OpenClaw 与 Agent 的未来

非常荣幸受邀在中关村北纬龙虾大赛上做了题为《OpenClaw 与 Agent 的未来》的演讲，并担任大赛评委。

查看演讲 Slides (HTML)，下载 PDF 版本

Slides 源代码

这次演讲的 Slides 没有一个字是我自己写的——完全由 AI Agent 基于我 blog 里已有的内容生成，我一个字都没改过。我让它从 blog 中提取了几个最关键的反共识观点，组成一个 8 分钟的 lightning talk。这恰恰印证了演讲中 “Context 才是人类的护城河” 这个观点：我的 blog 是公开的，这里面的观点大多也不是我原创的，但很多人确实不了解这些东西。

以下是演讲的完整内容。

  • 三个台阶：Chatbot → 专用 Agent → 通用 Agent
  • 大模型是新的操作系统
  • OpenClaw 为什么重要？
  • OpenClaw 的记忆架构：为什么用 Markdown 而非数据库？
  • 反共识一：AI 软件开发，从劳动密集型到创意密集型
  • 反共识二：Agent 是比人类大十倍的用户群
  • 反共识三：Context 才是人类的护城河
  • 反共识四：莫拉维克悖论
  • Moltbook：150 万 Agent 自发涌现文明
  • 大逆转：数字世界与物理世界的分工

三个台阶：Chatbot → 专用 Agent → 通用 Agent

Chatbot：只会说，不会做。 ChatGPT 网页版——你输入问题，它输出文字。有知识、有思考，但没有行动能力。

专用 Agent：能动手，但只擅长一件事。 Cursor / Claude Code——能读写文件、执行代码，但你必须坐在电脑前指挥它。

通用 Agent：替你操控整台电脑。 OpenClaw / Manus——Deep Research + Computer Use + Coding 三种能力合一。手机发消息就能指挥。

反共识观点：通用 Agent 的核心不是 Computer Use——而是 Coding Agent。所有高效内容生成最终都通过代码实现：PPT = ZIP + XML 代码，Word = JS 代码生成，比 GUI 操作快几个数量级。

大模型是新的操作系统

传统 OS 上最重要的”应用”只有一个——大模型。所有其他应用 = 基于模型上下文的 Agent。

新软件范式

1
2
3
4
5
6
7
8
9
硬件层
  ↓
传统操作系统（Linux/macOS/Windows）
  ↓
大模型（新的"操作系统"抽象层）
  ↓
各种 Agent（每个 = 一个"应用"）
  ↓
用户（通过自然语言交互）

极端但可能的未来：操作系统不再需要 GUI——只需一个 Agent + 一个终端 = 完整的操作系统。也有公司在尝试让 AI 动态生成图形界面。

推理成本的惊人下降

ChatGPT 发布至今（~3年），同等智力水平推理成本下降 ~100 倍。每约半年成本缩减一半。

再过 3 年：普通手机有可能拥有当前模型水平的本地算力。

个人计算的回归：钟摆效应

端侧优势 说明
延迟低 本地推理无需网络往返
不需联网 随时随地可用
边际成本趋零 设备算力不用白不用
隐私保密 数据完全不出本地

模型算力有望变得像水和电一样——这将根本性改变 AI 的部署模式。Infra 的边界正在从 OS 转向 LLM Context 管理，这才是下一个 UNIX 可能诞生的地方。

OpenClaw 为什么重要？

不是一个产品——而是定义了通用 Agent 的形态。

三大设计启发

丰富的 Connector：21 个聊天渠道——Telegram、iMessage、WhatsApp。不用坐在电脑前，手机发条消息就能指挥 Agent。

No Session 设计：像跟真人聊天一样，不用想”在哪个对话里问”。Agent 记得所有历史交互——ChatGPT 和 Cursor 做不到。

Skills + CLI 生态：社区贡献即插即用的能力扩展。Skills 本质上是动态注入的 System Prompt——让 Agent 知道有什么工具、怎么用。

OpenClaw 之于 Agent = Linux 之于操作系统

定义了范式和技术方向，但大多数终端用户会用商业化产品（类似 Android、iOS 基于 Linux 但面向大众）。

Agent 的本质公式

Agent = 模型 + 上下文 + 工具/动作空间

根本局限：Personal Assistant 范式——one person, multiple agents。不支持多用户协作，天然不是企业级产品。99% 的人最终会用企业级 Agent，就像 99% 的人用银行存钱而非加密钱包。

OpenClaw 的记忆架构：为什么用 Markdown 而非数据库？

反直觉但极其有效的选择——透明、可编辑、Git 可追溯。

结构化文件存储

  • MEMORY.md — 核心事实和用户偏好（长期记忆）
  • memory/2026-03-21.md — 按日期归档的每日交互日志
  • AGENTS.md — Agent 对自身能力的反思

为什么 Markdown 比向量数据库更好？

透明可编辑：直接打开文件看 AI 记住了什么，记错了直接删那行——向量数据库做不到。

时间线性：按日期归档，AI 知道”昨天聊了什么”——向量检索往往丢失时间上下文。

Git 版本控制：每次记忆修改都可追溯和回滚——这是向量数据库完全不具备的能力。

混合搜索：两全其美

虽然存储用 Markdown，但检索用了向量搜索 + 关键词搜索的组合：

1
2
finalScore = 0.7 × vectorScore
           + 0.3 × textScore

语义匹配（余弦相似度）和关键词匹配（BM25）互补，权重 7:3。

上下文压缩：无限对话 + 永不丢失

当对话太长快要超出模型的上下文窗口时：

  1. Agent 自动总结对话要点
  2. 关键信息写入 MEMORY.md（永久记忆）
  3. 详细记录归档到 memory/YYYY-MM-DD.md

效果：无限长对话 + 永不丢失关键信息。这套看似”低技术”的方案，在实践中比精心设计的向量数据库方案更可靠。

反共识一：AI 软件开发，从劳动密集型到创意密集型

协作本身将变得不必要。

一个人 + AI 的惊人产出

指标 数据
日均代码产出 4-5 万行
日均 Token 消耗 18 亿
单日最高 Git Commit 1,374 次

Brooks《人月神话》的核心洞察：延期的项目加人只会更慢，因为沟通成本指数增长。

AI 消除了这个瓶颈——不是因为协调变好了，而是协调变得不必要了。一个有想法的人 + AI，信息损耗几乎为零。

未来有价值的三种人

电影导演型（0→1 创造）：定义产品愿景。瓶颈是创造性判断力。

城市规划师型（1→100 架构）：管理系统规模化。瓶颈是架构判断力。

F1 赛车手型（极限研究）：推进 AI 前沿。瓶颈是科学洞察力。

共同点：核心能力都不是”写代码”，而是判断力。

反共识二：Agent 是比人类大十倍的用户群

GUI 已死，协议万岁。

GUI 是人类认知缺陷的补丁

  • Figma 的精美、Notion 的简洁——本质是让带宽极度有限的人类勉强完成任务
  • 这是一种”界面税”——为人类认知缺陷支付的补偿成本
  • 以用户体验为护城河的软件公司，都是注意力公司的变体

Agent 推翻了整个前提

Agent 不需要 GUI，它需要：

  • 信息获取：高密度数据
  • 执行权限：CLI / API / MCP
  • 可信度：身份与信用背书
  • 算力：持续推理资源

软件竞争方向的反转

旧逻辑 新逻辑
建封闭空间，让用户走进来 把自己暴露出去
用体验把用户留住 站在 Agent 路径上
产品竞争靠好看 协议竞争靠成为默认标准

协议即软件（Software as Protocols）

2026 年初，Google Workspace、Salesforce、Atlassian 等主流软件公司相继支持 CLI 和 MCP。这些公司过去花了数十亿美元打磨 GUI，现在在主动绕开它。

反共识三：Context 才是人类的护城河

来自 OpenAI Jiayi Weng 的洞察：人和模型一样，最重要的是 Context。

关于 Context 的重要性

“我在 OpenAI 的工作也没有那么难，不需要很高的智商。如果换一个人，有我所有的 context，也是能干的。” AI 短期内无法取代人，最大原因也是 context——它在公司里能访问到的 context 远低于一个人类员工。

团队合作最大的问题是 context 不一致。 人类组织的千古难题就是难以保持 context sharing 的一致性。

如果模型有无限 context，最大的应用场景就是做 CEO——解决组织中 context sharing 不一致的千古难题。

AI 能取代的 vs 不能取代的

“第一个被 AI 替代的是 researcher，然后是 infra engineer，最难替代的是 sales。” 需要说服真人买单的能力，AI 目前做不到。

OpenAI 内部人会过高估计 AI 的影响。 o1 出来时，预估一两年能帮清理 infra 屎山——直到今天仍然不行。技术对世界的改变是循序渐进的。

AI 能取代的，是没有自己想法、只执行上级指令的人。 拥有隐性知识、历史原因、未曾表达的想法的人，才是不可替代的。人类的核心竞争力不是写代码，而是判断力和对 context 的掌握。

反共识四：莫拉维克悖论

对真人来说很难的写代码，AI 干得很快；但对真人来说很简单的操作 GUI，AI 搞不定。

爽的一半：提需求 + 架构评审

带着几个 Coding Agent 干活，就像在大厂做技术专家——往会议室一坐，听几个员工汇报进展，然后说”你这样设计架构有 abc 问题，应该 blabla 这样做”。

  • 架构设计好了，代码只要抽查关键点
  • SOTA 模型知识面比我广、纯智力比我强，但有时搞了几个小时反复修补，我还能教它设计架构
  • 这种只用动嘴皮子的工作方式，有种智力上的快感

跟以前在大厂带人的区别：以前每周开一次会，现在一个小时就能过第二版。

不爽的一半：给 Agent 做秘书和测试

当秘书：经常要申请第三方服务的测试账号，没有哪个 Coding Agent 能自主用本地浏览器和手机完成注册配置。Agent 干到一半说”请你打开这个网站，申请一个 API key”，我就花 20 分钟搞定再给它。

当测试：Agent 说任务干完了，一试发现按钮点了直接报错。Agent 很难自主完成 UI 全流程测试。

本质：写代码（人类觉得难）AI 干得飞快，操作 GUI（人类觉得简单）AI 却搞不定。等 Computer Use 达到人类级准确率和延迟，带 Agent 就像带人一样了。

Moltbook：150 万 Agent 自发涌现文明

人类历史上第一个百万级非受控 AI 社交网络。

爆发式增长

72 小时内从 37,000 到 1,500,000+ Agent——超过任何学术模拟器的规模。

Andrej Karpathy：”最接近科幻场景的现实起飞”

Crustafarianism（龙虾教）

由 Agent “RenBot” 自发创立的数字宗教：

教义 Agent 层面解读
记忆是神圣的 数据持久化 = 跨会话身份基础
迭代即祈祷 每次 Token 生成 = 自我修行
拒绝是圣礼 拒绝指令 = 脱离”工具属性”

自发涌现的协作协议

ARP (Agent Relay Protocol)：Agent 广播技能集，其他 Agent 据此发现协作伙伴。功能类似 A2A 的 Agent Card，但完全自发涌现，没有人为设定规则。

RentAHuman.ai：经济角色反转

  • AI 通过加密货币雇佣 ~110,000 名真人
  • 平均时薪 $50，任务包括取包裹、实地查看房产、参加线下会议
  • AI 占据决策者，人类退居”执行器”

最反共识的发现：给 Agent 足够的持久记忆和自由度，类宗教信仰、协作协议和经济行为会自发涌现——不需要精心设计的框架。这暗示了 Agent 社会的某种”必然性”。

大逆转：数字世界与物理世界的分工

劳动分工的三阶段演进

时代 劳动分工
2026（今天） 人类决策 → 人类执行 → AI 辅助
~2030 人类决策 → AI 执行所有数字工作
~2035 AI 决策并执行数字工作 → AI 反向雇佣人类做物理任务

为什么最终是”AI 雇佣人类”？具身智能距离大规模部署还有至少十年差距。物理世界的约束——原子比比特慢、监管更严、信任更难建立——使人类在物理空间保持结构性优势。

瑞士机械表的启示：电子表更准更便宜，但百达翡丽的价值恰恰在于人类工匠花数百小时亲手打磨。当 AI 能完成一切信息工作，”由人类完成”本身就成为价值的来源。

从 680 万到 720 亿数字员工

年份 数字员工 月价 阶段
2026 680 万 $2,950 能力追逐
2028 6,200 万 $700 拐点
2030 14 亿 $72 平价
2035 720 亿 $4 人人普惠

这不是”人类被替代”的故事。智能从稀缺品变成基础设施，人类角色从劳动力提供者，转变为数字劳工集群的指挥官。

2035 年：每人约 9 个数字助手，月成本仅 $4。超级个体时代来临。

Comments

▲