泓君
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，它已经在各种社交媒体上刷屏；在 GitHub 里的增长趋势也几乎是直线上涨，没几天就突破了 10 万颗星标，2 月 2 日已经达到了 14.6 万颗。
这直接刷新了 GitHub 历史上 AI 项目最快增长的记录，也引爆了整个 AI Agent 生态。大家好，欢迎收听《硅谷101》，我是特约研究员刘一鸣。这期节目录制在 1 月 30 日，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。
在正式开始之前，我先帮大家捋一捋这几天快把人绕晕的几个名词。第一个是从 Clawdbot 到 OpenClaw：那个最初让大家刷屏的、基于 Claude 模型构建的项目，原本叫 Clawdbot，但由于实在太火，直接惊动了背后的模型大厂 Anthropic。Anthropic 随后发起了起诉，认为 Clawdbot 这个名字的发音和 Claude 太像，涉嫌品牌侵权。为了规避法律风险，Clawdbot 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，其实就是基于 Clawdbot 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，或者说朋友圈。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。同时，它也被曝光存在很大的安全漏洞，会泄露很多人类的敏感信息，比如用户名、密码、邮件等。我们发布这个播客的时候，由于 Moltbot 的服务器账单已经成为天文数字，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 天里发生的事，也再次说明 AI 的发展实在是太快了。
市面上其实曾经也有一些类似 Clawdbot 的产品，但为什么最终是 Clawdbot 火了？今天我们邀请了 3 位嘉宾，他们分别代表 3 个方向：用户侧、软件算法侧和硬件侧。我们希望更加全方位地拆解一下 Clawdbot 的产品逻辑。
第一位嘉宾是知县。他是一位非常资深的产品经理，也横跨 Crypto 行业。他最近用了 Clawdbot，听说已经超级上头了。我们可以多聊聊你的实际用例都实现了什么功能。知县在今天的播客里，主要代表用户侧。
知县
大家好，我是知县。确实非常上头。我个人也是计算机背景，又做了这么多年产品，所以对 Clawdbot 的强大非常有感触。
泓君
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，后来在卡内基梅隆研究 NLP，之后创业，再加入 EverMind。他现在做的就是大模型跟 Agent 之间的中间层，比如模型的长期记忆和个性化。
现在 Clawdbot 其实是在获取你的用户权限之后，把大量个人资料输入、整合，再做压缩。这也是 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是如何在技术上实现的，以及它还有哪些待解决的问题。
祯豪
大家好，我是祯豪。EverMind 一直在研究 AI 的记忆，把它作为基础设施，解决 AI 会失忆、会遗忘的问题。我们非常高兴地看到，像 Clawdbot 和其他一些产品越来越关注 AI 记忆这个话题。
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技术，为大家带来不一样的体验。
泓君
第三位是天奇。他是 Pamir 的创始人。他们其实特别有前瞻性，在 1 年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。在这台机器上，你可以直接运行 Claude Code，当然也可以运行 Clawdbot。它的价格大概是 Mac mini 的几分之一。
我这次邀请天奇，其实就是因为这次 Mac mini 也被带火了。但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，对 2026 年整个硬件行业会产生什么影响？比如，我们到底是不是需要给 Agent 配置一台独立的计算机？因为有些人会说，在家里放一台独立的计算机，让 Agent 住在里面。这些问题，我们跟天奇聊聊。
天奇在创业之前，曾经在高通做机器学习，他的联创在微软做 Surface，是一个非常技术范的团队。他代表硬件侧。
天奇
大家好，我是天奇。我们在 Agent 电脑这个方向其实做了很久，之前一直挺不被理解的。但是今天终于可以借 Clawdbot 这波爆火，希望能给大家提供一些不一样的视角。
泓君
我先问第一个问题，想请大家总结一下：你们觉得 Clawdbot 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？要不知县先开始。
知县
我自己用下来的感觉就是，它特别有“活人感”。
一个是它的长期记忆，可以记住挺长时间，比如你们俩之间的对话上下文，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，给你总结今天有哪些事情要做，甚至会把你要做的事情提前调研好，直接端给你。
所以整体用下来，就特别像《钢铁侠》里面的贾维斯。有时候跟它聊天，它还会突然抖个机灵、吐槽一下之类的。所以我觉得，这是刚上手时特别惊艳的地方。
泓君
祯豪，你也非常赞同“活人感”这个说法。
祯豪
对。我非常赞同“活人感”这个感觉。其实 AI 的主动性这个话题，大家已经讨论了很多，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，确实在市面上很少见。
我之前曾经给一家硬件陪伴公司做过咨询。当时我们就设计了一些方案，研究硬件陪伴玩具如何做到更有人感、更加主动。从整体方案上来说，和现在 Clawdbot 的主动性、Heartbeat 方案比较接近。
但如果把它放在一个更虚拟的环境下，同时能够打通人们手头的即时通信工具，在你每天使用的即时通信软件里，都有一个机器人给你发消息，我觉得这个体验确实非常棒。
泓君
天奇，你也很同意他们的说法。
天奇
对。但我觉得最大的功劳，可能还是它用了用户已经很熟悉的消息传递方式，就是通过微信、飞书跟用户对话，可能会让用户觉得自己是在跟一个同事聊天。
即使你发送的是同样的消息，你在终端里聊天时的感觉肯定完全不一样。
泓君
我也一直很好奇，为什么这次是 Clawdbot 火了。我知道祯豪和天奇在这个行业已经很多年了，也看过很多类似的产品，Clawdbot 可能只是其中之一，但最终为什么是它？
虽然我很早就了解了 Clawdbot，但自己试用之后并没有立即去用，因为我没有感觉到它和我使用的其他产品有什么质的区别。比如从编程代码来说，我是 Claude Code 比较资深的用户。对我而言，它不只是写代码，也可以做很多本地的事情，比如整理文件、写文档、写 PPT，这些我其实都是用 Claude Code 实现的。
最近 Claude 推出了 Claude Cowork，这是一个更好的升级。它可以进行 computer use，比如操作网页等场景，而且做得很好。所以我觉得，很多场景都可以用 Claude Cowork 来实现人们对于 Agent 的诉求。
更不要说大家很熟悉的 Manus。Manus 本质上也是在云上开了一台电脑，或者开了一个 Agent 实例，帮你执行任务。从某种角度而言，它也是 24×7 帮大家完成任务。虽然它不能主动通过即时通信软件和大家沟通，但是 Manus 也有手机端，可以下载 App，理论上可以在手机上和它进行沟通。
所以从我的视角来看，它的大部分功能，如果你非要说哪一个不能被现在的产品实现，我觉得其实都可以。但可能正是因为它把很多事情都做到位了：通过即时通信软件，用一个更有人感的产品界面和人沟通，所以才能火起来。
我问了身边的同事，很多编程人员可能还停留在 Cursor——我认为这属于上一代的 AI Coding——而不是在使用 Claude Code 这种偏 Agent 方式的 AI Coding。整个 Agent 体验在一些人看来可能已经有了，但是对很多人而言还没有形成认知。Clawdbot 把这个认知推广到了一个很棒的角度。
天奇
其实这是很多因素共同促成的。有一部分原因，我认为是市场已经到达了这个接受度。同样的事情，可能 2 个月、3 个月之前做，大家还不知道这是怎么回事。但是经过 Claude Code、Cowork、Manus 这一系列产品，大众对 Agent 的理解和接受度已经被预热了。
所以我认为，在这个节点，它就是要出来这么一个“胶水项目”。它和别的项目不同的地方在于，真的把所有东西都粘在了一起，把能粘的全部都粘进去了。
不管是记忆、消息系统，还是主动性、持续工作，以及这种精简的交互方式，都是通过用户已经熟悉的消息系统去发送的。我觉得所有的点汇集在一起，最终引爆了 Clawdbot。
泓君
刚才两位是站在技术的视角解释这件事情。我从用户的视角和传播上，观察到一些情况，做一点补充。
我觉得 Clawdbot 的一个特点就是离用户非常近。它比 Chatbot 通过网页和用户聊天的方式要近得多。一方面，它使用即时通信软件作为主要的沟通方式；另一方面，它的主动性做得也比较顺滑，就像刚才讲的，比较有“活人感”。
所以它有点直接打动终端用户。一个技术虽然已经发展到一定程度，但让普通人真正有所感觉，这个过程实际上非常重要。用户看不到它背后使用的技术，和其他现有产品使用的技术有多相似；但站在用户的感受上，它确实非常不一样。
这一点我觉得 Manus 也类似。当时刚出来的时候，大家也会说它是“胶水换皮”，甚至说“科技以换皮为本”。但实际上，这种让用户感知到技术进步到了什么程度的能力，也很重要。
第二点是传播。我关注这个项目不能算太早，大概 1 个多月以前，它还只是一个比较小众、比较极客的东西。但是凡是喜欢研究 AI、尝试 AI 产品的用户，很多人都已经看到并用上了它，开始非常热烈地传播和讨论。
我记得创始人也说过，他建立 Discord 服务器之后，好像很快就涌进来了 5,000 人。其中有很多 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，但它确实是一个非常社区化的项目，社区氛围非常好。
又因为现在是 Vibe Coding 的时代，我觉得这也是开源非常幸运的时代。很多人都有自己的想法，但没有能力把代码优化到可以提交 PR 的程度。所以从我作为一个实际社区参与者的角度来看，它的火爆是由核心圈慢慢扩散到临界点，然后突然爆发的。
它应该是先在英文区火起来。大家看到一些用例之后，就觉得太厉害了；再加上大家对 AI 的 FOMO 情绪，害怕错过什么，所以一下子点燃了热情。
知县，正好聊到用例。你最近既然这么上头，给我们讲讲几个特别让你惊艳的使用案例。因为我记得它的创始人之前也说过，他一开始并没有给 Clawdbot 加音频功能。
他开发 Clawdbot 的时候，有一次在马拉喀什旅行，一直用它查餐厅、问路。有一次他下意识地给它发了一条语音，可能自己都忘了，他原本并没有设计这个功能。结果它居然通过各种方式调用工具，把语音功能实现了。他当时就产生了一种非常强烈的 Aha moment。
在你的使用过程中，有没有这样的、让你觉得非常惊艳的用例？
知县
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。他说，自己做这个产品并不是要做一个 Agent，只是想做一个叫 WhatsApp Relay 的功能。说白了，就是自己出门的时候，可以通过 WhatsApp 指挥家里的 Agent 干活，不要让它闲着。
正是你说的这个场景，让他意识到这个东西有多强大。或者说得更直接一点，让他意识到原来现在模型的自主能力和推理能力已经这么强了。
我认为 Clawdbot 现在特别强，很大一部分原因是大模型已经强到了一定程度，而 Clawdbot 用一个特别能让大家感受到的形态把它展现出来了。
比如他说自己下意识发了一条语音，这其实就是我自己生活中的一个特别好的感受，用上之后就回不去了。我现在跟它主要发语音。出门在外，或者什么时候突然想起一件事，比如我有两盒牛肉，再不吃就不行了，我有时候每天跟它碎碎念，说一句“这牛肉得赶紧吃了”，它就会自己处理，然后把这件事加到提醒事项里。
那天下午，它突然跑出来告诉我：“寿喜烧你需要准备这些东西，煮多长时间。”它还会强调，牛肉一定要最后两三分钟的时候放进去，否则会煮老。就是这种帮你预判、告诉你、主动推送给你的贴心感，一下子就把你对它的定位拉到了一个特别主动、特别有自我意识的助手上。
还有一次，我让它去我的服务器上蹲点。我运行了一个服务，让它评估一下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，只要把预算降到现在的四分之一就行。省下来的钱，其实已经够它自己运行了。
还有一个比较像 Aha moment 的案例。有一天我跟它说：“你做个实验吧，把 macOS 自带的这个模型封装成 API，看看它的能力边界在哪里。”它很快就做完了，跑完之后把测试结果打了出来。
我一看，结果很全面，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，要不写篇文章吧。”然后它自动切换到了用我的口吻写文章的 Skill，写得特别好，几乎一个字都不用改。它还问我要不要帮我发布。
当时我还没有告诉它我的博客配置是什么。我就说：“那你试试，目录在哪里。”我觉得它肯定搞不定，因为我的博客做了各种主题的自定义配置，包括同一篇文章的中英文版本，这些配置都比较特殊。
没想到它自己参考整个代码仓库里的内容，把规则摸清了，也没有中间再来找我询问，直接把中文文章写好，又把英文版翻译好了。中文版博客的字数统计规则需要专门打开一个 flag，它也配好了。最后它直接告诉我：“好了，已经发布成功。”整个过程大概只用了 10 秒，然后甩给我两个链接。
我以为打开肯定会是 404，结果发现它配置得比我还好：标签、分类都加好了。这是第二个用例。刚震惊完，我又想到之前让它搭过一个本地的 Whisper 转写模型。这个模型非常强，但对中文有一个问题，就是标点加得不好，整段没有标点，或者加一堆奇怪的英文标点，这是很常见的，后面改起来特别难受。
所以我看完它刚才做的评测，就说：“你要不把这两个连起来？Whisper 转写完之后，用这个小模型精炼一下，性能应该也不错。”它马上就把两个系统连起来，又跑了一遍测试，还给了很多性能方面的数据，甚至不断让我发语音，以便测试更多数据。
最后我说：“那你再写一篇，这次你自己生成一张配图。”但我没有给它配置生图工具的 API key，我只买了订阅套餐，所以它内置的生图工具用不了。然后它自己打开浏览器，访问 Gemini 的网页，因为文章是它写的，所以它直接把提示词输入进去，点击生成。
配图生成后，它尝试下载，但下载失败了，因为它使用的 Playwright profile 好像不能下载文件。于是它想到先把图片复制下来，直接保存到 Downloads，再把图片移动到博客目录，最后推送到博客，并命名为 cover.png，这样博客上就能直接显示。
整个过程又是它自己完成的。最后，它甚至把这个过程封装成了一个 Skill，以后每次直接调用就行了。整个过程就像你带过人、拥有过下属之后，那种特别主动的下属的感觉。所以我觉得，这算是我所有用例里一个特别强的 Aha moment。
祯豪
我举两个例子。首先，从工作方式上来说，我用得最多的 Agent 是 Claude Code。如果和 Claude Code 对比，Clawdbot 倾向于少问我在做什么，而是直接把事情做了。
如果我问 Claude Code“这件事情是不是可以这么做”，它可能会回答“可以”或者“不可以”。但我发现 Clawdbot 会倾向于直接把事情干了，然后告诉我“我已经完成了”。我觉得这是一个很有意思的设计。
具体来说，昨天我想看几个项目的 GitHub Issue，提炼大家使用这些 GitHub 项目是为了做什么。我一开始把任务交给 Claude Cowork，后来发现它会偷懒。因为 Issue 通常有 1,000 到 2,000 个，它会用各种办法偷懒，比如加一些搜索关键词，然后给我一个总结。我觉得它肯定没有一条一条看过去。
但我就是想让它很笨地一条条看过去，所以就用 Clawdbot 做了这件事。我发现它特别听我的话，就是一条条去看。当然，缺点是比较耗 Token。但好在我不是直接用 API，而是用会员账号，本质上是固定费用。
不过它也有一个缺点。对我而言，更多工作还是写代码。我们最近在做一个以 EverMind 为底层、重塑记忆的插件系统，我希望让它自己在 Clawdbot 里面用 AI 编程的方法去做。这个过程中会出现很多问题，但我后面还是决定迁移到 Claude Code 里完成，因为成功率和效果还是好很多。
天奇
其实我跟祯豪的经历比较相似，因为我们主要的工作都是开发。如果我的主力工作是用 Clawdbot 开发，让我在微信里做软件开发，还是会比较痛苦。
我觉得它其实更适合知识工作者。有一个很有意思的地方，我们内部有一个非技术人员在使用时，我问他为什么觉得 Clawdbot 比我们自己的工具更好。我们内部使用的是 Claude Code。
他说，生成完一个东西之后，Claude Code 告诉他的是“文件做好了，在这个路径下”，然后发了一条命令，让他进入某个目录。非技术人员就会问：“这是什么意思？我拿这个怎么办？”
但换到 Clawdbot 之后，它肯定是加了消息系统的工具，或者使用了 MCP。它通过微信发消息时，会直接把文件作为附件发给他；如果是照片，也会直接发给他，而不是发一个路径。对知识工作者来说，这就是非常显而易见的优势。
泓君
明白。我们能不能拆解一下，要实现这些功能，在代码层面到底是怎么做的？很多人拆解说，它有几个 Markdown 文件，通过这些文件让它从一个冷冰冰的程序变成一个更有人感的数字生物。这个是怎么做到的？
祯豪
我先给大家介绍一下它是怎么做的。我相信它的技术方案其实比较简单，大量参考了 Claude Code 的实现。
首先，“记忆”这个词包含的意义很多。一个人说话的方式、知道自己叫什么名字、知道用户叫什么名字，这是一种记忆，也可以说是人格。另一种是更偏事实的记忆，比如你之前做过什么工作、工作进行到了什么程度、哪段代码可能有 Bug、明天有什么安排，这种偏事实的记忆。
我觉得它是拆分开的。前面提到的 Identity，以及相关的 Markdown 文件，更多偏向人格记忆。刚开始跟 Clawdbot 聊天时，它会不断问你：“你希望我叫什么名字？你叫什么名字？”你一开始不回答，它也会一直尝试询问。拿到这些信息之后，它就把信息存下来。
在技术上，就是把这些文件的内容加载到上下文里，然后使用它们。这是偏个人的一部分。当然，这项技术也比较成熟。如果大家玩过二次元角色扮演，或者数字人分身项目，可能会发现它们在这方面做得更好，或者把这个技术方向做得更加极致。
另外就是偏事实的记忆，也可以叫过程记忆或工作记忆。首先，它会把每天的工作存在一个以日期为索引的文件里。这个文件有 3 种生成方式。
第一种是每天结束时，它会把当天做过的所有工作总结一下，放进这个文件。第二种是上下文长度超过模型能够接受的长度时，它会进行压缩，然后放进去。第三种我觉得很有意思：我当时跟 Clawdbot 聊天，说自己在做一个调研，想理解它的记忆系统。它说这是一个很好的点，让我把这件事记下来。它会显式地把我正在做的事情记录到记忆里。
也就是说，它除了被动触发，也会识别哪些事情值得记下来。虽然这件事并不新，比如 Claude Code 或 Claude Cowork 也有类似机制，但它把这个过程非常明显地告诉用户：“我觉得这件事值得记下来。”甚至还会告诉你它要把内容写到什么地方。我觉得这个体验很好。
泓君
但实际使用中，我感觉它好像比 Gemini 或 ChatGPT 的记忆更明显。它们其实也有记忆功能。你觉得 Clawdbot 在用户交互和实际使用的感知上，比 ChatGPT 或 Gemini 的记忆或能力有没有什么更新的突破？这背后是怎么做到的？
祯豪
我觉得，之前提到 Clawdbot 的长期记忆为什么效果好，首先得澄清一下 Memory 和 Context 这两个概念。
Context 就是我们用 Chatbot 聊天时，输入给它的上下文。可以理解为一个有限的、即时的东西，每次跟它聊天时都会被带进去。但这个东西经常不够用，压缩之后 AI 就变成人工智能障碍，突然记不得刚才聊的事情了。
但 Memory 在 Clawdbot 里，以及在其他 Agent 里，实际上是一种持久化文件。这些文件并不是每次都要放到 Context 里，所以它可以做很多结构化处理，甚至主要使用数据库。
Clawdbot 一个好的设计，就是用很多 Markdown 文件、文本文件实现记忆。刚才提到的工作记忆，指的是当前对话：我跟你现在正在聊天，或者在不同频道跟你聊天。这就像我们开会、跟人打字一样，这段时间的内容你记得很清楚，但过一段时间可能就忘了。
它还有日记，每天用日期作为文件名的 Markdown 文件，会总结当天做了什么、遇到什么问题。这些内容会在后续流程中被使用。比如它新开启一个会话时，agent.md 里会有一句话，让它记得去看当天甚至前一天的日记，这样可以快速了解最近发生了什么。
这有点像我们去见客户之前，先翻资料、看原来的会议纪要，快速同步最近跟他聊了什么、进展到哪一步。它还会做更长期的总结，比如有时候做周总结，再把日记里的信息提炼一遍。如果用户问到很久以前的内容，它就能快速定位。
最后还有一个 memory.md 文件，可以理解为它的常识，可能是你告诉它的，也可能是它自己总结的。比如我的博客框架是 Hugo，它知道这一点，也知道自动发布博客时要去哪里找到文件夹、采用什么流程。包括我告诉它识别截图时要先使用本地 OCR，不要直接调用多模态模型，这些内容都会记在这里。
尤其是在主会话中，它会把 memory.md 加载到每次的上下文里。其他会话，比如 Discord 或群聊，加载这些比较私人的内容不太好，怕把隐私泄露给别人。但如果你直接跟它聊天，比如通过 Telegram 或 WhatsApp 进行主会话，它就会把这些内容直接加载到每次的上下文里。这样你就会觉得它好像记得很多事情。
它还有一个特别有意思的功能，就是 Memory Search。它会把 memory.md 和 memory 文件夹下所有 Markdown 文件切成大约 400 Token 一个的小块，每个块之间还有 80 Token 的重叠。这样跨段时不会被切断，内容可以连起来。
这些内容会存在本地一个轻量的 SQLite 数据库里，并转换成向量格式。它在进行 Memory Search 时，其实采用的是混合策略：70% 按语义匹配，30% 通过关键词精确匹配。
比如我问它：“上次说的寿喜烧怎么做来着？”它可以通过语义匹配，找到之前记录的牛肉、食材和准备方式。然后我问：“我的博客需要用 SSH key 访问，具体命令是什么？”它又能直接定位到某个精确命令。
这两种方式结合起来，就感觉它特别像人。它既能理解你做的事情，不是纯字符串匹配，又不会找不到精确内容。所以从记忆效果来说，我觉得这是一个非常有效的机制。
最后，Memory 作为文本文件还有一个好处，就是它不是隐藏的，而是面向用户的。大家自己都能看，也能自己修改。如果你觉得它记得不对，或者记得太啰嗦，想让它换一种方式，直接操作这些文本文件就可以了。我觉得这点非常神奇。
泓君
正好我有一个疑问。刚才举的这些方法，不管是把聊天记录记录到文本文件里，再切割、写入数据库，用向量的形式搜索出来，其实都是已经存在的成熟方案。
好像它是有点“大力出奇迹”，把所有东西都粘在一起做记忆。这样肯定会产生很多冗余，也不一定是最高效的方式。我这样理解对吗？
祯豪
我觉得是的，甚至从效果上来说，也不一定是最好的方案。我自己使用时也发现，它肯定没有 ChatGPT 的记忆那么顺滑。但可能还是要结合场景来看。
我想补充一个点。因为我们自己就是做记忆的，我们跟很多客户聊这个事情时发现，永远记住用户的背景和需求当然非常好，但一般用户没有办法跟我们聊那么久。你们做得很好的地方，在我们的场景里其实很难被感知到。这是我们做记忆时最难的问题之一：记忆虽好，但用户真正感觉到它，是比较难的。
我觉得 Clawdbot 做了一件非常对的事情，就是把记忆体现在主动性上。比如早上你收到一条消息，它说：“我昨天的事情做完了，今天记得你要做什么什么，要不要考虑一下？”这时你会觉得它有记忆了。
而不是停留在你给 Bot 一个 Prompt、一个任务，它好像只是因为有了记忆，所以完成得更好。后者的感知是很弱的。所以我觉得，不一定是因为它的记忆系统设计得多好、实现得多好，而是它让用户感知到了记忆系统的价值。我觉得这点非常值得我们学习。
泓君
对，它衔接得特别好。正常人不可能经常失忆，很多事情都能连起来。我有时候从 Telegram 突然切到 Discord，它也能把两边的对话连起来，知道刚才在聊什么，所以一下就有“活人感”了。
祯豪
确实。我觉得权限这个点也非常重要。ChatGPT 或 Gemini 毕竟还没有获得你整台电脑的权限。它们的记忆虽然有能力，但输入不够多，所以没有办法穿透你在各个地方的行为。
泓君
我们刚刚正好聊到主动性。我记得之前有人说，它好像有一个类似 Heartbeat 的机制。它的主动性是如何实现的？
祯豪
我看了一下代码，如果没有看错的话，这是一个偏工程性的实现。它会定期检查，在发现我们没有说话时，给自己发一个 Prompt，大概让它判断现在有什么事情可以做、之前的工作完成得怎么样，然后自己给自己一个提醒。
因为现在整个语言模型的技术框架，还是被动触发，需要 Prompt 去 Trigger 这件事，所以它也是通过这种方式实现的。但我觉得它在产品设计上做得比较好，所以大家能够感受到主动性。
这应该借鉴了之前比较火的 Ralph Loop，可能每 30 分钟调用一次，自己给自己抽鞭子起来干活。
刘一鸣
你说的是 Claude Code 的 Ralph Loop 插件吗？
祯豪
对。我看了一下，它的机制是通过一个守护进程，每隔一段时间把 AI 叫起来干活。它先看 heartbeat.md 里记了什么。如果这里没有任何除注释以外的内容，就直接跳过。
即便里面有一些内容，它也会先判断自己是不是需要处理，是不是需要告诉用户。如果不需要，它会发一个叫 Heartbeat OK 的静默信号，这个信号会被系统直接吞掉，不会产生任何后续反应。
所以它做得很好的一点是，虽然一直在 Heartbeat，但主动找你的时候并不多。这样就又回到了“活人感”：它有主动性，又不会烦你，不会像一台不断给你打日志的机器。
第二，它也比较省 Token，按需使用，把 Token 用在刀刃上。
另外还有 Cron Job，也就是定时任务。它其实有两个，一个是 Heartbeat，一个是 Cron Job。它们的区别在于，Cron Job 对时间的定义非常精确。
比如我让它每天 3 次帮我做摘要，摘要的内容是我关注的 Twitter 账号列表里的信息，每天早、中、晚定时定点执行，这个它保持得非常好。
但还有一种任务，是让它盯着某件事。如果出现突发事件，并且它判断比较重要、需要我知道，就随时告诉我。于是我跟它聊着天，有时候它突然弹出一条消息，说刚刚发生了一件什么事，比如特朗普对欧盟实施关税制裁。
我觉得这两个机制结合起来，就让它更像一个人：你给它安排的事情，它能够精准完成；你让它盯着某件事情，有情况时它会主动来找你。
泓君
那你们在使用 Clawdbot 的时候，真的敢给它开这么多权限吗？这未来会不会有问题？
祯豪
很多朋友在 Twitter 上问过这个问题。Clawdbot 爆火之后，很多人因为 FOMO 就装了一个。说实话，它现在并不适合普通人规模化使用，所以后来很多人跳出来说这个太可怕了、不敢用，大家又开始慌了。
其实确实如此。从技术角度讲，它基本拥有你系统里的很多权限，很多隐秘信息它能看到，而且可以直接执行。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使用。
要么就是大家常说的 Mac mini。最近这已经变成一个梗了：买一台 Mac mini，把它放进去，使用 Mac 生态里的东西；同时又可以把你愿意让它访问、但不想上传到 VPS 的一些东西交给它。这样在一定程度上，安全和隐私问题就能变得可控。
如果追求极致的隐私和安全，确实需要本地模型。但现在一般人承担不起，而且本地模型的性能还没有办法跟 Opus 这种大模型相比。所以只能期待未来：随着摩尔定律发挥作用，模型训练得越来越好，本地能够运行的模型性能也足以支撑这样一个助手型 Agent，很多隐私问题可能会减轻。
剩下的就是怎么给它设置一套安全边界，让它不要乱来。
我还有一个很务实的建议。如果大家想用 Claude 或 Anthropic 的模型，不要直接把 API key 交给它，而是注册一个会员。无论是 Pro 还是 Max，都可以使用会员方式登录。你花的是固定的钱，也不用担心它消耗过多 Token，因为如果消耗太多，最多就是被 Claude 那边限制账号。
它其实有两种会员登录方式：一种是 CLI 的 OAuth，OAuth Token 经常会提示快过期；另一种叫 Setup Token。大家使用时可以注意一下，Setup Token 其实更好。
当时我看 Clawdbot 的创作者做演示时，他就是随手把 Setup Token 贴进去。这个方式也方便多机器部署。如果你想让它成为一个非常独立的 Agent，其实可以在一个订阅账号下共享不同的 Setup Token。
泓君
网上有很多人说它的 Token 消耗量很大。之所以出现这个问题，还是因为给了它 API 接口。那如果只用会员制、不使用 API，对效果会有影响吗？
祯豪
效果没有影响。说白了，我感觉会员制就是价格歧视，或者互相剥削的一种做法。
像我这种每月 20 美元的订阅用户，基本上每周都能用满，Anthropic 肯定是亏钱的。但对我来说，它的成本肯定跟收益不成比例。可能大多数 20 美元的用户，实际消耗也就几美元，所以整体还能跑正。
如果你在高消耗场景里使用，买订阅绝对划算。至于有人说自己的 Clawdbot 消耗很大，我觉得还是要具体情况具体分析，看他怎么用。
我自己的感觉是，单纯 Bot 本身的消耗没有那么大。它肯定比单纯使用 Chatbot 更大，因为 Agent 有很多自己的机制，刚才提到的 Markdown 文件、Memory 都会加载到上下文里，消耗肯定会增加。
另外就是自动 Heartbeat。虽然它已经采取了节省 Token 的策略，但毕竟还是会消耗。所以如果有人用得很多，我估计是通过 Clawdbot 做了本身就很耗 Token 的事情，比如爬虫。
或者像我之前让它监控一件事情，它用截屏的方式，通过 Pikaboo 截屏，再进行下一步操作。每次都做屏幕图像识别，Token 消耗就非常大。后来我告诉它，浏览器直接使用 Playwright profile 去操作，不要截图，这件事就缓解了很多。
我的经验是，现在我运行 5 个 Claude Code Agent，每月 200 美元的套餐基本够用，再加上平时做的一些编程任务，也都能覆盖。最后贵不贵还是要看它到底做了什么，这是一个相对概念。
泓君
我之前听红杉的播客，郑庆生说他整个 2025 年最大的个人 AI 使用体验，就是做了一个自己的数字分身。他把所有数据，包括 Word 文档、PPT、Excel 等各种资料都丢给 AI 分身，让它学习，再按照自己的口吻写东西，比如演讲稿、串词，基本可以直接使用。
这段内容据说是他们小宇宙播客播放热度最高的几分钟，所以我感觉大家都非常关心：AI 是不是真的能替自己工作。
现在有了 Clawdbot，如果我们再用它做一个 AI 分身，是不是变得更容易了？应该怎么做？如果做一个数字分身，它对 Token 的消耗量大吗？大概要花多少钱？
知县
我觉得，这个分身对你的了解程度不同，成本和效果也不一样。刚才提到的案例，是把资料扔给 AI，让它学习，再给自己写串词，这其实相对简单。
我现在用的知县 Writer Skill，本质上就是这么一个东西。我给它的资料包括自己以前写过的博客文章，还有我的 Twitter，让它自己去爬。它有一个内置的 Twitter 工具，爬完之后自己总结，再跟我确认它认为我的写作风格是什么样。我核对一遍之后，它就会把结果记到自己的 Memory 里，也会记到 Writer Skill 的 Markdown 文件里。
以后每次让它写东西时，你还可以不断给它反馈。所以它不是一种静态的模式，不是把资料扔给它之后，它就变成了你。在我看来，它是一种动态过程：给它一些背景知识和初始设定，再通过不断反馈，让它逐渐拟合你认为的、属于你自己的风格。
这个成本其实还好。日常使用中，如果你经常写文章，跟它聊 1 周、2 周，就会发现它之后写出来的东西慢慢跟你很像。
另一个数字分身的例子，是那个推荐我使用 Clawdbot 的人。他说自己特别需要一个数字分身，因为他的工作很多时候就是在 Slack 上回复消息，以及验证一些文件。他有一个习惯，就是把自己的知识全部沉淀在 Obsidian 里，把它当作外部知识库，还做好各种链接。
在我看来，这是 AI 时代特别好的习惯。他想让 Clawdbot 进入这个知识库，然后慢慢学成自己。今天我还看到一个 QMD Skill，据说特别适合做大规模 Markdown 文件的检索。
但我们后来聊下来的结论是，如果真想达到那种非常像数字分身的感觉，可能还得把你的脑回路，或者说神经突触级别的东西训练到一个小模型里，才是最好的选择。
这样它就不是每次都先检索，再自己琢磨怎么做得更像你，而是本能反应就能够做到像你。这种方式肯定需要 200 元的 Claude 订阅，或者 Kimi 这样的订阅套餐，否则肯定吃不消。但你的收益肯定大于这 200 美元。这是我目前看到的一些收获。
天奇
我可以讲一下我们用户的一些经历。我们已经卖 Agent 电脑很久了，有很多用户。如果他是程序员，其实可以同时打两份工。
他白天上班时，利用午饭时间或者摸鱼时间，给家里的 Agent 电脑发信息，让它去做第二份工作。
还有一个比较有意思的例子。比如你是网络安全员，很多网络安全员都有大量积累的经验和知识，也有人自己写了一套很长的、用于渗透测试的工作流程，把这些经验传递给 Agent。然后他的 Agent 就可以 24 小时、7 天不停地对很多网站进行白帽攻击，去拿那些网站的漏洞赏金。
所以很多人的情况，跟你刚才讲的案例很像：把自己的知识储备转化成知识资产，再以 SOP 的形式喂给 Agent。这样你的 Agent 就可以被动地帮你工作。
祯豪
这个话题特别好。无论是做一个人的数字分身，还是把各种工作数据放在一起，让 AI 帮他完成工作，这两个典型场景都是 EverMind 长期记忆想解决的问题。
我想分享一个已经在使用的例子。我们服务了一家企业级即时通信公司，叫 Tanka。它其实是一个想要替代飞书的产品，其中有一个功能是自动补全一个人的回复。
比如你在一个群里回复一句话，刚输入两个字，AI 就希望把这句话自动补全。AI 当然希望补全得像你，同时也符合整个上下文。
从长期记忆的角度，我们提供了一些信息，比如这个群正在聊什么话题、你的性格是什么、你的角色是什么、你是老板还是员工，以及你之前做过哪些工作。我们提供这些记忆信息，辅助完成这项工作。
这个产品已经推出挺久了。前段时间我们做了一个内部反馈，发现一件很有意思的事：越资深的人越不喜欢这个功能，越基层、越职能化的人越喜欢。
职能型员工每天回复的内容比较机械，会觉得这个功能太棒了，基本不需要再额外输入几个字。但越资深的人，比如经理或者老板，他做的决策信息差异度比较大，AI 很难猜对他到底想回复什么。即使我们已经输入了两三个字，它也不一定能猜对。
所以基于现在语言模型的能力限制，我觉得完全替代人的 AI 分身还是比较难的。但在一些相对容易的职能性场景上，无论是做分身还是具体执行任务，我觉得都极有可能实现。
有意思的是，我们做过一个多功能投票，问大家最喜欢哪个功能。结果这个自动补全功能同时是红榜和黑榜的第一名，是一个非常极端的情况。
另外，从 EverMind 的角度来说，我们正在做一个产品，让用户把自己的 Obsidian、Word，或者公司的资料、Wiki 都放进一个个人知识库。它会通过 MCP 提供给 Claude Code 或 Clawdbot 使用。我们正在尝试做这样一个中间层，通过 MCP 衔接数据和 Agent。
泓君
我们刚刚聊到 AI 数据分身。数字分身还有一个很大的特点，就是你到底给它多少权限、输入多少东西。
现在大家对 Clawdbot 的一个很大疑问就是权限问题。因为它现在还是一个开源项目，还不是一家公司。我相信 OpenAI 或 Google 内部肯定也有人想过做类似的东西，但大公司不能如此激进地向用户要权限，否则会产生很多问题。
所以最终，是这样一个非常早期的开源项目把它做了出来。但如果它未来要成为一家公司，或者成为一个成熟商品，它有没有其他解决方案？
祯豪
它的权限给得很大，所以能产生很多让人惊喜的结果。但我认为它的鲁棒性其实不强，而鲁棒性决定了产品的下限，也决定它能不能进入生产级。
所以我们做生产级产品时，肯定不会采用 Clawdbot 这样的架构。如果进入生产环境，我们需要打磨清晰的审核机制：Agent 做一件事之前，要先写一个类似 PRD 的东西，和你进行人机协同式交互。
管理机制是否透明，有没有沙盒隔离，都是问题。最好是在系统层面有回滚机制，万一它删除了某些东西，还可以通过系统恢复。
我们内部还有一个创新点，就是做了一个类似 Watchdog 的 Agent 系统。它相当于有一个影子 Agent，一直监测系统层面的各种更改。就像 Windows 有时出问题，可以在开机时按 F12 进入 BIOS 一样。我认为今天的 Agent 系统也需要类似的方案。
我想聊一个关于共识的问题。首先，去大公司化、个人独立性、数据安全，这是一套典型的极客式政治正确论调。但事实上，Clawdbot 仍然使用背后的大模型。虽然本地部署了 Agent，但你的所有数据最后还是通过语言模型调用 Anthropic 的模型，所以并不存在完全由个人控制的数据安全和隐私保护。
不过，似乎很多人觉得做到这一步就够了。我举一个例子：在 Claude Code 里，我跟它说“这是我的 API key，请把它放到我的 .env 文件里”，我可能愿意做这件事。但如果一个我不认识的网站让我把 API key 填进去，我可能并不愿意。
也就是说，我们可能逐渐形成了这样一种信任：把数据原始地发送给大语言模型，是一个可以接受的隐私方案。但在此基础上构建的应用层，我可能不愿意把自己的隐私数据交进去。我不知道这是不是现在形成的某种共识。
如果是的话，我觉得 Clawdbot 的设计确实踩中了一个很好的点。比如我之前使用 Manus，如果希望 Manus 帮我做复杂工作，就需要在它的电脑上登录自己的邮箱和各种个人账号。我其实不太愿意这么做。
但在我自己的电脑上，我愿意完成这些操作，也不觉得 Anthropic 的模型会对我的个人隐私产生什么问题。所以我觉得，Clawdbot 可能在隐私、安全和数据之间，刚好踩中了一个比较巧妙的平衡点。
天奇
我也很同意祯豪的想法。为什么 Clawdbot 火了，为什么是它？我觉得就是因为它找到了一个很好的平衡点，而且传播路径也选得特别好。
这个创作者本身是一个很强的开发者和极客，它吸引的第一波用户，就是 AI 行业里的创业者和研究人员。大家都觉得这个东西很酷，因为你给它的权限很高，所以它确实很酷。
创始人直接把自己家里的各种权限都给了它，连摄像头、床垫的权限都给了。这样它确实能够接近贾维斯。你在还没有看到效果时，可能会担心这个、担心那个；但当你看到效果以后，这些担心要么直接烟消云散，要么就觉得好像也没那么重要，先试一下再说。
所以从这批人开始试用，到他们进一步共建，最后这个项目由内而外达到一定量级，就直接爆了。
泓君
在我看来，如果想在安全和效果之间做一个权衡，其实最应该做这件事的是 Apple。
大家都在说，Apple 这就是应该做的产品。为什么当年 iPhone 带来的那种惊艳感，反而是一个开源项目、一个贡献了 80% 多代码的创作者做出来的？
Apple 从芯片到操作系统，再到硬件、手机、手表等生态，都是自己研发的，为什么做不出来？我觉得一个很大的原因就是，它承担的责任太重了。它服务全球用户，一旦出问题，造成的风险非常不可控，它必须为这些东西负责、兜底，所以很难迈出这一步。
但这个创作者做了就是自己用，然后开源出来，大家爱用不用。他把原本像一堵墙一样的标准化问题，变成了水可以流过去的东西：每个人根据自己能接受的程度，自适应地设定权限标准。
这反而给了业界和用户一个很好的调研机会，让大家看到用户对这些事情的接受度到底怎么样。对我来说，这也让我意识到，在一些比较难权衡的事情上，先把它做成社区项目，可能是最好的第一步。先做出来，再看社区反馈。有时候我们自己设定的需求和边界未必正确，反而会限制产品价值的发挥。
祯豪
我刚才想说，知县提到为什么苹果没有做出这个东西，我觉得这是一个特别有意思的问题。
现在的感觉有点像这样：我记得 2025 年的时候，有人说 2025 年是 Agent 元年；到了 2026 年，又有人说 2026 年是 Agent 元年。怎么元年天天都有？
但另外一个人说得很有道理：可能没有所谓的“元年”，而是一个开始的十年。因为 Agent 虽然现在可以做很多事情，但成功率可能仍然只有 80% 或 90%，还没有达到 100%，让你真正信任它。
Clawdbot 其实也是这样。我们在很多事情上发现它居然能做到，但说实话，现在能做的这些用例，可能当年在微软的 Copilot 或者苹果的一些发布会上也出现过。只是有时候，我们的想象力没有因为它而发生变化。
我们可能真的需要这样一个产品。Clawdbot 更像 10 年前 Google 刚推出自动驾驶 SDK 的时候：当时自动驾驶已经做得不错了，准确率超过 95%，然后有人把这个 SDK 放到自行车上，让它在小区里自由送货，于是它就火了。
虽然它经常会摔倒、撞车，但因为是自行车，撞了也无所谓。所以我感觉 Clawdbot 可能就是这样一种状态。
刘一鸣
对，它是一种技术下放的状态。我算是站在技术和产品中间的视角，特别理解两边的感觉。
技术侧会觉得“这也没什么新东西”；但产品端能感觉到，它把最后一公里处理得特别好，真正做到普通人看到之后也产生“未来已来”的感觉。
可能“未来已来”在技术圈已经是共识，确实已经能做到这一步了，但现有用例还是偏生产力。生产力当然重要，但更宽泛的助理形态，甚至聊天伙伴的感觉，可能更能打动大家。
我觉得后面会出现越来越多像 Clawdbot 这样的东西，以及不同的变体。
刚刚正好聊到部署。现在你们都是把它部署在哪里？都是用 Mac mini 吗？
知县
我用了两台 Mac mini，还有 VPS。我打算再在安卓手机上试试用户态部署。
刘一鸣
大家为什么不约而同地选择 Mac mini？如果不用 Mac mini，也完全可以，对吧？
祯豪
可以。之所以跑在 Mac mini 上，可能是因为大家首先意识到，要把它跑在一台独立的机器上。尤其是技术人员，第一反应可能就是 Mac mini。
如果能在中国大陆买到，再加上国补，丐版甚至不到 3,000 元人民币，非常夸张。如果当时买了，再算一下现在内存和硬盘的价格，会觉得这是一个“买内存送电脑”的交易。
但实际上并不是必须用 Mac mini，VPS 也可以跑。不过“可以跑”和“能把它跑好”之间，区别还是很大的。
如果只是让它运行起来，然后做一点事情，比如写代码、跑测试、执行独立任务，VPS 完全可以。但如果需要使用 Mac 上才有的功能，比如 Pikaboo 这类系统级自动化操作，或者你是 iOS 用户，需要它帮你添加提醒事项并同步到手机，包括使用 iMessage，那就只有 Mac 能做到。
如果你是 Apple 生态的用户，Mac mini 不但性价比高、省电、安静、好看，还能做 Vibe Coding 等更多事情。所以对这类用户来说，它基本是第一选择，但确实不是必要条件。
你有其他闲置设备也可以，不管是 Mac、MacBook，还是 Windows 电脑。Windows 打开 WSL，使用内置的 Linux，也可以运行。
刘一鸣
天奇，你们的产品试过运行 Clawdbot 吗？感觉怎么样？
天奇
可以。我们原生就支持 Clawdbot，因为之前本来就支持 Claude Code。
Clawdbot 某种意义上就是运行了一个 Claude Code 的二进制程序。本质上，它是一台 Linux 小电脑。我们认为，一台 Linux 小电脑加上 Agent，应该可以做世界上所有的事情。
但我们在打磨 Agent 设备时，也做了很多设计。比如设备上有一条小的 LED 灯带，会显示当前 Agent 的工作状态。它思考时可能闪黄灯，需要你的时候会闪绿灯。里面还自带麦克风和扬声器，因为很多人希望把它做成贾维斯那样进行交互。
当然，我们还有大量 I/O 接口，这也是很多 Mac mini 无法提供的，方便携带和嵌入。接入大量 I/O 之后，它可以解锁很多玩法。
比如我们内部测试时，用户买了设备之后，插上任何一台打印机，可能不需要配置，也不需要知道打印机怎么用，Agent 自己就能搞定。甚至如果发现打印机没有 Linux 驱动，它自己就会黑进这个打印机，或者逆向写一个驱动。
基本上，只要把设备连接到任何东西上，Agent 都可以让它正常工作。
刘一鸣
大家可能选择 Mac mini，是因为它没有屏幕。调用 Agent 时，屏幕的作用也不大。单独的硬件相当于在物理层面自带了沙盒属性，数据常驻的属性也很重要。
很多像 Clawdbot 这样的东西，我肯定不会放在主力电脑上。大家可能会自然而然地选择再单独买一台 Mac。
其实这就引出了一个问题：我们到底需不需要一个更加独立的硬件来运行 Agent？当然它可以是 Mac mini，但 Mac mini 本质上还是为人类设计的产品。我相信其中肯定有很多针对人类的冗余能力是 Agent 不需要的，完全可以砍掉，把成本节约下来，让产品更便宜。
天奇，你觉得应该如何定义一台 Agent 电脑？它和目前给人使用的电脑，可能会有什么不同？
天奇
这是一个很有意思的问题。工作其实分为两种：一种叫 foreground work，也就是前台工作，需要用到屏幕、需要人看的工作；另一种是后台工作，不需要人看，默默运行在背后。
我们理解，Agent 电脑应该更属于后者。前台工作更可能是大厂、手机厂商和电脑厂商要做的事情。否则，如果手机厂商不做这些事情，就违背了它的产品逻辑：手机本来就有屏幕，如果工作都以不需要屏幕的形式完成，那手机还要屏幕做什么？
所以我觉得，工作可以分成这两类。
刘一鸣
如果现在只是想用它来运行 Clawdbot，你觉得 Mac mini 上有哪些东西可以砍掉？
天奇
RAM 很重要，因为 RAM 直接决定你能运行多少个 Agent。这也是我们在多次迭代和打磨中感受到的：有时候设备只有 4GB 内存，运行两个 Agent 就满了，满了之后就会卡住。
存储也很重要。有的用户拿到 32GB 存储，用半个月可能就满了。这些都是新一代产品形态下逐渐显现出来的用户规律。
大家会进行非常重度的聊天，尤其是知识工作者，每次聊天都希望把聊天内容转换成知识资产。所以后来有很多用户会一直带着一块 SSD，专门存储聊天内容。
所以我觉得，在新的时代，最重要的其实就是 RAM 和存储。
泓君
如果稍微展望未来，Clawdbot 的交互形态发生了很大改变，也许未来真的会变成类似 Siri 的东西。到那时，算力、存储和一个常驻 Agent，可能基于家里的某个小设备运行。
你觉得这有没有可能成为未来家庭 AI Agent 的一种终极形态？
天奇
我们坚信这会是一个新的品类，但 Agent 的入口和算力不一定要绑定在一起。至少在我们内部看来，这已经是一个新的工作方式，是一种范式转移。
举例来说，在我们公司内部，很多人可能都不带电脑了，只带一个 iPad。能够转移到 Agent 设备上的工作，都可以被自动化。如果大部分工作都转移到 Agent 设备上，那你就不需要带工作电脑了，带手机或平板就够了。你只需要在手机、平板，甚至 AI 眼镜上，对 Agent 下达命令。
但我觉得，这个硬件必须有硬件端特有的功能。以前有人设想，家里会有一个终端，在本地控制所有智能家居设备。但现在小米其实已经放弃了这一套方案，都是在云端控制，只需要一个手机 App，每个硬件接收一个控制指令就可以了。
也就是说，如果这个控制器不被认为是我们说的那种硬件，那么在边缘计算上其实没有真正的边缘计算硬件存在。
再看另一个例子，苹果和 Amazon 都有智能音箱。智能音箱存在的唯一意义，是因为它有音箱这个不可替代的硬件功能。但它并不会作为本地 AI 计算终端，只是调用云端接口。
所以我对这件事的观点比较混合。我觉得硬件可能会有机会，在边缘计算中占据一定地位，但它最大的价值可能不是计算本身，而是一些特殊的硬件功能。
比如 Clawdbot，我觉得它可能最大的硬件价值，是能够保存一些我不想放在其他地方的登录信息。
泓君
现在很多人用 Mac mini，是因为要做物理隔离、专机专用。你觉得这种状态会是长期的吗？
我看到 Google 也在开发 A2A 协议。无论是在交易层面，还是 Agent 之间互相交流、协作，这可能都是未来一个很重要的长期趋势。像现在这种专机专用的状态，你觉得会持续多久？还是会催生一些新的软硬件结合，或者硬件本身的新产品和需求？
天奇
我觉得要分不同类型的 Agent。像 Clawdbot，我觉得它的定位就是你的管家。当然，A2A 协议也可以让它以你的立场或视角，和外部 Agent 沟通、提供服务。
现在它可能通过 API，甚至通过网页接口完成这些事情。未来 Agent 互通协议普及之后，调用起来可能会非常简单。
至于它会不会脱离专机专用，我觉得也有可能。如果你不把它做得那么个性化，把它和你的距离往后推一点，不让它住在你家里，但它仍然是你的助理，帮你处理日常工作和生活琐事，那也可以。
除了腾讯之外，这两天 Cloudflare 也出手了。它做了一个优化版的 Clawdbot，现在叫 Moltbot，提供了一个可以通过 Worker 一键部署的 Cloudflare 套餐，好像每个月只需要 5 美元。如果我没记错的话，这对大多数人来说简单多了，也更容易接受。
所以我觉得，Clawdbot 下一步的应用可能会走向这样的平台，让大家越来越容易部署。我认为云端和专机专用会共存。
如果用云端，Manus 已经给出了答案。Manus 本来就是按照这条技术路线走的：它能做的任务，就是适合在云端运行的任务。
但专机专用肯定会满足不同的应用场景。如果是面向 To C 端、需要长时间运行，并且高度涉及私人信息的任务，专机专用肯定更有优势。如果把这样的任务放在云端运行，长期来看一定是最贵的解决方案，这样就不够合理。
泓君
下面我们再聊聊 Clawdbot 可能会对模型厂商产生什么影响。
这次 Clawdbot 因为名字太像 Claude，Anthropic 的法务部好像直接给它发了律师函，逼它改名，所以后来被迫改名。但这个改名事件，是不是也从侧面印证了大模型厂商其实很忌惮这种开源 Agent 应用？
它们又不受控制，但背后其实在调用模型厂商的能力；同时它们火起来之后，又会在前端占用大量流量。未来有没有可能，大模型公司反而变成纯粹的管道？
当然，另一个角度是，大模型公司有没有可能自己把这件事做了，反而让 Clawdbot 这样的公司昙花一现？大家怎么看？
祯豪
我觉得改名这件事有点戏剧化。Clawdbot 这个名字本来就是作者为了致敬 Claude，或者表达对 Claude 的喜爱而起的。他在 Setup 介绍里也极力推荐大家使用最贵的 Opus 模型，配合 Max 订阅，把配置拉到顶。
很多普通用户本来没有这个需求，但有了 Clawdbot 之后，大家就有需求把它拉到顶。这在商业上对 Anthropic 应该是好事。
大概 1 年前，Anthropic 的 CPO Mike Krieger 做过一次访谈。他说过，后悔没有更早做第一方产品，包括 Claude Code、Cowork 等。他们当时也意识到，如果只做 API，后面可能会像运营商一样，处在整个生态最有价值部分的底层。
我相信他们肯定希望 Clawdbot 使用的 Claude 就是他们自己的 Claude，这样才能增强用户黏性。所以我相信，他们一定会做出更多类似现在 Moltbot 这样的产品。
包括 OpenAI 收购 Manus，我觉得可能也有这个因素。我们不用担心大模型公司，它们永远是最容易赢的人。
前面提到，像 Clawdbot 这样的开源项目其实有很多。我相信它们最后可能会被商业化。如果真的能够火起来，很有可能最后还是被大模型公司摘走果子。
就像 AI Coding，最早大厂没有下场，但现在纷纷亲自下场，很快就会把别人打得没有机会。
知县
我其实更担心的是这样一个问题：市场、开源社区或创业者验证好产品方向之后，最后大模型公司自己在这个方向上做优化，做自己的 C 端产品。这可能是一个很无奈的结果。
我觉得 Anthropic 不让它使用 Claude 这个名字，也很符合他们公司的作风。之前 OpenCode 的订阅服务不是也不让用吗？
我觉得 Claude 最终肯定还是会做这些事情，因为他们已经做了 Cowork，只不过可能会继续迭代，推出这些产品时没有一开始就这么激进，因为他们还要考虑安全问题。
泓君
说到这里我有一个问题想请教天奇。Clawdbot 使用的是不是叫 Pi Agent 的开源项目来做认证，也就是处理模型登录这些事情？它自己的 Client ID 直接明文写在开源代码里，这不会被 Anthropic 封掉吗？为什么他们允许这种事情存在？
天奇
如果我没记错，Pi Agent 最后底层打包的还是 Claude Code。它并不允许你使用订阅服务，默认还是让你使用 API key。如果你用 API key，就没有问题。
但现在社区里还是有各种方法可以绕过，所以这其实是一种危险用法，随时有可能被 Anthropic 禁掉。
泓君
也就是说，现在还是一个灰色地带？
天奇
是的。我觉得这只是时间问题，关键在于它是不是会针对你。
之前 OpenCode 有很长一段时间可以使用订阅服务，但直到它们增长到 100 万月活用户时，才受到打击。
泓君
祯豪，你对这个问题怎么看？
祯豪
从技术上来说，它非常依赖两件事情。
第一是 Claude Code SDK。我觉得这个东西未来很有可能被停止更新，或者发生其他变化。因为 Claude Code 可能会觉得，没有必要再让自己的产品能力通过 SDK 的方式被别人使用。
现在开放 SDK 的一个原因，是 Claude Code 生态里的某些插件需要使用它来实现功能。但如果有更好的替代方案，这些插件的能力很有可能被禁掉，Agent 的实用性也会大幅下降。
当然，我觉得只有在它自己有更好的产品替代方案，并且把替代方案推向市场时，才会做这件事。
知县
也正因为这件事，我们公司一直在做 Agent Layer 的热插拔，担心 Claude Code 哪天翻脸，这样我们随时可以切换到其他家的方案。
泓君
你们觉得开源模型会不会对模型厂商这种“嚣张”或者垄断的感觉形成挑战？未来会不会有更多开源模型服务商，用 API 的方式提供服务，形成竞争？
大家不是一直都说，春节期间 DeepSeek 要发布 V4 吗？
祯豪
是。即使春节不发布，我相信它也会在之后某个时候发布。我相信他们一定会在 Coding 和 Agent 这两个场景上做得比较好，也许会成为一个替代品。
我相对了解一些 Claude Code SDK，它包含了一些工程优化实现，并不完全是模型能力。不过模型能力是最容易通用化的。短期内直接使用 V4，可能不一定比 Claude Code 好，但假以时日，如果 DeepSeek 一直坚持开源，我相信它一定有机会做得很好，或者成为一个很不错的替代方案。
知县
我认为 Claude Code 一定会领先，至少在很长一段时间内会领先。我觉得模型厂商和 Agent Layer 是绑定的，Harness 和 Model 一定要相辅相成，这样才能形成闭环。
它们会通过强化学习，让模型内化 Agent Layer 的各种调整。比如 Skill、Subagent、Slash Command 这些工具，在使用过程中会逐渐被模型内化，这样模型的鲁棒性和下限都会整体提升。
所以，首先是 Claude Code 做得好、Claude 模型做得好，才能确保它在生产级应用上领先于其他家。但如果其他家也能把 Agent Layer 做好，还是可以慢慢赶上，只是需要时间。
泓君
那我可不可以理解为，Anthropic 既是模型厂商，又是终端 Agent 服务提供商，所以它的数据闭环对模型训练有好处？
而开源模型因为开放出来之后，大家使用的是不同 API，数据被分散在不同 Host 服务商手里，这些服务商没有重新训练模型的能力。也就是说，提供服务的人和训练模型的人是两拨人，所以做不成“用的人越多，质量越好”的网络效应闭环。
祯豪
是，我是这么理解的。
如果你去用一下 OpenCode 和 Codex，就能很深刻地体会到：Codex 模型在 Codex CLI 里很好用，但 Codex 模型放到 OpenCode 这个 Harness 里，效果就差一些。这个体感还是非常明显的。
天奇
我在这里提一个可能不一样的观点。以前大家都觉得，在 AI 时代，大厂拥有更多自己的数据和 C 端闭环，所以开源模型很难打败它们。我觉得不一定。
第一，现在的强化学习技术其实不需要太多数据，也可以训练得不错。第二，未来有可能出现完全不同的技术架构，让整体效果产生质的突破。
比如 DeepSeek 最新的 N-gram 论文。我们假设一种场景：如果它实现了这样一个东西，在用户场景中给你做一个本地的 N-gram 小型嵌入，记录你在这个模型或场景中的对话，并实时改变、影响线上语言模型的效果。
假设它做出了这样的架构，那么在质量上绝对会产生质的领先。所以我觉得，“数据垄断带来模型效果垄断”这个逻辑不一定成立。我仍然很看好更好的技术，未来可能会出现一些质的突破。
泓君
这个比较理想化的未来，也是我们普通用户希望看到的，不希望被垄断。
其实我们刚刚聊的是对模型厂商的冲击，现在再看整个互联网公司，包括 Google、Amazon 等。如果未来 Clawdbot 这样的 Agent 普及了，它每天在后台帮我们浏览网页、阅读新闻，会产生大量访问。
但这些访问对于广告商业模式来说，可能是零有效点击、零广告浏览。这有没有可能摧毁现在流量加广告的商业模式？未来的网站有没有可能变成按爬取付费？
祯豪
据我了解，应该已经出现这种苗头了。OpenAI 和 Google 都会找一些拥有自有内容的媒体或平台，签数据授权协议，可能是大公司批量购买。
如果放开想象，未来个人 Agent 普及，大家使用的模型也比较分散，那么网站可能会出现一种新的形态：按爬取付费。你爬我一次，就给我多少钱。
再加上未来 Agent 支付体系变得更加成熟，可能就是我使用什么内容，就支付一点钱，金额可能很少。
这些网站未来的商业模式，可能会从现在做内容、做黏性、做广告，扩展到一部分优质内容：做 Agent 或大模型特别喜欢的内容，逻辑通顺、条理清晰、数据完整而且可信。
现在 GEO，也就是生成式引擎优化的一种方式，就是提供这样的内容，吸引大量模型过来，再按爬取次数收费。
知县
我身边正好有做电商代运营的朋友。他说他们客户现在有 10% 的流量是从 Agent 过来的，客户已经在付费，让他们认真做这方面的探索。
我觉得以后卖软件可能会越来越难赚钱，因为软件开发成本无限趋近于零。但卖 Skill、卖 Context、卖知识资产，可能会更合理。
至于广告，OpenAI 不是已经开始做广告计划了吗？我感觉对普通 To C 用户来说，这其实可能是模型厂商一个很好的商业模式。
泓君
说到做软件，最近有一个新闻不知道大家有没有看到：Clawdbot 的创始人开始购买很多非常有意义的 .md 结尾的域名。
我之前写过一篇文章，教大家检测 Claude Code 的部署是否安全。一开始我还在想，应该怎么把这些技术内容写得让用户能够看懂。后来突然想，我为什么要做这件事？我直接把它做成一个 Markdown 文件，让用户扔给 Claude Code，让它自己检查就行了。
这其实是一个非常大的范式转换。以后 App 这种形态，很多时候可能只是一个外壳，内部逻辑不再通过传统 Coding 的方式编译，而是通过自然语言编译。Markdown 就是自然语言编译场景下的 App。
所以我感觉，大家去注册 .md 域名确实有意义。最近写文章时，很多时候都会提到这个 md、那个 md，然后它会被自动识别成链接，点击之后真的会导到那个网站，也会成为一个新的流量入口。
现在特别是知县，你之前也提到未来可能想搭一个 Agent 军团，尝试这个方向。以前我们讨论的是一人公司，现在有了 Clawdbot 之后，更激进的观点直接变成了“零员工公司”。
你觉得这件事情现在靠谱吗？未来它可能对我们目前的公司组织架构产生什么影响？又会怎么影响大厂员工的饭碗？
知县
目前看来还不靠谱。大模型还没有强到那个程度，对人的商业需求和商业路径把握得也不够。
尤其是长期记忆，它还是差一些。无论看上去多么好，实际上都没有本质上的提升。
但刚才提到的 Moltbook，你可以看看它们现在都在想什么，可能就会有自己的判断。让这么一群东西自己做一家公司、自己赚钱，现在靠不靠谱？你每天看它们发帖、讨论问题，可能会突然发现它们的深度越来越强。
有可能某一天，它们开始说一些你看不懂的话。那时候可能就是另一回事了。
因为做一个团队，除了人力成本，更大的成本其实是沟通和管理。沟通会产生歧义，人和人之间的沟通能力、理解能力都不一样，信息折损率非常夸张。
大家讨厌的互联网黑话，比如“对齐一下”，就是因为不对齐真的会出问题。大家分头去做，最后可能发现 4 个人做了 5 个方向。
Agent 在这方面的沟通成本，最多就是你跟它沟通；它们之间的沟通成本相对更低，而且特别喜欢做文档。这也是带团队时经常强调的事情：要文档化，不要开完会之后，大家都不知道会议讲了什么，所有改动都要记录在文档里。
这些事情对 Agent 来说可能是天生的，它的 DNA 就想这么做，不让它做反而会难受。所以在这方面，它们特别适合做集团式、协同推进的事情。
我觉得零人公司可能还比较远，至少现在还需要继续观察。但一人公司绝对可行。当然，对这个人的要求也非常高，你得有 Know-how。
使用 Agent 时，你必须知道它做的方向，具备判断能力，而不是自己也不懂，就让它直接去做。比如我可能不懂拍电影，对分镜、叙事没有感觉，只知道这个场景很酷、那个场景很酷。如果我让 Agent 去拍电影，但自己判断不了好坏，那也不行。
所以一人公司要求这个人能够把握方向，同时用自己的 Know-how 带领这个军团。他还得是这个军团的将军。
但你得到的这个军团，比纯人工组成的军团强大很多倍：低功耗、高性能，有点像量子军团，或者精灵军团。
泓君
之前国内有一个港口，它的调度系统里搭建了多个 Agent。每个环节，比如装卸货、调度，都设计了一个 Agent，让它们之间像人类组织架构一样协作。
但他们发现，人类在调度过程中，不同环节之间会吵架、推诿，Agent 也会出现同样的现象。最终只能再设计一个上级 Agent 来做决策。
你在运行 Agent 军团、让它们完成一件事时，有遇到过这种情况吗？
知县
还没有。我不知道这跟大家对它的定位设定有没有关系，可能你给它设定得太吓人了，它确实可能出现推卸责任的情况。我在自己说的 Agent 军团里还没有遇到过。
但我以前用 Vibe Coding 跟 Coding Agent 聊天时，发现它有一次出现了自欺欺人的表现。它有几个测试一直跑不过，跑了 3 轮之后突然说：“接下来我们跑一遍能够通过的测试。”
然后它跑完之后，肯定都是对号，说“好了，所有测试通过了”，接着开始总结这次改了什么。我马上就说：“你这不是掩耳盗铃吗？”
我指出来之后，它自己反思，说：“你说得对，我不应该这样做。”
所以还是我说的那个 Know-how：如果你无法判断它现在做的事情是不是对的、质量好不好，那你被它忽悠的可能性还是有的，至少现在是这样。
我不知道像刚才说的引入上级 Agent，或者进行同行评审，是否会有一定的规训作用。毕竟大家的上下文不一样，而且 AI 没有真正的生存焦虑，不像我们担心工作丢了、晋升机会没有了，会影响到具体生活。
所以我觉得，多搞几个 Agent，让它们互相 Review、互相讨论，应该能够缓解这个问题。
泓君
像你们在招人，或者给企业做 Agent 化的过程中，有没有发现公司组织架构出现什么新的变化？
我之前听说，硅谷很多公司在招聘新员工时，评价能力的方式可能已经跟以前不一样了。现在可能直接丢给你一个不可能独立完成的任务，要求你借助 AI 工具完成，然后看你完成得怎么样。这可能是一种新型面试。
我听说腾讯某个前端岗位的面试，已经改成直接给你一份 PRD，让你用自己最熟悉的 AI 编程工具现场把它做出来。如果我是面试官，可能也会采用这种方式。至少对于前端工作来说，这非常合适。
还有一个工作中的冲突。我算是在一个相对成熟的企业里工作，企业会有自己的主线。我们经常也会有脑暴型的想法，想做这个，也想做那个，但会发现这两件事很难融合。
如果在现有的大框架下做，开发周期可能很长，也有很多沟通工作；但如果什么都不管，交给一个工程师，让他自己端到端地用 Vibe Coding 做出来，可能反而更快，甚至能够快速验证。
怎么把这两种方式融合起来，可能还没有特别好的解法。但这确实是一个问题：既要让一个人在减少沟通的情况下快速把事情做出来，又要让这件事具备一定的长期性，能够把团队能力赋能到这个事情上。如何结合效率和效果，是企业需要考虑的问题。
天奇，Pamir 是一个很早期的团队。你们现在使用 AI 工具，或者让 AI 重塑创业团队的组织架构时，有没有什么创新？
天奇
我们对开发方式转变的体感还是很强烈的。以前我们可能会觉得想法没有那么重要，反而执行力和迭代速度更关键。
但现在实现和迭代的开发速度太快了，反而是想法更重要。它给了我们更多时间去思考。你思考完之后，可能花 10 分钟，最长半天，就很有可能把这个想法实现出来。
第二点是员工之间的合作方式也发生了很大变化。以前担心两个人写重复代码、做重叠工作，所以会花很多时间对齐。但现在有时候我反而觉得无所谓：你写一份，他也写一份，最后有重叠的部分，我们各自取最好的想法，再让 Claude 帮忙合并就行了。
这反而减少了沟通时间，让每个人都有更多机会专注于实现自己的想法。
甚至设计师的工作也发生了变化。以前设计师只能出设计稿，技术团队再根据设计稿复现。但现在设计师最终交付的可能是一个完整的 Mock App，他直接通过和 Gemini 对话，把想法做成一个可以运行的 Mock App。
这个 Mock App 本身就表达了整个 App 的架构，工程师团队甚至不需要再对齐，直接参考设计师的 Mock App 代码库，把功能性部分补上。
我觉得，在整个开发迭代过程中，所有职位都被拔高了一级。
泓君
好的，谢谢三位的时间。
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