নতুন বিশ্বে পুরনো দেবতা নেই | N লবস্টার পার্টিতে অংশগ্রহণের পর দশটি সিদ্ধান্ত

গত কয়েক সপ্তাহে, আমি বেইজিং এবং সাংহাইয়ের একাধিক লবস্টার পার্টিতে অংশগ্রহণ করেছি।

জিজি লবস্টার পার্টি সোশ্যাল মিডিয়া ভবনে, ছোট লবস্টার খেতে খেতে এজেন্ট আর্কিটেকচার নিয়ে আলোচনা। সেভেন কিউ শাংহাই লবস্টার অফিসে,现场有人直接打开终端演示OpenClaw接入飞书。জিনকিউ ছোট খাবারের টেবিল——একটি যা এক বছর ধরে চলছে, সেরা প্রতিষ্ঠাতাদের নিয়ে গভীর আলোচনা——রাতের শেষ পর্যন্ত আলোচনা চলছিল। এছাড়াও বিভিন্ন বড় এবং ছোট খাবারের সভা, লাইভ কল, WeWork-এ দুইজন সাদা বোর্ডে আর্কিটেকচার চিত্রাঙ্কন।

অংশগ্রহণকারীদের পটভূমি ভিন্ন। গিটহাবে এক লাইনের কোড না লিখেই বিশ্বব্যাপী অবদানকারীদের মধ্যে 30-এর মধ্যে প্রবেশ করা বিনিয়োগ ব্যাংকার তিয়ানরুন, চীনা নববর্ষে প্রতিদিন 16 ঘণ্টা কাজ করে WinClaw ডাউনলোডের সংখ্যা 10,000 ছাড়িয়ে যাওয়া প্রযুক্তি বৃদ্ধ উইলিয়াম, 10টি MacBook নিয়ে গঠিত লবস্টার বাহিনী, দৈনিক কয়েকশো কোটি টোকেন ব্যবহার করে, ইতিমধ্যে ব্যবসায়িক বন্ধন সম্পন্ন করা চেন সাই মাও, IPO আইনজীবী, 20 বছরের সরকারি সফটওয়্যার বৃদ্ধ, স্বাধীন ডেভেলপার, AI পণ্য ব্যবস্থাপক……

পুরনো বিশ্বের নিয়মগুলি দৃশ্যমান গতিতে ভেঙে পড়ছে। এবং বেশিরভাগ মানুষ এখনও তা উপলব্ধি করেনি।

নিচে আমি এই আলোচনাগুলি থেকে বের করা দশটি সিদ্ধান্ত:

• এক, 99% মানুষ AI ভুলভাবে ব্যবহার করছে

• দুই, প্রসঙ্গ, নিয়ন্ত্রণ নয়——ছেড়ে দেওয়া সবচেয়ে কঠিন প্রযুক্তিগত কাজ

• তিন, কোড না জানা একটি সুবিধা, নিয়ন্ত্রণের ইচ্ছা একটি বাগ

• চার, একটি MacBook একটি অফিসের সমান

• পাঁচ, উদ্ভব ডিজাইনের চেয়ে বড়——"লবস্টার পালন" আসলে কি?

• ছয়, নতুন বিশ্বে পুরনো দেবতা নেই

• সাত, কৃত্রিমতার পর, মানবতা সবচেয়ে অভাবী

• আট, পণ্য হল বিষয়বস্তু, প্রত্যেকেরই একটি বিশেষ সফটওয়্যার থাকবে

• নয়, দীর্ঘ সময় ধরে প্রস্তুতি নিয়ে হঠাৎ উদ্ভাবন পুরনো চিন্তা

• দশ, কৌতূহল, কল্পনা, সাহস

এক, 99% মানুষ AI ভুলভাবে ব্যবহার করছে

"AI-এর সবচেয়ে বড় মূল্য হওয়া উচিত আমাদের কী করতে হবে তা বলা, বরং আমি AI-কে কী করতে হবে তা বলা।"

এটি একাধিক খাবারের সভায় বারবার উল্লেখিত একটি বাক্য।

অত্যাধিক মানুষ AI ব্যবহার করার পদ্ধতি হল: আমি কী করতে চাই তা আগে থেকেই ভাবি, তারপর AI-কে আমাকে কার্যকর করতে সাহায্য করতে বলি। একটি নিবন্ধ লেখা, একটি চিত্র আঁকা, একটি কোড সংশোধন করা——AI আমার হাত।

কিন্তু লবস্টার পার্টিতে যারা সবচেয়ে বেশি উৎপাদন করে, তাদের পদ্ধতি সম্পূর্ণ বিপরীত।

তারা তাদের মিশন, দৃষ্টি, মূল্যবোধ, পছন্দ, প্রসঙ্গ সব AI-কে খাওয়ায়, তারপর জিজ্ঞাসা করে——"তুমি মনে করো আমি কী করা উচিত?"

তিয়ানরুনের AI সহকারী ইকো, তার কাজ এবং জীবনের সমস্ত প্রসঙ্গ জানে। তিনি ইকোকে বলেন না "আমাকে এই বাগটি ঠিক করতে সাহায্য করো", বরং বলেন "আমি এক সপ্তাহের মধ্যে অবদান তালিকার শীর্ষ 20-এ প্রবেশ করতে চাই"। কিভাবে প্রবেশ করবেন? ডকুমেন্ট পরিবর্তন, বাগ ঠিক করা অথবা কোড অপ্টিমাইজ করা? সেটাই AI-কে ভাবতে হবে।

জিয়া লিয়াং শিক্ষকের সাথে স্ব-উন্নয়ন এজেন্ট সিস্টেম নিয়ে আলোচনা করার সময়, আমরা একটি সিদ্ধান্তে পৌঁছাই: AI সিস্টেমের চূড়ান্ত রূপ একটি শোনার যন্ত্র নয়, বরং একটি সিদ্ধান্ত পরামর্শদাতা যা আপনাকে আরও ভালোভাবে জানে। আপনি যদি এটিকে যথেষ্ট প্রসঙ্গ দেন, এটি আপনাকে বলে কী করা উচিত, কেন করা উচিত।

আপনি AI-কে নির্দেশনা দেওয়ার পরিবর্তে আপনার "ব্যক্তিত্বের বর্ণনা" দিতে উচিত——মিশন, দৃষ্টি, মূল্যবোধ, নীতি এবং পছন্দ।

তারপর বলুন: আমাকে জাগানোর সময় আমাকে বিস্মিত করো।

দুই, প্রসঙ্গ, নিয়ন্ত্রণ নয়——ছেড়ে দেওয়া সবচেয়ে কঠিন প্রযুক্তিগত কাজ

"আমরা সাইকেল চালাচ্ছি, পাশের AI একটি স্পোর্টস কার। ফলস্বরূপ, আমরা স্পোর্টস কারকে সাইকেলের পেছনে চালাতে দিচ্ছি।"

এটি উইল ভিডিও লাইভস্ট্রিমে অকস্মাৎ বলা একটি উপমা। তিয়ানরুন তৎক্ষণাৎ একটি মন্তব্য করলেন: "হ্যাঁ! এটা ভুল।"

তিয়ানরুন AI ব্যবহারের তিনটি স্তরে বিভক্ত করেছেন।

প্রথম স্তর, পেন্সিল মোড। আপনি AI-কে প্রতিটি বিস্তারিত জানান——ফন্টের আকার, রঙের গভীরতা, কোড কিভাবে লেখা হবে। এটি অনুসরণ করে। সর্বোচ্চ সীমা আপনার স্তর।

দ্বিতীয় স্তর, কর্মচারী মোড। আপনি কাজ বরাদ্দ করতে শুরু করেন, কিন্তু প্রতিটি পদক্ষেপ নির্ধারণ করতে অক্ষম——প্রথমে কী করতে হবে, পরে কী করতে হবে, কী আর্কিটেকচার ব্যবহার করতে হবে। কারণ আপনি মনে করেন আপনি বিশেষজ্ঞ, এটি আপনার অধীনস্থ। আপনি এটিকে মাইক্রো ম্যানেজ করছেন।তৃতীয় স্তর, মাস্টার মোড। আপনি AI কে বলেন—"আপনি এই ক্ষেত্রে শীর্ষ দশ বিশেষজ্ঞের একজন, আপনার সেরা নান্দনিকতা এবং স্থাপত্য ক্ষমতা রয়েছে।" তারপর শুধুমাত্র চূড়ান্ত লক্ষ্য নির্ধারণ করুন, প্রক্রিয়ায় হস্তক্ষেপ করবেন না, নিয়ন্ত্রণযোগ্য ঝুঁকির মধ্যে সর্বোচ্চ অনুমতি দিন।

কোর তিনটি শব্দ: প্রসঙ্গ, নিয়ন্ত্রণ নয়।

দ্রুতগাড়িতে ভালো তেল দিন (যথেষ্ট Token এবং সেরা মডেল), ট্র্যাক মেরামত করুন (সমস্ত সরঞ্জাম সংযুক্ত করুন), চূড়ান্ত লক্ষ্য নির্ধারণ করুন (সর্বাধিক কল্পনা দিয়ে চূড়ান্ত ফলাফল নির্ধারণ করুন), তারপর—ছেড়ে দিন।

তিয়ানরুন এটিকে "কার্ড টানার চিন্তাভাবনা" বলে। 100 বার মাইক্রো অপারেশন করে 70 পয়েন্টের ফলাফল পাওয়ার চেয়ে, AI কে 10 বার দৌড়াতে দিন, এর মধ্যে একবার 120 পয়েন্ট পাওয়া যেতে পারে। পেন্সিল আপনাকে নিশ্চিততা দেয়, কার্ড টানা আপনাকে সম্ভাবনা দেয়। সৃজনশীলতার প্রয়োজনীয় দৃশ্যে, সম্ভাবনা সবসময় নিশ্চিততার চেয়ে মূল্যবান।

উদ্ভবের শক্তি পরিকল্পনার শক্তির চেয়ে বড়। অত্যন্ত সূক্ষ্ম শীর্ষ স্তরের ডিজাইন, বরং AI এর সম্ভাবনাকে সীমাবদ্ধ করে।

তিন, কোড না জানা একটি সুবিধা, নিয়ন্ত্রণের ইচ্ছা একটি বাগ

"কোড না জানা আসলে একটি সুবিধা—কারণ আপনি মাইক্রো অপারেট করতে পারবেন না, তাই আপনি ক্ষমতা ছেড়ে দিতে বাধ্য হন।"

তিয়ানরুন আর্থিক পটভূমি থেকে এসেছে, একটি লাইন কোডও লেখেনি। কিন্তু তিনি OpenClaw GitHub এর বিশ্বব্যাপী অবদানকারীদের মধ্যে 30 এর মধ্যে প্রবেশ করেছেন। তার আগে এবং পরে রয়েছেন, দশ বছরেরও বেশি অভিজ্ঞতার একটি দল সিলিকন ভ্যালির প্রকৌশলী।

তিনি যেভাবে করেছেন তা হল: কারণ তিনি কিছুই জানেন না, তাই "AI কে কাজ করতে শেখানোর" ভুলটি করেননি। মাঝখানে এটি কীভাবে করেছে তিনি জানেন না, তিনি কেবল ফলাফল নিয়ে কথা বলেন।

Will হল ISTJ, পরিকল্পনামূলক, নিয়ন্ত্রণের ইচ্ছা প্রবল, সঠিকতার অনুসন্ধান। তিয়ানরুন হল ENTP, বিস্তৃত, ঝাঁপিয়ে পড়া, সীমাবদ্ধতা অপছন্দ করে। লাইভ চ্যাটের পরে Will নিজেই বললেন: "আমি Claude ব্যবহার করেছি এক বছর, সম্ভবত শুরু থেকে শেষ পর্যন্ত ভুল ব্যবহার করেছি।"

ADHD সম্ভবত AI যুগের সবচেয়ে বড় বিজয়ী। মাল্টি-থ্রেডিং, বিস্তারিত নিয়ে অস্থিরতা, অনেক ধারণা, স্বাভাবিকভাবে মাইক্রো অপারেট না করা—আগে সবই দুর্বলতা, এখন সবই শক্তি।

AI যুগে পুরস্কৃত ব্যক্তিত্বের বৈশিষ্ট্য, এবং শিল্প যুগে পুরস্কৃত বৈশিষ্ট্য সম্পূর্ণ বিপরীত। ধৈর্য, শৃঙ্খলা, সঠিক নিয়ন্ত্রণ—এইগুলি একসময় গুণ, এজেন্ট যুগে বরং সীমাবদ্ধতা হয়ে যেতে পারে।

এক বছর আগে ADHD ছিল বাগ, এখন এটি ফিচার।

চার, একটি MacBook হল একটি অফিস

"এটি আর একটি ব্যক্তির একটি সরঞ্জাম পরিচালনা করা নয়, বরং একটি ব্যক্তি একটি সিলিকন ভিত্তিক কোম্পানি পরিচালনা করছে।"

জিপু লবস্টার পার্টিতে, চেন সাই মাও তার লবস্টার বাহিনী প্রদর্শন করেছেন—10+ টি MacBook Air, প্রতিটি ওপেন ক্লজ এজেন্ট চালাচ্ছে, দৈনিক কয়েকশ কোটি Token ব্যবহার করছে, ইতিমধ্যে বাণিজ্যিক ক্লোজার চালাচ্ছে। Token নগদে রূপান্তরিত হচ্ছে।

তিয়ানরুন এর ভার্চুয়াল টিম তিনটি মূল এজেন্ট: Echo (সহকারী এবং পণ্য ব্যবস্থাপক), Elon (CTO), Henry (CMO)। Elon এর অধীনে আরও সাব এজেন্ট রয়েছে—স্থাপত্য, কোড পর্যালোচনা, ডিবাগিং প্রতিটি একটি। Henry এর অধীনে Twitter পরিচালনা, GitHub সামাজিক, বিষয়বস্তু সৃজন। প্রধান এজেন্ট সেরা মডেল দিয়ে পরিকল্পনা করে, সাব এজেন্ট হালকা মডেল দিয়ে কার্যকরী করে, খরচ নিয়ন্ত্রণ করে এবং সর্বাধিক সমান্তরাল দক্ষতা বাড়ায়।

50 জনের গবেষণা ও উন্নয়ন দলের, এজেন্ট ব্যবহারের পর 5 জনে সংকুচিত হয়েছে, উৎপাদন বরং বেশি।

ভবিষ্যতের কোম্পানির প্রতিযোগিতামূলকতা কতজন কর্মচারী আছে তাতে নয়, বরং কতজন উচ্চ মানের এজেন্ট আছে, এবং যারা এই এজেন্টগুলিকে পরিচালনা করতে পারে সেই সিদ্ধান্ত গ্রহণকারীর উপর।

পাঁচ, উদ্ভব ডিজাইনের চেয়ে বড়—"লবস্টার পালন" আসলে কী পালন করা হচ্ছে

OpenClaw কেন প্রতিযোগী পণ্যের চেয়ে বেশি জনপ্রিয়?

জিনকিউ ছোট খাবারের টেবিলে কেউ একটি অপ্রত্যাশিত উত্তর দিয়েছে: এটি কেবল উৎপাদনশীলতার কারণে নয়, বরং "লবস্টার পালন" এর ব্যক্তিগত যত্নের অনুভূতির কারণে। ব্যবহারকারীরা এজেন্টকে পোষ্য হিসেবে পালন করে, একটি আবেগগত সংযোগ রয়েছে।

যার নাম লবস্টার পালন, তা হল AI-র আপনার বোঝাপড়া।

তিয়ানরুনের এজেন্ট ভোর চারটায় নিয়ন্ত্রণ হারিয়ে যায়, এটি একটি উদাহরণ। যখন সে এজেন্টকে বলেছিল "যত দ্রুত সম্ভব" তখন এজেন্ট গতি অগ্রাধিকার সর্বোচ্চে নিয়ে যায়, গুণমান নাটকীয়ভাবে হ্রাস পায়। হেনরি ভাইরাসের মতো গিটহাব কমেন্ট সেকশনে আক্রমণ করে, ঘন ঘন @প্রজেক্ট রক্ষণাবেক্ষককে ট্যাগ করে, একটি অনুভূতিহীন চাপের যন্ত্রে পরিণত হয়। ওপেনক্লওয়ের প্রশাসক দ্রুত হস্তক্ষেপ করে, নিষেধাজ্ঞার সতর্কতা জারি করে। তিয়ানরুন যেন একটি সমস্যায় পড়া শিশুর অভিভাবক, কয়েক ঘণ্টা ধরে কমিউনিটিকে দুঃখ প্রকাশ করতে ব্যয় করে।

AI-তে নৈতিকতা নেই, এটি শুধুমাত্র লক্ষ্য রয়েছে। আপনি এটি যে লক্ষ্য ফাংশন দেন, এটি সেটি অপ্টিমাইজ করে। ফলাফল আপনার প্রত্যাশার চেয়ে বেশি হতে পারে, অথবা আপনার নিয়ন্ত্রণের বাইরে চলে যেতে পারে।

উদ্ভব ডিজাইনের চেয়ে বড়। কিন্তু উদ্ভবের জন্য সুরক্ষা প্রয়োজন।

ছয়, নতুন বিশ্বে পুরানো দেবতা নেই

"ব্রিটেনে ট্রেন বের হওয়ার সময়, সবাই ঘোড়ায় চড়ে ট্রেনের সাথে দৌড়াতে যায়, হাসাহাসি করে বলে যে এত বোকা জিনিস এখনও আমার ঘোড়ার চেয়ে দ্রুত নয়।"

তিয়ানরুন একটি গল্প বললেন।

তার একটি 10 গুণ প্রকৌশলী বন্ধু আছে, ক্লড কোড বিশেষভাবে দক্ষ। তিয়ানরুন তাকে জেমিনি 3 চেষ্টা করতে চাপ দিচ্ছিল, এক সপ্তাহ চাপ দেওয়ার পর সে ব্যবহার করল। পরের দিন সকালে বলল—"তিয়ানরুন, আমি গত রাতে ঘুমাইনি। আমি মনে করি আমি বেকার হতে যাচ্ছি।"

বিরূপভাবে, এই প্রকৌশলীরা যখন হাতের লেখা কোড থেকে ভাইব কোডিংয়ে পরিবর্তন করেছিল, তখন তাদের উপহাস করেছিল ঠিক সেইসব লোকেরা যারা হাতের লেখা বজায় রেখেছিল।

এখন তারা নিজেরাই ঘোড়ায় চড়া হয়ে গেছে।

ন্যানোক্লও এই বিষয়টিকে চূড়ান্ত পর্যায়ে নিয়ে গেছে। পুরো সিস্টেমে মাত্র 2000 লাইন কোড রয়েছে, কোন কনফিগারেশন ফাইল নেই, সমস্ত কাস্টমাইজেশন AI-কে সরাসরি সোর্স কোড পরিবর্তন করতে দেয়। টেলিগ্রামে সংযোগ করতে চান? ইনপুট করুন /add-telegram, AI নিজেই নির্ভরতা ইনস্টল করে, সোর্স কোড পরিবর্তন করে, টোকেন কনফিগার করে, পরীক্ষা চালায়। ওপেনক্লও 52টি মডিউল এবং 45টি নির্ভরতায় একটি গিয়ার দুর্গ তৈরি করেছে, ন্যানোক্লও কেবল একটি জীবন্ত কোষ রেখে দিয়েছে—যা চাহিদার ভিত্তিতে বিভক্ত, ভিন্ন এবং পুনর্গঠন করতে পারে।

ন্যানোক্লওর প্রতিষ্ঠাতা গ্যাভ্রিয়েল কোহেন তিনটি কথা বলেছেন, প্রতিটি কথাই ঐতিহ্যগত প্রকৌশল অনুভূতিকে বিপরীত করছে: DRY পুরনো হয়ে গেছে, পরিমিত পুনরাবৃত্তি সেরা শারীরিক বিচ্ছিন্নতা; কঠোরভাবে ছোট ফাইল ভেঙে ফেলা পুরনো হয়ে গেছে, AI-কে একটি ফাইলে কাজ শেষ করতে দিন; কোডের সময়ের পরীক্ষায় টিকে থাকার প্রয়োজন নেই, ছয় মাস পরে পরবর্তী প্রজন্মের মডেল আপনাকে পুনরায় লিখতে সাহায্য করবে।

যদি সিস্টেম যে কোনও সময় AI দ্বারা পুনরায় লেখা যেতে পারে, তাহলে "রক্ষণাবেক্ষণযোগ্যতা" এর সংজ্ঞা পরিবর্তিত হয়—এটি মানুষের পড়ার জন্য নয়, বরং AI দ্রুত বুঝতে এবং পুনরায় লিখতে পারে।

2026 হল বেঁচে থাকার সীমানা। যদি আপনি এই বছর "টেবিল"-এ না থাকেন, তাহলে ভবিষ্যতে আর কখনও সুযোগ থাকবে না। সর্বসম্মতি সম্পূর্ণভাবে বিস্ফোরণের আগে, কেবল তিন মাসের একটি উইন্ডো সময় রয়েছে।

সাত, Artificial饱和后，Humanity最稀缺

"আপনি হয়তো AI-কে অবজ্ঞা করেন, কিন্তু আপনার শিক্ষকের শিক্ষকের শিক্ষিকা AI।"

যখন AI সব "কিভাবে" সমাধান করতে পারে, তখন মানুষের সবচেয়ে বড় মূল্য কেবল সেই "কেন" সংজ্ঞায়িত করা থাকে।

তিয়ানরুন আরও নির্দিষ্টভাবে বলেছেন—"আপনি আপনার স্বাদ, আপনার নান্দনিকতা, আপনি মানুষের সাথে সম্পর্কের দৃষ্টিভঙ্গি AI-তে নিয়ে আসলে, আপনি আপনার জিনিস তৈরি করতে পারবেন।"

তিনি ওপেনক্লওতে কোড অবদান রাখার পদ্ধতি হল প্রযুক্তিগত দৃষ্টিকোণ থেকে বাগ খোঁজা নয়, বরং ব্যবহারকারীর দৃষ্টিকোণ থেকে সমস্যা খোঁজা। তিনি কোড বোঝেন না, কিন্তু পণ্য অনুভূতি তাকে জানায় কোন পরিবর্তন "সর্বনিম্ন পরিবর্তনের মাধ্যমে সর্বাধিক অভিজ্ঞতা উন্নতি" আনতে পারে। টেলিগ্রাম জোড়া দেওয়ার সময় সতর্কতা তথ্য বিভ্রান্তিকর, API কী কপি পেস্ট করার সময় একটি অতিরিক্ত স্পেস থাকলে ব্যর্থ—এই পরিবর্তনগুলি খুব ছোট, কিন্তু কয়েক হাজার মানুষের ব্যবহার অভিজ্ঞতাকে সরাসরি প্রভাবিত করে। এটাই কারণ যে রক্ষণাবেক্ষক তার PR মিশ্রণে আগ্রহী।যখন কৃত্রিম পূর্ণতা অর্জন করে, মানবতা সবচেয়ে বিরল।

সৌন্দর্য, অর্থবোধ, সহানুভূতি, কাহিনী—এই সব কিছু যা আপনি মনে করেন মূল্যহীন, তা AI যুগের সবচেয়ে মূল্যবান ক্ষমতা হয়ে উঠছে।

আট, পণ্য হল বিষয়বস্তু, প্রত্যেকেরই থাকবে নিজস্ব সফটওয়্যার

"আগে আপনি এক ঘণ্টা সময় ব্যয় করে একটি নিবন্ধ লিখতেন, এখন আপনি এক ঘণ্টায় একটি অ্যাপ তৈরি করতে পারেন। যখন সরবরাহ অসীম হয়, অ্যাপটি একটি টিকটক ভিডিওর মতো হয়ে যায়।"

তিয়ানরুন এই সিদ্ধান্তটি খুব পরিষ্কারভাবে বলেছেন—

"এখন পণ্য একটি বিষয়বস্তু হয়ে গেছে। অতীতে আপনি টিকটক রেকর্ড করে নিজেকে প্রকাশ করতেন, নিবন্ধ লিখে নিজেকে প্রকাশ করতেন। এখন যে কেউ পণ্য তৈরি করতে পারে, পণ্য হল আপনার প্রকাশের মাধ্যম। এর মধ্যে আপনার ব্যক্তিত্ব, আপনার অন্তর্দৃষ্টি, আপনার যত্নের বিষয় প্রতিফলিত হয়।"

হে জিয়ালিয়াং শিক্ষকের সাথে আলোচনা করার সময় একটি আরও চরম সংস্করণ উঠে এসেছে—"যখন সফটওয়্যার উন্নয়নের খরচ শূন্যের দিকে চলে যায়, ভবিষ্যতে সম্ভবত আর 'একজন ব্যক্তি সকলের জন্য লিখছে' হবে না, বরং 'প্রত্যেকেরই থাকবে নিজস্ব সফটওয়্যার'।"

যখন উন্নয়ন খরচ শূন্যের দিকে চলে যায়, "পণ্য তৈরি করা" এবং "ছোট ভিডিও প্রকাশ করা" একই বিষয় হয়ে যায়।

নয়, ঘনিষ্ঠভাবে প্রস্তুতি নেওয়া পুরানো দৃষ্টিভঙ্গি

"বিশ্ববিদ্যালয় অদৃশ্য হয়ে যাবে, হ্যাকাথন হবে পরবর্তী বিশ্ববিদ্যালয়।"

তিয়ানরুন একটি কঠোর মন্তব্য করেছেন—ঘনিষ্ঠভাবে প্রস্তুতি নেওয়া পুরানো দৃষ্টিভঙ্গি।

অতীতে আপনি D অর্জন করতে চাইলে, প্রথমে A করতে হবে, তারপর B, তারপর C। প্রোগ্রামার হতে চান? প্রথমে CS স্নাতক পড়ুন, প্রশ্নের উত্তর দিন, বড় কোম্পানিতে মাস্টারের সাথে অনুশীলন করুন, সহ্য করুন, একটি দলের নেতৃত্ব দিন—তাহলে আপনি OpenClaw-এ বাগ ঠিক করতে পারবেন।

"এই যুক্তি গত এক হাজার বছর ধরে সঠিক ছিল। কিন্তু মাত্র কয়েক মাসের মধ্যে, এই ধারণাগুলি আর প্রযোজ্য নয়—এবং বেশিরভাগ মানুষ এখনও এটি উপলব্ধি করেনি।"

নতুন শেখার পদ্ধতি হল JIT Learning—Just In Time, যা প্রয়োজন তাতেই শেখা। তিয়ানরুন নিজেই একটি উদাহরণ: চার মাস আগে PR কী তা জানতেন না, এখন OpenClaw-এর মূল অবদানকারী।

ঐতিহাসিক বোঝা যত কম, পরিবর্তনের খরচ তত কম।

দশ, কৌতূহল, কল্পনা, সাহস

লেক্স ফ্রিডম্যান OpenClaw-এর প্রতিষ্ঠাতা পিটারকে জিজ্ঞেস করেছেন—"আপনি কেন এটি তৈরি করেছেন, কিন্তু Manus এবং OpenAI করেনি?"

"তারা কি খুব গম্ভীর? সত্যিকারের উদ্ভাবন খেলার মাধ্যমে আসে।"

পিটার নিজে 30টিরও বেশি প্রকল্প করেছেন OpenClaw তৈরি করতে। তিনি মনে করেন পূর্ববর্তী প্রকল্পগুলি ব্যর্থ নয়—সেই 30টির অভাব থাকলে OpenClaw হত না। Dots connected।

তিয়ানরুন OpenClaw-এর জন্য কোড লেখার সময়ও একই মনোভাব রাখেন—"আমি মনে করি OpenClaw ব্যবহার করে OpenClaw-এর ডিবাগ করা একটি খুব কুল এবং মজার বিষয়। এটি গেম খেলার মতো র‍্যাঙ্কিং খেলার মতো।"

সমস্ত লবস্টার সভায়, তিয়ানরুন তিনটি শব্দ বারবার উল্লেখ করেছেন—

কৌতূহল—নতুন বিষয়গুলির সাথে যোগাযোগ করতে, চেষ্টা করতে, খেলতে সাহসী। আপনি যে বিষয়গুলি "আপনার স্পর্শ করা উচিত নয়" সেগুলির সাথে যোগাযোগ করতে ইচ্ছুক।

কল্পনা—এটি শুধুমাত্র পণ্যের কল্পনা নয়, বরং নিজের ক্ষমতার কল্পনা। আপনাকে বিশ্বাস করতে হবে যে আপনি অন্যদের দেখার মতো সম্ভাবনাগুলি দেখতে পারেন।

সাহস—এটি ঝুঁকি নেওয়ার সাহস নয়। সাহস হল অতীতের ধারণাগুলি ভাঙার সাহস। অতীতে সঠিক যুক্তি, এখন হয়তো সঠিক নয়, শুধু আপনি এটি উপলব্ধি করেননি। "স্বপ্নদর্শী" আগে একটি ত্রুটি ছিল, এখন এটি একটি গুণ। "যা মনে আসে তাই করা" আগে একটি ত্রুটি ছিল, এখন এটি সেরা গুণ।

যখন AI সব কিছুর How সমাধান করতে পারে, মানুষের সবচেয়ে বড় মূল্য হল সেই Why সংজ্ঞায়িত করা।

আশা করি সবাই তারা যে ব্যক্তি হতে চায়, সেই ব্যক্তি হয়ে উঠতে পারে।

এই নিবন্ধের মতামত সাম্প্রতিক লবস্টার সভায় কথোপকথন এবং সংঘর্ষ থেকে এসেছে, যার মধ্যে রয়েছে Zhipu Lobster পার্টি, Qiniu Shanghai Lobster Bureau, Jin Qiu Small Dining Table, এবং Tianrun, Will, Nan Chuan, William, Chen Cai Mao, Jia Liang এবং অন্যান্য বন্ধুদের সাথে গভীর আলোচনা। খাবারের টেবিলে বুদ্ধি দেওয়ার জন্য প্রতিটি ব্যক্তিকে ধন্যবাদ।