OpenClaw 之后,我只想未来 3-6 个月的事情|对谈 Sheet0 创始人王文锋
42章经
Mar 14
OpenClaw 之后,我只想未来 3-6 个月的事情|对谈 Sheet0 创始人王文锋
OpenClaw 之后,我只想未来 3-6 个月的事情|对谈 Sheet0 创始人王文锋

42章经
Mar 14
本期节目聚焦 AI 智能体(Agent)技术的最新演进,特别是 OpenClaw 引发的行业震动,以及它如何重塑开发者工作流、产品开发节奏与创业战略逻辑。
文锋指出,当前 OpenClaw 代表的 Coding Agent 热潮,与去年 Manus 引领的 Deep Research 路径一脉相承,但更强调 Proactive 主动性、长程任务处理与自进化能力。其核心突破在于将大模型的代码生成与执行能力工程化落地,使 Agent 从概念走向高复杂度软件工程实践 —— 如单日 GitHub 提交量达 1600 次、一周编写 300 万行代码等案例已验证生产力跃迁。然而,技术并非瓶颈,真正挑战在于产品化:配置复杂、非技术用户难上手,亟需类似‘Harness’的轻量控制层。创业策略也同步转向务实:放弃 5–10 年远期预判,专注未来 3–6 个月的快速验证;服务对象不再拘泥 B / C 之分,而是以年 Token 消耗为标尺识别高价值主体;放下技术 ego,拥抱‘AI 管 AI’范式,在效率平权中寻找真实落地场景。
00:19
00:19
Manus 主打 Deep Research 场景,能力源于模型推理与自进化能力
01:30
01:30
OpenClaw 实现了 Agent 的自进化和 Proactive 主动性
04:38
04:38
今年的一个大机会是谁能把 Coding Agent 套壳做得好
13:43
13:43
从效果和使用体验看,用 Agent 能得到与 SaaS 相同的表单、仪表盘或记录
14:03
14:03
OpenClaw 单日 GitHub 提交量达 1600 次,相当于三四人小工程团队一年的工作量
15:29
15:29
有人将 OpenClaw 比作 Linux 内核,后续是否能做发行版尚待思考
17:36
17:36
未来 Agent 将覆盖 10 亿用户,当前渗透率不足 1%
19:38
19:38
OpenClaw 的三大核心特性是长程任务、Proactive(主动性)和自进化
21:53
21:53
将所有东西 Fair System 化后,Agent 能明确问题并自我修复
27:00
27:00
任务应由 AI 自己提出并完成形成闭环,单个 agent 难以做到,需 meta-agent 架构
27:36
27:36
人的 taste 难以被 AI 替代,默契和悟性源于过往 context
31:28
31:28
AI 能直接完成任务测试并提交到 GitHub,工程师从 AI 指挥者变为质检员
33:10
33:10
当前核心瓶颈不在于生产效率,而在于产品的方向和形态
40:43
40:43
做更聪明、更好的 Agent 价值不大,关键在于用 AI 管理 AI 以降低配置门槛
41:20
41:20
今年策略转为以跟随为主,优化胜率而非赔率
42:31
42:31
AI Coding 将使用 AI 水平低的人提升到一定水平,实现工程能力平权
47:46
47:46
小组织支付 10 万美元源于工程师招聘预算,服务替代成本更低
50:36
50:36
这期标题可定为 “我只解决未来三到六个月的事情”
53:40
53:40
Genspark 已取得成功,OpenClaw 即 AI 管 AI 的产品发展值得期待