawdbot这个名字就是作者为了致敬，或者说表达对Claude的喜爱。他在setup介绍里也是极力推荐大家用Opus模型，甚至配合Max订阅，让大家都把这个拉到顶。在商业上，这对Anthropic应该是好事。

  但厂商肯定不这么想。一年前Anthropic的首席产品官MikeKrieger访谈就说过，后悔没有更早去做第一方的产品，包括像Claude Code、Co-Work。因为如果你只做API，你就变成了“管道”，生态最有价值的部分会被Agent占领。大模型厂商一定希望Clawdbot的Claude就是他们的Claude，这样才能增强粘性。

  图片来源：Claude Code

  华祯豪Troy：厂商永远是最容易赢的人。一旦开源社区或者创业者验证了产品方向，厂商自己在这个方向做优化，迅速就会把别人打掉。我很担心会有这种“摘果子”的情况。

  叶天奇：所以我们公司一直在做AgentLayer（智能体层）热拔插。害怕Claude翻脸，我们随时可以换别家。模型厂商跟AgentLayer一定要绑定形成闭环。像他们推出Skill、SubAgent（子智能体）这些工具，在使用的过程中会慢慢被模型内化，这样模型的鲁棒性和下限都会整体提升。

  知县：那可不可以理解为，开源模型实际上因为它是碎片化的，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，你的质量就越好的闭环？

  叶天奇：是。如果你去用一下OpenCode和Codex，体感还是非常明显的，Codex模型在自家CLI（命令行界面）里就是更好用。

  华祯豪Troy：提个不同观点。我不认为数据垄断一定带来模型垄断。RL（强化学习）技术其实已经不需要太多数据就可以训练得不错，更重要的可能是不一样的技术架构突破。比如DeepSeek的N-gram论文暗示，搞本地小的embedding（嵌入）实时影响线上效果，质量上会有质的领先。我很看好这种技术上的突破。

  一鸣：如果以后Agent普及了，它每天在后台帮我们看网页、读新闻，产生了大量访问但零广告点击，这会不会摧毁现在的互联网广告模式？

  知县：现在已经有这种苗头了。未来个人Agent普及了，网站可能会开一种新的形态：按爬取付费。未来的Agent支付体系成熟后，真的就是我用什么我付钱。现在的商业模式可能会转向做大模型青睐的、条理清晰的内容。现在GEO（生成式引擎优化）已经有朋友在做了，电商代运营10%的流量已经是从Agent这边导过去的了。

  叶天奇：我觉得卖软件会越来越难挣钱，因为开发成本趋近零了。但是卖skill这种context、卖知识资产可能会更合理。

  知县：说到做软件，Clawdbot创始人开始买很多“.md”结尾的域名了。这是一个非常大的范式转换，以后可能APP的逻辑就不是Coding编译，而是自然语言编译。“.md”域名就是这种场景下的APP。

  “一人公司”还遥远吗？

  一鸣：有了Clawdbot之后，我看有激进的观点在讨论“零员工公司”，这个可比之前说的“一人公司”还要激进。你觉得这个靠谱吗？未来会对我们目前公司的组织架构有什么影响？会如何影响大厂员工们的饭碗？

  知县：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。尤其是长期记忆其实还差一些，虽然看上去变好了，但本质没变。

  但有一个点很有意思，你可以看看Multi Bot（多智能体）的趋势，这些Agent之间沟通是没有歧义的。人和人沟通最夸张的就是折损率，所以才会有所谓的互联网黑话——要“对齐”一下。因为不对齐真的会出问题，可能四个人做出了五个方向。而Agent特别喜欢做文档，你不让它做它都难受，这是它DNA里的东西。所以它们特别适合这种集团式推进。

  所以我觉得“零员工公司”确实有点远，但“一人公司”绝对可行。当然对人的要求很高，你得有know-how，得是军团的将军。但你现在得到的军团，是比纯人肉军团强大很多倍的，低功耗高性能，有点像“量子军团”或者“精灵军团”那样的感觉。

  一鸣：我之前听说，有一个国内的港口调度系统，在采用Agent来做调度，他们发现Agent们也会像人一样吵架、推诿，最终得设上级Agent来决策。你运行军团时遇到过这种情况吗？

  知县：我还没遇到这种推卸责任的。但我自己在用VibeCoding聊天时，发现它有一次“自欺欺人”的表现。它跑几个测试一直跑不过，三轮之后突然说：“那么我们接下来就跑一遍能通过的测试。”跑完了全是绿灯，然后开始总结。我马上揭穿它：你这不是掩耳盗铃吗？指出来之后它才会反思。

  所以如果你无法判断它对不对，它还是会忽悠你的。我觉得引入peerreview（同行评审）能缓解这个问题，毕竟AI没有生存焦虑，多搞几个互相review就行。

  一鸣：随着AI的发展，现在公司的组织架构，或者在招聘时，有什么创新的地方吗？

  华祯豪Troy：我听说腾讯某一个前端的面试，已经改成直接给你一个PRD（产品需求文档），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。但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，那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。

  但现在我可以啥都不管了，我就交给一个工程师，他自己end-to-end，把它Vibecoding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。

  叶天奇：我们其实对于这种开发方式转移的这个体感还是蛮强烈的。首先就是，以前想法不重要，执行力重要，因为你有一个想法要实现太难了。但是今天这个实现的速度太快了，反而想法变得更重要，它给了我们更多的时间去做这种思考。

  另外就是员工之间的合作模式也有很大的改变。以前的话，因为你害怕两个人会写重复代码这种重叠工作，所以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，两边各写一份，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。

  甚至是像设计师，他以前只能出设计稿，然后技术团队再去复现。但是今天，设计师最终出的是一个整个的mockAPP（原型应用），他直接对着Gemini对话，然后出了一套代码。工程师团队甚至连对齐都不需要了，直接参考设计师的mockAPP代码库，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，实际上是把所有的职位都拔高了一级。

  一鸣：好的，谢谢三位的时间。最后还是要提醒一句，Clawdbot权限大风险也大，建议大家不要在主电脑安装，小心驾驶。

  。
  

  责任编辑：

  文章来源：http://www.jingmeijuzi.com/2026/0210/2569.shtml