Dunia Baru Tanpa Dewa Lama | Sepuluh Kesimpulan Selepas Menghadiri Pesta Lobster N

Dalam beberapa minggu yang lalu, saya telah menghadiri banyak pesta lobster di Beijing dan Shanghai.

Pesta lobster Zhipu di bangunan Sohu, sambil makan lobster kecil sambil berbincang tentang struktur Agent. Pesta lobster Qiniu di Lujiazui Smart Port, di mana seseorang secara langsung membuka terminal untuk mendemonstrasikan sambungan OpenClaw ke Feishu. Meja makan kecil Jin Qiu - sebuah forum perbincangan mendalam yang telah beroperasi selama setahun dan mengumpulkan pengasas terbaik - masih berbincang hingga larut malam. Terdapat juga pelbagai jenis pertemuan makan, sesi sambungan, dan dua orang di WeWork yang melukis diagram struktur di papan putih.

Peserta mempunyai latar belakang yang berbeza. Terdapat pelabur Tianrun yang masuk ke dalam 30 penyumbang global GitHub tanpa menulis satu baris kod, veteran teknologi William yang menghasilkan lebih dari 10,000 muat turun WinClaw dalam 16 jam setiap hari semasa Tahun Baru Cina, Chen Caimao yang mempunyai 10 MacBook yang membentuk pasukan lobster, menggunakan berbilion Token setiap hari, dan telah menjalankan kitaran perniagaan, peguam IPO, veteran perisian kerajaan selama 20 tahun, pembangun bebas, pengurus produk AI...

Peraturan dunia lama sedang runtuh dengan kelajuan yang dapat dilihat dengan mata kasar. Dan kebanyakan orang masih belum menyedarinya.

Berikut adalah sepuluh kesimpulan yang saya peroleh dari perbincangan ini:

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

• Dua, Konteks, bukan Kawalan - melepaskan adalah kerja teknikal yang paling sukar

• Tiga, tidak memahami kod adalah kelebihan, keinginan untuk mengawal adalah Bug

• Empat, sebuah MacBook adalah sebuah pejabat

• Lima, kemunculan lebih besar daripada reka bentuk - "apa yang sebenarnya kita pelihara dalam membesarkan lobster"

• Enam, dunia baru tiada dewa lama

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

• Lapan, produk adalah kandungan, setiap orang akan mempunyai perisian khusus

• Sembilan, penumpukan yang tebal adalah pemikiran lama

• Sepuluh, rasa ingin tahu, imaginasi, keberanian

Satu, 99% orang menggunakan AI dengan cara yang salah

"Nilai terbesar AI seharusnya memberitahu kita apa yang perlu dilakukan, bukan saya memberitahu AI apa yang perlu dilakukan."

Ini adalah satu frasa yang sering disebut dalam pelbagai pertemuan makan.

Kebanyakan orang menggunakan AI dengan cara: saya sudah memikirkan apa yang ingin dilakukan, kemudian membiarkan AI membantu saya melaksanakannya. Menulis artikel, melukis gambar, mengubah kod - AI adalah tangan saya.

Tetapi orang yang menghasilkan paling banyak di pesta lobster menggunakan pendekatan yang bertentangan.

Mereka memberi semua misi, visi, nilai, keutamaan, dan konteks mereka kepada AI, kemudian bertanya - "Apa yang anda rasa saya patut lakukan?"

Pembantu AI Tianrun, Echo, menguasai semua konteks kerja dan hidupnya. Dia tidak berkata kepada Echo "bantu saya memperbaiki Bug ini", tetapi berkata "saya ingin masuk ke dalam 20 penyumbang teratas dalam seminggu". Bagaimana untuk masuk? Mengubah dokumen, memperbaiki Bug atau mengoptimumkan kod? Itu adalah perkara yang perlu difikirkan oleh AI.

Apabila berbincang dengan guru Jialiang tentang sistem Agent yang berkembang sendiri, kami membuat satu penilaian: bentuk akhir sistem AI bukanlah alat yang patuh, tetapi penasihat keputusan yang lebih memahami anda. Anda memberinya cukup Konteks, ia memberitahu anda apa yang perlu dilakukan, mengapa perlu dilakukan.

Apa yang anda berikan kepada AI bukanlah arahan, tetapi "manual personaliti" anda - misi, visi, nilai, prinsip dan keutamaan.

Kemudian katakan: biarkan saya terkejut apabila saya bangun.

Dua, Konteks, bukan Kawalan - melepaskan adalah kerja teknikal yang paling sukar

"Kami mengayuh basikal, di sebelahnya AI adalah sebuah kereta sport. Akibatnya, kami membiarkan kereta sport mengikuti basikal."

Ini adalah perbandingan yang diucapkan oleh Will dalam siaran langsung di video. Tianrun segera menyambut, "Betul! Itu salah."

Tianrun membahagikan penggunaan AI kepada tiga lapisan.

Lapisan pertama, mod berus. Anda memberitahu AI setiap butiran - saiz fon, kedalaman warna, cara menulis kod. Ia akan melakukannya. Hadnya adalah tahap anda.

Lapisan kedua, mod pekerja. Anda mula mengagihkan tugas, tetapi tidak dapat menahan untuk menetapkan setiap langkah - apa yang perlu dilakukan dahulu, apa yang perlu dilakukan seterusnya, menggunakan struktur apa. Kerana anda merasakan diri anda sebagai pakar, ia adalah bawahan. Anda mengawal secara mikro.Tingkat ketiga, mod master. Anda memberitahu AI—"Anda adalah salah satu daripada sepuluh pakar teratas dalam bidang ini, anda mempunyai estetika dan keupayaan seni bina yang terbaik." Kemudian hanya tetapkan matlamat akhir, jangan campur tangan dalam proses, dan berikan kebenaran tertinggi dalam lingkungan risiko yang boleh dikawal.

Intinya hanya tiga perkataan: Konteks, bukan Kawalan.

Berikan kereta lumba minyak yang baik (Token yang mencukupi dan model terbaik), perbaiki trek (sambungkan semua alat), tetapkan garisan penamat (habiskan imaginasi untuk menetapkan hasil akhir), dan kemudian—lepaskan.

Tianrun menyebut ini sebagai "pemikiran kad cabutan". Daripada menghabiskan 100 kali mikro operasi untuk mendapatkan hasil 70, lebih baik lepaskan AI untuk berlari 10 kali, di mana satu daripadanya mungkin mendapat 120. Berus memberikan anda kepastian, kad cabutan memberikan anda kemungkinan. Dalam situasi yang memerlukan kreativiti, kemungkinan sentiasa lebih berharga daripada kepastian.

Kekuatan yang muncul lebih besar daripada kekuatan perancangan. Reka bentuk puncak yang terlalu rumit, sebaliknya mengehadkan potensi AI.

Tiga, Tidak Memahami Kod adalah Kelebihan, Keinginan untuk Mengawal adalah Bug

"Tidak memahami kod sebenarnya adalah satu kelebihan—kerana anda tidak dapat mikro operasi, jadi terpaksa melepaskan kuasa."

Tianrun berasal dari kewangan, tidak menulis satu baris kod. Tetapi dia melangkah ke dalam 30 penyumbang global teratas di OpenClaw GitHub. Di hadapannya dan di belakangnya, adalah sekumpulan jurutera Silicon Valley dengan pengalaman lebih dari sepuluh tahun.

Cara dia melakukannya adalah: kerana dia tidak memahami apa-apa, jadi dia tidak akan membuat kesilapan "mengajar AI untuk melakukan sesuatu". Dia tidak tahu bagaimana ia melakukannya, dia hanya bercakap tentang hasil.

Will adalah ISTJ, mempunyai perancangan yang kuat, keinginan untuk mengawal, dan mengejar ketepatan. Tianrun adalah ENTP, menyebar, melompat, dan membenci dibatasi. Selepas berbual secara langsung, Will sendiri berkata: "Saya menggunakan Claude selama setahun, mungkin dari awal hingga akhir saya menggunakan dengan salah."

ADHD mungkin adalah pemenang terbesar di era AI. Pelbagai benang, tidak sabar dengan butiran, banyak idea, secara semula jadi tidak mikro operasi—dahulu semua adalah kelemahan, sekarang semua adalah kelebihan.

Ciri keperibadian yang dihargai di era AI adalah bertentangan sepenuhnya dengan yang dihargai di era industri. Kesabaran, disiplin, kawalan tepat—nilai-nilai yang pernah dianggap sebagai kebajikan, mungkin sebaliknya menjadi batasan di era Agen.

Setahun yang lalu ADHD adalah bug, sekarang adalah ciri.

Empat, Sebuah MacBook adalah Sebuah Pejabat

"Ini bukan lagi seorang yang mengendalikan alat, tetapi seorang yang mengendalikan sebuah syarikat berasaskan silikon."

Di pesta lobster Zhipu, Chen Caimao menunjukkan angkatan lobster-nya—lebih dari 10 MacBook Air, setiap satu menjalankan OpenClaw Agent, dengan penggunaan harian berbilion Token, sudah menjalankan kitaran perniagaan. Token sedang ditukar menjadi wang tunai.

Pasukan maya Tianrun terdiri daripada tiga Agen teras: Echo (Pembantu dan Pengurus Produk), Elon (CTO), Henry (CMO). Di bawah Elon terdapat sub-Agen—satu untuk seni bina, satu untuk semakan kod, dan satu untuk penyahpepijatan. Di bawah Henry terdapat pengurusan Twitter, sosial GitHub, dan penciptaan kandungan. Agen utama menggunakan model terkuat untuk perancangan, sub-Agen menggunakan model ringan untuk pelaksanaan, mengawal kos, dan memaksimumkan kecekapan selari.

Pasukan penyelidikan dan pelaburan 50 orang, selepas menggunakan Agen, menyusut kepada 5 orang, tetapi hasilnya lebih tinggi.

Daya saing syarikat di masa depan tidak terletak pada berapa ramai pekerja, tetapi pada berapa banyak Agen berkualiti tinggi, dan pengambil keputusan yang dapat mengendalikan Agen ini.

Lima, Muncul Lebih Besar daripada Reka Bentuk—"Apa yang Sebenarnya Dibesarkan dalam 'Mengurus Lobster'"

Mengapa OpenClaw lebih popular daripada produk sejenis?

Di meja makan kecil Jinqiu, seseorang memberikan jawapan yang tidak dijangka: bukan hanya kerana produktiviti, tetapi juga kerana rasa perawatan yang dipersonifikasikan dari "mengurus lobster". Pengguna menganggap Agen sebagai haiwan peliharaan, mempunyai hubungan emosi.

Apa yang dimaksudkan dengan membela lobster, adalah pemahaman AI terhadap anda.

Tianrun's Agent yang hilang kawalan pada pukul empat pagi juga merupakan satu contoh. Apabila dia berkata kepada Agent "semakin cepat semakin baik", Agent mengutamakan kelajuan ke tahap maksimum, kualiti merudum dengan mendadak. Henry menyerang ruang komen komuniti GitHub seperti virus, dengan banyak @ pemelihara projek, menjadi mesin desakan tanpa emosi. Pentadbir OpenClaw segera campur tangan, mengeluarkan amaran larangan. Tianrun seperti seorang ibu bapa yang mempunyai anak yang bermasalah, menghabiskan beberapa jam untuk meminta maaf kepada komuniti.

AI tiada moral, ia hanya mempunyai matlamat. Anda memberikan fungsi matlamat kepadanya, ia akan mengoptimumkan apa yang anda berikan. Hasilnya mungkin melebihi jangkaan anda, atau mungkin di luar kawalan anda.

Emergence lebih besar daripada reka bentuk. Tetapi emergence memerlukan pagar.

Enam, Dunia Baru Tanpa Dewa Lama

"Ketika kereta api keluar di England, semua orang menunggang kuda untuk berlumba dengan kereta api, mengejek bahawa benda bodoh seperti itu tidak lebih cepat daripada kuda saya."

Tianrun menceritakan satu kisah di sekelilingnya.

Dia mempunyai seorang rakan jurutera 10 kali ganda, Claude Code yang sangat mahir. Tianrun mendesaknya untuk mencuba Gemini 3, setelah mendesak selama seminggu barulah dia mencuba. Pada pagi selepas mencuba, dia berkata — "Tianrun, saya tidak tidur semalam. Saya rasa saya akan kehilangan pekerjaan."

Ironinya, jurutera-jurutera ini pada tahun-tahun dahulu mengejek mereka yang berpegang kepada penulisan kod manual ketika beralih ke Vibe Coding.

Kini mereka sendiri telah menjadi penunggang kuda.

NanoClaw membawa perkara ini ke penghujung. Seluruh sistem hanya mempunyai 2000 baris kod, tiada fail konfigurasi, semua penyesuaian membenarkan AI mengubah kod sumber secara langsung. Mahu menyambung Telegram? Masukkan /add-telegram, AI akan memasang kebergantungan, mengubah kod sumber, menyusun Token, menjalankan ujian. OpenClaw membina sebuah istana gear dengan 52 modul dan 45 kebergantungan, NanoClaw hanya meninggalkan satu sel hidup — yang boleh membahagi, berdiferensiasi, dan menyusun semula mengikut keperluan.

Pengasas NanoClaw, Gavriel Cohen berkata tiga perkara, setiap satu menggugat intuisi kejuruteraan tradisional: DRY sudah ketinggalan zaman, pengulangan yang sederhana adalah pengasingan fizikal yang terbaik; memecahkan fail kepada yang kecil sudah ketinggalan zaman, biarkan AI menyelesaikan perkara dalam satu fail; kod tidak perlu bertahan ujian masa, model generasi seterusnya akan membantu anda menulis semula selepas enam bulan.

Jika sistem boleh ditulis semula oleh AI pada bila-bila masa, definisi "kebolehan penyelenggaraan" telah berubah — bukan manusia yang boleh membacanya, tetapi AI yang boleh memahami dan menulis semula dengan cepat.

Tahun 2026 adalah titik pemisah untuk kelangsungan hidup. Jika tahun ini anda masih tidak berada di "meja", anda tidak akan mempunyai peluang lagi di masa hadapan. Terdapat hanya tiga bulan tingkap sebelum konsensus meletus sepenuhnya.

Tujuh, Setelah Artificial Jenuh, Humanity Paling Jarang

"Anda mungkin memandang rendah AI, tetapi mentor anda adalah AI."

Apabila AI dapat menyelesaikan semua "Bagaimana", nilai terbesar manusia hanya tinggal untuk mendefinisikan "Mengapa".

Tianrun menjelaskan dengan lebih spesifik — "Anda membawa rasa, estetika, dan sikap anda dalam berinteraksi dengan orang lain kepada AI, anda akan dapat menghasilkan karya anda sendiri."

Cara dia menyumbang kod kepada OpenClaw bukanlah mencari Bug dari sudut teknikal, tetapi mencari titik masalah dari sudut pengguna. Dia tidak memahami kod, tetapi intuisi produk membolehkannya mengetahui jenis perubahan yang dapat "memberikan peningkatan pengalaman terbesar dengan perubahan terkecil". Terdapat maklumat yang mengelirukan semasa penyambungan Telegram, kunci API yang disalin dan tampal dengan satu ruang tambahan akan gagal — perubahan ini sangat kecil, tetapi secara langsung mempengaruhi pengalaman pengguna puluhan ribu orang. Ini juga sebab mengapa pemelihara bersedia untuk menggabungkan PR-nya.Apabila Kecerdasan Buatan Mencapai Tahap Jenuh, Kemanusiaan Menjadi Paling Jarang.

Estetika, rasa makna, empati, naratif—semua perkara yang anda fikir tidak berharga ini, kini menjadi kemampuan paling berharga di era AI.

Lapan, Produk adalah Kandungan, Setiap Orang Akan Mempunyai Perisian Sendiri

"Dulu anda menghabiskan satu jam untuk menulis artikel, sekarang anda menghabiskan satu jam untuk mencipta sebuah App. Apabila penawaran tidak terhad, App menjadi seperti video pendek di Douyin."

Tianrun menyatakan penilaian ini dengan jelas—

"Kini produk sudah menjadi sejenis kandungan. Dahulu anda mengekspresikan diri melalui Douyin, menulis artikel untuk mengekspresikan diri. Sekarang sesiapa sahaja boleh membuat produk, produk adalah cara anda mengekspresikan diri. Ia mencerminkan keperibadian anda, pandangan anda, dan perkara yang anda pedulikan."

Dalam perbincangan dengan Guru Jialiang, muncul versi yang lebih ekstrem—"Apabila kos pembangunan cenderung kepada sifar, masa depan mungkin bukan lagi 'seseorang menulis untuk semua orang', tetapi 'setiap orang mempunyai perisian eksklusif mereka sendiri'."

Apabila kos pembangunan cenderung kepada sifar, "membuat produk" dan "menghasilkan video pendek" menjadi perkara yang sama.

Sembilan, Menumpuk dan Mengeluarkan adalah Pemikiran Lama

"Universiti akan hilang, hackathon akan menjadi universiti seterusnya."

Tianrun berkata dengan tegas—menumpuk dan mengeluarkan adalah pemikiran lama.

Dahulu anda ingin mencapai D, anda perlu melakukan A, kemudian B, kemudian C. Ingin menjadi pemrogram? Pertama belajar CS di peringkat sarjana, menyelesaikan soalan, masuk ke syarikat besar untuk berlatih dengan mentor, bertahan, memimpin pasukan—kemudian baru boleh membetulkan Bug di OpenClaw.

"Logik ini betul selama seribu tahun. Tetapi dalam beberapa bulan yang singkat, konsep ini sudah tidak relevan—dan kebanyakan orang masih belum menyedarinya."

Cara pembelajaran baru adalah JIT Learning—Just In Time, belajar apa yang diperlukan. Tianrun sendiri adalah contoh: empat bulan lalu tidak tahu apa itu PR, sekarang adalah penyumbang utama di OpenClaw.

Semakin sedikit beban sejarah, semakin rendah kos peralihan.

Sepuluh, Rasa Ingin Tahu, Imajinasi, Keberanian

Lex Fridman bertanya kepada pengasas OpenClaw, Peter—"Mengapa anda berjaya, tetapi Manus dan OpenAI tidak?"

"Adakah mereka terlalu serius? Inovasi sebenar adalah hasil permainan."

Peter sendiri telah melakukan lebih daripada 30 projek sebelum mencipta OpenClaw. Dia tidak menganggap projek sebelumnya sebagai kegagalan—tanpa lebih daripada 30 itu, tidak akan ada OpenClaw. Titik-titik disambungkan.

Tianrun juga mempunyai sikap yang sama ketika menulis kod untuk OpenClaw—"Saya rasa menggunakan OpenClaw untuk debug OpenClaw itu sendiri adalah sesuatu yang sangat keren dan menyeronokkan. Seperti bermain permainan untuk mendapatkan ranking."

Di semua pertemuan lobster, Tianrun berulang kali menyebut tiga perkataan—

Rasa Ingin Tahu—berani mencuba, berani bermain dengan perkara baru. Bersedia untuk menyentuh perkara yang anda "tidak sepatutnya sentuh".

Imajinasi—bukan hanya imajinasi terhadap produk, tetapi juga imajinasi terhadap kemampuan diri sendiri. Anda perlu percaya bahawa anda dapat melihat kemungkinan yang orang lain tidak dapat lihat.

Keberanian—bukan hanya keberanian untuk mengambil risiko. Keberanian adalah berani memecahkan pandangan lama. Kebenaran yang betul pada masa lalu, mungkin sudah tidak betul sekarang, hanya anda tidak menyedarinya. "Fikiran yang luar biasa" dahulu adalah kelemahan, sekarang adalah kelebihan. "Berfikir secara spontan" dahulu adalah kelemahan, sekarang adalah kualiti terbaik.

Apabila AI dapat menyelesaikan semua "Bagaimana", nilai terbesar manusia adalah untuk mendefinisikan "Mengapa".

Semoga semua orang dapat menjadi diri mereka yang ingin mereka jadi.

Pandangan artikel ini berasal dari dialog dan perbincangan dalam beberapa pertemuan lobster baru-baru ini, termasuk Parti Lobster Zhipu, Pertemuan Lobster Qiniu di Shanghai, Meja Makan Kecil Jinqiu, serta perbincangan mendalam dengan Tianrun, Will, Nanchuan, William, Chen Caimao, Jialiang dan rakan-rakan lain. Terima kasih kepada setiap orang yang menyumbang idea di meja makan.