欢迎收听十字路口，我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻，形容他站在科技与人文的十字路口，伟大的产品往往诞生在这里。我们长期观察 AI 创业，如果你正在做一件让你自己感到兴奋的事情，哪怕它还只是一个想法，我们都很愿意听你聊一聊，我会认真看每一条留言。
高纪
那我们今天与 ChatGPT、OpenClaw、Manus、Claude Code 的互动方式，很可能不是最高效的方式。这个判断相信的人还不少，也有一些创业者正在为此努力。我们今天的嘉宾黄柏特也是其中之一。你好，柏特，欢迎来到十字路口。
黄柏特
Hello，大家好，我叫柏特。
高纪
柏特是 AirJelly 这款产品的创始人。今天和柏特一起来十字路口的还有我们的老朋友荣辉，他是柏特的天使投资人。
荣辉
谢谢高纪。我们还是先从快问快答开始，因为我之前已经快问快答过了，所以就直接从柏特开始。请问你的年龄？
黄柏特
24 岁。
高纪
毕业院校？
黄柏特
西安电子科技大学。
高纪
你的 MBTI 和星座？
黄柏特
ENTP，摩羯座。
高纪
一句话介绍一下 AirJelly。
黄柏特
AirJelly 是你的主动式上下文感知伙伴。它能够记住你在任何地方做的事情，并且在恰到好处的时候主动来帮助你。
高纪
目前融资的情况怎么样？
黄柏特
我们刚完成了天使轮，第二轮正在紧锣密鼓地推进中。
高纪
目前团队规模有多大？
黄柏特
8 个人。
高纪
可以介绍一下创业前在做什么吗？
黄柏特
校招的时候我进了字节，做了半年的开源项目产品经理，项目叫 My Context。它通过周期性的屏幕截图捕获你的上下文信息，然后进行存储和分析。现在它在 GitHub 上有 5,000 多个 Star。
高纪
我第一次知道柏特，也是因为 My Context。可以讲一讲从 My Context 到今天创业做 AirJelly，中间经历了什么吗？
黄柏特
1. From My Context to AirJelly
My Context 是我自己做的一个开源项目。当时我们的理解是，现在所有的 AI 对话还是通过 Chat 获取 Context，但我们认为，直接对视觉进行理解，应该是更第一性、更本质的方式，所以就做了这样一个产品。
当时我们的方案是通过周期性截图，每 15 分钟进行一次分析，做了这样一个东西。那时候它其实就是单纯的记录。后续我们看了很多产品，也做了很多思考，现在升级成的 AirJelly，有几点不同。
第一，我们不再按照 15 分钟的周期进行分析，而是去分析你具体经历的事件。你可以理解为，过去它是一本编年体的史书，而现在是纪传体，所以它能更精准地了解你的任务和意图。
第二，过去我们没有做太多执行方面的事情，现在让它具备了非常强的执行能力。我发现这形成了 1+1>10 的效果。
高纪
什么样的执行能力？
黄柏特
我们原生接入了 OpenClaw 底层的框架，所以让它具备了非常强的执行能力。它可以调用各种 Skill，操作你的电脑，使用浏览器，再叠加上过去获取到的各种记忆。
所以它相当于是既有最强的 Context，同时又有非常前沿的模型执行能力，因此会产生非常好的、很神奇的效果。
高纪
刚才说总结从 15 分钟变成按照事件触发，那目前截图的频率是多快？
黄柏特
2. Enter Captures Intent
我们过去的截图频率其实是 15 秒、30 秒，也做过大量方案。但我们现在想到一件最 Sharp 的事情，今天一定要和大家分享：Cursor 重新定义了 Tab，Tabless 重新定义了 Fn，而我们今天想占据的一个心智，或者说想重新定义的，是一个键——Enter。
Enter 的意思是，我们判断当前乃至未来长期的趋势是，人与人的聊天还是要通过 IM，人与 AI 的聊天通过 Chatbot，人与外界信息交互的方式通过浏览器搜索。这 3 种方式表达意图，其实都是通过 Enter。
也就是说，我们会在按下 Enter 的那一刻进行截图，获取你按下 Enter 那一刻的意图和相关上下文，从而对你的意图和行为轨迹进行最好的建模。
高纪
这个还挺有意思。每次按下 Enter 的时候就截一张图，因为那是用户表达意图的关键时间点。
黄柏特
对，那可以理解为一种高光时刻。
高纪
你们已经在内部开始测试，用 Enter 作为触发器去截图，和之前每隔 5 秒、15 秒截图相比，哪种效果更好？
黄柏特
用了 Enter 之后，首先它没有了噪音。我们之前一直没有解决好的一个问题是，到了截图时间，可能你只是在无序地浏览，它也会把画面截下来。但按下 Enter 的时候，我们能确保那一定是你的意图。
高纪
荣辉作为天使投资人，应该是最早用到 AirJelly 的人之一。目前你用下来有什么体会和感受？
荣辉
我觉得 AirJelly 最大的魔法时刻，是让你感觉有人在看着你工作。这是一种非常神奇的体验。
其实我们都用过 Manus，也用过 OpenClaw，它们的体验也非常好。但 AirJelly 的一部分价值来自对你本地文件的理解，它会注入大量 Context。更重要的是，它能够理解你跨应用、跨飞书、跨不同工具之间连续性的 Context，可以很好地感知这些信息，并基于此主动和你交互，甚至规划特别长程、复杂的任务。
我们捕获的是最有价值的 Context。
高纪
你是在什么时间点发现柏特的？他是什么地方打动了你，让你决定投资？
荣辉
又到了恋爱故事环节。我们是在去年 9 月底左右，当时 Copilot Agent SDK 发布，伴随着多模态模型的发展，我们一直很关注垂直方向上的 Context 收集。
那个时候，投豆包的一个小伙伴也和我们讲到，应该是在 9 月 30 日左右，My Context 作为一个开源产品发布了。它有非常激进的 Context 截取方案，我们觉得这个太棒了，于是就找到了柏特。
我们在北京星巴克喝了一次咖啡。那次见面给我的感觉是，他对这个问题背后有非常长时间、连续性的思考。
第二点是，柏特身上散发着一种很有代表性的年轻创业者的雄心，而且不设限，对任何事情都有非常主动的思考。他做 Proactive，而他自己也是一个非常 Proactive 的人。
特别打动我们的第三点是，在我们来回碰撞、来回思考的过程中，经历了一些变化，包括 Cowork 的发布，甚至到今年 1 月初 OpenClaw 的出现。这些变化既提出了挑战，也带来了机会。有一些功能可能被更广泛地做出来、宣传出来，有些东西也把创业者推到了极限之外。
在这个思考过程中，柏特体现出了非常独立的思考、非常坚定的信念，包括对打法、市场布局以及优秀人才的渴望，这些都自然而然地不断体现出来。这在我们的判断体系里不断加分，所以我们就非常想早点投进来。
高纪
刚才荣辉提到，Cowork 的发布带来的冲击还是蛮大的。你可以具体讲一讲，那个时刻的冲击是什么吗？
黄柏特
3. Cowork Forces a Pivot
我们大概在去年 12 月多的时候定了一个方向，叫 Task Engineering，就是围绕 Task 进行建模，同时把 Claude Code 做简易化。这其实就是 Cowork 以及 Claude Code 现在的发展形态。
我们当时觉得，Claude Code 的 To-do 做得还不够，所以一开始把它建模成 Task。刚开始我们非常兴奋，觉得事情做得非常对。但后来在 12 月 20 日 Cowork 发布，以及今年 1 月 Claude Code 最新版本把 To-do 改成 Task 之后，我们既兴奋，又有点崩溃。
兴奋的点在于，我们产品的直觉确实非常对，得到了验证，内部的小伙伴也都觉得这就是我们预演的方向。但绝望或者说悲伤的点在于，我们完全处在 Claude Code 的延长线上，所以它对框架的改进以及简易化，完全把我们吃掉了。
我们从 12 月到 1 月做的那次尝试，某种程度上就白费了。或者说，它也凝聚了我们本身。那段时间我就觉得，原来这个产品方向这么对，S.R.P. 可能应该把我招过去才对。
高纪
那时候你们做了什么调整？
黄柏特
我们当时分析一个产品机会，大概分了几层。
第一层是做简易化。我们认为简易化是第一层，也是最容易想到的事情，但后来发现它其实没有什么价值。
第二层是多进程和人机协作的编排流。这个事情我们尝试完之后，内部测试感觉也非常不错，但我们发现 Claude Code 很快又在逐渐蚕食这一块，所以我们认为长期来看也没有壁垒。
后来我们想到，核心还是要把过去在 My Context 里积累的 Context 获取、存储和召回做好，因为 Context 这一块应该是 Claude Code 没法直接涉猎的。
所以我们把简易化的执行能力，加上过去积累的 Context，最终组成了现在的产品。
高纪
所以是被冲击之后，产品的定义才慢慢浮现得越来越清晰。
黄柏特
对。我们也总结出了一个思考：现在内部判断一个方向值不值得创业，其实看一个点——你试着把它用 Vibe Coding 做出来。
如果 Vibe Coding 出来已经有 60 分或者 80 分，那这样的产品可能就不需要做了，因为它毫无壁垒。我们现在这个尝试用了很棒的 Vibe Coding 工具，最后发现只有 30 分，它在 Context 获取和理解上有大量 Bad Case，一些边缘情况也做得不好。
我反而觉得，这就对了，因为这样才会让它有壁垒。如果 Vibe Coding 出来的产品已经足够好，别人也可以迅速做出一个 70 分、80 分的东西。
高纪
My Context 是一个开源工具，在开源世界确实引起了很好的反响。你刚才也提到自己对开源有比较多的理解，可以讲一讲你现在是怎么理解开源的吗？
黄柏特
我本科的时候其实参与过 THUAI，他们有开源项目。我在自己的工作室里也做过一个开源项目，叫 Sora Lab，应该有 3,000 多个 Star。它是一个模型训练监测的国产化替代。
它在某种程度上属于第 2 类开源。第 1 类开源是面向普惠化的，我认为这种开源也非常有价值。第 2 类开源，你可以理解为一种框架。My Context 是我做的第 3 个开源项目，它是一个应用。
我现在的感知是，开源还是最应该做框架。因为框架能够让社区真正不断完善，同时也是让大家适配你的生态的最好方式。
对创业公司，包括我们自己未来的发展，我觉得如果我们有一个基础设施，希望它成为某种生态，就一定要把它开源出来，借助社区的力量把它做大。
高纪
咱们团队应该都已经在内部使用 AirJelly 了吧？在使用过程中，有没有特别有意思的时刻，尤其是你们发现“这个功能只有我们能做，别人都做不了”的时刻？
黄柏特
太多了，我可以随便举几个。
4. AirJelly Builds AirJelly
第一个，我现在算是负责团队的产品方向。最早的工作流是在 Gemini 或 ChatGPT 里聊天，然后去 Cursor 写代码。但这里有一些问题：Gemini 里没有 AirJelly 相关的信息，而从 AirJelly 把信息传到 Cursor 的过程中，又会损耗大量 Context。
后来有一天我就尝试，能不能直接用 AirJelly 自己写 AirJelly。我发现真的可以。我去和 AirJelly 聊，问它：“你目前的功能是怎么实现的？”它就分析过去看到的文档和代码，读出了自己是怎么实现的。
然后我问：“你觉得这个可以怎么改进？”它可以给出大概的方向。这个时候我直接说：“那你帮我写一下，然后帮我提交一个 PR。”我发现它真的可以。
我们大概在 2 月实现了这样一个闭环：用 AirJelly 写 AirJelly。现在我每天都会在 AirJelly 上问它“你怎么迭代自己”，然后它就自己写自己，慢慢实现这些功能。
我们现在的设计同学也都是在 AirJelly 上开发 AirJelly。比如我们让 AirJelly 写一个需求，让桌面上的水母戴一顶帽子，它很快就写出来了，到了下午水母真的就戴上了帽子。
我印象特别深的是，我们的设计同学看到这个 Case 的视频之后，20 分钟就从学校打车过来，马上加入了我们。
第三个是最近招聘的时候，我们会收到很多简历。有的简历发在微信群里，有的保存在桌面上。我就让 AirJelly 帮我找：“把某某人的简历直接找回来。”
有一个 Case 我记得特别清楚：对方没有直接发 PDF，而是发了一张图片。我们在本地文件搜索里没有找到这个文件，但这时 AirJelly 召回了一条记忆：我之前可能在 Boss 直聘上看过某某人，这个人可能就是我想找的那个人。
于是它先去 Boss 直聘验证那条信息，再去找微信聊天记录。微信聊天记录会存在本地，它最后把那张图片找了出来。
这个 Case 真的非常震撼我。它不再是拿到某一个信息、检索不到就中断，而是会不断搜索相关事件。因为我们存储了所有跨应用的 Context，所以它很有可能在某个地方找到蛛丝马迹，再使用某种方法把它找出来。
高纪
这是不是意味着，类似 AirJelly 这样拥有桌面文件授权的 Agent，就可以使用微信里的文件？
黄柏特
微信本身的数据是加密的，但如果你想找文件，文件和聊天可能是另外一套逻辑。我们认为聊天是比较加密的事情，但文件会存在本地，比如存在某些文件夹里。
传统应用直接去找的时候，因为具备的 Context 太少，其实很难检索到。但我们有一些和聊天相关的时间记忆，能够知道你可能在什么时候讲过什么事情、发过什么文件。基于这些信息去找，就可以顺藤摸瓜地找到。
高纪
我觉得这可以解锁很多东西。主动式 AI 是 2026 年非常热门的一个方向，AirJelly 也显然是主动式 AI 里一个很典型的产品。可以请柏特先介绍一下，在主动式 AI 领域目前有哪些主要的产品方向，各自有什么优劣吗？
黄柏特
5. Proactive AI Needs Intent
“主动式 AI”是一个比较泛的词。我是打辩论出身的，我们先定义先行。广义的主动式 AI，只要是 AI 主动推送给你的，都可以算。
它包括定时任务，比如 Reminder；也包括 ChatGPT 的 Pulse，它每天早上固定推送给你；还包括现在 OpenClaw 的 Heartbeat 机制，它可能每隔 15 秒或其他时间扫描一次，然后进行判断。
我们认为这些都是主动式 AI 的场景，但这个定义太广义了，不是真正的主动式 AI 智能。
真正的主动式 AI 智能，需要得到两样东西。第一，是你在某个场景下明确的意图；第二，是你在某个场景里的上下文。它基于你的意图和上下文，才能对你进行主动式推送。
目前要实现这件事其实非常难。市面上有一些玩家，比如 Proactor 做的是会议场景，豆包游戏伙伴做的是游戏场景。你可以看到，它们都不是一个真正 General 的 Proactive AI，而是限定在某个场景里。
最大的原因是，它们获取 Context 的方式没有那么广泛，所以只能限定在一个小场景里。比如我知道你在打游戏，可能下一步要打 Boss；或者我知道你在开会，整个会议的主题和文字内容就是你的上下文输入。
我们做的事情，是通过 Enter 获取你最完整的意图。Enter 既代表人与人通过 IM 交流，也代表人与 AI 通过 Chatbot 交流，以及人通过互联网进行信息检索。我们获取的是最全量的意图。
获得意图只是第 1 步。接下来我们还会对它进行一系列加工，把它加工成 Event，再加工成 Task，也就是你的任务。
这个 Task 包含两部分内容。第一部分是 Task 的 Progress，我知道你当前的进展；第二部分叫 Next Step，我会根据你的进展和意图，判断你接下来可能要做的事情。
然后我们会基于 Next Step 做一个 Proactive Trigger，从而最大程度地确保，在一个 General 的生产力场景里，我都能获取你当时的上下文和意图，并给你做最直接的推送。
高纪
所以这里是不是有一种感觉，获得的 Context 越多就越好？
黄柏特
我们之前做 My Context 的时候，也做过一些 Context Engineering 的实验。我觉得 Context 分几种，不同形态的 Context 携带的信息是不一样的。
比如意图 Context，我们认为它对主动式 AI 最有帮助，某种程度上也是最有价值的。还有一些 Context 可能是信息 Context，或者文本 Context，这些也有价值，但相对来说价值较小，因为它们可能通过读取你的文件或者去网络搜索就能获取。这是 Context 的属性。
第二个维度是 Context 的组织形式。过去为什么 Coding Agent 率先取得了最好的发展？因为 Coding Agent 的 Context 不只是代码文件，还有代码目录，能够获得很多增量信息，所以效果会非常好。
我们的做法也是把获取到的意图 Context 进一步加工成两类。
第一类是 Event，也就是事件。它是 Context 的原始意图，以及后续不断迭代的过程。把这些组成事件之后，就能形成比较清晰的全局认知，并预测下一步。
第二类 Context 是 Entity，比如人，或者一些关键的私域事务、关键的私域物品。我们把它们组成 Entity，Entity 类似于一种 Graph。这样在召回的时候，只需要召回 Entity 和 Event 就足够了。
高纪
Entity 比较容易理解。Event 里面其实有一些识别在，你们背后有什么实践经验吗？
黄柏特
首先，Event 这件事如果通过传统 Chat 来做，其实很难获得全量上下文。所以我们采用 VLM 加入 OCR，当然还会有一系列工程上的步骤。
但我们要确保得到的结果是：能获取你某一刻的意图、当前所有的上下文，以及一些前因后果。通过这样的方式，才能组织出你的 Event。
针对 Event，我们也设计了对应的召回、合并，以及 Event 随时间衰减的机制，在记忆方面做了大量配套工作。
高纪
会不会有一种可能，当我们说 Context 越多越好的时候，真正掌握我们最多 Context 的还是电脑和手机？未来如果有了眼镜或者耳机，它们一直在操作系统层面进行记录，那它们才是拥有最多 Context 的王者。
作为它们上面的一个软件或插件，你得到的永远只是其中一部分 Context。你怎么看？
黄柏特
我引用一个比较有意思的观点。我本身是一个大量读历史的人，而历史有一个特点：不是发生的每一个事件都是历史，也不是发生的每一件事都会被记录在历史书里。
历史书记录的是关键性的、对世界产生影响、对之后产生决定性改变的事件。全量信息有点类似于全量记录，比如把每天的录音、每天的录屏全部记录下来。它里面包含了大量噪音，而且所有 Context 的权重都是一样的，我们认为这其实是不对的。
更本质的事情，是捕获其中的高光，把意图和关键节点记录下来。我认为这才是历史。当然，我觉得这也是人生。人生就是由一些关键节点组成的。
所以从长期来看，捕获意图会比全量记录更有价值。
高纪
这确实是一个挺有意思的角度。还有另外一个观点认为，主动式 AI 或许是今天 ChatGPT、Manus 或 Siri 的机会，因为它们只需要在已有 Agent 能力之上，增加更多 Context 的获取和整理。你怎么看？
黄柏特
我觉得 Context 最重要的是你的意图，以及意图发生那一刻的上下文。
像 Manus 也好，ChatGPT 也好，本质上还是 Chatbot。Chatbot 主要通过对话来获取上下文。但对人来说，通过视觉获取周围的上下文和意图，占比其实超过 95%。
所以它们通过单一的对话模态拿到的上下文非常少。如果不从 Context 获取的源头改变这一切，它们就没法实现我们能够达到的主动式 AI。
但换一个角度，像 Mac 或者一些手机，可能有机会从源头获取这部分信息。不过像我们这样激进地获取 Context，其实是大量用隐私去换 Efficiency。
对于大公司来说，会有很多隐私方面的担忧。同时，用户也会担心大公司拿这些隐私去作恶。对于创业公司来说，这一部分机会可以更精准地冲锋，找到一小部分死忠用户。
高纪
刚才说 ChatGPT 和 Manus 目前只能通过对话上下文获得 Context。但如果有一天，AirJelly 获取 Context 的方法被证明有效，那么它们本来也有客户端，也可以通过自己的客户端学习你们已经实践出来的工程经验，捕捉类似的 Context。
对你们来说，这会是一种什么样的竞争局面？到那时你们的优势和差异又是什么？
黄柏特
6. Memory Becomes the Moat
作为 AI 时代的一份子，我们当然希望人类整体的智能不断向前推进。所以如果越来越多的人跟进，也证明我们做对了，我们是开心的。
再讲讲我们的壁垒和趋势。首先，我认为所有 To C Agent 应用最核心的壁垒还是记忆。假如你在我们这里用了 1 个月、3 个月，就会有大量记忆留存下来，而这部分记忆想迁走其实比较困难。
如果这个范式最终被证明是成功的，那么大量原始用户的心智已经留在这里了，他们迁不走，记忆也不容易迁走。
第二块是工程实践。可以回到我之前讲的，什么事情值得做。我们其实用 Vibe Coding 尝试过屏幕截图记录这件事，海外也有一个产品叫 Dayflow，它们也做了类似的事情，大家可以体验一下。
这件事听上去很符合直觉，也比较简单，但想要做好，需要大量工程细节去调试，还需要大量 Case 去调整。所以我觉得，一时半会儿它们也没法做出和我们一样的效果。
大概来说，我们的壁垒来自能力和记忆这两个方面。
荣辉
这也是一个很有趣的角度。如果我们先发布，先占领市场心智，让一批用户先用起来，之后他们要迁移就很困难，因为使用习惯和记忆都在这里。
我觉得这也给 AI 创业公司提供了一个机会：你有最早一批用户，有一批核心 User Case，就还能从这里发现高价值客户和高价值问题。
在 AI 时代，构建成本越来越低的过程中，定义问题本身就是最有价值的。理论上，只要定义出了问题，它就可能被解决。
AirJelly 还是有机会第一批遇到这波人，把他们的高价值问题沉淀下来。也许很多尖锐的问题会始终被巨头的产品一波一波地拿走，但最终剩下的那座象牙塔，可能就是 AirJelly。
高纪
主动式 AI 领域，有没有什么大家比较认可、但你自己持非共识的观点？
黄柏特
7. Proactivity Follows the Next Step
我们看了国内外大量主动式 AI 项目，包括 Proactor、Bro、豆包游戏伙伴，以及 OpenAI 的 Pulse，还有 OpenClaw 的 Heartbeat 机制。
我们发现，主动式 AI 大家经常做的事情是发散：基于你现有的信息，猜测你可能还想了解什么。比如 Pulse 会根据你每天的对话，额外推送一些你可能想了解的事情。
它做的是发散，某种程度上是增加你的认知负担。但我们的主动式 AI 是围绕你的意图和下一步，在你的延长线上做推动。
也就是说，我们不会额外增加你的负担，而是根据你当前正在做的事情，推测出你下一步要做什么，然后主动把它递给你，帮你推进当前的任务。
用户其实非常乐意说：“那你帮我执行一下吧。”
高纪
这里还有另一个问题：主动式 AI 一定要提醒用户吗？或者主动向用户汇报“我这里有一项工作帮你完成了”？
但如果提醒得太频繁，用户会觉得很烦；提醒不到位，也会觉得你在打扰他。如果总是不提醒，过于保守，用户又会觉得你没有存在感。
你们现在实践下来有什么经验？如何找到这个平衡？
黄柏特
我觉得主动式 AI 也分两类。
第一类是提醒，也就是 Reminder。比如我今天下午要来录播客，这种情况它肯定需要通知我。
第二类就是我刚才讲的，不管是执行，还是其他家可能做的发散。我们观察到，这种场景需要读取用户的工作状态。
比如用户从一个应用切换到另一个应用，这可能意味着他处在一个相对没有那么专注的状态。这时你主动问：“是不是需要我来帮你完成某某事情？”用户的接受度会更高，也不会觉得受到打扰。
还有一个很重要的东西是用户的反馈信号。不同用户能够接受的主动式频率并不一样。有的用户可能觉得 15 分钟一次太多，这时我们会设计对应的 Dismiss 或 Got it 信号，根据反馈迭代推送频率。
大概从这两个方面，可以做到千人千面，尽量适配每个人的主动模式。
高纪
荣辉，主动式 AI 也是今年 QuickStone 重点关注的方向吗？
荣辉
是。其实我们去年 8、9 月的时候，已经在这个方向投了两个团队。除了柏特，还有豆包的一位小伙伴做的团队，都在非常激进地探索 Proactive。
我们看好具备 Social Learning 方向的团队，就是你前面说的，在 Right Timing 给你最好的结果。人一定会被推向这样一种体验：在正确的时间把结果送到你嘴边。这种神奇的体验本身，可能就是最具魔法的时刻。
高纪
除了主动式 AI，2026 年你们还有哪些重点关注的方向？
荣辉
我们始终关注 3 大方向。
第一个，是更多垂直、但敢于做尖端探索的 Agent。也可以说得更直接一点，就是 Agent To C。更激进的应用在垂直方向，这是我们花精力最多的。
柏特也好，豆包团队也好，包括之前的 Mizen、Memu Bot，大家都是在垂直和尖锐的方向上探索。
随着今年 OpenClaw 这样的产品出现，随着更好的模型出现，一些我们在 2023、2024 年不敢探索的问题，今年也许可以探索了。比如社交、个人代理、对外部深层网络甚至社会性网络的探索，这些问题在现在这个时间节点都可以探索，我们特别感兴趣。
第二块肯定是背后的 Agent Infra。现在 OpenClaw 遇到了很多现实的落地问题，包括身份验证、安全，以及背后对数据库、网络、云端和本地之间相互结合的要求，这里面有太多工程漏洞。
Vibe Coding 做到 30 分的很多场景，都和这些问题有关。这意味着包括 Resend、Supabase、Memberstack 这样的基础设施还会出现更多，我们也特别关注这个方向。
第三块虽然我们投入的精力比较少，但基于我们的 Protocol 去延展的一块，是 Build for Agent Hardware。这些硬件本身是为了获取更多 Context，让你的人生和环境信息更多地提供给重要的 Agent。
比如我们之前投的 Odis，虽然它聚焦在健康饮食，但大家都知道，它的信息里已经有大量 Context。我相信这些 Context 未来可能也会对 AirJelly 这类产品有所帮助。
一个程序员在关注健康饮食的同时，他的工作也一定程度上被很好的捕获了。能不能帮助他的工作，这是我们今年非常想探索的方向。
高纪
之前柏特有一个宣传片，讲水母和龙虾的对比。当时你们说龙虾是瞎的，眼睛看不到，但水母的感知能力非常强。可以展开讲讲，为什么当时特别强调这一点吗？
黄柏特
我们和龙虾有一个比较大的区别。
龙虾最典型的意象其实是它的钳子，代表它的执行能力非常强。但你看龙虾是在水底爬行的，它感知到的事情非常少。
本质上，龙虾这一层核心还是通过 Chat，而 Chat 能获取的信息非常有限。我们的水母因为具备更多模态，以及更智能的意图获取能力，感知到的 Context 比龙虾可以说几何倍数地增加。
在有了几何倍数增加的感知能力之后，再加上我们的 Agent 框架，体验就会不一样。我们的 Agent 框架其实也参考了龙虾。OpenClaw 最核心的是背后的 Pi 框架，那套框架非常简洁，只有 4 个工具，但配合模型能力却有非常强的效果。
所以我们也使用了 Pi 那套框架，搭配我们的 Context Memory，应该能带来比龙虾强很多的体验。
高纪
刚才提到 AirJelly 要不断截图，不断把 Memory 和 Context 做大，但它怎么在无限膨胀的过程中保持效率？
黄柏特
可以看几个点。
第一个是上限。现在数据库和 Rerank 的能力，在企业场景里可能是把 1 万个文档丢进去。1 万个 PDF 里有海量切片，所以它能支撑的上限其实非常强。
而 AirJelly 对一个个人来说，记录量级其实很小。我们一天可能就是 200 多张截图，加上一些对应的 Chunk Context。所以在量级上限这件事上，它的能力不会有任何减损。
第二个是效果。越来越多的信息可能会对过去造成污染，我们有两个机制。
第一个机制叫 Merge。新的 Entity 信息进来之后，会和过去的 Entity 合并，更新你的信息。比如你今年 24 岁，去年 23 岁。
我们对 Event 和 Task 也会做 Merge。新的事件进来之后，会更新你的 Progress，确保你时刻保持的是最新状态，而不会过时。
另外，我们会有一系列复杂的召回算法，可能加入时间衰减系数，确保最新的信息优先，同时结合各种混合检索和重排，保证召回效果。
高纪
OpenClaw 发布之后，给你们带来了什么启发？有没有让你们在产品决策或技术架构上发生变化？
黄柏特
最核心有两个点。
第一个是 Agent 框架。我们最早的一版想过只做记录和分析，但后来发现接入 OpenClaw 的 Pi 框架之后，真的非常强大，会产生各种神奇的效果。
所以我们认为要把 OpenClaw 的底层框架接进来。
高纪
这个框架是开源的，对吧？
黄柏特
对，是开源框架。
第二个是“养龙虾”这个概念。像 Manus 可能是一个很好用的工具，我对它的耐心可能是：你能不能第一次进去就帮我完成任务。
但龙虾是一个不断养成的过程。它可能一开始效果不好，但你会觉得是不是自己没有养好。
我觉得这是一个非常有意思的点。我们也是海洋动物，所以会结合水母和 Enter，设计一种养成方式。我们可能按 Enter 的次数越多，水母积攒的记忆和 Context 就越多，效果也会越来越好，从而最大化用户的耐心。
高纪
这真的很有意思。现在有一些龙虾的线下聚会，自称“养虾员聚会”，大家聚在一起讨论养虾心得。
但我在想，它本质上也是一个工具。以前人们对工具的耐心是，一旦出了 Bug，就觉得工具没做好。可今天龙虾出了 Bug，大家只会觉得：“我的龙虾怎么又偷懒了？是不是我没养好？我要去参加线下聚会，找高手学一学他们是怎么养虾的。”
黄柏特
它发生了一种混合性的变化。Proactive 产品出现以后，一旦它和人之间产生了情感联系，包括 IP 驱动的生物形象，当你和它有了一定的陪伴和交流属性之后，其实就提高了你的容忍度，也会留存更多记忆。
而记忆又会反过来循环你和它之间的共情能力。也许从今年开始，产品本身就会天然具备这种属性：它不再是一个工具，而是一个长程陪伴、相互互动、具有主动性的产品。
荣辉
其实应该是从 Llama 开始吧。Llama 是羊驼，通义千问也有动物形象。像龙虾，我觉得动物形象是非常关键的，它能够延展出很多可能性，同时也更加亲切。
尤其如果要做一个 Personal Agent 或 Proactive Agent，水母是非常棒的。但你们已经抢了水母，大家可以去抢别的东西。
高纪
8. General Beats Vertical
一开始我们提到，做主动式 AI 的很多产品选择了垂直方向。比如豆包桌面助手做游戏，Proactor 做会议。你们选择的是通用方向，是什么原因让你们坚定地选择通用，而不是先找一个垂直领域？
黄柏特
我觉得有两个原因。
第一个，其实在去年的 3 月，Manus 给了我们这个时代的创业者很大启发。我记得 Manus 发布那天，我刚好在西湖做 Research，晚上走回家，听着它的播客。当时我也想，我是不是也要做一些事情。没想到一年后的今天，我真的在做这样的实践。
Manus 的出现鼓励了很多创业者去做自己的东西。
我们对 Manus 的观察是，它一开始使用最前沿的模型能力，加上一些封装和组合，让大家感受到 Magic。大量用户涌进去之后，最后会收敛到几个场景。
这一点其实很好判断。你看 Manus 后来迭代的 Feature，就是把 PPT、额外 Research，以及额外做出来的一些模板越做越厚。所以我们认为，先做通用，让大家涌进来，再让大家的实践收敛出具体场景，是一种非常好的产品思考。
但背后更本质的还有两件事情。
第一是谦虚。作为一个产品开发者，我不是要教用户这个东西必须这么用，而是相信用户会有一些奇思妙想，可能会找到很好的用法。我们需要把这些好的用法吸收到产品迭代里。
第二，我觉得更核心的是，AI 时代一定要相信 AI 的能力。如果你把 AI 的功能限定死，其实是一种隐性的 Workflow，相当于隐性地框定了它应该如何进行数据流转和执行。
所以作为一个 General 产品，我觉得本质是尊重最前沿模型能力的发展，尊重用户的奇思妙想，也尊重并相信 AI 的能力。
高纪
荣辉怎么看，垂直和通用？
荣辉
我前面又一次被他感动了。其实我觉得，对创业者来说最重要的是 Self-positioning：你怎么理解自己在整个市场里的位置？
创业公司的 CEO 本身也是一种供给。你要理解自己的定位。我们也很看好这样一种情况：当你有极大的雄心和资源驾驭能力时，应该勇敢地走向 General。
但反过来要问自己一个问题：你有没有设计新框架、定义新框架、定义新游戏的能力，以及全球宣发能力？这很客观。
具备这样能力的团队，我们觉得就是有能力、有野心去做 General 的团队，你应该 Go for it，因为这样的窗口期每年都在变短。
这一次我们看到，在新框架的应用上，Anthropic、OpenAI、Gemini 等公司的跟进速度，比去年 Manus 的跟进速度快得多。竞争天然会越来越激烈。
但对更大部分创业者来说，我们还是鼓励大家做垂直，用每年更新的框架去解决一个垂直问题，甚至进一步去解决这个行业里更根本、更高价值的问题。
而 OpenClaw 出现之后，我们的思考也发生了变化。这也结合了前面说的人格化产品。针对一个行业的社会定位、一个职业，甚至一个个体去创造产品，这个产品已经完全不同于上一个时代的产品。
你本质上是在再造一个人，而路径可能也不一样。你只需要让这个行业里 10 个、最多 100 个专家用起你的产品，把他们的专业能力复制出来、代理出来，这已经是一个垂直行业里极好的产品了。这样的路径可能更适合更多创业者。
黄柏特
我也补充一下。做 Research 的人，天然追求在某个 Benchmark 上达到 SOTA。
我的机缘巧合在于，第一，我比较耐挫折。虽然我的 Research 做得也很差，高考考得也一般，但我觉得自己的野心和志向还是第一流的。
第二，因为我之前做过 Research，所以天然会有一种想做最 SOTA、最前沿事情的原始出厂设置。
我觉得这也是我独特的经历带给我的不同之处。
高纪
我听说你们是一家不开会的公司。这是非常 AI-native 的做法，对吧？但很多人会好奇，一个不开会的公司要怎么运作？
黄柏特
我们认为，会议本质上是对信息的批次处理，是一种积压，然后再进行统一对齐。
我们的做法是，首先我们日常都在线下办公，简单的问题直接沟通掉。除此之外，我们也在内部实验 Team 版本，大概能够实现两方面的功能。
第一个功能，是把 AirJelly 放到同一个 Group 里，让 AirJelly 和 AirJelly 之间进行对话，帮助我们弥补某些 Gap。
比如它可能刚实现了一个 Feature，和你的 Feature 产生了冲突，这时我们就会提醒你。
我们也可以询问某一个人的 AirJelly，这样就能知道他当前的工作进度，而不需要去打扰他、打断他的工作状态。
当然要特别强调一点，现在 AirJelly 的 Team 分享，是由伙伴自己选择是否分享工作重点。绝对不可能存在我们去监视员工的情况，我们非常鄙视过去那种监视软件或监控软件的行为。
另外，如果是和客户沟通，因为客户目前还没有 AirJelly，我们还是会开会。但我们的构想是，Team 版本进一步完善之后，我们会和投资人建立一个 Group。这样投资人可以直接在 Team 里问我的 AirJelly：“我们最近的进展是什么？”它就可以很方便地了解我们最近的更新。
还有一点，在一些长期目标上，我们会轮流在黑板上写东西，进行战略讨论。我认为这其实不是会议，而是古希腊式的广场：我们轮流走上广场，发表演讲和感想，然后进行长期愿景规划。
所以综合来说，我们可以说自己是一家没有会议的公司。
高纪
咱们公司的名字我注意到叫“持续低熵”。可以讲讲这个名字是怎么来的吗？
黄柏特
“熵”这个词很有意思。它来自热力学第二定律，是衡量一个系统混乱程度的概念。
所以“熵”的第一层意思，其实和有序有关。我们做的产品，也是希望给人们带来有序。
第二，熵在生物学上也很有意思。薛定谔提出过，生命以负熵为食。也就是说，生命想维持有序、维持机体、维持行动，都需要不断输入能量，降低自身的熵。
我们想做的，也是通过这样的产品，使用硅基的 Token，增强碳基人的有序性和活力。
同时，我们现在还是一家小的 Startup，后续可能会成长、壮大。但我们不希望染上大公司病，所以希望公司这个机体的有序性能够一直保持，让公司始终处在有活力、不会僵死的状态。
第三，从信息学和 AI 的角度来说，熵是衡量信息密度的概念。在 AI 里还有交叉熵，它衡量的是预测分布和真实分布之间的接近程度。
所以在这两点上做到低熵，也是希望通过我们的产品，让未来的人机协作越来越接近某种真相，越来越接近某种更高级的知识形态。
高纪
我们刚才也聊到，主动式 AI 要尽量多地采集用户数据，但采集数据背后确实也是一种信任。作为一家新的创业公司，AirJelly 要怎么说服用户信任你们，把这么多屏幕截图开放给你们？尤其是屏幕截图意味着你们可能看到微信内容，这个信任要怎么建立？
黄柏特
我觉得会分几个方向。
第一个是技术层面。无论我们在哪个市场，一定会符合当地法规。我们会采用最完整的端到端加密，确保在中间环节不会获取你的信息。
另外，所有信息，包括图片和 Context，都会存在你的本地，你不用担心数据上传到我们的云端进行分析。
我们还会有一套 PII 系统，自动把相关人名和机密信息脱敏，比如把某个人名改成“Person One”这样的形式再进行分析，确保我们不会拿到机密信息本身。
第二个是情感层面。我们会设计一个非常可爱的水母形象，通过这种方式让用户觉得产品更容易接受。
大概会从技术和情感两个方面建立信任。但长期来看，这也是一个用户教育的问题。用隐私换便利，早期可能只有几十万量级的用户能够接受。
但对创业公司来说，这样规模的用户已经非常可口了。大公司可能觉得太少而不愿意做，所以在竞争上，我觉得隐私也可以成为我们的护城河。
高纪
现在只有 PC 端，移动端还没有上线。我在想，移动端上线之后，是不是也比较难做到定时截图、获取 Context？
那就会出现一种情况：用户的记忆和 Context 只捕捉了一部分，手机上的这一部分是残缺的。带来的结果可能是，用久了之后，我也不知道什么是你知道的、什么是你不知道的。
比如我会忘记自己和荣辉是在手机上聊天，还是在电脑上聊天。当我再次和水母互动时，就不知道它到底知道哪些事情。这是不是一个很大的麻烦？你们怎么看待和处理？
黄柏特
某种程度上，这也是一个幸福的烦恼。如果真的到了那种程度，可能说明已经有很多死忠用户了。
我们先做 PC，是因为 PC 最贴近生产力，绝大多数生产力场景都在 PC 上完成闭环。这样某种程度上已经覆盖了全量上下文的 50%，而且是足够多的覆盖，所以整体效果已经会非常棒。
当然，可能有些信息在手机上，甚至有些信息需要通过硬件去捕获。我们的做法是逐步扩展 Context 获取途径。
第一步肯定是手机。手机上可能会有一个悬浮球，点一下就可以获取信息，也可能通过按键触发。
长期来看，我们应该也会尝试和硬件厂商合作。比如 QuickStone Mafia 里有一家叫 Odis 的公司，它们会从硬件获取信息。
一个很巧合、但本质上必然的事情是，硬件获取的信息和我们的屏幕截图，都是通过 BOM 获取的，也就是说，直接获取世界本身的样子以及你本身的信息，所以天然是可以打通的。
未来我们可能通过硬件适配，把硬件、手机和 PC 上的信息打通，实现对完整工作场景 Context 的覆盖。
高纪
还有一个关于 Context 获取的问题。大家大量的聊天工作都在微信上，微信数据可以说是 Context 最大的宝藏之一。但微信又像一座城堡，几乎不可能通过 Hack 或 API 的方式获得它。
你们通过截图获取信息，但截图也有一个问题：怎么确保截到的就是重要信息？我们不可能每秒截一张。
如果只是通过 Enter，在一个群聊里很可能出现这样的情况：前面其他人已经聊了很多内容，滚动过去了，而用户按 Enter 的时候，只截到和他发的那句话相关的几句聊天记录，并不代表整个事件的全貌。
你们怎么解决这个问题？
黄柏特
首先，Enter 能捕捉用户的意图，这一点是确定的。
我们也一直在思考，拿到用户意图之后，反馈怎么办？用户表达意图之后，别人反馈的那部分信息怎么获取？因为我们不可能破解微信，所以全量反馈信息肯定拿不到。
但我们做了两方面的工作来弥补。
第一，绝大多数聊天场景，或者和用户相关的聊天场景，都是一问一答。一问一答的话，当前回复的这句话和对方之前回答的内容，通常是可以拼接在一起的。
当然，这里面需要大量 Event 设计，把不同截图合并起来。这样在大量短对话里，谁说了什么、回复了什么，就能够联系在一起。
第二，如果用户有大量长段对话，我们确实可能拿不到完整内容。这时的弥补措施还是 Enter。Enter 不只是发送对话时可以按，平时也可以按。
平时按一下，它也会捕获额外信息。如果真的有关键内容可能遗漏，这时按一下 Enter，就能把它补充进来。
长期来看，我们可能还会设计不同的按键动作。比如 Tab 键短按、长按和连续按两下，可以对应不同的动作。用户也可以额外输入语音。
我们可能结合 Enter 和 Command，或者其他按键，在截图的时候同时输入一部分话作为补充，从而最大化优化上下文信息。
高纪
也就是说，要让用户把按 Enter 变成一种习惯，不断喂给水母，主动提供 Context。
黄柏特
对。我觉得 Enter 这个习惯很重要。Enter 应该是键盘上最重要的一个键，只是一直被遗忘了。
我们要让用户想起来，Enter 是表达意图最好的方式。在 AI 时代，就更应该多使用 Enter，也多使用我们，因为我们代表 Enter，代表意图。
高纪
还有一个问题想问荣辉。模型今天还在不断进步，巨头也越来越有狼性，马化腾都在发朋友圈给 OpenClaw 打 Call。你怎么看在这样的背景下，作为投资人和创业者，要怎么应对这种挑战？
荣辉
非常好的问题。我觉得这也是我们对自己的要求，主要有 3 个方面。
第一，动态地一起学习、一起成长，这件事非常重要。我一直在思考，在这个快速变化的时代，VC 能提供什么价值。
一个很重要的价值，是判断市场水位在哪里、有哪些前沿方向。这些可能只是简单的信息，但如果你在信息之上有自己的思考和总结，对创业者来说就很重要。
不管创业者选择垂直还是 General，本身做的事情到底有多新奇特，到底是守正还是出奇，投资人都可以作为一个 Benchmark，用来校准。毕竟我们可能看过更多市场上的项目，也关注美国的创业项目和最前沿的进展。
所以第一点，我们要求自己必须勤勉，必须及时和创业者沟通。
第二，早期创业公司最重要的是人才。我们的 Network 里有什么样的人，尤其是互补性的人才，非常重要。
现在已经有三四个团队的联合创始人是我们介绍进去的，当然我们还希望能更多地帮助这些团队。
第三，我们也要不断拓展跨行业合作，包括 HR、视频制作，以及和最优秀的科技公司合作。这些都很重要。
也许这只是举手之劳，但问题是你能不能想到，为创业者去做这些事情，为创业者提供更多维度的服务。我觉得这才是这个时代里投资人真正要做的事情。
高纪
我们说到 AI-native，QuickStone 也是一家 AI-native 基金。你们的工作方式和管理原则里，有没有 AI-native 的部分？
荣辉
随着去年 OpenClaw 的出现，到今年 OpenClaw 的发展，对我们这种人很少的基金来说，帮助实在太大了。
主要有几个方面。第一，最简单的是大量工作可以自动化、龙虾化。无论是扫描 GitHub 项目，还是扫描小红书项目，尤其是带着大量复杂、零散的 Context 去寻找某一类东西和人的时候，效率非常高。
它在网络世界里使用工具的能力也非常强。
除此之外，我们希望把内部信息有序地、向量化地存储下来。不管是我聊过的项目，还是大家接触到的 LP、业务合作方、大厂里的专家和技术人员，所有这些信息都能够沉淀下来。
对我们来说，重要的 Entity 就是项目和人，以及它们之间的交叉关系。以这两个核心维度建立知识结构之后，好处是我也好，柏特也好，我们的第一个小伙伴 Gary 也好，每个人对外都可以进行全量的知识输出，并且有更好的结构化表达。
这样我们能够更好地反馈信息、帮助创业者，更重要的是，甚至有机会更统一地表达我们的文化和沟通风格。
我们想做的第二件事情，就是仰仗 AirJelly 变得更好之后，使用它的系统，把我们平时开会、对外沟通的内容都沉淀下来，去塑造我们的 Agent。
我们不做龙虾了，做我们的水母。希望我们的水母能够更主动地接触更多创业者。也许接触到的都是创业者的水母，这也是一件很好的事情。
高纪
我们再聊一下未来。先聊一个大家不太愿意发生的未来：What if？假如 3、5 年之后 AirJelly 没做好，失败了，你觉得最大的失败可能发生在哪些地方？
黄柏特
我觉得在 AI 时代，3、5 年可能是一个伪命题。AirJelly 可能 1、2 年内就会失败。
第一个最大的可能是不够快。不够快，指的是我们可能提出了一个比较好的新范式，但触达用户太慢。
如果等到大厂下场，我们还没有积累到足够多的用户，也没有积累足够多的用户记忆，大厂就可能把我们吃掉。这是 AirJelly 失败的第一个可能性。
第二个可能性，是 AirJelly 的研发在某种程度上是一种非常精妙的艺术。
一方面，我们要用隐私换取 Efficiency。我们既要保障拿到足够多的 Context，让 Agent 的执行效果足够好，让用户感到足够神奇，甚至能够拿到一些 Context，分析出社区团队的一些玩法。
但另一方面，用户到底能接受什么程度的隐私？如果在用户还没有准备好的时候，直接要了太多隐私，可能会影响团队声誉。一旦声誉坏掉，我觉得就不对了。
所以我们需要一个丝滑的切入节点，让少部分人能够心安理得地接受一定程度的隐私，同时又能获得足够好的 Efficiency 提升。我觉得这是一门掌握火候的艺术。
高纪
最后一个问题，还是回到我们开场的那句话。我们今天仍然相信，人类和 AI 最佳的工作配合方式还没有被真正发明出来。
如果有一天它真的被发明出来，而且很幸运，是 AirJelly 发明出来的，你畅想一下，那会是一个什么样的画面？
黄柏特
9. The Future Belongs to One Agent
我最想实现的事情，是通过研发一个作用于生产力的产品，改变未来的人机协作。
我觉得未来的人机协作一定是人机高度共生的。每个人都会有自己的 AI Agent，或者其他 Personal Agent，它拥有你最全量的生产力相关信息。
有了大量这样的生产力信息之后，会形成一个 Network，或者一个 Group，让 AI 和 AI 之间可以协作。
它有两个作用。第一个，它可能把你的一些 Personal Skill 带过去，这样就可以代替你工作或生产。
第二，它也可能成为一种新型伙伴。它非常了解你，也和你一起协作，有点像《宝可梦》的感觉。
我们认为未来会是一个生产力极度发达的时代，同时 Personal Agent 能够让你感到不孤独，给你的心灵带来很好的慰藉。它既提高生产力，也提供情感陪伴，是一个非常完美的搭档。
高纪
为什么是一个 Personal Agent？
黄柏特
我觉得这源自一个比较朴素的哲学思考。婚姻制之所以是一对一，是因为一对一具备一种稳定的特殊性。
高纪
所以你觉得人和 Agent 最终不会是一对多？到最后还是会类似一夫一妻制一样，会是一人一 Agent？
黄柏特
对，我觉得一定会是这样的。它有一个非常底层的考量：Agent 某种程度上是你自己的延伸，或者是自己的影子。如果是一对多，可能就会变成你的 Slave。
但在 Agent 能力注定超过人类的情况下，让它成为你的 Slave，在哲学上是说不通的。
这是一个非常有趣、非常面向 AI 的观点。
刚才提到你曾经打过辩论。我们也发现，像明超、陈勉也是辩论队的。为什么有这么多打过辩论的人，今天在 AI 领域创业？你觉得背后有什么规律吗？
黄柏特
很多人对辩论有误解。他们会问，为什么要明确讲一个单一的、甚至有一定偏激的方向，然后全力认同它，而不是认为两边讲的都有道理。
我可以从辩论，以及辩论对我们的影响上讲一讲。
第一，辩论双方都持有自己的观点，这是一个逐渐深化的过程。如果简单地说 A 是对的、B 也是对的，最后的结果就是 A 和 B 都对，但还不够。
如果双方都坚持自己的观点，我可以说 A 的 A 部分是对的，A 的 B 部分没那么对，但也不错，C 部分可能在某个场景下是对的。这样我们就能找到，A 到底在哪些场景、哪些情况下、什么时间会比 B 更对。
我认为这能够让我们的认知不断深化。
另外，我觉得辩论其实是一件和创业非常像的事情。你出来之后一定会遇到一个问题：为什么别人没有做，为什么是现在做？
一定是因为它现在存在某些问题，这些问题可能长期能够被解决，或者它只在某一小类 Case、某个 Vertical 场景下成立。
辩论也是一样。我们打了几年辩论，我是两届西电十佳辩手。
在锻炼辩论的过程中，我们抱着一个注定不那么完美的观点，不断打磨它，不断思考它在什么情况下合适、在什么场景下最优。
把这部分思考能力换算到创业上，也是一样。我们的产品不需要在所有人群、所有场景、所有时刻都很棒，只需要找到某一类人群、某一类场景，在现在，甚至 3 个月后的某个时刻是对的，这就足够了。
所以我认为，辩论思维对创业是非常大的训练。
我觉得辩论很重要的一点是，大学生对社会各行各业以及很多社会性问题，还没有亲身体验。
辩论是在大家对事情都没有实体、绝对体感的情况下，从不同角度进行思维完善和相互博弈的动态过程。所以我觉得，这对年轻人来说是非常好的帮助。
高纪
其实你刚毕业，工作时间只有半年。为什么这个时候就想着创业，而不是在大厂再多积累一些经验？
黄柏特
可以用一句话概括这件事。这句话源自一个类比：童年是和平年代的假象。
它的意思是，我们惯常认知里的 1 岁到 18 岁，本质上是和平时代的产物，因为和平时代每一年都差不多。我们每个人都是 18 岁迎接高考，所以可以充分准备，只和自己那一届、18 岁的人竞争。
但 AI 时代来了之后，不是这样。AI 时代对所有人类都是一样的。2022 年底出现了 ChatGPT，2025 年 Agent 已经发展得非常不错，创业的时间窗口正在缩紧。
所以在 2026 年，不管你处在哪个阶段，都应该去这个赛道尝试一下。你可能刚参加校招，也可能已经工作几年，或者已经 20 多岁、30 多岁，其实大家面对的是同一段时间，大家一起冲刺。
这是一个 AI 时刻，某种程度上也是硅基对全人类现状的宣战，是一个战争时刻。所以没有时间让你慢慢成长了，大家赶紧冲。
荣辉
这还蛮有意思的。我觉得这个东西共鸣很强烈。总有一些人会对时代浪潮或关键节点更加敏感，而在敏感背后，还有一种时不我待的感觉，有一种“天将降大任于斯人也”的感觉，觉得自己必须冲出去。
这种 Urge 非常强烈。作为投资人来说，肯定要投这样的人。
高纪
我们录这期播客是在 2026 年 3 月初，短短两三个月已经发生了非常多的事情。我们都觉得 2026 年一定是一个大年，也想问问两位，你们认为 2026 年会发生什么？
Ronghui
我觉得首先要尽快度过 OpenClaw 的浪潮。它现在更多还是一个概念，但我们要做的事情是更加 AI-native，关注 Context，关注 Proactive，也关注模型最前沿的进展。
今年在 Computer Use、更广泛的行业 Agent，以及更长程的任务上，肯定会有更大的突破。
对创业者来说，每次都还是要基于新的模型进展、新的框架，去寻找结合的应用点。这是不变的道理。
所以我们对 2026 年充满期待，也希望更多创业者能够和 QuickStone 一起，给我们机会，让我们为大家提供一点帮助。
黄柏特
我也讲一下我对 2026 年的构想。
聊 2026 年之前，肯定要先聊 2025 年。2025 年 3 月，我还是一个在听 Manus 播客的人。一年之后，我上了 Koji 的播客。
2025 年年底，Manus 被收购了，我又听了他们和 Big Technology 的播客。那个时候我也已经出来创业了。
所以我觉得，整个 2025 年的发展完全超出了我的预期。对于 2026 年，我没有给自己设定上限，也不给自己设天花板。
唯一希望达成的一件事是，我在 2025 年年底最终决定出来创业时，看了大量创业公司，也想过是不是要加入它们。
当时我作为一个可能有一定代表作的年轻人，也处在自己的迷茫中。我发现，出于各种各样的原因，可能还是自己出来做更好。
那么在 2026 年，我希望成为这样一家公司：如果到了 2026 年年底，有一个年轻人做出了某个开源项目，或者发表了一篇很厉害的论文，他在寻找一个想加入的地方，我希望那个地方会是我们。
Koji
你刚才说到，2025 年的发展难以想象，我就想到，2025 年初我们录过一期和肖弘的播客，那是他创业 10 周年。
那期播客录完之后，我们很快定了标题，就是肖弘说“2025 年一定会跳变”。他说了很多遍自己的预期，认为 2025 年会发生跳跃式变化，但具体怎么变还不知道，因为那个时候 Manus 还刚开始酝酿。
那期播客一直在等待一个很好的发布时机。所以我觉得，2025 年会跳变，2026 年也会跳变。
今天非常开心柏特和一豪来到十字路口。我们非常期待 AirJelly 上线，希望一切顺利。