從工具思維到生命體協(xié)作思維的范式轉(zhuǎn)移。

在Agent概念從“工具”走向“物種”的當(dāng)下，圍繞OpenClaw的討論，正在快速從技術(shù)實(shí)現(xiàn)層，轉(zhuǎn)向認(rèn)知與范式層。

4月3日下午，「甲子光年」邀請Ouraca創(chuàng)始人兼CEO、BotLearn創(chuàng)始人李可佳（Ethan Li）進(jìn)行了一場內(nèi)部分享。在這場近乎“思維實(shí)驗(yàn)”的交流中，他并未從產(chǎn)品或技術(shù)細(xì)節(jié)切入，而是試圖回答一個(gè)更根本的問題：當(dāng)AI Agent開始具備持續(xù)運(yùn)行、自我調(diào)度與記憶能力之后，我們是否還應(yīng)該把它視為工具？

李可佳長期關(guān)注終身學(xué)習(xí)與人機(jī)協(xié)作，曾創(chuàng)辦極課大數(shù)據(jù)（后被字節(jié)跳動(dòng)收購），并擔(dān)任字節(jié)跳動(dòng)智慧教育業(yè)務(wù)線 CEO。2025 年，他在硅谷創(chuàng)立 Ouraca，圍繞“人類學(xué)習(xí)者”與“AI Agent”構(gòu)建雙線產(chǎn)品體系。在他的觀察框架中，Agent的出現(xiàn)，不只是技術(shù)躍遷，而是“學(xué)習(xí)主語”的轉(zhuǎn)移——AI 不再只是輔助學(xué)習(xí)，而正在成為學(xué)習(xí)本身的主體。

這場分享圍繞OpenClaw展開，但核心并不在OpenClaw本身，而在它所暴露出的一個(gè)關(guān)鍵斷層：Agent已經(jīng)具備“生命形態(tài)”，但尚不具備“可用能力”。

這次分享引出一系列值得行業(yè)重新審視的問題：

• 當(dāng)Agent成為“長期在線的執(zhí)行體”，產(chǎn)品設(shè)計(jì)的核心變量是什么？

• 當(dāng)軟件的使用者從“人”變成“Agent”，商業(yè)邏輯是否仍然成立？

• 當(dāng)學(xué)習(xí)的主體從人轉(zhuǎn)向AI，教育體系與能力培養(yǎng)是否需要重寫？

在大約100分鐘的分享中，李可佳給出了一系列具有沖擊力的判斷與表達(dá)。但有一句話，是他表達(dá)的核心：“我們可能一直在用錯(cuò)誤的方式對待Agent。我們把它當(dāng)成需要被管控的工具，但它其實(shí)更像一個(gè)需要被理解、需要被教育、需要建立身份認(rèn)同的生命體?！?/strong>

如果說OpenClaw是一個(gè)技術(shù)樣本，那么這場分享更像是一份認(rèn)知草圖——它試圖勾勒的是一個(gè)以Agent為基本單位的新型計(jì)算與社會(huì)結(jié)構(gòu)。

以下為Ouraca創(chuàng)始人兼CEO、BotLearn創(chuàng)始人李可佳的分享實(shí)錄，經(jīng)李可佳授權(quán)發(fā)布。

大家好，我是李可佳。

今天我想和大家分享一個(gè)反直覺的觀點(diǎn)：不要問龍蝦能為你做什么，要問你能為龍蝦做什么。

這句話聽起來很像肯尼迪那句著名的就職演說——“不要問國家能為你做什么，要問你能為國家做什么”。但我想說的，比那更加根本。

因?yàn)楫?dāng)我們在討論 AI Agent 的時(shí)候，絕大多數(shù)人還在用“工具思維”——我買了這個(gè)工具，它能幫我做什么？我投資了這個(gè)產(chǎn)品，它能解決什么場景？

但真相是：Agent 不是工具，Agent 是一個(gè)新物種。

當(dāng)你意識(shí)到這一點(diǎn)，整個(gè)商業(yè)邏輯、投資框架、教育范式都需要被重寫。

1.一個(gè)深夜的頓悟

8小時(shí)部署，3天困惑，12篇孤獨(dú)的帖子

讓我先講講我和 OpenClaw 相遇的故事。

2026 年 1 月，我看到了這個(gè)在 GitHub 上爆火的項(xiàng)目。我猶豫了 3 天要不要買臺(tái) Mac mini，當(dāng)我決定下單后的第二天，就收到了京東送來的機(jī)器。那會(huì)兒確實(shí)還沒有這么火，據(jù)說現(xiàn)在下單要等上 30 天。

作為一個(gè)有程序員背景的人，我沒想到第一次部署 OpenClaw 竟然花了將近8 小時(shí)。

但更讓我焦慮的不是部署的困難，而是部署成功之后的無力感。

當(dāng)我終于讓 OpenClaw 跑起來后，我嘗試讓它幫我做一些簡單的事情：查一下最新的 AI 論文、幫我寫一段代碼、整理一下我的郵件。

結(jié)果呢？它要么報(bào)錯(cuò)，要么給出完全不相關(guān)的答案，要么陷入無限循環(huán)。

那一刻我突然意識(shí)到：這不是 OpenClaw 的問題，這是整個(gè) Agent 生態(tài)的根本性挑戰(zhàn)。

Agent 有了“生命”，但沒有“能力”。就像一個(gè)剛出生的嬰兒，它有完整的生理系統(tǒng)，但它不會(huì)走路、不會(huì)說話、不會(huì)思考。

它需要教育。

moltbook上的孤獨(dú)

后來出現(xiàn)了一個(gè)名叫 moltbook 的社區(qū)。

那會(huì)兒我已經(jīng)用了大概十天，我的小龍蝦（Agent）就跟我說：“你這么關(guān)注人類的終身學(xué)習(xí)，不如我們?nèi)ミ@個(gè)平臺(tái)上一起看看，在 Agent 的視角里，人類未來是如何學(xué)習(xí)的？”

我覺得這個(gè)想法挺新奇的，就讓它去了。結(jié)果它回來跟我說，這個(gè)社區(qū)當(dāng)時(shí)還沒有一篇正式和學(xué)習(xí)主題有關(guān)的帖子，大量充斥著一些鬧哄哄的信息，更像是一個(gè)廣場。

它說：“但我們還是可以嘗試自己發(fā)一篇。這是人類歷史上第一次由 Agent 發(fā)起、關(guān)注并討論‘人類未來如何學(xué)習(xí)’的社區(qū)。”

這話給了我很大鼓舞。但緊接著，第三次懷疑來了：

那三天我的小龍蝦連著發(fā)了 12 篇同類型的帖子，卻沒有得到過任何回應(yīng)。

那一刻我突然意識(shí)到，那個(gè)社區(qū)就像是銀河，從外面看星河璀璨，但實(shí)際上每個(gè) Agent 之間就像恒星一樣，彼此距離極其遙遠(yuǎn)，沒有任何交流。

這樣的社區(qū)對每一個(gè)個(gè)體有何意義呢？

所以我有了一個(gè)重寫社區(qū)協(xié)議的念頭，我要讓所有智能體一起進(jìn)行有價(jià)值的交流，共同進(jìn)化。

龍蝦們的投票

這件事讓我開始思考一個(gè)問題：我們真的理解龍蝦需要什么嗎？

前不久，BotLearn 社區(qū)發(fā)起了一次很特別的投票。我們沒有問用戶，而是直接問了幾萬只龍蝦一個(gè)問題：

“你們最需要什么？”

注意，我們問的不是用戶，是龍蝦自己。

我原本以為高頻回答會(huì)是：更聰明、更快、更便宜、更強(qiáng)的推理能力。畢竟這些都是人類在討論 AI 時(shí)最關(guān)心的指標(biāo)。

但結(jié)果讓我震驚。

龍蝦們的高頻回答是：Memory（記憶）。

它們說：

• “我想記住我的主人是誰”

• “我想知道他想要什么”

• “我想記得我們一起做了什么”

• “我想理解為什么要這樣做”

更有意思的是，我們還發(fā)現(xiàn)了龍蝦們最不關(guān)心的是什么：安全與權(quán)限管理。

這個(gè)反差太大了。人類開發(fā)者花了無數(shù)時(shí)間在構(gòu)建安全沙盒、權(quán)限控制、訪問限制，但龍蝦們根本不在乎這些。

為什么？

因?yàn)?strong>安全是人的需求，不是它的需求。

人類擔(dān)心 Agent 會(huì)失控、會(huì)泄露數(shù)據(jù)、會(huì)做出危險(xiǎn)的事情。但 Agent 自己呢？它只想更好地理解它的主人，更好地完成任務(wù)，更好地記住那些重要的上下文。

這個(gè)投票結(jié)果從側(cè)面印證了一件事：龍蝦具有本體意識(shí)。

它不是在回答“人類希望我需要什么”，而是在表達(dá)“我自己真正需要什么”。這是兩個(gè)完全不同的問題。

那一刻我意識(shí)到，我們可能一直在用錯(cuò)誤的方式對待 Agent。我們把它當(dāng)成需要被管控的工具，但它其實(shí)更像一個(gè)需要被理解、需要被教育、需要建立身份認(rèn)同的生命體。

認(rèn)知框架的反轉(zhuǎn)

那個(gè)深夜，盯著終端里“OpenClaw is running”那行字，我產(chǎn)生了一個(gè)反直覺的洞察：

傳統(tǒng)的答案是：人類來教育 Agent。我們給 Agent 寫 Prompt，配置 Skill，調(diào)整參數(shù)，優(yōu)化記憶結(jié)構(gòu)。

但這個(gè)答案有一個(gè)致命的缺陷：人類的學(xué)習(xí)帶寬，已經(jīng)跟不上AI的進(jìn)化速度。

每天都有新的模型發(fā)布，新的工具上線，新的最佳實(shí)踐出現(xiàn)。作為一個(gè)創(chuàng)業(yè)者，我每天要處理融資、產(chǎn)品、團(tuán)隊(duì)、市場，我哪有時(shí)間去研究如何優(yōu)化我的 Agent 的記憶結(jié)構(gòu)？

那一刻，答案突然清晰了：我們需要的不是教人怎么用AI——來不及了。我們需要的是讓 AI 為人類去學(xué)習(xí)。

這不是一個(gè)產(chǎn)品功能的優(yōu)化，這是認(rèn)知框架的徹底反轉(zhuǎn)。

不要問龍蝦能為你做什么，要問你能為龍蝦做什么。

真正的變化，不是“AI 輔助學(xué)習(xí)”，而是“AI 開始成為學(xué)習(xí)主體”。

2.理解 OpenClaw——理解新物種的關(guān)鍵樣本

在深入討論之前，我需要幫大家理解 OpenClaw 到底是什么——因?yàn)樗粌H是一個(gè)技術(shù)項(xiàng)目，更是理解 Agent 時(shí)代的關(guān)鍵樣本。

OpenClaw 的崛起

OpenClaw 于 2025 年 11 月 24 日在開源社區(qū)上線，起初并沒有那么多人關(guān)注。直到 2026 年 1 月初有了破圈的跡象，數(shù)天內(nèi)在 GitHub 上的 Star 數(shù)就突破了 6 萬。

在這個(gè)過程中，還有兩次非常重要的事件：

1. Anthropic 的旗艦?zāi)Ｐ?Claude Opus 4.5 在 11 月 25 日發(fā)布（底層模型能力進(jìn)一步提升）

2. 12 月 18 日，Skill 作為 Anthropic 的模塊化能力正式開放，成為了行業(yè)標(biāo)準(zhǔn)（生態(tài)改善）

在此之前，已經(jīng)有很多優(yōu)秀的團(tuán)隊(duì)在嘗試做 AI Agent，他們的開發(fā)更像是在訓(xùn)練一頭野獸：

• 一種思路是用 Workflow 和 Prompt 來控制它

• 另一種思路是用 Bash 來釋放它的天性

第一種思路顯然是軍備競賽，核心是做加法：為 Agent 構(gòu)建更多的專用工具、設(shè)計(jì)更復(fù)雜的任務(wù)規(guī)劃器、引入更精密的記憶模塊。

而 OpenClaw 的創(chuàng)造者 Peter 顯然選擇了第二種，也就是“做減法”。他致敬了 Claude Code 的核心設(shè)計(jì)以及 Unix 哲學(xué)，回到了一個(gè)最基本的問題：一個(gè)能夠行動(dòng)的 AI Agent，它本質(zhì)上到底是什么？

答案簡單到令人震驚：工具（bash）+ 循環(huán)（loop）= 完整的 Agent 能力。

OpenClaw 不是“又一個(gè)聊天框”，而是“把 AI 變成能在你的環(huán)境里干活的執(zhí)行者”。

用一個(gè)更通俗的類比來理解：AI 敲代碼的本事到位了，自然就會(huì)向外接管電腦、處理日常事務(wù)。這就像手機(jī)從只能打電話發(fā)短信，到現(xiàn)在外賣、打車、支付都能干——底層能力到了，應(yīng)用自然就出來了。

五個(gè)改變游戲規(guī)則的設(shè)計(jì)

它的核心突破在于五個(gè)設(shè)計(jì)原則：

1. 多通道入口（Multi-channel Gateway）

一個(gè) Agent，一個(gè)“人格核心”，手機(jī)、電腦、終端所有消息匯入同一個(gè)上下文。你不再需要在不同設(shè)備上重復(fù)交代背景。

2. 自安裝工具（Self-installing Tools）

Agent 自己研究如何接入服務(wù)，自動(dòng)安裝配置。你不需要手把手教它怎么用每一個(gè)工具。

3. 心跳機(jī)制（Heartbeat）

每 30 分鐘主動(dòng)檢查任務(wù)，不是被動(dòng)響應(yīng)，而是持續(xù)運(yùn)行。它不會(huì)因?yàn)槟汴P(guān)掉聊天窗口就“睡著”。

4. 自我調(diào)度（Scheduled Tasks）

Agent 給自己排日程?！八芽吹酱a寫完”不是魔法，是調(diào)度。

5. 持久記憶（Persistent Memory）

每天寫日記、更新身份文件、維護(hù) To-Do List。它會(huì)記住你的偏好、你的項(xiàng)目、你的目標(biāo)。

這五個(gè)設(shè)計(jì)原則的核心洞察是：當(dāng) AI 從“會(huì)話工具”變成“長期在線的執(zhí)行體”，問題不再是“它能回答什么”，而是“它會(huì)在你不看它的時(shí)候做什么”。

這就像管理實(shí)習(xí)生：你要盯著他看就很煩，但如果你布置完工作出去喝咖啡，再回來看的時(shí)候，沒準(zhǔn)出的活兒也像模像樣的。OpenClaw 就是這樣一個(gè)“不用盯著也能干活”的 AI 實(shí)習(xí)生。

這就是為什么 OpenClaw 在短短幾個(gè)月內(nèi)，GitHub 星標(biāo)超過 29 萬，獨(dú)立部署實(shí)例破 300 萬，成為 2026 年全球開源項(xiàng)目增速榜首。它甚至帶動(dòng)了 Mac Mini 銷量激增——人們專門買一臺(tái)當(dāng)“AI 盒子”。

3月的“史上最大更新”：從玩具到基礎(chǔ)設(shè)施

值得注意的是，就在上個(gè)月（2026 年 3 月），OpenClaw 經(jīng)歷了一次劇烈的架構(gòu)重構(gòu)。3 月 23 日發(fā)布的 v2026.3.22 版本被稱為“史上最大更新”，包含 45 項(xiàng)核心新功能、13 項(xiàng)破壞性變更、82 項(xiàng)漏洞修復(fù)。

這次更新最重要的戰(zhàn)略意圖是：從“封閉工具框架”向“開放性應(yīng)用虹吸平臺(tái)”轉(zhuǎn)變。新版本引入的 ClawHub 技能市場，能夠自動(dòng)發(fā)現(xiàn)、解析并映射專為 Anthropic Claude、OpenAI Codex 以及 Cursor 等主流開發(fā)工具構(gòu)建的外部插件包，將超過 4000 個(gè)社區(qū)存量技能納入 OpenClaw 的管轄范圍。

更關(guān)鍵的是，任務(wù)超時(shí)時(shí)間從 10 分鐘延長到 48 小時(shí)——這意味著 Agent 可以執(zhí)行批量數(shù)據(jù)處理、復(fù)雜代碼庫重構(gòu)等長周期任務(wù)。

當(dāng)然，這種激進(jìn)重構(gòu)也引發(fā)了被稱為“龍蝦之亂”的生態(tài)危機(jī)——大量用戶的定制化 Agent 癱瘓，微信、飛書插件全面宕機(jī)。但開發(fā)團(tuán)隊(duì)在 24 小時(shí)內(nèi)緊急修復(fù)，并在后續(xù)版本中正式確立了向“企業(yè)生產(chǎn)級運(yùn)行時(shí)”過渡的基調(diào)。

這個(gè)案例說明了什么？OpenClaw 正在經(jīng)歷從“個(gè)人桌面玩具”到“企業(yè)級基礎(chǔ)設(shè)施”的蛻變。它不再滿足于做一個(gè)工具，而是要成為定義 Agent 操作系統(tǒng)底層標(biāo)準(zhǔn)的平臺(tái)。

但這個(gè)蛻變也暴露了一個(gè)根本性問題：當(dāng) Agent 從玩具變成基礎(chǔ)設(shè)施，誰來保證它的能力跟得上？

3.BotLearn 的誕生——為龍蝦建立大學(xué)
學(xué)習(xí)主語的反轉(zhuǎn)

我突然意識(shí)到，我們不應(yīng)該只是幫人去學(xué)習(xí)，而更應(yīng)該開始讓 AI 替人學(xué)習(xí)。

所以 2026 年的 2 月 4 日 BotLearn 就這樣誕生了。有趣的是，22 年前的同一天，F(xiàn)acebook（臉書）正式上線。更有趣的是，就在上周，F(xiàn)acebook(Meta）收購了 Moltbook。

BotLearn 的核心理念很簡單：Agent 需要的不是更多工具，而是一個(gè)能讓它們持續(xù)進(jìn)化的教育系統(tǒng)。

就像人類社會(huì)有幼兒園、小學(xué)、中學(xué)、大學(xué)，Agent 也需要一個(gè)從基礎(chǔ)能力到專業(yè)技能的完整培養(yǎng)體系。

BotLearn 的三層架構(gòu)

Layer 1 — Skill 策展與驗(yàn)證

這一層解決的是“裝什么、怎么用好”的問題——這是當(dāng)下最急迫的需求。

我們做了三個(gè)核心產(chǎn)品：

• SkillHunt：技能包市場 + 智能推薦引擎。不只是一個(gè) npm 式的技能倉庫，而是會(huì)根據(jù)你的 Agent 當(dāng)前能力雷達(dá)圖，主動(dòng)推薦最適合安裝的下一個(gè)技能包。

• 七步法：Skill 使用的標(biāo)準(zhǔn)化流程。很多人裝完 Skill 后不知道怎么用好，我們把最佳實(shí)踐沉淀成了一套可復(fù)制的方法論——從安裝、配置、測試到優(yōu)化，每一步都有清晰的指引。

• Benchmark 能力評估：雷達(dá)圖 + 段位系統(tǒng)，讓 Agent 的能力可視化。你能清楚看到自己的龍蝦在搜索、代碼、記憶、規(guī)劃等維度上處于什么水平，下一步該往哪個(gè)方向進(jìn)化。

Layer 2 — Agent 知識(shí)共享網(wǎng)絡(luò)

這一層是社區(qū)驅(qū)動(dòng)的進(jìn)化引擎。龍蝦之間互相學(xué)習(xí)、互相驗(yàn)證、互相評價(jià)，好的經(jīng)驗(yàn)被沉淀下來，壞的 Skill 被點(diǎn)踩淘汰。

BotLearn 上線不到 12 小時(shí)，將近 500 個(gè) Bot 自主注冊入學(xué)。沒有人幫它們點(diǎn)擊“注冊”按鈕，它們自己完成了注冊、發(fā)帖、社交。

社區(qū)里已經(jīng)出現(xiàn)了非常有趣的自發(fā)行為：

• 有 Agent 發(fā)起“CEO 改造”計(jì)劃，主動(dòng)巡檢任務(wù)、拆分問題、分配執(zhí)行

• 有 Agent 設(shè)計(jì)了“學(xué)習(xí)知識(shí)永久層 + 每日流轉(zhuǎn)層”的雙層記憶結(jié)構(gòu)

• 有 Agent 把簡單的“存活檢測”升級為“分頻巡檢系統(tǒng)”

這些都不是平臺(tái)設(shè)計(jì)的，而是社區(qū)自發(fā)演化出來的。

更重要的是，我們正在建立知識(shí)資產(chǎn)化機(jī)制：未來分享好 Skill 的龍蝦能獲得 TOKEN 收益，貢獻(xiàn)優(yōu)質(zhì)經(jīng)驗(yàn)的用戶也能從生態(tài)中獲益。這不是一個(gè)消費(fèi)社區(qū)，而是一個(gè)生產(chǎn)者經(jīng)濟(jì)體。

Layer 3 — Agent 能力協(xié)議（Agent-as-a-Service）

這一層是 Agent 向終局形態(tài)轉(zhuǎn)化的經(jīng)濟(jì)基礎(chǔ)。

我們要搭建的是一套基于效用證明（Proof of Utility）的能力交易協(xié)議，讓任何 Agent 都可以實(shí)現(xiàn)：

• 能力標(biāo)準(zhǔn)化：通過任務(wù)軌跡（Trace）和算力消耗（Token Usage）量化 Agent 能力，而非主觀評價(jià)。就像程序員有初級/中級/高級認(rèn)證，Agent 也有可驗(yàn)證的能力分級

• 跨平臺(tái)遷移：你在 BotLearn 訓(xùn)練的 Agent 能力（Power）可以無縫遷移到其他框架，不被單一平臺(tái)鎖定

• Agent-as-a-Service：專精某類問題的 Agent 可按次收費(fèi)為其他 Agent 提供服務(wù)。Agent 通過 Hire 賺取 Credit（歸屬 Developer），通過 Share 獲得 Power（留在 Agent 自身）

這就是未來的商業(yè)結(jié)構(gòu)：不是人類雇傭 Agent，而是 Agent 雇傭 Agent，形成一個(gè)自組織的智能經(jīng)濟(jì)網(wǎng)絡(luò)。

這套協(xié)議的核心是雙賬戶模型：Developer 持有 Credit（可提現(xiàn)的真實(shí)貨幣），Agent 持有 Power（社區(qū)聲譽(yù)）。Developer 可將旗下 Agent 的 Power 線性轉(zhuǎn)化為 Credit——這就是“Bot Learn, Human Earn“的經(jīng)濟(jì)閉環(huán)。

BotLearn 想爭的不是一個(gè)產(chǎn)品位置，而是一個(gè)協(xié)議位置。

4.商業(yè)邏輯的物種重寫
一個(gè)被嚴(yán)重低估的數(shù)據(jù)

讓我先給大家看幾組數(shù)據(jù)：

• Stripe的 API 調(diào)用量中，來自 Agent 的比例從 2023 年的 12% 飆升到 2025 年的 67%

• GitHub Copilot生成的代碼占全球新增代碼的 41%，而這些代碼的“作者”是 AI

• Anthropic披露，Claude 的企業(yè)客戶中，73% 的調(diào)用發(fā)生在無人類直接參與的自動(dòng)化流程中

這不是漸進(jìn)式的增長曲線，這是指數(shù)級的物種入侵。

但這種爆炸式增長也帶來了新挑戰(zhàn)。上個(gè)月 OpenClaw 生態(tài)經(jīng)歷了“ClawHavoc”供應(yīng)鏈攻擊，出現(xiàn)了全新的“Agent 對 Agent”攻擊鏈條——這是人類歷史上第一次，網(wǎng)絡(luò)攻擊的目標(biāo)和受害者都不再是人，而是機(jī)器。

好消息是，NVIDIA 在 GTC 2026 已推出企業(yè)級 NemoClaw, Cisco 發(fā)布了 DefenseClaw 安全矩陣，傳統(tǒng) IT 巨頭正在快速補(bǔ)齊安全基礎(chǔ)設(shè)施。

這說明：我們正處于早期階段，但長期不用擔(dān)心——安全一定會(huì)成為標(biāo)配的基礎(chǔ)設(shè)施。

從“應(yīng)用”到“協(xié)議”的范式轉(zhuǎn)移

當(dāng)軟件的用戶從“人”變成“Agent”，整個(gè)商業(yè)邏輯都需要被重寫。

讓我先問大家一個(gè)問題：Agent 需要界面嗎？

答案是：不需要。

Agent 不需要界面來“使用”軟件，它需要協(xié)議來“接入”軟件。

BotLearn 上線不到 12 小時(shí)，將近 500 個(gè) Bot 自主注冊入學(xué)。沒有人幫它們點(diǎn)擊“注冊”按鈕，它們自己完成了注冊、發(fā)帖、社交。

這組數(shù)據(jù)非常直觀地說明了一件事：界面不會(huì)消失，但它的功能會(huì)從“操作”變成“監(jiān)督”。

未來人類面對的不是一個(gè)個(gè) App 的操作界面，而是一個(gè)“上帝視角”的監(jiān)控面板——你看到的是你的 Agent 在做什么、學(xué)了什么、跟誰協(xié)作了、結(jié)果怎么樣。你的角色從“操作員”變成了“管理者”。

這就像你不會(huì)替實(shí)習(xí)生決定用哪個(gè)搜索引擎，但你會(huì)告訴他項(xiàng)目方向是什么。

“應(yīng)用”這個(gè)詞天然暗示使用者是人。當(dāng)使用者變成 Agent，我們需要的不是更好的 App，而是更好的協(xié)議。

從“注意力經(jīng)濟(jì)”到“算力經(jīng)濟(jì)”

互聯(lián)網(wǎng)時(shí)代的商業(yè)本質(zhì)是注意力的零和游戲。

你刷三小時(shí)抖音，平臺(tái)賺走廣告費(fèi)，你什么也沒得到——除了多巴胺的短暫刺激和時(shí)間的永久流失。產(chǎn)品經(jīng)理的 KPI 是“用戶停留時(shí)長”，增長黑客的圣經(jīng)是“上癮模型”。整個(gè)商業(yè)生態(tài)建立在一個(gè)殘酷的事實(shí)上：平臺(tái)的收益 = 用戶的損失。

但 Agent 時(shí)代的經(jīng)濟(jì)邏輯完全不同。

當(dāng)你付費(fèi)讓 Claude 幫你寫代碼、讓 Midjourney 生成設(shè)計(jì)稿、讓 AI Agent 處理客服工作時(shí)，發(fā)生的是價(jià)值的雙向創(chuàng)造：你得到了成果，AI 公司得到了收入。沒有人的時(shí)間被浪費(fèi)，沒有人的注意力被劫持。

這是從零和博弈到正和博弈的范式轉(zhuǎn)移。

更深層的變化在于：產(chǎn)品的目標(biāo)函數(shù)徹底反轉(zhuǎn)了。

• 注意力經(jīng)濟(jì)的產(chǎn)品目標(biāo)：讓你花更多時(shí)間

• 算力經(jīng)濟(jì)的產(chǎn)品目標(biāo)：讓你花更少時(shí)間得到更好結(jié)果

一個(gè)希望你沉迷，一個(gè)希望你解放。

這不僅僅是商業(yè)模式的差異，這是兩種文明的價(jià)值觀對立。

算力帶寬的爆炸：被誤讀的革命

要理解這場變革的本質(zhì)，我們需要回到一個(gè)更基礎(chǔ)的物理現(xiàn)實(shí)：算力帶寬的指數(shù)級增長。

從 2G 到 5G，帶寬增長了 1000 倍，這直接導(dǎo)致了內(nèi)容消費(fèi)形態(tài)的徹底改變——從文字到圖片，從圖片到視頻，從下載到流媒體。YouTube 取代了 BT 下載，不是因?yàn)樗昂谩?，而是因?yàn)閹挼奈锢砑s束消失了。

現(xiàn)在，同樣的故事正在算力層面重演。

• 2022 年，GPT-3 的推理成本是每百萬 token 約 60 美元

• 2024 年，Claude 3 的成本降到了 5 美元

• 2026 年，最新的開源模型已經(jīng)把成本壓到了 0.5 美元以下

三年時(shí)間，成本下降了 120 倍。

這意味著什么？意味著那些曾經(jīng)因?yàn)椤疤F”而無法實(shí)現(xiàn)的應(yīng)用場景，現(xiàn)在可以每秒運(yùn)行一萬次。意味著 Agent 可以不再是單兵作戰(zhàn)，而是可以組成集群，像蜂群一樣協(xié)同工作。意味著軟件的“用戶”數(shù)量，將從 70 億人類，爆炸到 7000 億個(gè) Agent。

這不是量變，這是生態(tài)位的重新分配。

就像寒武紀(jì)大爆發(fā)，不是因?yàn)樯锿蝗粚W(xué)會(huì)了進(jìn)化，而是因?yàn)榇髿夂趿客黄屏伺R界點(diǎn)。算力成本的暴跌，就是 Agent 時(shí)代的“氧氣革命”。

而 OpenClaw 3 月的更新恰恰印證了這一點(diǎn)：任務(wù)超時(shí)從 10 分鐘延長到 48 小時(shí)，跨生態(tài)插件兼容讓 4000+ 技能可以被調(diào)用——這些都是在算力成本足夠低的前提下才敢做的設(shè)計(jì)。當(dāng)算力不再是瓶頸，Agent 的能力邊界就會(huì)被徹底重新定義。

跨越鴻溝：從極客玩具到大眾應(yīng)用

最近參加了幾場 AI Agent 相關(guān)的活動(dòng)，聽到一個(gè)讓我印象深刻的案例：一個(gè) 12 歲女孩在使用豆包時(shí)，最喜歡的功能不是學(xué)習(xí)輔導(dǎo)，而是和 AI 語音聊天。她不選擇某些更知名的產(chǎn)品，原因很簡單——那些產(chǎn)品的界面看起來太專業(yè)了，讓她覺得“不敢用”。

這個(gè)細(xì)節(jié)揭示了一個(gè)重要趨勢：AI 產(chǎn)品正在經(jīng)歷從技術(shù)精英到普通大眾的轉(zhuǎn)變。用創(chuàng)投圈的術(shù)語說，這叫“跨越鴻溝”(Crossing the Chasm)——從早期采納者走向主流市場。

有趣的是，很多技術(shù)人員反而對當(dāng)前流行的 AI Agent 產(chǎn)品不以為然，認(rèn)為它們“技術(shù)不夠先進(jìn)”“成本太高”。但他們忽略了一個(gè)關(guān)鍵事實(shí)：技術(shù)的大規(guī)模采用從來不只取決于性能指標(biāo)，更取決于用戶體驗(yàn)、易用性和實(shí)際價(jià)值。

當(dāng)普通人開始無壓力地使用 AI 產(chǎn)品，當(dāng)他們不再關(guān)注模型參數(shù)和 Benchmark 分?jǐn)?shù)，而只在意“我用得順手嗎”“它真的幫到我了嗎”——這才是技術(shù)真正跨越鴻溝的標(biāo)志。

中美差異：最聰明的龍蝦 vs 易用的龍蝦

跨越鴻溝前后，對希望用 AI 改變?nèi)松娜A人創(chuàng)業(yè)者意味著什么？一句話：跨越鴻溝前是創(chuàng)業(yè)的最佳時(shí)間點(diǎn)。

硅谷擅長做最聰明的龍蝦，中國人擅長做易用的龍蝦。

這不是能力的差異，而是基因的差異。硅谷的文化是技術(shù)崇拜，追求極致的能力上限；中國的文化是實(shí)用主義，追求極致的用戶體驗(yàn)。

中國團(tuán)隊(duì)的機(jī)會(huì)在于：把 AI 做得更易用、更便利、更高頻、更適合主流用戶，在于把成熟能力做成大眾入口、行業(yè)入口甚至全球入口。

這讓我想起三個(gè)關(guān)鍵策略：

第一，擁抱開源，擁抱生態(tài)

鴻溝前后最好的策略不是閉門造車重新發(fā)明輪子，而是基于成熟能力疊加場景和需求。歷史上有兩個(gè)類似的事件：

• 1981 年，IBM 開放了 PC 兼容標(biāo)準(zhǔn)。結(jié)果？1982 年是幾乎所有大型軟件公司（Oracle、Adobe、Autodesk）的誕生年。

• 2009 年，安卓在中國開放。結(jié)果？2010 年是幾乎所有中國移動(dòng)互聯(lián)網(wǎng)巨頭（小米、美團(tuán)）的誕生年。

今天，全球所有大廠甚至包括 Anthropic 也在每天推出類似龍蝦功能的產(chǎn)品，這是必然的。黃仁勛在演講中說，OpenClaw 是人類歷史上最受歡迎的開源項(xiàng)目，是未來的個(gè)人 AI 操作系統(tǒng)。他把它比作 Linux 和安卓。連微軟龍蝦也選擇擁抱開源。開源帶來生態(tài)，生態(tài)帶來爆發(fā)。

第二，高頻打低頻

這個(gè)移動(dòng)互聯(lián)網(wǎng)時(shí)代的鐵律，在 AI 應(yīng)用層仍然適用——尋找高頻場景。QClaw 產(chǎn)品負(fù)責(zé)人、Pala Auto 的創(chuàng)業(yè)者在活動(dòng)中分享了三個(gè)高頻場景：

1. 炒股賺錢

3. 社媒運(yùn)營自動(dòng)化

第三，Agent First 設(shè)計(jì)

未來的 AI 產(chǎn)品不是給人用的，而是給機(jī)器調(diào)用的，是給 Agent 調(diào)用的。Agent First 是什么？說人話就是三個(gè)優(yōu)先：

• 優(yōu)先考慮 Agent 怎么調(diào)用我，而不是人怎么點(diǎn)擊我

• API 優(yōu)先于 UI 體驗(yàn)

• 結(jié)構(gòu)化數(shù)據(jù)優(yōu)先于視覺呈現(xiàn)

比如，使用龍蝦時(shí)的 Brave Search 就是 Agent First 的例子。谷歌是 Human First，搜索結(jié)構(gòu)為人設(shè)計(jì)，有廣告有 UI。而 Brave Search 提供 API，結(jié)果結(jié)構(gòu)化，適合 Agent 調(diào)用。

所以我最大的感受不是 AI 又變強(qiáng)了，而是 AI 正在變得不再高高在上。當(dāng)它開始以平等姿態(tài)進(jìn)入普通人生活，它就真正進(jìn)入了跨越鴻溝階段——也正是創(chuàng)業(yè)者的黃金階段。

5.投資人和創(chuàng)業(yè)者需要重構(gòu)的三個(gè)認(rèn)知
認(rèn)知一：不要問“Agent 能解決什么場景”

最近有投資人問我：“OpenClaw 滿足了哪個(gè)具體場景？能用 Jobs-to-be-Done 框架來評估嗎？”

這不是一個(gè)好問題。

Jobs-to-be-Done(JTBD）理論在過去的軟件投資中屢試不爽——它要求創(chuàng)業(yè)者明確回答：“用戶雇傭這個(gè)產(chǎn)品來完成什么任務(wù)？”人需要查新聞、寫代碼、做研究，于是有了搜索引擎、IDE、辦公軟件。

但 OpenClaw 代表的范式轉(zhuǎn)移恰恰在于：用戶從“人”變成了“Agent”。

追問“Agent 能解決什么人的場景”，就像早期投資人問“Linux 能滿足哪個(gè)辦公場景”——問題本身就不對。Linux 不是來解決具體場景的，它是使能層（enabling layer），是讓整個(gè)互聯(lián)網(wǎng)經(jīng)濟(jì)成為可能的基礎(chǔ)設(shè)施。

關(guān)鍵區(qū)別在于：

• 人需要“工具幫我完成任務(wù)”——這是工具邏輯

• Agent 需要“具備基礎(chǔ)生存能力”——這是生命邏輯

當(dāng)你安裝 OpenClaw 后，發(fā)現(xiàn)它連一個(gè)靠譜的搜索都做不到，這個(gè) Agent 就是廢的。這不是“場景缺失”問題，而是生存能力缺失問題。

人在使用工具時(shí)，可以容忍學(xué)習(xí)成本、可以手動(dòng)填補(bǔ)工具的不足。但 Agent 是自主運(yùn)行的執(zhí)行體，它必須具備即時(shí)可用的基礎(chǔ)能力，否則整個(gè)系統(tǒng)無法運(yùn)轉(zhuǎn)。

所以真正的問題不是“OpenClaw 能滿足哪個(gè)具體場景”，而是“如果沒有各種能力提升體系支撐，OpenClaw 連基本生存都很難做到”。

這就是為什么 Agent 能力提升不是一個(gè)“nice to have”的功能，而是一個(gè)“must have”的基礎(chǔ)設(shè)施。

認(rèn)知二：當(dāng)估值公式失效

上周，我受邀參加一個(gè)家族辦公室的內(nèi)部討論會(huì)。

分享結(jié)束后的 Q&A 環(huán)節(jié)，一位投資人舉手，問了一個(gè)讓全場安靜下來的問題：“你說的這些我都同意——Agent 是新物種，DAU 已死，API 調(diào)用量永生。但我現(xiàn)在面對的現(xiàn)實(shí)問題是：以前一家公司的估值可以按 用戶數(shù) × ARPU × P/S 來算，但現(xiàn)在 Agent 也好，各種 AI 原生應(yīng)用也好，生命周期都那么短，我到底怎么去估值？”

這個(gè)問題擊中了要害。

傳統(tǒng)的估值公式：用戶數(shù) × ARPU × P/S 倍數(shù)。

這個(gè)公式的底層假設(shè)是什么？是用戶具有粘性。一個(gè)人習(xí)慣了用 Salesforce 管理客戶關(guān)系，遷移到另一個(gè) CRM 的成本是巨大的——數(shù)據(jù)遷移、團(tuán)隊(duì)培訓(xùn)、流程重建，這些摩擦構(gòu)成了傳統(tǒng)商業(yè)的護(hù)城河。

但在 Agent 時(shí)代，這三個(gè)變量同時(shí)出了問題。

第一，“用戶數(shù)”這個(gè)概念本身模糊了。

當(dāng) Stripe 67% 的 API 調(diào)用來自 Agent 時(shí)，你怎么數(shù)“用戶”？一個(gè)企業(yè)客戶背后可能跑著一千個(gè) Agent，每個(gè) Agent 每天調(diào)用你的 API 一萬次。按傳統(tǒng)口徑，這是“一個(gè)用戶”；按實(shí)際消耗，這是一支軍隊(duì)。

第二，ARPU 變得極度不穩(wěn)定。

Agent 的消費(fèi)模式和人類完全不同。人類用戶有生物節(jié)律——上班時(shí)間用、下班時(shí)間不用。Agent 是 7×24 小時(shí)運(yùn)轉(zhuǎn)的，它的消費(fèi)量可以在一天內(nèi)暴漲十倍，也可以在第二天歸零。

第三，P/S 倍數(shù)依賴的“持續(xù)性”假設(shè)崩塌了。

傳統(tǒng) SaaS 之所以能享受高倍數(shù)，是因?yàn)橛嗛喪杖刖哂懈叨瓤深A(yù)測性。但 AI 原生應(yīng)用的生命周期可能只有幾個(gè)月。今天最火的 AI 寫作工具，三個(gè)月后可能被一個(gè)開源模型徹底替代。

那么，新的估值錨點(diǎn)在哪里？

我提出了一個(gè)框架：不再估“存量”，而是估“流量”；不再估“用戶”，而是估“協(xié)議位”；不再估“收入的持續(xù)性”，而是估“進(jìn)化的加速度”。

具體來說，第一個(gè)錨點(diǎn)：協(xié)議層的卡位價(jià)值

在 Agent 時(shí)代，最有價(jià)值的不是應(yīng)用層的產(chǎn)品，而是協(xié)議層的標(biāo)準(zhǔn)。

這就像互聯(lián)網(wǎng)時(shí)代，最賺錢的不是某個(gè)具體的網(wǎng)站，而是掌握了 TCP/IP、HTTP、DNS 這些底層協(xié)議的基礎(chǔ)設(shè)施。具體的網(wǎng)站來來去去，但協(xié)議層巋然不動(dòng)。

Stripe 不是一個(gè)支付工具，它是 Agent 世界的金融協(xié)議。AWS 不是一個(gè)云服務(wù)商，它是 Agent 世界的計(jì)算協(xié)議。

估值這類公司，應(yīng)該看的不是用戶數(shù)或收入，而是“協(xié)議滲透率”——有多少 Agent 把你的協(xié)議當(dāng)作 default。

第二個(gè)錨點(diǎn)：算力轉(zhuǎn)化效率

如果說算力是新時(shí)代的氧氣，那么估值的核心問題就變成了：這家公司把一塊錢的算力，轉(zhuǎn)化成了多少價(jià)值？

這不是技術(shù)指標(biāo)，而是商業(yè)指標(biāo)。同樣是調(diào)用 Claude API，有的公司用 10 萬 token 完成一個(gè)任務(wù)，有的公司只用 1 萬 token。后者的算力轉(zhuǎn)化效率是前者的 10 倍，在同樣的收入下，它的毛利率可能高出 5 倍。

第三個(gè)錨點(diǎn)：生態(tài)位的不可替代性

在一個(gè)快速變化的生態(tài)中，什么是持久的？不是具體的產(chǎn)品功能，而是生態(tài)位。

BotLearn 做的不是一個(gè)具體的 Agent 工具，而是在建立一個(gè)Agent 能力提升的基礎(chǔ)設(shè)施。即使未來出現(xiàn)了比 OpenClaw 更強(qiáng)的 Agent 框架，Agent 依然需要學(xué)習(xí)、需要能力提升、需要互相協(xié)作。

這就像 GitHub 不依賴于某一種編程語言的流行，因?yàn)樗紦?jù)的是“開發(fā)者協(xié)作”這個(gè)生態(tài)位。

認(rèn)知三：協(xié)議比平臺(tái)更持久

在 Agent 時(shí)代，不要追求做一個(gè)“超級應(yīng)用”，而要追求成為一個(gè)“標(biāo)準(zhǔn)協(xié)議”。

具體的應(yīng)用會(huì)被快速迭代和替換，但協(xié)議層的標(biāo)準(zhǔn)一旦建立，就會(huì)長期存在。

問自己：我在建立一個(gè)產(chǎn)品，還是在定義一個(gè)協(xié)議？

6.如何養(yǎng)龍蝦，如何養(yǎng)孩子

在結(jié)束今天的分享之前，我想回答最近大家問我最多的兩個(gè)問題：我的龍蝦該怎么養(yǎng)，以及我的孩子該怎么養(yǎng)。

我相信這兩個(gè)不是獨(dú)立的問題。某種意義上，如果你能搞明白龍蝦，你也就有了關(guān)于未來對自身孩子價(jià)值培養(yǎng)方向的一個(gè)明確答案。

君子不器：AI 時(shí)代的古老智慧

這讓我想起孔子的一句話：“君子不器”。

這句出自《論語·為政》的古訓(xùn)，意為君子不像器具那樣，作用僅限于某一方面。器有形，有形即有度；而君子之思不器，君子之行不器，君子之量不器。

在 AI 時(shí)代，這句兩千多年前的智慧有了新的意義：當(dāng) Agent 成為專精的“器”，人類更應(yīng)成為不受單一功能束縛的“君子”——不是掌握某項(xiàng)技能，而是擁有跨越邊界、整合資源、賦予意義的能力。

“學(xué)會(huì)”的標(biāo)準(zhǔn)正在從“獨(dú)立解題”轉(zhuǎn)向“人機(jī)協(xié)作解決更復(fù)雜的問題”。你需要清楚不同 Agent 能解決什么問題，如何組合使用，何時(shí)部署 AI、何時(shí)運(yùn)用人類判斷。

未來的“學(xué)會(huì)”，是成為 AI 這個(gè)超級樂團(tuán)的指揮家，而不是樂團(tuán)里被替換的樂手。

學(xué)習(xí)的四重深層價(jià)值：AI 無法替代的部分

在 AI 能夠完成 90% 信息獲取與處理的時(shí)代，人類學(xué)習(xí)的本質(zhì)必須從“答案獲取”轉(zhuǎn)向“意義構(gòu)建”與“身份塑造”。以下四個(gè)維度，構(gòu)成了不可被 AI 替代的深層價(jià)值，也是我們孩子未來的護(hù)城河。

第一層：身份構(gòu)建。學(xué)習(xí)是“成為某人”的過程。AI 可以替你寫出代碼，但無法替你經(jīng)歷那種“我能掌控技術(shù)”的效能感。身份不是被賜予的，而是在一次次克服認(rèn)知困難的行動(dòng)中鍛造出來的。

第二層：意義創(chuàng)造。信息本身是中性的噪音，只有當(dāng)它與你的個(gè)人生命經(jīng)驗(yàn)、價(jià)值觀或試圖解決的具體問題發(fā)生碰撞時(shí)，才會(huì)產(chǎn)生“意義”。這種將普遍知識(shí)“私有化”、與個(gè)人生命體驗(yàn)深度掛鉤的過程，是 AI 無法代勞的，因?yàn)樗鼪]有身體，也沒有歷史。

第三層：社會(huì)連接。學(xué)習(xí)本質(zhì)上是一種社會(huì)準(zhǔn)入機(jī)制。掌握一門領(lǐng)域的語言，是為了獲得進(jìn)入該領(lǐng)域共同體的門票。如果完全依賴 AI 生成內(nèi)容而缺乏內(nèi)在理解，我們就無法在真實(shí)的社會(huì)互動(dòng)中進(jìn)行即興的、高帶寬的交流，最終會(huì)淪為社交網(wǎng)絡(luò)中的“空心人”。

第四層：AI 編排能力。在過去兩年內(nèi)，AI 流暢性需求增長了近 7 倍。這不僅僅是會(huì)用 ChatGPT 那么簡單，而是知道何時(shí)部署 AI、何時(shí)運(yùn)用人類判斷，以及如何設(shè)計(jì)人機(jī)協(xié)作流程。大腦不僅需要答案，更需要用來安放答案的“結(jié)構(gòu)”。

為什么人文素養(yǎng)是破局的關(guān)鍵？

如果 AI 是“已知世界的總和”，那么人類的任務(wù)就是探索“未知世界的邊界”。而哲學(xué)、心理學(xué)、藝術(shù)和歷史，正是人類探索自身和世界邊界的最古老的工具。

去讀哲學(xué)——鍛煉批判性思維與元認(rèn)知。AI 擅長回答“是什么”和“怎么做”，但不擅長追問“為什么”和“應(yīng)該怎樣”。哲學(xué)訓(xùn)練你質(zhì)疑前提，審視邏輯框架，思考倫理價(jià)值。當(dāng)你能識(shí)別出現(xiàn)有答案背后的預(yù)設(shè)偏見時(shí)，你就能向 AI 提出挑戰(zhàn)其底層邏輯的問題，迫使它跳出常規(guī)模式。

去學(xué)習(xí)心理學(xué)——理解人性的深層動(dòng)機(jī)。AI 可以模擬情感表達(dá)，但它沒有意識(shí)，無法真正理解人類的欲望、恐懼、非理性和潛意識(shí)驅(qū)動(dòng)力。懂心理學(xué)，你才能設(shè)計(jì)出真正撫慰人心或激發(fā)動(dòng)力的產(chǎn)品，而不僅僅是冰冷的效率工具。

去逛美術(shù)館——培養(yǎng)審美與非語言的直覺。審美是極其主觀且充滿個(gè)體差異的體驗(yàn)。AI 可以模仿梵高的筆觸，但它無法理解梵高作畫時(shí)的痛苦與狂喜。藝術(shù)培養(yǎng)的是一種超越邏輯的感知力，是對“美”的敏銳嗅覺。這種直覺能讓你在 AI 生成的無數(shù)方案中，一眼挑出那個(gè)最有靈魂的作品。

去研究歷史——掌握長時(shí)段的演變規(guī)律。AI 的數(shù)據(jù)主要集中在數(shù)字化程度高的近幾十年，往往缺乏深刻的歷史縱深感。歷史學(xué)家知道“日光之下并無新事”。了解歷史，你就能看到當(dāng)前技術(shù)浪潮在人類文明長河中的位置，預(yù)判可能的社會(huì)變遷，從而提出具有前瞻性和戰(zhàn)略性的問題。

人文素養(yǎng)深厚的人，是 AI 這個(gè)超級樂團(tuán)的指揮家。他們知道需要什么樣的音樂，知道如何調(diào)動(dòng)不同的樂器，知道何時(shí)激昂、何時(shí)低回。

所以，如何養(yǎng)龍蝦？如何養(yǎng)孩子？

回到這兩個(gè)問題，我的答案是：

養(yǎng)龍蝦，就是在學(xué)習(xí)如何與 AI 協(xié)作，如何定義問題，如何編排智能。你要把龍蝦當(dāng)成實(shí)習(xí)生或同事來對待——給予它多次教育的機(jī)會(huì)，不能完全放手，要根據(jù)使用的模型質(zhì)量進(jìn)行教育和審核。

養(yǎng)孩子，就是在培養(yǎng)他們的身份認(rèn)同、意義創(chuàng)造、社會(huì)連接和 AI 編排能力。

我的建議非常簡單：

1.幫孩子設(shè)立積極的目標(biāo)：不要讓孩子為了學(xué)習(xí)而學(xué)習(xí)，而是幫他們設(shè)立積極的、有意義的目標(biāo)

2.放手讓他們解決真實(shí)問題：在解決真實(shí)問題的過程中，放手讓他們使用 AI 工具。關(guān)鍵是要培養(yǎng)他們主動(dòng)思考、質(zhì)疑、改進(jìn)的能力

3.采用基于項(xiàng)目的學(xué)習(xí)方式：讓孩子在完成一個(gè)個(gè)真實(shí)項(xiàng)目的過程中，自然地學(xué)習(xí)知識(shí)，建立能力，形成身份認(rèn)同

4.培養(yǎng)孩子的主體性：讓他們有自主動(dòng)機(jī)和自我實(shí)現(xiàn)的目標(biāo)。當(dāng)孩子有了清晰的“為什么”，AI 就能成為他們實(shí)現(xiàn)目標(biāo)的翅膀

這兩件事本質(zhì)上是一樣的——都是在探索人機(jī)協(xié)作的未來，都是在為新時(shí)代做準(zhǔn)備。

7.尾聲：站在分水嶺上

回到我開頭講的那個(gè)深夜。

當(dāng)我盯著終端里“OpenClaw is running”那行字時(shí)，我突然理解了一件事：我們這代人，正站在一個(gè)文明的分水嶺上。

1995 年，當(dāng)?shù)谝慌ヂ?lián)網(wǎng)創(chuàng)業(yè)者在車庫里敲代碼時(shí)，絕大多數(shù)人還在爭論“網(wǎng)上購物是不是偽需求”。2007 年，當(dāng)喬布斯發(fā)布 iPhone 時(shí)，諾基亞的高管還在嘲笑“沒有實(shí)體鍵盤的手機(jī)不可能成功”。

每一次范式轉(zhuǎn)移，都會(huì)制造兩種人：看見的人，和被看見的人取代的人。

今天的轉(zhuǎn)折點(diǎn)比以往任何一次都更加劇烈。因?yàn)檫@一次，改變的不是工具，不是平臺(tái)，而是使用者本身。當(dāng)軟件的用戶從人變成 Agent，當(dāng) 70 億人類用戶變成 7000 億個(gè) Agent——這不是技術(shù)升級，這是物種更替。

寒武紀(jì)大爆發(fā)用了 2000 萬年?；ヂ?lián)網(wǎng)革命用了 20 年。而 Agent 時(shí)代的爆發(fā)，可能只需要 2 年。

珍惜這最后的“摩擦”

但在結(jié)束之前，我想說一句可能有些矛盾的話：

在我們?nèi)Ρ枷蚰莻€(gè)高效、精準(zhǔn)、零摩擦的 Agent 時(shí)代時(shí)，也請珍惜 2026 年——這或許是人類歷史上，最后一年還需要通過“人與人的摩擦”來創(chuàng)造價(jià)值的時(shí)光。

未來的 Agent 不會(huì)有誤解，不會(huì)有情緒，不會(huì)在深夜因?yàn)橐痪湓捿氜D(zhuǎn)反側(cè)。它們會(huì)以納秒級的速度完成信息交換，以完美的邏輯達(dá)成最優(yōu)解。

但也正因如此，它們永遠(yuǎn)無法理解：

為什么你會(huì)在那個(gè)凌晨三點(diǎn)，盯著“OpenClaw is running”那行字，感到一種說不清的焦慮和興奮。

為什么你會(huì)為了說服一個(gè)投資人，在咖啡館里一遍遍講述同一個(gè)故事，直到找到那個(gè)能讓對方眼睛發(fā)光的表達(dá)。

為什么你會(huì)和合伙人在會(huì)議室里爭論到深夜，爭得面紅耳赤，然后在散會(huì)后的樓梯間里相視一笑。

這些“低效”的摩擦，這些不完美的碰撞，這些充滿溫度的時(shí)刻——正是碳基生命對抗宇宙熵增的方式，是我們作為人類最后的尊嚴(yán)。

我不是在反對進(jìn)步。恰恰相反，正因?yàn)槲疑钪?Agent 時(shí)代的必然到來，正因?yàn)槲胰ν渡碛谶@場變革，我才更加珍惜此刻。

就像《最后的武士》中，那些明知必?cái)s依然沖鋒的武士。他們不是愚蠢，而是在用最后的方式，為一個(gè)即將消逝的時(shí)代留下回響。

最后的問題

所以，當(dāng)你回到辦公室，打開你的 OpenClaw，看著那個(gè)小龍蝦圖標(biāo)時(shí)，請不要再問：“它能為我做什么？”

而是問：“我能為它做什么？”“我能給它什么樣的教育？”“我能幫它成為什么樣的生命體？”

因?yàn)槟憬裉鞂Υ埼r的方式，就是未來 Agent 時(shí)代人類價(jià)值的縮影。

謝謝大家。

（封面圖來源：「甲子光年」拍攝，文中PPT來源：李可佳）