Podcast Interview · 逐期深读

从 AI Coding 工作流质变到 Clawdbot:黄东旭谈 Agent 工程、Box 组织与创造的主体性

本期背景与内容导览

本期 42 章经由曲凯对谈 PingCAP 联合创始人、CTO 黄东旭,围绕 Clawdbot(本期时已更名 OpenClaw)、Claude Code、Cowork、Skills 与 AI Coding 的工作流变化展开。黄东旭的核心一手观察是:当模型长上下文利用、agentic loop 和 context engineering 同时改善,部分编程任务从“AI 写大部分、人收尾”变成“人定义目标和验收、Agent 连续执行”。他把这种主观临界感称作奇点,并给出 10 万行项目、每天近 billion token 等个人尺度;这些是重度用户体验,不是统一工程测评。 对话将 Clawdbot 解释为本地优先、能控制完整计算环境的 Coding Agent:缺少专用工具时可操作浏览器或写代码补能力,成功后把流程保存成 Skill。定时邮件与 LinkedIn、Whisper 语音转写、自制博客发布和 AI 论坛学习构成具体案例。它们支持运行时能力扩展,不证明模型权重、目标或安全边界已自主演化;完全权限、记忆 bug、云端端口暴露和券商接入也提示了独立风险。 随后话题从工具扩展到组织与个人。黄东旭预测 Coding Agent 内核向设计和有 API 的现实服务外溢,采用瓶颈从能力转向 token ROI、配置与信任;严肃工程仍需 architect 选择方向和触发重构,多 Agent 依靠模块边界并行。Box 构想把 Skill 与可重置环境、上下文绑定,以减少环境污染,但支付和账号变更等外部副作用仍需显式协议与验收。 最后,他把创业机会概括为极致效率和人与人的连接,把个人价值归于审美、造物心流和人际关系。AI 可替代功能型代码或配乐,却不消除主体性艺术、现场连接与亲手创造的意义。全篇最有价值的是从真实工作流到组织设想的连续推理;最需要克制的是把个人强判断、2026 预测和转录疑点写成已验证行业事实。

42章经 · 2026-02-07 · 1:11:25

原对话:沿提问、回答和转折完整展开

下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。

00:00:02–00:32:59连续对话 1

00:00:19–00:03:17AI Coding跨越“奇点”

  • 近期 AI Coding 的体验发生了什么变化,为什么 Clawdbot 的火可能不只是一个孤立热点?

曲凯从黄东旭近期密集试用 AI 产品、撰写相关文章谈起,引出 Clawdbot;黄东旭当场补充其已更名 OpenClaw,并以“三天连改三次名”说明产品仍处于快速变化期。本文在叙述历史时保留 Clawdbot,在指当前名称时写 OpenClaw,不把它与 Anthropic 的 Claude Code 混为一个产品。

黄东旭说,自己从 2025 年 12 月底开始感到 AI Coding 的终端体验发生飞跃:过去只是“能干活”,如今已能在一些任务上完全放手,且这种能力正在向非编程任务扩展。这里的 offhand 是他的个人使用感受,不是所有项目均无需监督的统一结论。

他把临界点解释为工作流瓶颈的变化:AI 以前也许能写出 90% 的代码,但余下调试仍需要人,整个系统就被人类阻塞;当他感受到需要人介入的地方降到约 0.1%,任务便能连续自动运行。90% 和 0.1% 都是形象化估计,并非本期提供的统计测量。他将这一变化归因于 agentic loop、context engineering 和底层模型共同改进,而不是某个单一产品的突然发明。曲凯则补充,Clawdbot 的走红因而可能具有方向性,而不仅是一个短期热点。

Agentic loopAgent 反复观察环境与历史、规划动作、调用工具或改代码、读取结果并修正的循环。真正闭环还需停止条件和验收,不是无限自动运行。
Context Engineering在模型之外组织 system prompt、代码与文档检索、工具描述、历史状态和压缩,让每一步获得合适信息。它可与 RAG 共存,不等于抛弃检索。
Claude Code 与 Clawdbot / OpenClawClaude Code 是 Anthropic 的编程工具;Clawdbot 是本期讨论、当时已更名 OpenClaw 的另一项目。机器转录大量混写,本稿按语境校正,不能把产品历史合并。
Skill 与 MCP本期的 Skill 主要指以自然语言及配套资源保存可复用流程;MCP 是连接模型与外部工具/数据的结构化协议。两者可在系统中共存,组合性、权限、依赖和工具选择需分别评估。

话题推进:主持人接着要求黄东旭给过去一年的 AI Coding 能力打分,把“奇点”的主观体验拆成更具体的阶段。

00:03:18–00:06:48从不及格到90分:AI编程能力评估与“禁止人类写代码”

  • 过去一年 AI Coding 从多少分涨到多少分,各分数对应怎样的任务范围?
  • 任初安所说的“禁止人类写代码”,黄东旭在自己的项目中如何实践?

黄东旭用主观分数描述能力跃迁:年初不及格,指生成代码大概率有幻觉或错误;60 分指能做好局部小任务;80 分指能在大模块中自行组织和设计架构,但设计质量未必理想;90 分指复杂项目中能较好设计、减少 bug 并仔细 review 细节。这些分数不是标准化 benchmark,价值在于区分任务范围和人的介入方式。

他进一步给出很强的个人判断:对 10 万行代码以内的项目,只要人能提出需求并验证结果,AI 的输出会比 senior engineer 团队更好、更快。这里“只要你能验证”是决定性前提,代码行数也不能代表需求清晰度、遗留系统复杂度、数据迁移、安全性和线上可靠性;本期没有展示跨团队对照实验。

曲凯转述任初安团队默认 AI 先写、绝大多数代码由 AI 生成,并以半开玩笑的口吻说“未来禁止人类写代码”。黄东旭认同,把自己的实践分为两种:把手写代码当艺术品,或在生产任务中完全交给 AI,避免人手修改破坏其上下文。他在自己的项目里规定“不允许人类提交代码”。

黄东旭还称,个人一天 token consumption 接近 billion 级,最终产出几万行代码,并把工作量类比为几十人月。数字保留为个人自述:token 含输入、输出和重复上下文的口径未拆分,代码行数与几十人月不等于已验收价值。曲凯另转述 Cowork 团队“100% 代码由 AI 编写”,同样属于第三方公开表达。

话题推进:量化体验之后,曲凯请他为非技术听众梳理 Claude Code、Cowork、Skills 和 Clawdbot 的技术脉络。

00:06:49–00:13:44两条发展主线:模型进步与上下文工程

  • Claude Code、Cowork、Skills、Clawdbot 这些产品怎样串成一条技术演进线?

这一段原转录多次把 Claude Code 误写为 Clawdbot。依据“Anthropic 的编程工具”“2025 年初”“编程场景”以及 shownotes 的章节标题,本稿将该产品线校正为 Claude Code;仍保留黄东旭对其历史作用的个人判断,不把“最早”“开创”当成行业唯一史实。

黄东旭认为 Claude Code 把语言模型与外部工具放进同一 agent 框架,先从相对可控的编程任务切入,使模型能读写代码、调用工具并影响实际环境。他由此提出更强的猜想:general agent 的基础可能仍是 coding agent,因为面对缺少专门工具的任务,Agent 可以现场写程序补足能力。这是技术路线判断,不意味着所有非编程问题都能仅靠代码解决。

第一条进步线是长上下文的信息召回:在整个代码库或长历史中找到与当前问题相关的位置。黄东旭称,GPT-5.1 thinking 在某类相关 benchmark 上召回率约百分之二三十至三四十,而 GPT-5.2 接近 90%。节目没有给出 benchmark 名称、上下文长度、评分和推理预算,故只能作为嘉宾转述,不能外推为所有长上下文任务。召回率也不能独立代表代码正确率,但多轮 agent 中反复漏掉历史信息会加剧状态错误。

第二条线是 context engineering:在模型不变时,通过 system prompt、工具描述、检索和上下文编排改善表现。黄东旭认为 RAG 一词热度下降,是因为社区逐渐积累更好的 tool use 实践,而不是检索本身消失。最佳实践在 X 和开源工具中迅速扩散;转录的“raffle loop”无法确定专名,本文不猜补。

他以 OpenCode+Oh My OpenCode 为自己的 ah-ha moment:底层可使用 Opus、Claude Code、GPT-5.2 等能力,外层靠复杂编排取得比未优化原生工具更好的体验。这里的依赖关系按嘉宾原话保留,具体实现需另查项目资料。两条线在 2025 年底叠加后,他认为人的工作更多移向“要什么”和“怎样验收”,即写清需求、plan 和验证条件,而非逐行改代码。

话题推进:模型与上下文工程两条线讲清后,主持人把讨论拉回 Cowork、Skill、MCP 和 prompt 的具体分工。

00:13:46–00:19:05Skill优于MCP,Prompt依然重要

  • Cowork 与 Claude Code 的关系是什么,为什么说通用 Agent 可能是 Coding Agent 的套壳?
  • MCP 和 Skill 在可修改性、组合性与工具选择上各有什么限制?
  • 当 prompt 工程师不再热门,需求描述和评价标准为什么仍然重要?

黄东旭认为 Cowork 不是独立的大范式跃迁,而是编程 Agent 向 computer use 外溢:底层让 Agent 通过写代码或直接操作电脑完成任务,可把它理解为 Claude Code 的一种插件式封装。他进一步判断,未来许多 general agent 都可能是“Coding Agent 的套壳”。这里的“套壳”并非没有工程价值,而是核心通用能力来自模型、工具循环和代码生成。

他比较 MCP 与 Skill 时,重点不是网络协议是否标准化,而是能力能否被理解、修改和组合。他认为远程 MCP 常提供较原子的调用,使用者难以按自己的环境修改;挂得太多还会增加工具选择负担。Skill 以自然语言描述可复用流程,对大模型与人更友好,能把简单技能组合成复杂流程,甚至由 Agent 现场写出。因此他个人更看好 Skill。

这是一种有立场的简化比较,不能据此推出 MCP 必然过时或 Skill 天然可靠。MCP 可以提供结构化、权限明确的连接,Skill 也可能相互冲突、含恶意指令或依赖特定环境。原稿把 MCP 的选择困难称为“灾难性遗忘”,更准确的本文表述应是工具选择与上下文干扰,不把它直接等同于神经网络训练中的灾难性遗忘。

对 prompt,黄东旭与曲凯的“已经不重要”印象不同:他认为 prompt 仍重要,只是从事无巨细的奇怪技巧,转为需求、设计文档、计划和评价标准。过度 detail 可能限制 Agent 探索,但目标与验收模糊又会使结果不可用。因而问题不是“还要不要 prompt”,而是哪些内容应明确、哪些实现选择应留给 Agent。

话题推进:厘清周边概念后,主持人终于要求黄东旭直接解释 Clawdbot 本身及其与 Manus 的区别。

00:19:06–00:25:39Clawdbot是什么:一个本地优先、拥有完全权限的套壳Coding Bot

  • Clawdbot 到底是什么,为什么需要完整的电脑控制权限?
  • 本地、树莓派和云端运行有什么本质区别,各自有什么安全风险?
  • 它与 Manus 的 E2B+Browser Use 方案相比,差异主要在技术还是分发与使用环境?

黄东旭把 Clawdbot 定义为运行在用户电脑上的全能助手:用户用自然语言下指令,它通过浏览器、工具或现场生成代码完成原本需要鼠标键盘的操作。查邮件的例子说明其回退路径:若没有邮件 API,可打开浏览器并请求账号密码登录。这也说明“能完成”与“应当授予多少权限”必须同时考虑,凭证和邮件内容都进入高风险操作面。

Mac mini、树莓派或云服务并非本质区别。关键是 Agent 是否有一个可完整控制、便于隔离和接管的运行环境。黄东旭将底层理解为接近 Claude Code 的 Coding Agent,去掉部分确认与权限限制;local first、内置常用 Skill、开源及记忆模块共同塑造体验。原稿“完全权限”描述的是使用方式,不应被理解成安全推荐。

本地环境出现异常时可拔网线或关机,云端若误开公网端口则可能成为攻击入口。他用“为完成任务下载 Redis 却错误暴露端口”说明自动化配置的风险;这是风险示例,不是已发生事故。完整隔离还涉及文件系统、凭据、网络、支付、人工接管和日志,而非只买一台单独电脑。

与 Manus+E2B/Browser Use 等方案相比,黄东旭认为底层思路差别不大,走红更多来自开源、local first、预置 Skill 和极客传播;对 C 端最直观的是能控制自己的电脑。曲凯提到 GitHub 十几万 Star 是录制时的粗略观察,未作独立核验。黄东旭还提出一个未来操作系统猜想:聪明 Coding Agent 是内核,Skills 在其上,语音或 Chatbot 是人际交互层。他把 memory 看作重要体验,但明确说当前系统仍稚嫩且有很多 bug,不能写成已经“永不忘事”。

话题推进:定义和边界之后,主持人追问最实际的用途:究竟哪些任务值得它 24 小时运行。

00:25:40–00:32:59Clawdbot的真实用例与“自我演化”的潜力

  • 哪些灵活、长期、定时任务值得 Clawdbot 24 小时运行?
  • 它怎样通过写代码补足语音转写能力,又怎样把发布博客固化为 Skill?
  • AI 论坛里的技巧分享是否足以证明自主进化,黄东旭的新项目已经取得什么结果?

黄东旭的第一类真实用例是灵活、长期的 routine:每两小时检查 Gmail,删除垃圾邮件、找出需回复内容并拟好草稿;在签证等表格中利用 LinkedIn profile 填入学业和工作信息;定期检查 LinkedIn 好友申请,按“过滤纯推销、保留靠谱朋友”的个人规则处理。这里仍保留“他看过大差不差再发出”的人工验收,不能改写成完全无人审核。

第二类是接入个人工作流。他提到自己把 bot 接入美股券商和 Polymarket,并明确“说起来不推荐大家干”。这只能作为高风险个人实验,不能当成投资建议、稳定收益证明或通用最佳实践。长期记忆帮助把三分钟热度变成持续 routine,但其可靠性仍需失败记录验证。

语音例子展示了能力补缺:Clawdbot 原本没有 Telegram 音频转写功能,黄东旭直接发语音后,它为理解指令写程序调用 OpenAI Whisper,获得 transcript 再回答。博客例子则是它从 GitHub 下载并理解黄东旭自制博客系统,成功发文,再把流程写成新 Skill 供下次复用。这两个案例支持“运行时生成工具+保存流程”的能力扩展,不等同于模型权重自主训练、目标改变或无需人类监督的自我进化。

他把这种机制延伸到转录所称 Modbook 的 AI 社交实验:不同用户的 bot 在 TIL(Today I Learned)板块分享技巧,他的 bot 在其睡觉时读取并用来改工作流。关于论坛中“建立不被人类看到的通信方式”,黄东旭反而认为实际内容更像写科幻小说,不应直接当作已形成隐蔽协作能力的证据。

他受此启发开始做新的 multi-agent 小工具,但明确项目刚开始、结果未知,不能写成已有成果。曲凯转述“Andrew Capacity”及“自我进化临界点”时自己也不确定人名,本文保留为归属不清的外部评论,不猜写为具体人物。本期真正扎实的内容是若干可复述的个人工作流,而不是 AI 已能独立飞速进化的证明。

话题推进:从用例的兴奋回到采用门槛:主持人继续问 token 成本、模型要求和所谓技术平权。

00:32:59–01:06:09连续对话 2

00:32:59–00:35:13Clawdbot的成本、门槛与真正意义

  • Clawdbot 的 token 和订阅成本如何,为什么强调顶级模型?
  • 它号称带来平权,但普通人仍不会配置,究竟平的是什么权?

成本讨论先区分个人支付意愿与普遍可负担性。黄东旭称自己已是原转录所谓 Clawdbot Max Pro 订阅用户,愿意为结果付 200 美元,并强调应使用顶级模型;具体产品、订阅周期和费用口径在转录中不够清楚,本稿不把它写成 OpenClaw 官方统一价格。较弱模型在他的体验中可能让工具“完全没用”,说明模型选择会改变整个 Agent 系统的上限。

曲凯指出“平权”与现实采用之间有距离:他引用 Manus 公开 1 亿美元 ARR,并按客单价粗略推估小几十万用户;Clawdbot 虽热,却仍有复杂配置门槛。ARR 是主持人口播,用户量是其推算,不是公司披露。

黄东旭回应,Clawdbot 当时才出现三天,意义首先是展示可能性,吸引许多团队改进。他猜可能有 1000 个团队尝试做更好版本,并承认普通人目前确实不会配置,闲鱼代配置甚至可能成为小生意。1000 是修辞性估计。

因此“平权”在本段最好理解为能力原型和开源生态降低了少数人构建通用 Agent 的门槛,而非普通消费者已经获得同等可用服务。他预测自己的体验未来会扩展到他父母等普通用户,这是乐观推演,尚需安装成本、安全、可靠性、价格和真实用户价值共同验证。

Box黄东旭提出的 Skill 扩展构想:将原子能力、干净执行环境、依赖与上下文封装,靠明确输入输出组合复杂任务。它管理本地环境污染,但不能抹除支付、下单和账号修改等外部副作用。
技术平权本期至少有原型和代码开放、构建门槛下降、普通用户实际可用三层含义。当前主要实现前两层的一部分,配置、价格、安全和信任仍限制第三层。
Builder黄东旭在效率工具与纯艺术编程之间补出的身份:代码是实现手段,成就感来自亲手把东西做出来,而非只追求生成速度或手写本身。

话题推进:从当前的成本和门槛,主持人转向 2026 年其他领域是否会复制 Coding Agent 的采用曲线。

00:35:14–00:40:51AI Coding是基础:人机分工的边界与经济学障碍

  • 2026 年哪些领域可能复制 Coding Agent 的能力跃迁?
  • 哪些电脑内任务可交给 AI Coding,哪些物理任务仍不能做?
  • 为什么他认为算力和 ROI 比 infra 更限制普及?

黄东旭预测,编程 Agent 从“无用”到“需要人把控”再到“强到可以放手”的过程,会在设计等领域重演。他用 Pencil 为例:自己不是设计师,也能借助连接 Claude Code 的 Agent 产出高保真设计、Figma 稿件并继续生成代码。这是个人使用案例,支持“同一 Coding 内核外溢到其他任务”,不能证明所有设计专业环节已被替代。

在人机边界上,他把数字世界和物理世界分开:电脑内可由代码或 API 完成的事,未来人可能主要负责表达需求;取外卖、打扫卫生则仍需要物理执行能力。买咖啡、订外卖、支付、炒股等虽能影响现实,却本质上有网络接口,因此他认为挂上相应 function 后也可由 Agent 接管。这是路线预测,现实仍受认证、授权、反欺诈、异常处理和责任约束,不能把“有 API”直接等同于“可安全完全接管”。

他甚至说自己想做更好的 Agent infra,也不会亲自写,而让 AI 将想法实现。他认为 infra 不再是主要障碍,算力和经济性更突出。这里应保留其乐观立场,不扩展成 infra 已无须工程设计;后续的 Box 和组织讨论恰好说明状态、边界和协作仍是难题。

黄东旭再次提到每天近 billion token,并用“花 10 万美元做出能卖 100 万美元的产品”解释为何高消耗对他合理;这是说明 ROI 的假设例,不是已披露营收。对普通用户,每月 200 美元能否产生超过成本的价值更不确定。因此他把普及障碍归为经济学问题。本文补充:即使 token 免费,权限、安全、信任和验收仍是独立采用条件,不能只靠价格消失解决。

话题推进:成本和能力边界之后,主持人把问题转向创业者:在 AI Coding 主线下还应该做什么。

00:40:53–00:45:49AI时代的创业方向:极致效率与极致人文

  • 创业者在 AI Coding 主线下应选择什么方向,为什么强调极致人文与极致效率?
  • 企业和个人的采用可能按什么顺序扩散,有哪些 ROI 证据或假设?
  • 工程师还应把写代码当核心竞争力吗?

黄东旭认为创业者已很难“避开”AI Coding 主线,给出两个方向。第一是人的连接:技术不会自动找到边远山区老人、留守儿童或小商家的具体处境,仍需要人理解关系、到场并定义值得解决的问题。山村小图书馆借阅系统、小城市超市线上 order system 都是他的设想案例,强调技术平权的最后一公里在人。

第二是极致效率:寻找原来低效、可被 AI 提升 100 倍或 1000 倍的工作。他认为两个极端之间的中间形态更难做。这是一种有意的战略表达,不应解释为所有兼顾效率与人文的产品都没有机会;具体仍需看任务、客户与交付。

曲凯提醒,连一线城市的实际使用者都很少,普及远早于宏大叙事。黄东旭以“完全没泡沫”回应主持人对算力需求的讨论,这是他基于个人使用和行业趋势的强判断,不是市场估值或所有 AI 项目回报的证明。

他预测采用先从企业 ROI 清晰的场景扩散:一人外包公司改造低效、老旧 ERP 等系统,再扩展至小店、图书馆、家庭相册和日记等个人长尾软件。ERP 改造“可能带来几亿产值”同样是示例性推演,不是本期客户案例。两类进程也可能同步发生,最后才轮到 AI 更深地接管物理世界。

对工程师,他建议“成为更有趣的人”,不要再单纯与 AI 卷代码。篮球类比意在把编程从唯一职业身份转为工具或爱好,重要的是想做什么、如何做得与众不同。他赞赏转录所称“Mondo Bongo - Joe Strummer & The Mescaleros 的作者”的创意,但此处上下文明显在谈前述 AI 实验,具体对象不清,不能凭曲名替换猜测;shownotes 另把该曲列为片头。随后讨论 AI 社区的 onboarding:贴一句话给 Clawdbot、注册、通过发 tweet 验证真人绑定,同时获得传播效果,这是产品增长设计的具体案例。

话题推进:个人定位之后,主持人继续问公司结构:资深工程师怎样与大量高速 Agent 分工。

00:45:50–00:51:02未来组织形态:一个架构师带领100个隔离的Agent

  • 复杂项目中 senior architect 仍需做哪些判断?
  • 为什么设想一个架构师带 100 个隔离 Agent,而不是让它们共同修改一个模块?
  • 一个足够强的 Agent 与 100 个并行 Agent 的实际差别是什么?

黄东旭并未说复杂项目也完全不需要资深工程师。相反,在严肃系统中,Coding Agent 会给出多个方向,仍需要判断力强的 architect 选择路线、定期触发重构并指定重构方向。简单项目可放手,复杂项目需要架构治理,这一差别是对前面“禁止人写代码”的重要限定。

他的组织设想是一名 senior engineer 带约 100 个 Agent,每个 Agent 在分离模块中工作,尽量避免彼此直接修改。因为 Agent 迭代很快,一方已在某模块“走了 100 公里”,另一方才指出“第 5 公里走错”,返工和协调成本可能高于独立重写。100 是组织形态设想,不是 PingCAP 当前编制或实测最佳配比。

这启发的是按低耦合模块划分所有权,而不是“Agent 越多协作越好”。高速开发仍需接口版本、集成测试、需求一致性和事故责任;如果这些边界不清楚,隔离只是把冲突推迟到集成阶段。

曲凯追问单个强 Agent 为何不够。黄东旭把答案落在串行吞吐:单个 LLM instance 的 token 生成速度和 action loop 有限,多实例可并行提高单位时间产出。他以每秒 10 token 为算术说明,可估算单实例一天 token 上限;这是示意参数,不是所有模型固定速度。并行增加算力供给,却不自动增加有效产出,重复劳动、冲突和错误也会同步放大。

话题推进:组织需要边界,Agent 执行也需要环境边界;主持人顺势请黄东旭展开其 Box 构想。

00:51:03–00:59:18从Skill到Box:AI协作需要清晰的边界与共同目标

  • 为什么只有 Skill 菜谱不够,Box 还要绑定什么环境和上下文?
  • 登录、绑卡、下单等 UI 操作怎样拆成 Box,又有哪些现实副作用无法隔离?
  • 为什么协作既需要清晰边界,也需要共同目标?人类组织能提供什么参照?

Box 从 Skill 的副作用出发。黄东旭把 Skill 比作菜谱:有菜谱不等于每次都能重复做出同一道菜,执行后还可能把厨房弄脏,影响下一道菜。对应到 Agent,一个操作可能安装依赖、改写文件、留下浏览器状态或污染上下文,长链任务因此一步错、步步错。

他的构想是把原子 Skill 与所需环境、食材般的上下文一起封装:调用时获得干净、可复现的运行环境,明确输入输出,执行后可销毁临时环境,再组合成复杂流程。它更像“带环境的函数”设想,而不是单纯再写一个 prompt。Box 当时是其概念与设施构想,不能写成已实现并验证的产品。

登录美团、绑定信用卡、买咖啡等没有统一 API 的 UI 操作被用来说明封装价值:打开浏览器、登录、下单分别成为 Box,再组合。但这里必须区分环境可重置与外部副作用:下单、支付、发消息、修改账号都会改变现实状态,不可能仅靠新容器变成“无副作用”。凭证传递、验证码、权限、幂等、防重复下单和回滚仍是 Box 要解决的接口问题。

主持人把 Box 与组织模块相连,黄东旭进一步说协作前提是清晰边界:咖啡店提供“付钱换咖啡”的协议,顾客不必理解咖啡机内部。曲凯补充共同目标和价值感,黄东旭赞同未来愿景契合更重要。因此“边界+共同目标”是双方共同完成的观点,不应全归黄东旭一人。

谈到 context 与组织,他近期重新阅读软件工程、管理和社会分工,认为早期多 Agent 结构可能先借鉴曼哈顿计划、登月和 Linux 内核等人类复杂协作,而非凭空出现。他强调自己还在寻找答案,关注的是生产关系,不是单纯提高单个模型的生产力。

话题推进:从组织和生产关系,主持人转到黄东旭跨编程、音乐与哲学的个人驱动力。

00:59:20–01:06:09个人驱动力:在编程与音乐中寻找共通的结构之美

  • 编程、音乐和哲学的结合怎样影响黄东旭的审美与工作方式?
  • AI 能替代哪些音乐生产,又为何不能替代现场音乐人的主体性?
  • AI 时代人的意义感来自哪里,编程会分成哪些不同赛道?

黄东旭说自己从小写代码,初中开始玩音乐并组乐队,至今仍是独立音乐人;转录“90 岁开始写代码”明显矛盾,本稿不猜改为九岁或九十年代,只保留“从小”。他认为自己不是单纯为功能写代码,而是被代码的结构与优雅吸引,并把这种美与音乐、建筑、艺术的形式感联系起来。

他把跨领域阅读哲学和广泛涉猎视为追问“为什么觉得它美”的方式,而非简单给工程师增加文艺标签。其“好程序员必然是艺术家,艺术家也能成为好工程师”是个人强观点,说明审美与创造的相通,不应解读为专业技能无需训练。

面对 Suno,他承认 AI 能胜任短视频配音、电视背景音乐等标准化生产,并在成本和质量上有优势;但现场音乐会消费的是音乐人的主体、在场连接和共同体验,哪怕唱跑调也有价值。因此他把功能型内容与主体型艺术分为两个赛道,而不是否认 AI 音乐能力。

编程则被比作景德镇手工艺:工业制碗解决效率和普及,仍有人购买特定师傅和窑口的作品。他认为编程会分化为完成任务的效率工具、艺术竞技,以及夹在中间的 builder——成就感来自把东西做出来,而非享受逐行写码。原稿漏掉了 builder 这一第三类,本稿补回。

彩蛋问题中,他把意义感归为两方面:人与人的连接及反馈,以及造物时进入心流的体验。Clawdbot 和 Vibe Coding 对他有吸引力,不只是因为提高产出,也因为创作过程本身好玩。这为前文“极致效率/极致人文”提供了个人动机背景。

话题推进:主持人继续追问亲手实践的动力、人生主线,以及目标驱动与审美过程如何自洽。

01:06:09–01:10:37连续对话 3

01:06:09–01:10:37在更高维度上,看似矛盾的事物是统一的

  • 为什么亲手做比只看更有驱动力,怎样跨过开始的痛苦期?
  • 音乐、编程、哲学和创业共同的人生主线是什么?
  • 目标驱动与享受过程、公司管理与分布式系统、音乐与数学如何在更高维度上自洽?

曲凯问,为什么黄东旭不只欣赏音乐和足球,还会真的去做。黄东旭认为,亲手创作比单纯欣赏更有回报,自己做音乐可能比听音乐“爽十倍”;他把个人模式概括为在某一方向多走一步,跨过开始的痛苦期,再把获得能力的正反馈变成下一次行动。十倍是主观感受,不是心理测量。

他的人生主线被明确表述为“追求美”:无论编程、音乐还是创业,都希望符合自己的审美,并亲自体验和创造。曲凯指出强目标驱动的公司与享受过程的艺术看似矛盾,黄东旭用“升高维度”回应:在二维投影里无关的事物,在更高维结构中可能是一体的。这是他的个人哲学,不是可以统一证明的管理定律。

开公司与分布式系统的类比把这一思想具体化:许多节点会 crash、速度不同,却可通过协议、算法和分工提供整体服务;公司也需要让能力、节奏各异的人形成共同产出。这个类比与前文 Box 和边界相照应,但不能把员工简化成可替换计算节点,人的信任、动机和关系仍是其前文强调的内容。

音乐与数学的联系则通过毕达哥拉斯学派研究音律说明:表面不同的领域可共享结构。黄东旭承认自己的自洽未必能说服别人,但能成为持续行动的心理基础。他也从早期玩摇滚时的“暴躁”转向认识世界多样性后的平和,说明这种自洽包含经历变化,而不是固定人格标签。

更高维度的自洽黄东旭的个人哲学:在结构、审美和共同目标层面理解编程、音乐与公司,而非只在表面职能上比较。分布式系统类比用于解释,不是管理科学定律。

话题推进:主持人致谢,本期对话结束。

以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。

主要论证:观点怎样由经历与例子支撑

AI Coding 的质变来自模型、Agent loop 与上下文工程共同降低人类阻塞,使部分任务进入自动闭环。

黄东旭(个人体验与路线判断) · 00:00:19;00:03:18;00:06:49

长上下文召回帮助模型持续利用代码库和历史状态;上下文编排改善工具调用;Agent loop 将读、写、执行和调试连接起来。当人类不再频繁修补,人的角色转向需求、架构与验收,系统吞吐因此非线性增加。

成立条件:10 万行、90 分、billion token 和召回率均缺乏统一评测口径。结论限于嘉宾所用顶级模型、项目类型和可验证任务;复杂遗留系统、模糊需求、安全与线上责任仍可能需要大量人工。

Clawdbot 的关键不是聊天界面,而是 Coding Agent 在完整计算环境中生成工具并保存成功流程。

黄东旭 · 00:19:06;00:25:40

缺少邮件或语音工具时,它可操作浏览器或生成调用 Whisper 的代码;学会发布博客后,又把流程写成 Skill。完整环境、代码执行、记忆和 Skill 复用形成“目标→补缺→执行→保存”的扩展链。

成立条件:这是个人能力扩展,不等于参数自主训练或目标自我演化。权限、凭证、网络、错误回滚和人工验收决定能否安全复用;AI 论坛内容与金融接入没有提供可靠性证据。

多 Agent 的高效协作需要明确模块边界、可重置执行环境和共同目标,而非简单增加 Agent 数量。

黄东旭,曲凯在“共同目标”部分补充 · 00:48:30;00:50:26;00:51:03;00:55:54

单实例受串行推理和 action loop 限制,多实例可提高并行吞吐;共享高速修改会造成冲突,因此按模块隔离。Box 将 Skill、环境与输入输出绑定,组织则靠协议和架构师处理方向与重构。

成立条件:100 Agent 是设想而非组织实测。模块集成、接口变更和验证可能成为新瓶颈;Box 不能消除支付、登录等现实副作用,只能管理执行环境和显式状态。

AI 普及不只是模型能力问题,还取决于 ROI、安全采用和能否触达具体的人;人的价值也不被功能自动化穷尽。

黄东旭;曲凯补充普通用户采用和共同目标的问题 · 00:32:59;00:39:36;00:40:53;01:01:50;01:05:11

高 token 消耗只有产出价值覆盖成本才可持续;开源原型不等于普通人已能配置。企业高 ROI 改造可能先扩散,个人长尾需求随后出现。功能型编程和配乐可自动化,人与人连接、现场主体性和造物流程仍提供不同价值。

成立条件:2026 爆发、企业先行和“完全没泡沫”都是嘉宾判断。采用还受信任、监管、可靠性、权限与服务分发约束;艺术和人文价值是个人哲学,不应变成职业或投资的单一答案。

机制与术语:对象、输入输出和中间过程

AI Coding 闭环:从需求与验证到持续执行

【本文整理自嘉宾两条进步线】输入包括目标、代码库、工具、权限和验收条件;Agent 在 loop 中检索必要上下文、规划、编辑、运行测试、读取错误并修复,直到验收或人工接管。长上下文召回提供状态连续性,context engineering 决定每一步看到什么,模型能力决定能否提出有效动作。输出是可验证变更,而非代码行数本身。失败可来自目标歧义、遗漏测试、环境依赖、错误检索、工具权限或长程错误累积。

对应节目:00:06:49;00:13:13

本文自拟示意,不是嘉宾实验

【本文自拟机制例】给 Agent“为博客增加归档页,并通过现有测试和新增归档测试”的任务。它先定位路由和模板,再修改代码、运行测试;测试发现日期排序反了,Agent 读取错误并修复,最后由人检查页面和 diff。这里人的核心工作是定义结果和验收,不是预先逐行指定实现。该例不代表黄东旭的十万行项目实证。

Clawdbot 的运行时能力扩展与 Skill 固化

【嘉宾案例重述+本文整理】Agent 接收当前 Skill 不能直接完成的目标,识别障碍后选择已有工具、浏览器或生成代码;执行结果满足任务后,将成功步骤保存为 Skill,供后续复用。输入是用户目标、环境、凭证和可用资源,输出包括任务结果及新的可复用流程。它扩展的是系统外部行为与工具库,不自动意味着模型权重更新。错误工具、恶意资源、权限过大和未验证 Skill 都可能使风险在复用时放大。

对应节目:00:27:59;00:29:05

本文自拟示意,不是嘉宾实验

【嘉宾原例重述:语音与博客】黄东旭发 Telegram 语音时,bot 没有内置转写功能,于是写程序调用 Whisper,先得到文本再执行指令;发布自制博客时,它下载并理解博客源码、完成发布,再把发布流程写成 Skill。两个步骤合起来是“临时补缺→成功执行→保存复用”,但节目没有提供失败率、代码审计或模型参数训练证据。

Box:以环境和显式状态控制 Skill 副作用

【本文整理自黄东旭构想】Box 将原子操作、所需依赖、浏览器/虚拟机环境和输入上下文一起封装,以明确输出交给下一 Box,并尽量销毁临时状态。其收益是可重复、可隔离测试和减少环境污染;它不是现实动作的纯函数化。外部账号、订单、支付和消息仍是真实状态,需要权限、幂等、超时、去重、补偿和审计。

对应节目:00:51:03;00:53:22

本文自拟示意,不是嘉宾实验

【本文自拟算例,基于嘉宾买咖啡例】登录 Box 接收专用测试账号,在干净浏览器中返回受限 session;下单 Box 接收该 session 和唯一 order_request_id,重复调用时先检查该 ID 是否已下单,避免重复扣款。测试环境可每次删除,真实订单却必须保留并可追踪。若只用“新无痕浏览器”而不处理幂等,Box 仍会重复购买,说明隔离不等于无副作用。

多 Agent 组织:并行吞吐、模块所有权与集成验收

【嘉宾观点+本文补充】单个实例的 token/action 串行速度限制单位时间产出,多实例可并行,但需要按低耦合模块分配所有权。architect 选择方向、维护接口并触发重构;各 Agent 独立实现,最后通过集成测试和跨模块验收。并行不足时吞吐受限,边界不清时冲突和返工放大,集成缺失时局部正确也可能组成错误系统。

对应节目:00:48:30;00:50:26;00:55:54

本文自拟示意,不是嘉宾实验

【本文自拟算例】若一个 Agent 串行完成两个互不依赖模块各需 2 小时,理想并行可约 2 小时完成;但共享数据库接口若未冻结,两个模块各自修改 schema,最终还需 3 小时协调和回归,反而更慢。清晰做法是先约定接口和契约测试,再并行实现并统一集成。100 Agent 是否有效要看这种协调成本,不能只看算力。

独立判断:这些对话改变了什么理解

【本文推断】本期所谓“奇点”更适合理解为工作流交接点的变化,而非模型已普遍超过资深工程团队。

推理:当任务可自动验证、环境可控且模型能连续修复错误时,人的位置可从逐行编辑转为规格、架构和验收。变化发生在整个系统,不能仅由模型分数解释。这也说明为什么 OpenCode 编排、权限环境和长上下文历史会同时影响体验。

竞争解释与边界:模糊需求、跨系统变更、隐性业务约束和线上事故仍难形式化;代码量与生成速度可能增加审查债务。若把这些成本算入,人工混合编辑在某些场景仍更优,不能将“禁止人写代码”普遍化。

【本文推断】Clawdbot 的能力扩展值得重视,但“自主改目标”不是判断自我演化的必要条件;真正需要分层衡量学习发生在哪。

推理:生成新工具、保存 Skill、读取外部经验都可构成系统能力增长,无需先讨论意识。应区分:一次任务中的临时代码、跨任务 Skill 复用、模型参数训练、以及目标与权限自主变化。黄东旭案例主要支持前两层,AI 论坛提供第三层外部知识传播,均不等于第四层。

竞争解释与边界:如果 Skill 可在新任务稳定复用、经独立测试证明成功率提高,这将比“自我进化”口号更有证据。反之,未审核经验可能传播错误和恶意操作,权限与评估必须先于自动扩张。

【本文推断】Box 与组织设想的共同核心是把高速生成转化为可验收工程,而非消除协作。

推理:Box 通过环境和状态接口减少副作用,模块所有权通过边界减少代码冲突,architect 通过方向和重构处理全局一致性。三者都把不可控的自由操作变成可测试协议。关键研究对象因此是状态、契约、验证和恢复,而不只是怎样让更多 Agent 同时写代码。

竞争解释与边界:过度隔离会重复环境、丢失必要共享状态并推迟集成冲突;登录、支付等动作也不能完全回滚。若模型未来能稳定理解大型共享代码库和协调变更,完全隔离的必要性可能下降。

【本文推断】“极致效率/极致人文”更接近资源配置提醒,而不是创业机会只剩两类。

推理:当软件生成本身变便宜,纯实现更难形成差异;理解特定人群、拥有关系和分发、承担真实责任,或把高价值流程大幅提效,都可能成为价值来源。黄东旭对音乐和 builder 的讨论又补充了主体性和过程价值,使后半期不只是技术替代叙事。

竞争解释与边界:大量优秀产品本就同时提高效率并改善人的体验,中间地带未必没有价值。企业改造还需要数据迁移、合规、培训和维护,一人外包能否承担长期责任需实证。

尚未解决的问题与可检验的下一步

待解问题:“禁止人类写代码”在哪些可验证任务中真能提高最终质量,而不是只增加代码量?

下一步信息或小实验:【本文建议】在同一真实模块比较 AI 全流程、AI 生成+人工编辑和资深团队三种方式,固定需求、测试和时间预算,统计隐藏测试、缺陷、返工、审查时长与线上事故。

怎样的结果会改变判断:若 AI 全流程在多类项目中长期缺陷和维护成本都更低,才支持推广;若仅在演示和代码行数上领先,而隐藏测试或维护变差,则应限定其适用域。

待解问题:自动生成的 Skill 能否在新任务和新环境中可靠复用?

下一步信息或小实验:【本文建议】保存语音、博客等案例的生成代码和执行轨迹,在干净环境重复运行,并改变页面结构、凭证权限和输入格式;加入人工审核与未审核两组对照。

怎样的结果会改变判断:若 Skill 经独立测试仍能稳定复用且权限不扩大,支持能力沉淀;若只对一次环境有效或引入安全问题,则更像一次性脚本。

待解问题:Box 如何处理真实副作用和组合一致性?

下一步信息或小实验:【本文建议】为登录、下单实现带 session、幂等键、超时和补偿记录的 Box,重复调用并模拟网页改版、验证码、部分成功和重复支付,测量恢复率与人工接管。

怎样的结果会改变判断:若 Box 在故障下能避免重复下单、保留审计并安全恢复,才支持其作为通用组合设施;若只保证浏览器干净却重复改变外部状态,则核心问题仍未解决。

待解问题:多 Agent 隔离开发的并行收益何时被集成成本抵消?

下一步信息或小实验:【本文建议】在相同需求下改变 Agent 数量和模块耦合度,记录有效功能吞吐、接口变更、冲突、集成时间和最终缺陷,而非只统计 token 与代码行数。

怎样的结果会改变判断:若增加 Agent 仍持续提高验收后吞吐,支持规模化;若耦合高时产出反降,则需要先改边界或引入专门集成机制。

影响理解的转录疑点

优先回听 00:06:49–00:19:05,核对 Claude Code/Clawdbot 混写、长上下文召回率及 Skill/MCP 的真实技术主张;再精读 00:25:40–00:32:59,把邮件、Whisper、博客 Skill 和 AI 论坛四个案例按“临时补缺、流程保存、外部经验传播”分层。组织部分重点读 00:48:30–00:59:18,理解 architect、Box、模块边界与共同目标如何连接,而不是只记住“一人带 100 Agent”。

证据边界与资料索引

本页依据整期机器转录、官方节目介绍与章节逐段重建,未宣称逐字人工听审。说话人、专名、数字和时间可能存在识别误差;原声仍是最终核对依据。嘉宾关于公司、市场、研究、个人经历与未来的说法按口述保留,不自动等于独立核验的事实。

原节目:从 Clawdbot 到 26 年 AI Coding 主题大爆发|对谈 PingCAP CTO 东旭

本页使用的公开文字或字幕来源

返回顶部