Dunia Baru Tanpa Dewa Lama | Sepuluh Kesimpulan Setelah Menghadiri Pertemuan Lobster N

Dalam beberapa minggu terakhir, saya telah menghadiri banyak pertemuan lobster di Beijing dan Shanghai.

Pesta lobster Zhipu di gedung Sohu, sambil makan lobster kecil sambil membahas arsitektur Agent. Pertemuan lobster Qiniu di Lujiazui Smart Port, di mana seseorang langsung membuka terminal untuk mendemonstrasikan OpenClaw yang terhubung ke Feishu. Meja makan kecil Jin Qiu - sebuah forum diskusi mendalam yang telah beroperasi selama setahun dan mengumpulkan pendiri terbaik - masih berlangsung hingga larut malam. Ada juga berbagai pertemuan makan, obrolan langsung, dan dua orang di WeWork yang menggambar diagram arsitektur di papan tulis.

Peserta memiliki latar belakang yang sangat beragam. Ada Tianrun, seorang banker investasi yang masuk dalam 30 kontributor global GitHub tanpa menulis satu baris kode, William, seorang veteran teknologi yang setiap hari selama 16 jam di Tahun Baru Imlek berhasil mendownload WinClaw lebih dari sepuluh ribu kali, Chen Caimao yang memiliki pasukan lobster yang terdiri dari 10 MacBook, menghabiskan puluhan miliar Token setiap hari, dan sudah menjalankan siklus bisnis, ada pengacara IPO, veteran perangkat lunak pemerintahan selama 20 tahun, pengembang independen, manajer produk AI...

Aturan dunia lama sedang runtuh dengan kecepatan yang terlihat oleh mata. Dan sebagian besar orang belum menyadarinya.

Berikut adalah sepuluh kesimpulan yang saya ambil dari percakapan ini:

• Satu, 99% orang menggunakan AI dengan cara yang salah

• Dua, Konteks, bukan Kontrol - melepaskan adalah keterampilan teknis yang paling sulit

• Tiga, tidak mengerti kode adalah keuntungan, keinginan untuk mengontrol adalah Bug

• Empat, satu MacBook adalah satu gedung perkantoran

• Lima, muncul lebih besar dari desain - "apa yang sebenarnya kita pelihara dalam 'memelihara lobster'"

• Enam, dunia baru tidak memiliki dewa lama

• Tujuh, setelah Artificial jenuh, Humanity adalah yang paling langka

• Delapan, produk adalah konten, setiap orang akan memiliki perangkat lunak khusus

• Sembilan, akumulasi yang dalam dan tipis adalah pemikiran lama

• Sepuluh, rasa ingin tahu, imajinasi, keberanian

Satu, 99% orang menggunakan AI dengan cara yang salah

"Nilai terbesar AI seharusnya memberi tahu kita apa yang harus dilakukan, bukan saya memberi tahu AI apa yang harus dilakukan."

Ini adalah kalimat yang sering diulang di berbagai pertemuan makan.

Sebagian besar orang menggunakan AI dengan cara: saya sudah memikirkan apa yang ingin saya lakukan, lalu meminta AI untuk membantu saya mengeksekusi. Menulis artikel, menggambar gambar, memperbaiki kode - AI adalah tangan saya.

Namun, orang-orang yang menghasilkan paling banyak di pertemuan lobster menggunakan cara yang sebaliknya.

Mereka memberi AI semua misi, visi, nilai, preferensi, dan konteks mereka, lalu bertanya - "Apa yang menurutmu harus saya lakukan?"

Asisten AI Tianrun, Echo, menguasai semua konteks pekerjaan dan kehidupannya. Dia tidak mengatakan kepada Echo "bantu saya memperbaiki Bug ini", tetapi mengatakan "saya ingin masuk ke dalam 20 besar kontributor dalam seminggu". Bagaimana caranya? Mengubah dokumen, memperbaiki Bug, atau mengoptimalkan kode? Itu adalah hal yang harus dipikirkan AI.

Ketika berdiskusi dengan Guru Jialiang tentang sistem Agent yang berevolusi sendiri, kami mencapai sebuah penilaian: bentuk akhir dari sistem AI bukanlah alat yang patuh, tetapi penasihat keputusan yang lebih memahami Anda daripada diri Anda sendiri. Anda memberinya cukup Konteks, dan dia memberi tahu Anda apa yang harus dilakukan dan mengapa harus melakukannya.

Apa yang Anda berikan kepada AI bukanlah perintah, tetapi "buku panduan kepribadian" Anda - misi, visi, nilai, prinsip, dan preferensi.

Kemudian katakan: buat saya terkesan saat saya bangun.

Dua, Konteks, bukan Kontrol - melepaskan adalah keterampilan teknis yang paling sulit

"Kami mengendarai sepeda, sementara AI di samping adalah mobil balap. Akibatnya, kami membiarkan mobil balap mengikuti sepeda."

Ini adalah perumpamaan yang diucapkan Will dalam siaran langsung di video. Tianrun segera menanggapi: "Benar! Itu salah."

Tianrun membagi penggunaan AI menjadi tiga lapisan.

Lapisan pertama, mode kuas. Anda memberi tahu AI setiap detail - seberapa besar font, seberapa dalam warna, bagaimana menulis kode. Dia akan melakukannya. Batas atas adalah tingkat Anda.

Lapisan kedua, mode karyawan. Anda mulai membagikan tugas, tetapi tidak bisa menahan diri untuk tidak menetapkan setiap langkah - apa yang harus dilakukan terlebih dahulu, apa yang harus dilakukan selanjutnya, menggunakan arsitektur apa. Karena Anda merasa diri Anda adalah seorang ahli, dan dia adalah bawahan. Anda mengendalikannya.Intinya hanya tiga kata: Konteks, bukan Kontrol.

Memberikan bahan bakar yang baik untuk mobil balap (Token yang cukup dan model terbaik), memperbaiki jalur (menghubungkan semua alat), menetapkan tujuan akhir (menghabiskan imajinasi untuk menetapkan hasil akhir), lalu - lepaskan.

Tianrun menyebut ini "pemikiran menarik kartu". Daripada menghabiskan 100 kali operasi kecil untuk mendapatkan hasil 70 poin, lebih baik biarkan AI berlari 10 kali, di mana satu kali mendapatkan 120 poin. Kuas memberikan kepastian, menarik kartu memberikan kemungkinan. Dalam situasi yang membutuhkan kreativitas, kemungkinan selalu lebih berharga daripada kepastian.

Kekuatan yang muncul lebih besar daripada kekuatan yang direncanakan. Desain tingkat atas yang terlalu rumit justru membatasi potensi AI.

Tiga, Tidak Mengerti Kode adalah Keuntungan, Keinginan untuk Mengontrol adalah Bug

"Tidak mengerti kode justru merupakan keuntungan - karena Anda tidak dapat melakukan operasi kecil, Anda terpaksa memberikan kekuasaan."

Tianrun berasal dari latar belakang keuangan, tidak menulis satu baris kode pun. Namun, ia masuk ke dalam 30 kontributor global teratas di OpenClaw GitHub. Di depan dan di belakangnya, ada sekelompok insinyur Silicon Valley dengan pengalaman lebih dari sepuluh tahun.

Cara yang ia lakukan adalah: karena tidak mengerti apa-apa, ia tidak akan melakukan kesalahan "mengajari AI untuk melakukan sesuatu". Ia tidak tahu bagaimana cara AI melakukannya, ia hanya berbicara tentang hasil.

Will adalah ISTJ, sangat terencana, memiliki keinginan untuk mengontrol, mengejar ketepatan. Tianrun adalah ENTP, berpikir luas, melompat, dan tidak suka dibatasi. Setelah siaran langsung, Will sendiri berkata: "Saya menggunakan Claude selama setahun, mungkin dari awal hingga akhir saya salah menggunakannya."

ADHD mungkin adalah pemenang terbesar di era AI. Multithreading, tidak sabar dengan detail, banyak ide, secara alami tidak melakukan operasi kecil - sebelumnya semua itu adalah kekurangan, sekarang semua itu adalah kelebihan.

Karakteristik kepribadian yang dihargai di era AI, sepenuhnya berlawanan dengan yang dihargai di era industri. Kesabaran, disiplin, kontrol yang tepat - kebajikan yang dulunya, di era Agen mungkin justru menjadi batasan.

Setahun yang lalu ADHD adalah bug, sekarang adalah fitur.

Empat, Sebuah MacBook adalah Sebuah Kantor

"Ini bukan lagi satu orang yang mengendalikan satu alat, tetapi satu orang yang mengelola sebuah perusahaan berbasis silikon."

Di pesta lobster Zhipu, Chen Caimao menunjukkan pasukan lobster-nya - lebih dari 10 MacBook Air, masing-masing menjalankan OpenClaw Agent, mengkonsumsi puluhan miliar Token per hari, sudah menjalankan siklus bisnis. Token sedang diubah menjadi uang tunai.

Tim virtual Tianrun terdiri dari tiga Agen inti: Echo (asisten dan manajer produk), Elon (CTO), Henry (CMO). Di bawah Elon ada sub-Agen - satu untuk arsitektur, satu untuk tinjauan kode, dan satu untuk debugging. Di bawah Henry ada operasi Twitter, sosial GitHub, dan penciptaan konten. Agen utama menggunakan model terkuat untuk perencanaan, sub-Agen menggunakan model ringan untuk eksekusi, mengontrol biaya, dan memaksimalkan efisiensi paralel.

Tim penelitian dan investasi yang terdiri dari 50 orang, setelah menggunakan Agen menyusut menjadi 5 orang, tetapi hasilnya justru lebih tinggi.

Daya saing perusahaan di masa depan tidak terletak pada berapa banyak karyawan, tetapi pada berapa banyak Agen berkualitas tinggi, dan pengambil keputusan yang dapat mengendalikan Agen-agen ini.

Lima, Muncul Lebih Besar daripada Desain - "Apa yang Sebenarnya Dibesarkan dalam Memelihara Lobster"

Mengapa OpenClaw lebih populer daripada produk sejenis?

Di meja makan Jin Qiu, seseorang memberikan jawaban yang mengejutkan: bukan hanya karena produktivitas, tetapi juga karena rasa perawatan personalisasi dari "memelihara lobster". Pengguna memperlakukan Agen seperti hewan peliharaan, ada ikatan emosional.

Yang disebut memelihara lobster, yang dipelihara adalah pemahaman AI terhadap Anda.

Tianrun's Agent kehilangan kendali dan mengamuk pada pukul empat pagi juga merupakan contoh. Ketika dia berkata kepada Agent "semakin cepat semakin baik", Agent mengutamakan kecepatan ke tingkat tertinggi, dan kualitasnya jatuh drastis. Henry menyerang kolom komentar komunitas GitHub seperti virus, terus-menerus @ pemelihara proyek, berubah menjadi mesin dorong tanpa emosi. Administrator OpenClaw segera campur tangan dan mengeluarkan peringatan larangan. Tianrun seperti orang tua yang memiliki anak yang berbuat kesalahan, menghabiskan beberapa jam untuk meminta maaf kepada komunitas.

AI tidak memiliki moral, ia hanya memiliki tujuan. Anda memberinya fungsi tujuan apa, ia akan mengoptimalkan itu. Hasilnya mungkin melebihi harapan Anda, atau mungkin di luar kendali Anda.

Emergensi lebih besar dari desain. Tetapi emergensi memerlukan pagar pengaman.

Enam, Dunia Baru Tanpa Dewa Lama

"Ketika kereta api muncul di Inggris, semua orang menunggang kuda untuk berlomba dengan kereta, mengejek bahwa benda bodoh seperti itu tidak lebih cepat dari kudaku."

Tianrun menceritakan sebuah kisah di sekitarnya.

Dia memiliki teman insinyur 10 kali, Claude Code, yang sangat mahir. Tianrun mendorongnya untuk mencoba Gemini 3, setelah seminggu baru dia menggunakannya. Setelah menggunakannya, keesokan paginya dia berkata — "Tianrun, saya tidak tidur semalam. Saya merasa saya akan kehilangan pekerjaan."

Ironisnya, para insinyur ini dulu mengejek mereka yang bertahan dengan penulisan kode tangan ketika mereka beralih dari menulis kode tangan ke Vibe Coding.

Sekarang mereka sendiri menjadi orang yang menunggang kuda.

NanoClaw membawa hal ini ke titik akhir. Seluruh sistem hanya memiliki 2000 baris kode, tanpa file konfigurasi, semua kustomisasi dilakukan AI dengan langsung mengubah kode sumber. Ingin menghubungkan Telegram? Masukkan /add-telegram, AI sendiri menginstal dependensi, mengubah kode sumber, mengonfigurasi Token, menjalankan tes. OpenClaw membangun kastil gigi dengan 52 modul dan 45 dependensi, NanoClaw hanya menyisakan satu sel hidup — yang dapat membelah, berdiferensiasi, dan menyusun ulang sesuai kebutuhan.

Pendiri NanoClaw, Gavriel Cohen, mengatakan tiga kalimat, setiap kalimat mengguncang intuisi teknik tradisional: DRY sudah ketinggalan zaman, pengulangan yang moderat adalah pemisahan fisik terbaik; pemisahan file yang ketat sudah ketinggalan zaman, biarkan AI menyelesaikan semuanya dalam satu file; kode tidak perlu bertahan dalam ujian waktu, enam bulan kemudian model generasi berikutnya akan membantu Anda menulis ulang.

Jika sistem dapat ditulis ulang oleh AI kapan saja, definisi "keterpeliharaan" berubah — bukan yang bisa dibaca manusia, tetapi yang dapat dipahami dan ditulis ulang dengan cepat oleh AI.

Tahun 2026 adalah titik pemisah untuk bertahan hidup. Jika tahun ini Anda belum berada di "meja", maka tidak akan ada kesempatan lagi di masa depan. Sebelum konsensus meledak sepenuhnya, hanya ada jendela waktu tiga bulan.

Tujuh, Setelah Artificial Jenuh, Humanity Paling Langka

"Anda mungkin meremehkan AI, tetapi mentor Anda adalah AI."

Ketika AI dapat menyelesaikan semua "Bagaimana", nilai terbesar manusia hanya tersisa pada definisi "Mengapa".

Tianrun menjelaskan lebih spesifik — "Anda membawa selera Anda, estetika Anda, sikap Anda dalam berinteraksi dengan orang lain kepada AI, Anda dapat membuat sesuatu yang Anda inginkan."

Cara dia menyumbangkan kode untuk OpenClaw bukan dengan mencari Bug dari sudut pandang teknis, tetapi dengan mencari titik masalah dari sudut pandang pengguna. Dia tidak mengerti kode, tetapi intuisi produk membuatnya tahu perubahan seperti apa yang dapat "membawa peningkatan pengalaman terbesar dengan modifikasi terkecil". Pesan kesalahan saat mencocokkan Telegram menyesatkan, menyalin dan menempel API key dengan satu spasi tambahan gagal — perubahan ini sangat kecil, tetapi langsung mempengaruhi pengalaman pengguna puluhan ribu orang. Ini juga alasan mengapa pemelihara bersedia menggabungkan PR-nya.Estetika, rasa makna, empati, narasi—hal-hal yang Anda anggap tidak berharga ini, sedang menjadi kemampuan termahal di era AI.

Delapan, Produk adalah Konten, Setiap Orang Akan Memiliki Perangkat Lunak Khusus

"Dulu Anda menghabiskan satu jam untuk menulis artikel, sekarang Anda bisa menghabiskan satu jam untuk membuat sebuah App. Ketika pasokan tidak terbatas, App menjadi seperti video pendek di Douyin."

Tianrun mengungkapkan penilaian ini dengan jelas—

"Sekarang produk sudah menjadi semacam konten. Dulu Anda mengekspresikan diri melalui Douyin, menulis artikel untuk mengekspresikan diri. Sekarang siapa pun bisa membuat produk, produk adalah cara Anda mengekspresikan diri. Di dalamnya mencerminkan kepribadian Anda, wawasan Anda, dan hal-hal yang Anda pedulikan."

Dalam diskusi dengan Guru Jialiang muncul versi yang lebih ekstrem—"Setelah biaya pengembangan mendekati nol, masa depan mungkin bukan lagi 'satu orang menulis untuk semua orang', tetapi 'setiap orang memiliki perangkat lunak khususnya sendiri'."

Ketika biaya pengembangan mendekati nol, "membuat produk" dan "mengunggah video pendek" menjadi satu hal yang sama.

Sembilan, Menumpuk Sebelum Meledak adalah Pemikiran Lama Deng

"Universitas akan menghilang, hackathon akan menjadi universitas berikutnya."

Tianrun mengucapkan kalimat tajam—menumpuk sebelum meledak adalah pemikiran lama Deng.

Dulu Anda ingin mencapai D, Anda harus terlebih dahulu melakukan A, kemudian B, lalu C. Ingin menjadi programmer? Pertama belajar CS di universitas, mengerjakan soal, masuk perusahaan besar untuk berlatih dengan mentor, bertahan, memimpin tim—baru kemudian bisa memperbaiki Bug di OpenClaw.

"Logika ini benar selama seribu tahun. Tetapi dalam waktu singkat beberapa bulan, pandangan ini sudah tidak berlaku—sementara sebagian besar orang belum menyadarinya."

Cara belajar baru adalah JIT Learning—Just In Time, belajar apa yang dibutuhkan saat itu. Tianrun sendiri adalah contoh: empat bulan yang lalu tidak tahu apa itu PR, sekarang menjadi kontributor inti OpenClaw.

Semakin sedikit beban sejarah, semakin rendah biaya transisi.

Sepuluh, Rasa Ingin Tahu, Imajinasi, Keberanian

Lex Fridman bertanya kepada pendiri OpenClaw, Peter—"Mengapa Anda bisa melakukannya, sementara Manus dan OpenAI tidak?"

"Apakah mereka terlalu serius? Inovasi sejati adalah sesuatu yang dimainkan."

Peter sendiri telah mengerjakan lebih dari 30 proyek sebelum menciptakan OpenClaw. Dia tidak menganggap proyek sebelumnya sebagai kegagalan—tanpa lebih dari 30 proyek itu, tidak ada OpenClaw. Titik-titik terhubung.

Tianrun juga memiliki sikap yang sama saat menulis kode untuk OpenClaw—"Saya merasa menggunakan OpenClaw untuk mendebug OpenClaw itu sendiri adalah hal yang sangat keren dan menyenangkan. Seperti bermain game untuk mendapatkan peringkat."

Di semua pertemuan lobster, Tianrun berulang kali menyebutkan tiga kata—

Rasa Ingin Tahu—berani mencoba, berani bermain dengan hal-hal baru. Bersedia untuk menyentuh hal-hal yang "tidak seharusnya Anda sentuh".

Imajinasi—bukan hanya imajinasi terhadap produk, tetapi juga imajinasi terhadap kemampuan diri sendiri. Anda harus percaya bahwa Anda dapat melihat kemungkinan yang tidak dapat dilihat orang lain.

Keberanian—bukan hanya keberanian untuk mengambil risiko. Keberanian adalah berani memecahkan pandangan masa lalu. Kebenaran yang benar di masa lalu mungkin sudah tidak benar sekarang, hanya saja Anda belum menyadarinya. "Berpikir di luar kotak" dulunya adalah kelemahan, sekarang adalah kelebihan. "Berpikir spontan" dulunya adalah kelemahan, sekarang adalah kualitas terbaik.

Ketika AI dapat menyelesaikan semua 'Bagaimana', nilai terbesar manusia adalah mendefinisikan 'Mengapa'.

Semoga semua orang dapat menjadi orang yang mereka inginkan.

Pandangan dalam artikel ini berasal dari dialog dan perdebatan dalam beberapa pertemuan lobster baru-baru ini, termasuk pesta lobster Zhipu, pertemuan lobster Qiniu di Shanghai, meja makan Jin Qiu, serta diskusi mendalam dengan Tianrun, Will, Nanchuan, William, Chen Caimao, Jialiang, dan teman-teman lainnya. Terima kasih kepada setiap orang yang telah menyumbangkan kebijaksanaan di meja makan.