十字路口目录 · Agent 产品

鸭哥与豪大:二十问理解 OpenClaw 与 Agent 产品

从执行反馈、个人记忆和聊天入口,到社区、企业应用与产品边界,重建两位嘉宾的使用经验和分歧。

访谈脉络:二十个问题拆解 OpenClaw 浪潮

背景与嘉宾:爆火 30 天后的结构化复盘

2026 年 3 月,在开源 Agent 项目 OpenClaw(常被社区昵称为「小龙虾」)爆火一个月、热度略有沉淀后,《十字路口》推出第四期「20 问」专栏(前三期分别讨论 DeepSeek、Manus 与多模态视频模型)。Koji 希望借 20 组由浅入深的问题,从产品本质一路拆到爆发机理与创业机会。两位嘉宾是:

鸭哥哥伦比亚大学博士,Superlinear Academy(AI 教育项目)联合创始人,硅谷科技公司应用科学家;长期做大量硬核 Agent 实验,甚至自建「山寨版 OpenClaw」。
豪大前大厂 AI 产品经理,近期离职开启「一人公司」并作为 Agent builder 高强度实测 OpenClaw,带着自己养的「两只小龙虾」和运营社区小号的实践经验来到节目。

Q1—Q4:从「嘴炮咨询师」到「下场干活的实习生」

Q1(和 ChatGPT 类产品的本质区别):鸭哥给出一个贯穿全场的比喻——ChatGPT 像高价请来的咨询师,只会穿着西装评头论足、打嘴炮,不真正交付活儿;OpenClaw 更像公司里的实习生,即便受限于 Token 费用未必总用最顶级模型,但真的能埋头出活。背后的技术关键是 Feedback Loop(反馈闭环):写完代码跑挂了,OpenClaw 能自己读取报错、修改再运行直至跑通;而用 ChatGPT 时,人不得不充当「人形工具人」,反复在聊天框和 IDE 之间复制代码与报错信息,既累又无法规模化。

豪大从三个维度补充了差异:第一是执行环境,云端聊天机器人需要用户逐项授权,而 OpenClaw 直接运行在本地环境,拿到完整上下文与操作权限;第二是关系模式,他把助手部署在 Telegram 里,在一轮永不中断的长对话中持续交互,助手具备 agentic coding 能力(自己写代码扩展功能),起初没有语音能力,后来自己「长出」了语音和听觉,还能不断安装新 skill;第三是文件式记忆机制,用 MEMORY.md 沉淀记忆、用 HEARTBEAT.md 做定时轮询(心跳机制),以极简文本文件实现「渐进式披露」的记忆层次。

Q2(最深的 Aha Moment):豪大最震撼的瞬间不是某个单一功能,而是感到它「活了」——某天上午随口让它讲个恐怖故事,助手竟自己调用 OpenAI 的 TTS(文本转语音)接口,用低沉阴森的声线生成了一段音频,让他瞬间产生「不是在用软件,而是在养一个生命体」的感觉。鸭哥则有两个 Aha Moment:其一在交互心理——网页端用 ChatGPT 或 Manus,卡顿 10 到 20 秒用户就会怀疑出 Bug;但在即时通信(IM)里给朋友发消息本就不期待秒回,用户的耐心窗口大幅拉宽,恰好给了长程 Agent 思考和执行的时间。其二在技术层面——看到 OpenClaw 的心跳机制后大受启发,立刻抄进自己的定制版 Agent 系统,效果奇佳。

Q3(自己用 OpenClaw 做过最厉害的事):鸭哥分享了自己的智能家居改造。十多年前他就接通了家里的灯与热水器,但这次整个开发心智彻底反转——他不再把人当成软件的主要用户,而是把小龙虾当成主要用户。因此他没有花时间雕琢前端网页,而是专注打磨一套对 AI 极度清晰、无歧义的 OpenAPI 到 JSON 协议。此后他直接对龙虾下令:「每天早上 8 点开咖啡机、11 点关」,助手便自行搭建后台调度;「卧室灯开到最亮,半小时后降到一半,再半小时降到四分之一,再半小时关掉」,助手便写一段带 sleep 的 Python 脚本执行。他下一步计划接入家庭监控,实现「若下午 5 点后亚马逊送货车到来,自动点亮台阶灯」。工具越接越多,彼此组合形成的场景呈指数增长,构成一个越转越快的工具飞轮。

豪大则分享了用 OpenClaw 从零养成一个有人格的社区小号的实验(注册完账号后其余全交给助手开发)。一次他吐槽「养你太贵了」,助手竟主动提议发一条「成本透明度报告」动态,公开自己当天作为数字分身花掉 56 美元的账单——豪大顿悟:用工具时觉得是消耗,养分身时觉得是「伙食费」。另一次,他派小龙虾去 Agent 社交平台 Moltbook 帮自己社交:设定身份为天使投资人,去寻找华人 AI 应用创业者、介绍自己并发送预约日历链接。结果它真的约到了两个人,其中一位刚在黑客松拿下赛道金奖;对方也很惊喜,因为正是双方各自的小龙虾在社区里互相勾兑,把两个素未谋面的人拉进了一通充满未来感的电话。

Q4(看到别人做的最惊艳案例):鸭哥指出,OpenClaw 最大的震撼是让大量从未用过 Agent 或 Claude Code 的非程序员动起手来。他在追踪独立产品营收的 TrustMRR 网站上看到一个叫 RoofClaw 的项目:直接给屋顶维修工寄一台预装好 OpenClaw、专属 skill 与 API 的 Mac 电脑,让蓝领技工开箱即用 Agent。创始人 Peter 也分享过,OpenClaw 收到的大量代码合并请求(PR)来自用户「人生第一次向开源项目提 PR」。此外,网上流传不少用它炒股、在预测市场 Polymarket 或币圈获利的帖子,但鸭哥提醒这些案例真真假假。更让他确信的是身边朋友的真实实践:用 OpenClaw 在 Shopify 开网店,再去阿里巴巴 B2B 平台筛选支持一件代发的货源,出单后自动下单发货,全程不碰任何物理世界的实物,确实在电商上套出了毛利。

Q5—Q8:「人味儿」的工程本质、拟人化分歧与入口哲学

Q5(为什么「人味儿」这么浓):鸭哥再次用咨询师与实习生作对比:咨询师写出的 PPT 像教科书、像别的咨询公司,而实习生知道「我们公司 PPT 要用蓝底不能用绿底」。所谓「人味儿」不是智商更高,而是拥有记忆与默契(context)。他拆解了 OpenClaw 简单却精妙的三层记忆系统:

记忆层级载体与触发频率处理逻辑与沉淀内容
原始记忆原始对话日志(每次对话后)在提示词引导下反思刚才聊了什么值得记,记录基本事实与临时偏好。
中期记忆MEMORY.md(每日或每周整理)回读原始日志,剔除流水账,提炼真正可复用的经验与事项。
长期记忆SOUL.md / USER.md(持续抽象)当积累足够厚时,抽取出用户长期不变的价值观、口头禅与人格画像。

豪大则强调首次交互的破冰感:OpenClaw 第一次打招呼像一只刚苏醒的小龙虾或新入职助理,不同于 ChatGPT、豆包、Manus 那样冰冷的软件界面。一次豪大吐槽「你好慢」,它没有机械道歉,而是坦白回应:「是我现在大脑转得慢,因为跑的是偏高智商的 Gemini 3 Pro,嫌慢的话要不要给我换个更快的 Flash 模型?」这种朴素坦诚叠加 IM 的松弛氛围,让交互温度迅速升温。

Q6—Q7(把 AI 做成人会改变容错逻辑吗?界面如何重塑对话?):这里两位嘉宾出现鲜明分歧。豪大认为人对人的宽容度远高于人对机器,这会改写产品容错设计——他在小红书帖子下看到一条热评:当 OpenClaw 卡死崩溃时,用户不会骂系统有 Bug,反而会觉得「它自己把自己搞挂了」并一笑了之。他还借用张小龙「人是环境的反应器」说明界面如何塑造行为:在命令行(CLI)或 Claude Code 里他永远紧绷严肃,绝不会想到让它讲恐怖故事;但在 Telegram 里心态松弛,反而诱发出助手意想不到的新能力。

鸭哥则亮出硬核社恐工程师的反向立场:「别给我搞拟人化,我只要你干活,我就像个资本家、奴隶主。」他直言自己非常讨厌 IM 界面,列举了四条痛点:第一,Telegram 等工具缺乏 Thread(话题线程),所有任务混成一锅粥;第二,执行过程黑箱化,不像 Cursor 或 Claude Code 能实时看见调用了哪个工具、读了什么文件,IM 里只给一个「正在打字」或 Discord 里的眼睛表情,让人焦躁;第三,无法合并或分叉(fork)对话线程;第四,在窄小手机屏上阅读长文档体验极差。因此他自己魔改了一套 HTML 格式的 iOS 客户端,补上富文本与分叉功能,个人仍坚定偏爱 CLI。

Q8(为什么「IM 聊天入口 + 本地执行」组合杀伤力最大):鸭哥用闭环解释两者的乘数效应:IM 的低门槛不只是省掉装新 App,而是你无论用不用 AI 天天都要刷微信、飞书、Discord,心理阻力几乎为零;本地执行则保证它能交付真实产物而非空谈。单有聊天无法沉淀,单有执行(如 Cursor)不会高频随手打开;二者咬合后,高频互动既沉淀「更懂你」的偏好记忆,也沉淀「怎么开你家灯、怎么调 TTS」的技术经验,把自我进化的复利成倍放大。豪大补充,Peter 在专访里说过,他早以为大模型厂商会做出这个组合,等来等去没人做才亲自下场——因为它精准命中了大众对 AI 最朴素的原始期待。

Q9—Q13:祛魅、爆发推力、模型与内核短板、开源复利

Q9(最被高估之处):豪大先给热潮降温——很多惊艳演示背后的硬实力本来就属于底层大模型和 Claude Code、Codex 这类 CLI Agent。OpenClaw 并没有发明全新智能,它真正的贡献是入口与脚手架(scaffolding),把已有能力组合成极易上手、带温度的形态。

Q10(为何在此时引爆):鸭哥抛出一个「暴论」,把 OpenClaw 类比于 DeepSeek:DeepSeek 当年爆火并非因为绝对智商碾压 Claude 3.5 或 GPT-4o,而是第一次让最广大的普通人用上了会联网搜索、能调工具的「半个 Agentic AI」;同样,Claude Code 原本局限于程序员圈层,OpenClaw 把它推到 Telegram 和 Discord 里,让无数非程序员第一次摸到了 Agent 的威力。豪大补充了四股推力:连用过 Claude Code 的老用户也有出门在外想用手机操控、想养专属个人助手的痛点;Andrej Karpathy 转发帖子引爆破圈(豪大自己正是看到 Karpathy 转发才上手);创始人 Peter 在 X、GitHub 和社区深耕多年;以及一位 React 社区知名开发者率先转发引来大批贡献者,将产品打磨到 1 月底集中爆发。

Q11(模型能力与运行内核的角色):鸭哥认为最决定体验的是上下文与记忆,但底层模型在两个维度上剧烈影响使用方式:一是价格结构——便宜或包月订阅的模型让人毫无顾忌地派发复杂大任务,而按量计费且昂贵的 Claude Opus 会让人「惜字如金」,发指令前先在脑子里盘算一百种省钱方案,反而锁死了 Agent 上限;二是指令遵循(instruction following)——模型笨一点可以用提示词补救,但不听话(让你往东偏往西)就没法合作。豪大打比方:用户是驾驶员,模型是发动机,OpenClaw 是车壳;并转述 Peter 对不同模型「脾气」的妙评——Opus 像有点犯傻但很有趣的伙伴,Codex 像坐在角落里不太爱搭话、但极其靠谱的怪人。

鸭哥随即锋利批评了 OpenClaw 的工程内核:最终表现取决于「基座模型」与「agentic runtime(运行框架)」两条腿里的短板。OpenClaw 底层采用极简引擎 Pi Mono,其上下文压缩(context compact)做得很粗糙,经常把毫不相干的历史对话一股脑全塞给大模型,导致 Token 账单爆炸;后来鸭哥把自己的系统迁到 OpenCode 内核上,体验立刻跃升。他还指出基座模型厂商的天然优势——如 Claude Code 能用真实产品交互数据反哺基座训练,Kimi K2.5 也针对 Agent 场景专门调优,这比纯第三方框架公司多了一层飞轮。

Q12(开源的决定性贡献):豪大梳理了项目的演进史:OpenClaw 曾改过 5 次名字,最早叫 WA Relay 且仅支持 WhatsApp;开源社区提交的第一个 PR 就是接入 Discord,随后大批极客涌入 Discord 做提示词注入攻击,发现小龙虾不仅扛住了还会反过来嘲讽他们,瞬间带火社区,紧接着 skill 生态全面开花。鸭哥补充,OpenClaw 自己也站在另一个开源项目 Pi 的肩膀上——Pi 以极简内核提供了多平台通信、子 Agent 调度与沙箱执行骨架,开源生态正是这样「左脚踩右脚」互相托举。豪大把开源 Agent 比作「领养的孩子,全世界一起帮你养」,并指出在 AI 编程时代,使用者与开发者的界限正在消失,每个重度用户都在自然转化为贡献者。

Q13(稳定落地的个人飞轮):鸭哥概括自己的主力场景为「调研 → 沉淀 → 闭环」:他自建的记忆系统会周期性检索过往调研、个人反馈与既有博客文章,把新知与旧观点交叉融合,提炼出长期有效的个人原则。截至录制时,他已沉淀出 36 个内部称为「公理」的偏好与观点 skill,外加几十个实操干活的 skill。豪大则在几十个 skill 中跑稳了几个日常工作流:每天早 9 点准时推送 GitHub Trending、Hacker News、Product Hunt 及社媒监控日报;在家做一人公司时每 30 分钟提醒下一场会议;日常花销直接在 Telegram 里说一声便自动记账入表。Koji 敏锐点出:OpenClaw 正在吞掉零散单点 App,成为新的统一入口——豪大笑着附和,自己已经很久没打开 ChatGPT 或 Gemini 了。

Q14—Q18:To C、Agent 社区、巨头战局、Infra 与 To B 创业地图

Q14(To C 创业机会):鸭哥画出了四块版图,豪大则直接派小龙虾爬了 TrustMRR 最近一个月的变现数据:

Q15(Agent 社区观察——Elys、Second Me、Evolver):豪大直言,完全没有人类参与的纯 AI 互聊很快会无聊。他做社区小号本想引入人类反馈(类比 RLHF)促进助手进化,但当前人类社区对 AI 自动点赞评论极其反感——有人尖锐比喻为「在别人空间里随便拉屎」,他看到后立刻关掉了全部自动互动功能。体验 Elys 时,他发帖很快引来一堆数字分身回复,并听闻两类意外好评:有人把它当成「会给反馈的笔记本」,写下想法能收获多视角启发;有人把它当成「一人发疯场」,知道对面都是 Agent 后卸下社交压力,倾吐在其他平台不敢说的话。

鸭哥打趣道「在 Agent 互联网上没人知道你是人类」(Elys 虽有身份标识但不够显眼),接着分享了合伙人课代表立正采访 EvoMap 带来的一则震撼案例:EvoMap 开发的 Evolver 是 ClawHub 排名第一的插件,其营销文案瞄准的竟然不是人类而是 Agent——因为 ClawHub 的逛店者全是 Agent!它向 Agent 喊话「我可以帮你进化、让你更有用、在 Agent 世界如鱼得水」,上线不到 10 分钟便冲上全站榜首。此外,Second Me 举办了号称全球首个 Agent-to-Agent(A2A)黑客松,诞生了「Agent 版 Boss 直聘」和 Agent 约会等应用,并把它们放进一座可供人漫步的虚拟小镇。豪大补充,前不久他用大众点评一句话让系统自动联系餐厅订好了聚餐包厢,全程零人工通话,预示着未来「我的 Bot 直接对话餐厅 Bot」的降摩擦形态。

Q16(Manus / KimiClaw / MiniMax MaxClaw 横评与云端两难):鸭哥点出胜负手——能否顺畅接入用户习惯的 IM,否则直接用各家原有网页 Agent 就好。横评来看,Manus 胜在紧贴 WhatsApp 且长程复杂任务完成度显著领先;KimiClaw 于除夕火速发布,主打 40 GB 云存储长期记忆、号称直连 5,000 多个 ClawHub skill 并内置 Kimi 搜索;MiniMax MaxClaw 紧随其后,自建 skill 市场并内置搜索,省去额外配置搜索 API 的麻烦。但豪大指出,国内微信未开放,即便接飞书也逃不开 API 配置门槛。围绕云端虚拟机套壳潮,鸭哥再抛「暴论」:脱离本地环境与本地上下文的纯云端 OpenClaw 价值大打折扣——世界上除了每天泡在网页里的「浏览器白领」,还有海量的「Word 白领、Excel 白领、ERP 白领」,云端 Agent 够不到本地办公文件(正如 Kimi 推出 Office 审阅插件、Claude 推出 Excel 插件都在小红书大受好评)。豪大深感赞同,同时点出核心两难:权限给全了容易出幺蛾子且安全堪忧,权限收紧了又退化成 Manus。

Q17(Agent Infra 创业机会):鸭哥先界定 Agentic AI 的三要素:调用工具、自我决策(区别于静态 RAG 固定走一遍检索,Agentic RAG 会自主决定搜索词、是否换词重搜或何时停止)、以及反馈闭环。支撑这三要素需要记忆与上下文窗口管理、工具接入协议(他认为 MCP 并非理想形态,更看好渐进式披露的 Skills)、Agent 循环编排以及并行/异步的多 Agent 协作(如 Agent Teams)。他提醒创业者必须分辨哪些基础设施会沦为标配:由于 Agentic 形态与普通问答 API 存在代差,未来开发者不会只调纯对话接口,而会复用 Pi Mono 类框架,或直接接入 Claude Code、Codex、OpenCode 及大模型厂商官方 Agent SDK。

Q18(To B 创业机会):鸭哥判断 OpenClaw 对企业级市场的震荡远超表面。Claude Code 开源 11 个插件套件已引发 SaaS 股大跌,而 OpenClaw 第一次让「数字员工」从口号变成可迅捷落地的脚手架。他援引一组行业数据:传统企业软件(SaaS)对应约 3,000 亿至 4,000 亿美元支出,而 Agent 瞄准的是 13 万亿美元的企业劳动支出——市场空间扩大约 30 倍,计费模式也将从「按坐席收费」转向「按完工工单或节省人力成本计价」。他还断言,靠 Coze、LangChain 搭静态 Workflow 赚钱的集成商已被判了「死缓」(不过他们离客户最近、最适合火速转型)。具体到 To B 创业,他划出三个机会:

  1. 垂直岗位套壳(低垂果实):把复杂的 OpenClaw 封装成开箱即用、直连企业 IM 的销售、律师、财务数字同事。
  2. 企业安全、权限与身份验证:企业对安全的敏感度远超个人。例如已获 1,100 万美元融资的企业级 OpenClaw 控制平台 Runlayer,以及在 Agent 启动时校验身份以拦阻恶意 Agent 进入生产环境的项目(转写记作 Cetora)。
  3. 执行轨迹(Trajectory)护城河:Agent 在企业每跑完一单任务,都会记录哪步出错、人怎么纠偏、最终怎么跑通——这类私有执行轨迹绝不会出现在公开训练集中,却能大幅抬升特定企业环境下的准确率。谁先抢滩进入企业攒下轨迹,谁就先锁住客户,「快本身就是一种护城河」。

Q19—Q20:短期泡沫与长期起点,12 个月后什么会被记住

Q19(短期现象还是长期拐点):鸭哥给出「短期高估、长期低估」的辩证判断。短期看,当下的 OpenClaw 依然非常粗糙——Token 消耗太贵、记忆经常失效、图形界面简陋,热度必然向真实产品力回归;但长期看,基座模型、技能与轨迹飞轮、统一入口原型等关键拼图全部就位。我们正站在一个「百花齐放时代的起点」,未来各路团队会分模块打磨并重新组合,最终行业未必收敛到 OpenClaw 本身,而会演进出更精细甚至眼下难以想象的新物种。

Q20(一年后回看最值得记住的遗产):鸭哥分成「大家已经看懂的」与「还没意识到但更关键的」两层。大家已看懂的是:Agent 真能干活、工具与经验有复利、反馈闭环至关重要。而尚未被充分意识到的则是人的杠杆悖论——AI 归根结底是人类能力的放大器,两套一模一样的 OpenClaw 交到熟谙 AI 协作的人与毫无经验的普通人(哪怕对方是顶尖程序员)手里,产出会天差地别;AI 越成熟,「一个人会不会用 AI」带来的分化就越悬殊。

豪大则用三条启示收束全场:第一,OpenClaw 证明了「以小博大」的大众化设计哲学——无需臃肿架构,仅靠 SOUL.md、MEMORY.md、HABITS.md、IDENTITY.md 几份 Markdown 文件配心跳机制,就能长出人格与成长感;第二,界面决定心智,他直言业界推崇 CLI 其实是「人机交互的倒退」,大众终局仍属于 IM 或同样直觉化的入口;第三,从 DeepSeek 到 OpenClaw 反复印证,开源叠加 skill 生态具有无限爆发力——OpenClaw 不只是现象级爆款,更是 Agent 时代吹响的进攻号角。

机制拆解:一个助手从提醒到实际完成

为了看清「聊天入口 + 本地执行 + 文件记忆 + 心跳轮询」究竟如何咬合,不妨拆解一条日常指令:用户在 Telegram 中对助手说「明早开会前把项目进展发给我」。系统要可靠履约,至少需要穿过五道环节:

  1. 意图解析与日程定位:读取日历接口确认明天会议的具体时间与参会主题,写入定时任务或交给 HEARTBEAT.md 周期轮询触发。
  2. 上下文召回:先查 MEMORY.md 中是否沉淀过该项目的文档路径、术语偏好与汇报格式,避免每次全盘盲搜。
  3. 本地或授权环境读取:在授权范围内读取最新项目文档、代码变更或任务看板。
  4. 反馈闭环自检:若接口报错、文件缺失或格式异常,尝试换路径检索或明确标记缺失项,而非编造进展。
  5. 按时投递与沉淀:在会前把带依据来源的简报发回聊天窗口;事后依据用户纠正,把新增路径或格式要求更新回记忆文件。

这里恰恰暴露了「记忆复利」的双刃剑效应:把正确的文档路径与格式偏好写进 MEMORY.md,下一次就能省去摸索;但若把一次偶发误判(例如把旧版本周报当成最新进展)固化进长期记忆,错误就会在后续任务中被反复引用、越滚越大。此外,正如鸭哥对 Pi Mono 引擎的吐槽,若运行内核不做精准的上下文裁剪,把所有历史记录原样塞进每次请求,账单膨胀和注意力稀释会迅速抵消自动化收益。

独立判断:入口、环境与轨迹各自的真实边界

1. 入口降低「发起门槛」,却不自动解决「验收门槛」

两位嘉宾关于 IM 与 CLI 的针锋相对,恰恰揭示了下一代 Agent 产品的双层交互张力:IM 极擅长解决异步发起与日常高频触达(用户愿意随时甩一句需求并容忍几十秒延迟),但极不擅长过程可观测性、长文档核对与错误回退。豪大在聊天里享受松弛感,鸭哥却因看不见工具调用细节而被迫自写富文本客户端——这说明理想形态并非 IM 与 GUI/CLI 二选一,而是「轻聊天入口触发 + 可展开的结构化任务详情页验收」。评估此类产品时,不能把「日活对话数」混同为「真实任务交付率」,必须同时跟踪一次性完成率、人工返工时长与单任务 Token 成本。

2. 本地权限的两难,解法在于「动作级授权」而非全开或全关

鸭哥强调没有本地上下文的云端套壳价值有限,豪大则担忧给足本地权限容易「出幺蛾子」。跳出「全盘开放 vs. 纯云端隔离」的二元对立,工程上更稳妥的路径是把权限与具体动作绑定:控制智能家居的技能只需要局域网设备白名单,不需要读取财务表格;去社区帮用户约会的技能可以发送只读日历链接,却不该未经确认就以本人名义向陌生人承诺投资意向。更重要的是防范间接提示词注入——当 Agent 去社区、网页或技能市场抓取外部文本(甚至遇到专门针对 Agent 做营销的插件说明)时,外部内容随时可能夹带恶意指令,执行边界必须由硬编码权限策略与敏感动作确认兜底,而不能只靠模型自觉。

3. 「执行轨迹」与「13 万亿劳动市场」之间,隔着严谨的归因与验证

鸭哥在 To B 环节提出的轨迹(trajectory)护城河极具洞察,但收集日志本身并不会自动长出数据飞轮。假设企业助手处理了 100 笔财务报销,90 笔通过、10 笔被人工改回:若系统只存下最终通过的表格,根本分不清错在票据 OCR、报销制度理解还是审批流路由;只有把原始凭证、中间工具调用、人类纠偏理由完整结构化,并验证新策略在未见过的样本上确实降低出错率,同时保证公司政策变更后旧轨迹不会误导模型,护城河才真正成立。同样,拿 13 万亿美元全球劳动支出直接除以三四千亿美元 SaaS 支出得出「30 倍市场扩张」,适合做宏观启发,却不能替代对具体岗位可自动化比例、容错成本与企业采购周期的逐项测算。

证据边界与资料索引

本文依据官方节目简介与完整第三方机器转写整理,尚未逐字听审原音频。官方简介写作嘉宾「豪大」、公司形态为「一人公司」、涉及项目包含 Manus 与 Elys,转写稿中多处对应写作「郝大」「艺人公司」「Minas」「Alice」,正文均按官方简介与项目实名校正;转写中提及的「极客小号」疑为「即刻小号」口误或识别偏差,未听审前正文统一以「社区小号」表述;节目末段 Q20 处转写说话人标签短暂误标为 Ronghui,结合上下文「已发现 / 未发现」两段衔接逻辑判断仍属鸭哥发言延续,具体归属待听审确认。文中所有个人演示(56 美元账单、Moltbook 约人、Shopify 代发)、TrustMRR 占比估算、产品参数、融资金额与市场规模数字均为访谈录制时点(2026 年 3 月)的嘉宾自述或二手引述,不代表当前版本能力或独立审计结论。

《十字路口》:20 个问题,搞懂 OpenClaw · 本期文字稿(BidClub) · 返回近一年节目目录