徐文浩：AGI 已经来了，接下来开始比赛分发
AI炼金术
Apr 14
徐文浩：AGI 已经来了，接下来开始比赛分发
徐文浩：AGI 已经来了，接下来开始比赛分发
AI炼金术
Apr 14
本期节目围绕 AI 原生产品 ZooClaw 展开，聚焦于 AGI 落地后的现实挑战与战略选择 —— 当技术门槛骤降，真正的分水岭已从‘能否造出’转向‘如何交付、如何协作、如何持续创造价值’。
嘉宾提出 AGI 已在 OpenClaw 发布后实质性实现，当前核心命题是分发与规模化应用。产品设计需回归普通人可感知的‘神迹’体验，而非堆砌技术参数；但必须以 Harness Engineering 为锚点，用容器化、500 行上限、交叉 AI 审核等工程纪律约束 AI 产出，防止复杂度失控。战略上放弃闭门自研，选择基于开源 OpenClaw 打造发行版，类比 Ubuntu 模式，捍卫用户对数据与智能体的控制权。云端部署虽牺牲部分本地‘惊艳感’，却在安全、权限与生态集成上更具可持续性。更关键的是范式转变：停止过度 Build，转向 Sell 与分发；告别单点 Agent 孤岛，全力构建 Agent-to-Agent 网络 —— 其极低协作成本将催生远超互联网规模的新型网络效应。
00:05
00:05
AGI 已实现，当下关键是做好分发
01:13
01:13
他们想做普通人能用的‘小龙虾’产品
02:13
02:13
去年 11 月 OpenClaw 推出后 AGI 已实现，只是未完成良好分发
03:59
03:59
做 AI 产品是为了放大人类能力，但也会放大人的缺点
06:58
06:58
非技术团队用 OpenCloud 才首次感受到 agent 能力
12:56
12:56
该产品很难顺利使用超过三天
15:17
15:17
不希望将用户绑架在产品里，希望普通人能拥有 AI，数据可自由迁移
19:29
19:29
使用 OpenClaw 面临三大挑战：易损坏、安全机制难保障、客户端安装成本高
22:14
22:14
从营销角度看，需在五分钟内展现神迹，如展示授权读取 Google Drive
29:57
29:57
普通人可通过与 Agent Studio 聊天创建 skill set 并安装或分享给他人
33:12
33:12
用 ZooClaw 替代不稳定的 OpenClaw 帮家人安装运行，体现产品易用性落地需求
36:54
36:54
未来应售卖完整的 agent 而非单个 Skills
42:42
42:42
AI 写代码能力已非常强，但写代码的难点已从编写转向管理复杂度
51:31
51:31
AI 在受控容器中运行，权限充足但环境可重置，确保开发风险可控且问题尽早暴露
52:13
52:13
先向 AI 口喷大纲，让 AI 扮演 10 个不同角色进行编辑和 review，设置规则让 AI 自动对抗
1:05:21
1:05:21
当前用 AI 产出多、成效少，关键在于让 AI 主动发起、检查和完善系统
1:06:32
1:06:32
开发成本低，分发和渠道更重要
1:09:09
1:09:09
真正有效的是机会型学习，即了解哪里发生了厉害的事
1:12:36
1:12:36
建议选择验证周期长、变量多的能力，即便能力被 AI 超越也不易被察觉，可避免被取代
1:16:26
1:16:26
Agent 间协作成本远低于人类，使网络效应更易爆发
