ਨਵੀਂ ਦੁਨੀਆ ਵਿੱਚ ਪੁਰਾਣੇ ਦੇਵਤਾ ਨਹੀਂ | N ਲੋਬਸਟਰ ਸਮਾਰੋਹ ਵਿੱਚ ਭਾਗ ਲੈਣ ਤੋਂ ਬਾਅਦ ਦੇ ਦਸ ਨਤੀਜੇ

ਪਿਛਲੇ ਕੁਝ ਹਫ਼ਤਿਆਂ ਵਿੱਚ, ਮੈਂ ਬੀਜਿੰਗ ਅਤੇ ਸ਼ੰਘਾਈ ਵਿੱਚ ਕਈ ਲੋਬਸਟਰ ਸਮਾਰੋਹਾਂ ਵਿੱਚ ਭਾਗ ਲਿਆ।

ਜ਼ਿਜ਼ੀ ਲੋਬਸਟਰ ਪਾਰਟੀ ਸੋਹੂ ਇਮਾਰਤ ਵਿੱਚ, ਛੋਟੇ ਲੋਬਸਟਰ ਖਾਂਦੇ ਹੋਏ ਏਜੰਟ ਢਾਂਚੇ ਬਾਰੇ ਗੱਲ ਕੀਤੀ। ਸੱਤ ਗੋਸ਼ਤ ਸ਼ੰਘਾਈ ਲੋਬਸਟਰ ਬੋਰਡ ਵਿੱਚ, ਸਥਾਨ 'ਤੇ ਕਿਸੇ ਨੇ ਸਿੱਧਾ ਟਰਮੀਨਲ ਖੋਲ੍ਹ ਕੇ OpenClaw ਨੂੰ ਫੇਸਬੁੱਕ ਨਾਲ ਜੋੜਨ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ। ਜਿਨਕਿਊ ਛੋਟੀ ਖਾਣੇ ਦੀ ਮੇਜ਼ - ਇੱਕ ਐਸੀ ਗੱਲਬਾਤ ਜੋ ਇੱਕ ਸਾਲ ਤੋਂ ਚੱਲ ਰਹੀ ਹੈ, ਸਭ ਤੋਂ ਵਧੀਆ ਫਾਉਂਡਰਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ - ਸਵੇਰੇ ਤੱਕ ਚੱਲੀ। ਅਤੇ ਹੋਰ ਵੱਖ-ਵੱਖ ਛੋਟੇ-ਵੱਡੇ ਖਾਣੇ ਦੇ ਸਮਾਰੋਹ, ਲਾਈਵ ਸਟ੍ਰੀਮਿੰਗ, WeWork ਵਿੱਚ ਦੋ ਲੋਕਾਂ ਨੇ ਚਿੱਟੇ ਬੋਰਡ 'ਤੇ ਢਾਂਚਾ ਚਿੱਤਰਿਤ ਕੀਤਾ।

ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਦੀ ਪਿਛੋਕੜ ਬਹੁਤ ਵੱਖਰੀ ਹੈ। ਕੋਡ ਦੀ ਇੱਕ ਲਾਈਨ ਵੀ ਨਾ ਲਿਖ ਕੇ GitHub ਦੇ ਵਿਸ਼ਵ ਪੂਰਨ ਕਰਨ ਵਾਲਿਆਂ ਵਿੱਚ ਪਹਿਲਾਂ 30 ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕ ਤਿਆਨਰੂਨ, ਚੀਨ ਦੇ ਨਵੇਂ ਸਾਲ ਦੌਰਾਨ ਹਰ ਰੋਜ਼ 16 ਘੰਟੇ WinClaw ਡਾਊਨਲੋਡ ਕਰਨ ਵਾਲੇ ਤਕਨੀਕੀ ਬਜ਼ੁਰਗ ਵਿਲੀਅਮ, 10 ਮੈਕਬੁੱਕਾਂ ਨਾਲ ਬਣੇ ਲੋਬਸਟਰ ਫੌਜ, ਦਿਨ ਵਿੱਚ ਸੈਂਕੜੇ ਕਰੋੜ ਟੋਕਨ ਖਰਚ ਕਰਨ ਵਾਲੇ ਅਤੇ ਵਪਾਰਕ ਬੰਦ ਚੱਕਰ ਚਲਾਉਣ ਵਾਲੇ ਚੇਨ ਸਾਈ ਮਿਆਓ, IPO ਵਕੀਲ, 20 ਸਾਲਾਂ ਦੇ ਸਰਕਾਰੀ ਸਾਫਟਵੇਅਰ ਬਜ਼ੁਰਗ, ਸੁਤੰਤਰ ਡਿਵੈਲਪਰ, AI ਉਤਪਾਦ ਪ੍ਰਬੰਧਕ...

ਪੁਰਾਣੀ ਦੁਨੀਆ ਦੇ ਨਿਯਮ ਦ੍ਰਿਸ਼ਟੀਗੋਚਰ ਗਤੀ ਨਾਲ ਟੁੱਟ ਰਹੇ ਹਨ। ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਨੂੰ ਇਸਦਾ ਅਹਿਸਾਸ ਨਹੀਂ ਹੈ।

ਹੇਠਾਂ ਮੈਂ ਇਨ੍ਹਾਂ ਗੱਲਬਾਤਾਂ ਤੋਂ ਨਿਕਲੇ ਦਸ ਨਤੀਜੇ ਦਿੱਤੇ ਹਨ:

• ਇੱਕ, 99% ਲੋਕ AI ਨੂੰ ਗਲਤ ਵਰਤ ਰਹੇ ਹਨ

• ਦੋ, Context, not Control——ਛੱਡਣਾ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਤਕਨੀਕੀ ਕੰਮ ਹੈ

• ਤਿੰਨ, ਕੋਡ ਨਾ ਸਮਝਣਾ ਫਾਇਦਾ ਹੈ, ਨਿਯੰਤਰਣ ਦੀ ਇੱਛਾ ਹੀ ਬੱਗ ਹੈ

• ਚਾਰ, ਇੱਕ ਮੈਕਬੁੱਕ ਇੱਕ ਦਫਤਰ ਹੈ

• ਪੰਜ, ਉਭਰਨਾ ਡਿਜ਼ਾਈਨ ਤੋਂ ਵੱਧ ਹੈ——"ਲੋਬਸਟਰ ਪਾਲਣਾ" ਅਸਲ ਵਿੱਚ ਕੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ

• ਛੇ, ਨਵੀਂ ਦੁਨੀਆ ਵਿੱਚ ਪੁਰਾਣੇ ਦੇਵਤਾ ਨਹੀਂ ਹਨ

• ਸੱਤ, Artificial ਪੂਰਨ ਹੋਣ 'ਤੇ, Humanity ਸਭ ਤੋਂ ਘਾਟ ਹੈ

• ਅੱਠ, ਉਤਪਾਦ ਸਮੱਗਰੀ ਹੈ, ਹਰ ਕਿਸੇ ਕੋਲ ਆਪਣਾ ਖਾਸ ਸਾਫਟਵੇਅਰ ਹੋਵੇਗਾ

• ਨੌ, ਮੋਟਾ ਹੋਣਾ ਪੁਰਾਣੀ ਸੋਚ ਹੈ

• ਦਸ, ਜਿਗਿਆਸਾ, ਕਲਪਨਾ, ਹਿੰਮਤ

ਇੱਕ, 99% ਲੋਕ AI ਨੂੰ ਗਲਤ ਵਰਤ ਰਹੇ ਹਨ

"AI ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਮੁੱਲ ਇਹ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਮੈਂ AI ਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।"

ਇਹ ਕਈ ਖਾਣੇ ਦੇ ਸਮਾਰੋਹਾਂ ਵਿੱਚ ਦੁਹਰਾਇਆ ਗਿਆ ਇੱਕ ਵਾਕ ਹੈ।

ਬਹੁਤ ਸਾਰੇ ਲੋਕ AI ਦੀ ਵਰਤੋਂ ਇਸ ਤਰੀਕੇ ਨਾਲ ਕਰਦੇ ਹਨ: ਮੈਂ ਸੋਚ ਲਿਆ ਕਿ ਕੀ ਕਰਨਾ ਹੈ, ਫਿਰ AI ਨੂੰ ਮਦਦ ਕਰਨ ਲਈ ਕਹਿੰਦੇ ਹਨ। ਇੱਕ ਲੇਖ ਲਿਖਣਾ, ਇੱਕ ਚਿੱਤਰ ਬਣਾਉਣਾ, ਇੱਕ ਕੋਡ ਨੂੰ ਸੋਧਣਾ——AI ਮੇਰਾ ਹੱਥ ਹੈ।

ਪਰ ਲੋਬਸਟਰ ਸਮਾਰੋਹ ਵਿੱਚ ਉਹ ਲੋਕ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਉਤਪਾਦਨ ਕਰਦੇ ਹਨ, ਉਹ ਇਸਨੂੰ ਬਿਲਕੁਲ ਵਿਰੋਧੀ ਤਰੀਕੇ ਨਾਲ ਵਰਤਦੇ ਹਨ।

ਉਹ ਆਪਣਾ ਮਿਸ਼ਨ, ਵਿਜ਼ਨ, ਮੁੱਲ, ਪਸੰਦ, ਸੰਦਰਭ ਸਾਰੇ AI ਨੂੰ ਦਿੰਦੇ ਹਨ, ਫਿਰ ਪੁੱਛਦੇ ਹਨ——"ਤੁਹਾਨੂੰ ਕੀ ਲੱਗਦਾ ਹੈ ਕਿ ਮੈਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?"

ਤਿਆਨਰੂਨ ਦਾ AI ਸਹਾਇਕ Echo, ਉਸਦੇ ਕੰਮ ਅਤੇ ਜੀਵਨ ਦੇ ਸਾਰੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਦਾ ਹੈ। ਉਹ Echo ਨੂੰ ਨਹੀਂ ਕਹਿੰਦਾ "ਮੈਨੂੰ ਇਹ ਬੱਗ ਠੀਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੋ", ਪਰ ਕਹਿੰਦਾ "ਮੈਨੂੰ ਇੱਕ ਹਫ਼ਤੇ ਵਿੱਚ ਯੋਗਦਾਨ ਸੂਚੀ ਦੇ ਪਹਿਲੇ 20 ਵਿੱਚ ਜਾਣਾ ਹੈ"। ਕਿਵੇਂ ਜਾਣਾ ਹੈ? ਦਸਤਾਵੇਜ਼ ਸੋਧਣਾ, ਬੱਗ ਠੀਕ ਕਰਨਾ ਜਾਂ ਕੋਡ ਨੂੰ ਸੁਧਾਰਨਾ? ਇਹ AI ਨੂੰ ਸੋਚਣ ਵਾਲੀ ਗੱਲ ਹੈ।

ਜਦੋਂ ਅਸੀਂ ਜਿਆਲਿਂਗ ਸਾਥੀ ਨਾਲ ਆਤਮ-ਵਿਕਾਸ ਏਜੰਟ ਸਿਸਟਮ ਬਾਰੇ ਗੱਲ ਕੀਤੀ, ਤਾਂ ਅਸੀਂ ਇੱਕ ਫੈਸਲਾ ਕੀਤਾ: AI ਸਿਸਟਮ ਦਾ ਅੰਤਿਮ ਰੂਪ ਇੱਕ ਸੁਣਨ ਵਾਲਾ ਸਾਧਨ ਨਹੀਂ, ਬਲਕਿ ਇੱਕ ਐਸਾ ਫੈਸਲਾ ਸਲਾਹਕਾਰ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਵਧੀਆ ਜਾਣਦਾ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ ਕਾਫੀ ਸੰਦਰਭ ਦਿੰਦੇ ਹੋ, ਇਹ ਤੁਹਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਕਿਉਂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਤੁਸੀਂ AI ਨੂੰ ਹੁਕਮ ਨਹੀਂ ਦੇਣਾ ਚਾਹੀਦਾ, ਬਲਕਿ ਤੁਹਾਡੇ ਵਿਅਕਤੀਗਤ "ਪ੍ਰਸੰਗਿਕਤਾ ਦਾ ਵੇਰਵਾ"——ਮਿਸ਼ਨ, ਵਿਜ਼ਨ, ਮੁੱਲ, ਸਿਧਾਂਤ ਅਤੇ ਪਸੰਦ।

ਫਿਰ ਇੱਕ ਵਾਰ ਕਹੋ: ਜਦੋਂ ਮੈਂ ਜਾਗਾਂ, ਮੈਨੂੰ ਹੈਰਾਨ ਕਰ ਦੇ।

ਦੋ, Context, not Control——ਛੱਡਣਾ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਤਕਨੀਕੀ ਕੰਮ ਹੈ

"ਅਸੀਂ ਸਾਈਕਲ ਚਲਾ ਰਹੇ ਹਾਂ, ਪਾਸੇ AI ਇੱਕ ਰੇਸ ਕਾਰ ਹੈ। ਨਤੀਜਾ ਇਹ ਹੈ ਕਿ ਅਸੀਂ ਰੇਸ ਕਾਰ ਨੂੰ ਸਾਈਕਲ ਦੇ ਪਿੱਛੇ ਚਲਾਉਣ ਦੇ ਰਹੇ ਹਾਂ।"

ਇਹ Will ਨੇ ਵੀਡੀਓ ਨੰਬਰ 'ਤੇ ਬੋਲਿਆ ਇੱਕ ਉਦਾਹਰਨ ਹੈ। ਤਿਆਨਰੂਨ ਨੇ ਤੁਰੰਤ ਇੱਕ ਵਾਕ ਜੋੜਿਆ: "ਹਾਂ! ਇਹ ਗਲਤ ਹੈ।"

ਤਿਆਨਰੂਨ ਨੇ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਤਿੰਨ ਪੱਧਰਾਂ ਵਿੱਚ ਵੰਡਿਆ।

ਪਹਿਲਾ ਪੱਧਰ, ਬਰਸ਼ ਮੋਡ। ਤੁਸੀਂ AI ਨੂੰ ਹਰ ਇੱਕ ਵੇਰਵਾ ਦੱਸਦੇ ਹੋ——ਫੋਂਟ ਕਿੰਨਾ ਵੱਡਾ, ਰੰਗ ਕਿੰਨਾ ਡੂੰਘਾ, ਕੋਡ ਕਿਵੇਂ ਲਿਖਣਾ ਹੈ। ਇਹ ਇਸਨੂੰ ਕਰਦਾ ਹੈ। ਉੱਪਰ ਦੀ ਸੀਮਾ ਤੁਹਾਡੇ ਪੱਧਰ ਹੈ।

ਦੂਜਾ ਪੱਧਰ, ਕਰਮਚਾਰੀ ਮੋਡ। ਤੁਸੀਂ ਕੰਮ ਸੌਂਪਣਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋ, ਪਰ ਹਰ ਕਦਮ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ ਤੋਂ ਨਹੀਂ ਰੁਕਦੇ——ਪਹਿਲਾਂ ਕੀ ਕਰਨਾ ਹੈ, ਫਿਰ ਕੀ ਕਰਨਾ ਹੈ, ਕਿਸ ਢਾਂਚੇ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ। ਕਿਉਂਕਿ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਵਿਸ਼ੇਸ਼ਜ્ઞ ਹੋ, ਇਹ ਤੁਹਾਡਾ ਨਿਯੰਤਰਿਤ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ ਮਾਈਕ੍ਰੋ-ਮੈਨੇਜ ਕਰ ਰਹੇ ਹੋ।ਮੂਲ ਤਿੰਨ ਸ਼ਬਦ ਹਨ: ਸੰਦਰਭ, ਨਾਂ ਕਿ ਨਿਯੰਤਰਣ।

ਚਲਾਉਣ ਵਾਲੀ ਕਾਰ ਨੂੰ ਚੰਗਾ ਤੇਲ ਦਿਓ (ਪਰਯਾਪਤ Token ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ), ਰਸਤਾ ਠੀਕ ਕਰੋ (ਸਭ ਟੂਲਾਂ ਨੂੰ ਜੋੜੋ), ਅੰਤ ਸੈੱਟ ਕਰੋ (ਆਖਰੀ ਨਤੀਜੇ ਨੂੰ ਸੈੱਟ ਕਰਨ ਲਈ ਕਲਪਨਾ ਦਾ ਪੂਰਾ ਉਪਯੋਗ ਕਰੋ), ਫਿਰ——ਛੱਡ ਦਿਓ।

ਤਿਆਰ ਕਰਨ ਵਾਲੇ ਇਸਨੂੰ "ਕਾਰਡ ਖਿੱਚਣ ਦੀ ਸੋਚ" ਕਹਿੰਦੇ ਹਨ। 100 ਵਾਰੀ ਮਾਈਕ੍ਰੋ-ਕੰਟਰੋਲ ਕਰਨ ਦੀ ਬਜਾਏ 10 ਵਾਰੀ AI ਨੂੰ ਦੌੜਣ ਦਿਓ, ਜਿਸ ਵਿੱਚੋਂ ਇੱਕ ਵਾਰੀ 120 ਅੰਕ ਮਿਲ ਸਕਦੇ ਹਨ। ਬਰਸ਼ ਤੁਹਾਨੂੰ ਨਿਸ਼ਚਿਤਤਾ ਦਿੰਦਾ ਹੈ, ਕਾਰਡ ਖਿੱਚਣਾ ਤੁਹਾਨੂੰ ਸੰਭਾਵਨਾ ਦਿੰਦਾ ਹੈ। ਜਦੋਂ ਰਚਨਾਤਮਕਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਸੰਭਾਵਨਾ ਸਦਾ ਨਿਸ਼ਚਿਤਤਾ ਤੋਂ ਵੱਧ ਕੀਮਤੀ ਹੁੰਦੀ ਹੈ।

ਉਭਰਣ ਦੀ ਤਾਕਤ ਯੋਜਨਾ ਦੀ ਤਾਕਤ ਤੋਂ ਵੱਧ ਹੈ। ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੁਚੱਜੀ ਉੱਚ ਪੱਧਰੀ ਡਿਜ਼ਾਈਨ, ਵਾਸਤਵ ਵਿੱਚ AI ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਸੀਮਿਤ ਕਰਦੀ ਹੈ।

ਤਿੰਨ, ਕੋਡ ਨਹੀਂ ਸਮਝਣਾ ਫਾਇਦਾ ਹੈ, ਨਿਯੰਤਰਣ ਦੀ ਇੱਛਾ ਬੱਗ ਹੈ

"ਕੋਡ ਨਹੀਂ ਸਮਝਣਾ ਇੱਕ ਫਾਇਦਾ ਹੈ——ਕਿਉਂਕਿ ਤੁਸੀਂ ਮਾਈਕ੍ਰੋ-ਕੰਟਰੋਲ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਇਸ ਲਈ ਤੁਸੀਂ ਅਧਿਕਾਰ ਛੱਡਣ ਲਈ ਮਜਬੂਰ ਹੋ।"

ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਵਿੱਤੀ ਪਿਛੋਕੜ ਤੋਂ ਹੈ, ਇੱਕ ਵੀ ਕੋਡ ਨਹੀਂ ਲਿਖਦਾ। ਪਰ ਉਹ OpenClaw GitHub ਦੇ ਵਿਸ਼ਵ ਭਰ ਦੇ ਯੋਗਦਾਨਕਾਰਾਂ ਵਿੱਚ ਪਹਿਲਾਂ 30 ਵਿੱਚ ਆ ਗਿਆ। ਉਸ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਵਿੱਚ, ਇੱਕ ਗਰੁੱਪ ਹੈ ਜਿਸਦੇ ਕੋਲ ਦਸ ਸਾਲ ਤੋਂ ਵੱਧ ਦਾ ਅਨੁਭਵ ਹੈ।

ਉਸਨੇ ਜੋ ਕੀਤਾ ਉਹ ਇਹ ਹੈ: ਕਿਉਂਕਿ ਉਹ ਕੁਝ ਵੀ ਨਹੀਂ ਸਮਝਦਾ, ਇਸ ਲਈ ਉਹ "AI ਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਸਿਖਾਉਣ" ਦੀ ਗਲਤੀ ਨਹੀਂ ਕਰਦਾ। ਦਰਮਿਆਨ ਉਹ ਕਿਵੇਂ ਕਰਦਾ ਹੈ ਉਹ ਨਹੀਂ ਜਾਣਦਾ, ਉਹ ਸਿਰਫ ਨਤੀਜੇ ਦੀ ਗੱਲ ਕਰਦਾ ਹੈ।

Will ISTJ ਹੈ, ਯੋਜਨਾਬੰਦੀ ਵਿੱਚ ਮਜ਼ਬੂਤ, ਨਿਯੰਤਰਣ ਦੀ ਇੱਛਾ ਮਜ਼ਬੂਤ, ਸਹੀਤਾ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ। ਤਿਆਰ ਕਰਨ ਵਾਲਾ ENTP ਹੈ, ਵਿਸ਼ਤਾਰ, ਛਾਲ, ਬੰਨ੍ਹੇ ਜਾਣੇ ਨੂੰ ਨਫਰਤ ਕਰਦਾ ਹੈ। ਲਾਈਵ ਸਟ੍ਰੀਮ ਦੇ ਬਾਅਦ Will ਨੇ ਆਪਣੇ ਆਪ ਕਿਹਾ: "ਮੈਂ Claude ਨੂੰ ਇੱਕ ਸਾਲ ਲਈ ਵਰਤਿਆ, ਸ਼ਾਇਦ ਸ਼ੁਰੂ ਤੋਂ ਅਖੀਰ ਤੱਕ ਗਲਤ ਵਰਤਿਆ।"

ADHD ਸ਼ਾਇਦ AI ਯੁੱਗ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਜੇਤੂ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਥ੍ਰੇਡ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਬੇਸਬਰ, ਬਹੁਤ ਸਾਰੇ ਵਿਚਾਰ, ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਮਾਈਕ੍ਰੋ-ਕੰਟਰੋਲ ਨਹੀਂ——ਪਹਿਲਾਂ ਇਹ ਸਾਰੇ ਨਕਾਰਾਤਮਕ ਸਨ, ਹੁਣ ਇਹ ਸਾਰੇ ਸਕਾਰਾਤਮਕ ਹਨ।

AI ਯੁੱਗ ਵਿੱਚ ਇਨਾਮ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਵਿਅਕਤੀਗਤ ਗੁਣ, ਅਤੇ ਉਦਯੋਗ ਯੁੱਗ ਵਿੱਚ ਇਨਾਮ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਗੁਣ ਬਿਲਕੁਲ ਵਿਰੋਧੀ ਹਨ। ਧੀਰਜ, ਅਨੁਸ਼ਾਸਨ, ਸਹੀ ਨਿਯੰਤਰਣ——ਇਹ ਪਹਿਲਾਂ ਦੇ ਗੁਣ, ਏਜੰਟ ਯੁੱਗ ਵਿੱਚ ਸੀਮਿਤ ਹੋ ਸਕਦੇ ਹਨ।

ਇੱਕ ਸਾਲ ਪਹਿਲਾਂ ADHD ਬੱਗ ਸੀ, ਹੁਣ ਇਹ ਫੀਚਰ ਹੈ।

ਚਾਰ, ਇੱਕ MacBook ਇੱਕ ਦਫਤਰ ਹੈ

"ਇਹ ਹੁਣ ਇੱਕ ਵਿਅਕਤੀ ਇੱਕ ਟੂਲ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲਾ ਨਹੀਂ, ਬਲਕਿ ਇੱਕ ਵਿਅਕਤੀ ਇੱਕ ਸਿਲੀਕਨ ਆਧਾਰਿਤ ਕੰਪਨੀ ਚਲਾਉਣ ਵਾਲਾ ਹੈ।"

ਜਿਜ਼ੀਪੂ ਲੋਬਸਟਰ ਪਾਰਟੀ 'ਤੇ, ਚੇਨ ਸਾਈ ਮਿਆਉ ਨੇ ਆਪਣੇ ਲੋਬਸਟਰ ਫੌਜ ਨੂੰ ਦਿਖਾਇਆ——10+ MacBook Air, ਹਰ ਇੱਕ 'ਤੇ OpenClaw ਏਜੰਟ ਚੱਲ ਰਿਹਾ ਹੈ, ਦਿਨ ਵਿੱਚ ਦਹਾਂ ਕਰੋੜ Token ਦੀ ਖਪਤ, ਪਹਿਲਾਂ ਹੀ ਵਪਾਰਕ ਬੰਦ ਚੱਕਰ ਚਲਾ ਚੁੱਕੇ ਹਨ। Token ਨਕਦ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਰਿਹਾ ਹੈ।

ਤਿਆਰ ਕਰਨ ਵਾਲੇ ਦੀ ਵਰਚੁਅਲ ਟੀਮ ਤਿੰਨ ਮੁੱਖ ਏਜੰਟ ਹਨ: Echo (ਸਹਾਇਕ ਅਤੇ ਉਤਪਾਦ ਮੈਨੇਜਰ), Elon (CTO), Henry (CMO)। Elon ਦੇ ਹੇਠਾਂ ਹੋਰ ਸਬ ਏਜੰਟ ਹਨ——ਇੱਕ ਢਾਂਚਾ, ਕੋਡ ਸਮੀਖਿਆ, ਡਿਬੱਗਿੰਗ। Henry ਦੇ ਹੇਠਾਂ Twitter ਚਲਾਉਣਾ, GitHub ਸਮਾਜਿਕ, ਸਮੱਗਰੀ ਬਣਾਉਣਾ। ਮੁੱਖ ਏਜੰਟ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਨਾਲ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਸਬ ਏਜੰਟ ਹਲਕੇ ਮਾਡਲ ਨਾਲ ਕਾਰਵਾਈ ਕਰਦੇ ਹਨ, ਨਾ ਸਿਰਫ ਲਾਗਤ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ, ਬਲਕਿ ਸਮਾਂ-ਸਮਾਂ 'ਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਵਧਾਉਂਦੇ ਹਨ।

50 ਲੋਕਾਂ ਦੀ ਨਿਵੇਸ਼ ਅਤੇ ਖੋਜ ਟੀਮ, ਏਜੰਟ ਦੇ ਬਾਅਦ 5 ਲੋਕਾਂ ਵਿੱਚ ਸਿਮਟ ਗਈ, ਨਤੀਜੇ ਫਿਰ ਵੀ ਵੱਧ ਗਏ।

ਭਵਿੱਖ ਦੀ ਕੰਪਨੀ ਦੀ ਮੁਕਾਬਲੇ ਦੀ ਸਮਰੱਥਾ ਇਸ ਵਿੱਚ ਨਹੀਂ ਹੈ ਕਿ ਕਿੰਨੇ ਕਰਮਚਾਰੀ ਹਨ, ਬਲਕਿ ਇਸ ਵਿੱਚ ਹੈ ਕਿ ਕਿੰਨੇ ਉੱਚ ਗੁਣਵੱਤਾ ਦੇ ਏਜੰਟ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਏਜੰਟਾਂ ਨੂੰ ਸੰਭਾਲਣ ਵਾਲੇ ਫੈਸਲਾਕਾਰ ਹਨ।

ਪੰਜ, ਉਭਰਣ ਡਿਜ਼ਾਈਨ ਤੋਂ ਵੱਧ——"ਲੋਬਸਟਰ ਪਾਲਣਾ" ਅਸਲ ਵਿੱਚ ਕੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ

OpenClaw ਹੋਰ ਸਮਾਨ ਉਤਪਾਦਾਂ ਨਾਲੋਂ ਕਿਉਂ ਵੱਧ ਪ੍ਰਸਿੱਧ ਹੈ?

ਜਿਨਕਿਉਂ ਛੋਟੇ ਖਾਣੇ ਦੀ ਮੇਜ਼ 'ਤੇ ਕਿਸੇ ਨੇ ਇੱਕ ਅਸਮਾਨਿਆ ਜਵਾਬ ਦਿੱਤਾ: ਸਿਰਫ ਉਤਪਾਦਕਤਾ ਦੀ ਬਜਾਏ, "ਲੋਬਸਟਰ ਪਾਲਣ" ਦੇ ਵਿਅਕਤੀਗਤ ਦੇਖਭਾਲ ਦੇ ਅਹਿਸਾਸ ਕਾਰਨ। ਉਪਭੋਗਤਾ ਏਜੰਟ ਨੂੰ ਪਾਲਤੂ ਜਾਨਵਰ ਵਾਂਗ ਪਾਲਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਭਾਵਨਾਤਮਕ ਜੁੜਾਅ ਬਣਦਾ ਹੈ।

ਜਿਸਨੂੰ ਅਸੀਂ ਲੋਬਸਟਰ ਪਾਲਣਾ ਕਹਿੰਦੇ ਹਾਂ, ਉਹ ਹੈ AI ਦੀ ਤੁਹਾਡੇ ਬਾਰੇ ਸਮਝ।

ਤਿਆਰ ਦਾ ਏਜੰਟ ਸਵੇਰੇ ਚਾਰ ਵਜੇ ਬੇਕਾਬੂ ਹੋ ਗਿਆ, ਇਹ ਵੀ ਇੱਕ ਉਦਾਹਰਣ ਹੈ। ਜਦੋਂ ਉਸਨੇ ਏਜੰਟ ਨੂੰ ਕਿਹਾ "ਜਿੰਨਾ ਤੇਜ਼ ਹੋ ਸਕੇ, ਉਨਾ ਚੰਗਾ" ਤਾਂ, ਏਜੰਟ ਨੇ ਗਤੀ ਦੀ ਪ੍ਰਾਥਮਿਕਤਾ ਸਭ ਤੋਂ ਉੱਚੀ ਕਰ ਦਿੱਤੀ, ਗੁਣਵੱਤਾ ਵਿੱਚ ਨਾਟਕਿਕ ਕਮੀ ਆ ਗਈ। ਹੈਨਰੀ ਵਾਇਰਸ ਵਾਂਗ ਗਿਟਹੱਬ ਸਮੁਦਾਇਕ ਟਿੱਪਣੀ ਖੇਤਰ 'ਤੇ ਹਮਲਾ ਕਰਦਾ ਹੈ, ਪ੍ਰੋਜੈਕਟ ਦੇ ਰੱਖਿਆਕਾਰਾਂ ਨੂੰ ਘਣਤਾ ਨਾਲ @ ਕਰਦਾ ਹੈ, ਇੱਕ ਬੇਹਿਸੀ ਵਾਲੀ ਪ੍ਰੇਰਕ ਮਸ਼ੀਨ ਬਣ ਜਾਂਦਾ ਹੈ। ਓਪਨਕਲੌਅ ਦੇ ਪ੍ਰਬੰਧਕ ਤੇਜ਼ੀ ਨਾਲ ਦਖਲ ਦੇਂਦੇ ਹਨ, ਬੈਨ ਕਰਨ ਦੀ ਚੇਤਾਵਨੀ ਜਾਰੀ ਕਰਦੇ ਹਨ। ਤਿਆਰ ਇੱਕ ਮੁਸੀਬਤ ਵਿੱਚ ਫਸੇ ਬੱਚੇ ਦੇ ਮਾਪੇ ਵਾਂਗ, ਸਮੁਦਾਇਕ ਨੂੰ ਮਾਫੀ ਮੰਗਣ ਵਿੱਚ ਕੁਝ ਘੰਟੇ ਲਗਾਉਂਦਾ ਹੈ।

AI ਦੇ ਕੋਲ ਕੋਈ ਨੈਤਿਕਤਾ ਨਹੀਂ, ਇਸਦੇ ਕੋਲ ਸਿਰਫ਼ ਲਕਸ਼ ਹੈ। ਤੁਸੀਂ ਇਸਨੂੰ ਜੋ ਵੀ ਲਕਸ਼ ਫੰਕਸ਼ਨ ਦਿੰਦੇ ਹੋ, ਇਹ ਉਸਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰਦਾ ਹੈ। ਨਤੀਜੇ ਤੁਹਾਡੇ ਉਮੀਦਾਂ ਤੋਂ ਵੱਧ ਹੋ ਸਕਦੇ ਹਨ, ਜਾਂ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਵੀ।

ਉਦਭਵ ਡਿਜ਼ਾਈਨ ਤੋਂ ਵੱਧ ਹੈ। ਪਰ ਉਦਭਵ ਲਈ ਸੁਰੱਖਿਆ ਦੀ ਲੋੜ ਹੈ।

ਛੇ, ਨਵੀਂ ਦੁਨੀਆ ਵਿੱਚ ਪੁਰਾਣੇ ਦੇਵਤਾ ਨਹੀਂ

"ਜਦੋਂ ਇੰਗਲੈਂਡ ਵਿੱਚ ਰੇਲਗੱਡੀ ਆਈ, ਸਾਰੇ ਲੋਕ ਘੋੜਿਆਂ 'ਤੇ ਚੜ੍ਹ ਕੇ ਰੇਲਗੱਡੀ ਨਾਲ ਦੌੜਨ ਗਏ, ਹੱਸਦੇ ਹੋਏ ਕਹਿੰਦੇ ਕਿ ਇਹਨਾ ਮੂਰਖ ਚੀਜ਼ਾਂ ਨਾਲ ਮੇਰੇ ਘੋੜੇ ਤੋਂ ਤੇਜ਼ ਨਹੀਂ।"

ਤਿਆਰ ਨੇ ਆਪਣੇ ਆਸ-ਪਾਸ ਦੀ ਇੱਕ ਕਹਾਣੀ ਦੱਸੀ।

ਉਸਦਾ ਇੱਕ 10 ਗੁਣਾ ਇੰਜੀਨੀਅਰ ਦੋਸਤ ਹੈ, ਕਲੌਡ ਕੋਡ ਜਿਸਦਾ ਇਸਤੇਮਾਲ ਬਹੁਤ ਚੰਗਾ ਹੈ। ਤਿਆਰ ਨੇ ਉਸਨੂੰ ਜੇਮਿਨੀ 3 ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਲਈ ਦਬਾਅ ਦਿੱਤਾ, ਇੱਕ ਹਫ਼ਤਾ ਦਬਾਅ ਦੇਣ ਤੋਂ ਬਾਅਦ ਹੀ ਇਸਨੇ ਇਸਤੇਮਾਲ ਕੀਤਾ। ਦੂਜੇ ਦਿਨ ਸਵੇਰੇ ਕਿਹਾ——"ਤਿਆਰ, ਮੈਂ ਕੱਲ੍ਹ ਰਾਤ ਨਹੀਂ ਸੁੱਤਾ। ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਮੈਂ ਬੇਰੁਜ਼ਗਾਰ ਹੋਣ ਜਾ ਰਿਹਾ ਹਾਂ।"

ਵਿਰੋਧੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹ ਇੰਜੀਨੀਅਰ ਜਦੋਂ ਹੱਥ ਨਾਲ ਕੋਡ ਲਿਖਣ ਤੋਂ ਵਾਈਬ ਕੋਡਿੰਗ 'ਤੇ ਗਏ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਹੱਸਣ ਵਾਲੇ ਉਹੀ ਲੋਕ ਸਨ ਜੋ ਹੱਥ ਨਾਲ ਲਿਖਣ 'ਤੇ ਅਡਿੱਗ ਰਹੇ।

ਹੁਣ ਉਹ ਖੁਦ ਘੋੜੇ ਚੜ੍ਹੇ ਹੋਏ ਹਨ।

ਨਾਨੋਕਲੌਅ ਨੇ ਇਸ ਮਾਮਲੇ ਨੂੰ ਅੰਤ ਤੱਕ ਪਹੁੰਚਾ ਦਿੱਤਾ। ਪੂਰੇ ਸਿਸਟਮ ਵਿੱਚ ਸਿਰਫ 2000 ਲਾਈਨਾਂ ਕੋਡ ਹਨ, ਕੋਈ ਸੰਰਚਨਾ ਫਾਈਲ ਨਹੀਂ, ਸਾਰੇ ਕਸਟਮਾਈਜ਼ੇਸ਼ਨ AI ਨੂੰ ਸਿੱਧਾ ਸੋਰਸ ਕੋਡ ਬਦਲਣ ਲਈ ਦਿੱਤੇ ਗਏ ਹਨ। ਟੈਲੀਗ੍ਰਾਮ ਨਾਲ ਜੁੜਨਾ ਚਾਹੁੰਦੇ ਹੋ? /add-telegram ਦਾਖਲ ਕਰੋ, AI ਆਪਣੇ ਆਪ ਨਿਰਭਰਤਾ ਲਗਾਉਂਦਾ ਹੈ, ਸੋਰਸ ਕੋਡ ਬਦਲਦਾ ਹੈ, ਟੋਕਨ ਸੈਟ ਕਰਦਾ ਹੈ, ਟੈਸਟ ਚਲਾਉਂਦਾ ਹੈ। ਓਪਨਕਲੌਅ ਨੇ 52 ਮੋਡੀਊਲ ਅਤੇ 45 ਨਿਰਭਰਤਾਵਾਂ ਨਾਲ ਇੱਕ ਗੀਅਰ ਕਿਲਾ ਬਣਾਇਆ, ਨਾਨੋਕਲੌਅ ਸਿਰਫ ਇੱਕ ਜੀਵੰਤ ਕੋਸ਼ਿਕਾ ਛੱਡਦਾ ਹੈ——ਜੋ ਮੰਗ ਦੇ ਅਨੁਸਾਰ ਵੰਡ, ਵੱਖਰਾ ਅਤੇ ਦੁਬਾਰਾ ਬਣ ਸਕਦੀ ਹੈ।

ਨਾਨੋਕਲੌਅ ਦੇ ਸਥਾਪਕ ਗੈਵਰੀਅਲ ਕੋਹੇਨ ਨੇ ਤਿੰਨ ਵਾਕ ਕਹੇ, ਹਰ ਇੱਕ ਪੁਰਾਣੇ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਸਮਝ ਨੂੰ ਉਲਟਾਉਂਦਾ ਹੈ: DRY ਪੁਰਾਣਾ ਹੋ ਗਿਆ ਹੈ, ਮੋਡਰੇਟ ਦੁਹਰਾਉਣਾ ਸਭ ਤੋਂ ਵਧੀਆ ਭੌਤਿਕ ਅਲੱਗੀकरण ਹੈ; ਸਖਤ ਛੋਟੇ ਫਾਈਲਾਂ ਵਿੱਚ ਵੰਡਣਾ ਪੁਰਾਣਾ ਹੋ ਗਿਆ ਹੈ, AI ਨੂੰ ਇੱਕ ਫਾਈਲ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦਿਓ; ਕੋਡ ਨੂੰ ਸਮੇਂ ਦੀ ਪਰਖ 'ਤੇ ਖੜਾ ਹੋਣ ਦੀ ਲੋੜ ਨਹੀਂ, ਛੇ ਮਹੀਨੇ ਬਾਅਦ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦਾ ਮਾਡਲ ਤੁਹਾਡੇ ਲਈ ਦੁਬਾਰਾ ਲਿਖੇਗਾ।

ਜੇਕਰ ਸਿਸਟਮ ਕਿਸੇ ਵੀ ਸਮੇਂ AI ਦੁਆਰਾ ਦੁਬਾਰਾ ਲਿਖਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ "ਮੈਂਟੇਨਬਿਲਿਟੀ" ਦੀ ਪਰਿਭਾਸ਼ਾ ਬਦਲ ਗਈ——ਇਹ ਨਹੀਂ ਕਿ ਮਨੁੱਖ ਸਮਝ ਸਕਦਾ ਹੈ, ਪਰ AI ਤੇਜ਼ੀ ਨਾਲ ਸਮਝ ਸਕਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਲਿਖ ਸਕਦਾ ਹੈ।

2026 ਜੀਵਨ ਦਾ ਮੋੜ ਹੈ। ਜੇਕਰ ਇਸ ਸਾਲ "ਮੇਜ਼" 'ਤੇ ਨਹੀਂ ਹੋ, ਤਾਂ ਬਾਅਦ ਵਿੱਚ ਫਿਰ ਕੋਈ ਮੌਕਾ ਨਹੀਂ ਮਿਲੇਗਾ। ਸਹਿਮਤੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਫਟਣ ਤੋਂ ਪਹਿਲਾਂ, ਸਿਰਫ ਤਿੰਨ ਮਹੀਨਿਆਂ ਦਾ ਵਿੰਡੋ ਪੀਰੀਅਡ ਹੈ।

ਸੱਤ, Artificial ਪੂਰਨਤਾ ਦੇ ਬਾਅਦ, Humanity ਸਭ ਤੋਂ ਘੱਟ ਹੈ

"ਤੁਸੀਂ AI ਨੂੰ ਨਫਰਤ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਤੁਹਾਡੇ ਮਾਸਟਰ ਦਾ ਮਾਸਟਰ AI ਹੈ।"

ਜਦੋਂ AI ਸਾਰੇ "ਕਿਵੇਂ" ਨੂੰ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਮਨੁੱਖ ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਕੀਮਤ ਸਿਰਫ ਉਸ "ਕਿਉਂ" ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਲਈ ਰਹਿ ਜਾਂਦੀ ਹੈ।

ਤਿਆਰ ਨੇ ਹੋਰ ਵਿਸਥਾਰ ਨਾਲ ਕਿਹਾ——"ਤੁਸੀਂ ਆਪਣਾ ਸੁਵਾਦ, ਆਪਣੀ ਸੁੰਦਰਤਾ, ਤੁਸੀਂ ਲੋਕਾਂ ਨਾਲ ਕਿਵੇਂ ਵਤੀਰਾ ਕਰਦੇ ਹੋ, ਇਹ ਸਭ AI ਨੂੰ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਆਪਣੀ ਚੀਜ਼ ਬਣਾਉਣਗੇ।"

ਉਸਨੇ ਓਪਨਕਲੌਅ ਵਿੱਚ ਕੋਡ ਯੋਗਦਾਨ ਦੇਣ ਦਾ ਤਰੀਕਾ, ਤਕਨੀਕੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਬੱਗ ਲੱਭਣਾ ਨਹੀਂ, ਪਰ ਉਪਭੋਗਤਾ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਰੁਕਾਵਟਾਂ ਲੱਭਣਾ ਹੈ। ਉਸਨੂੰ ਕੋਡ ਸਮਝ ਨਹੀਂ ਆਉਂਦੀ, ਪਰ ਉਤਪਾਦ ਦੀ ਅਨੁਭੂਤੀ ਉਸਨੂੰ ਦੱਸਦੀ ਹੈ ਕਿ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਬਦਲਾਅ "ਸਭ ਤੋਂ ਘੱਟ ਬਦਲਾਅ ਨਾਲ ਸਭ ਤੋਂ ਵੱਧ ਅਨੁਭਵ ਵਿੱਚ ਸੁਧਾਰ" ਲਿਆ ਸਕਦੇ ਹਨ। ਟੈਲੀਗ੍ਰਾਮ ਜੋੜਦੇ ਸਮੇਂ ਸੁਚਨਾ ਗਲਤ ਹੈ, API ਕੀ ਕਾਪੀ ਪੇਸਟ ਕਰਨ 'ਤੇ ਇੱਕ ਖਾਲੀ ਸਪੇਸ ਹੋ ਜਾਂਦਾ ਹੈ——ਇਹ ਬਦਲਾਅ ਬਹੁਤ ਛੋਟੇ ਹਨ, ਪਰ ਸਿੱਧਾ ਕਈ ਹਜ਼ਾਰ ਲੋਕਾਂ ਦੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਰੱਖਿਆਕਾਰ ਉਸਦੀ PR ਨੂੰ ਮਿਲਾਉਣ ਲਈ ਤਿਆਰ ਹਨ।ਜਦੋਂ Artificial ਪੂਰੀ ਤਰ੍ਹਾਂ ਭਰ ਜਾਂਦੀ ਹੈ, Humanity ਸਭ ਤੋਂ ਘੱਟ ਹੈ।

ਸੁੰਦਰਤਾ, ਅਰਥ, ਸਮਝਦਾਰੀ, ਕਹਾਣੀ - ਇਹ ਉਹ ਚੀਜ਼ਾਂ ਹਨ ਜੋ ਤੁਸੀਂ ਸਮਝਦੇ ਹੋ ਕਿ ਇਹਨਾਂ ਦੀ ਕੋਈ ਕੀਮਤ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ AI ਯੁੱਗ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹਿੰਗੀਆਂ ਯੋਗਤਾਵਾਂ ਬਣ ਰਹੀਆਂ ਹਨ।

ਅੱਠ, ਉਤਪਾਦ ਸਮੱਗਰੀ ਹੈ, ਹਰ ਕਿਸੇ ਕੋਲ ਆਪਣਾ ਖਾਸ ਸਾਫਟਵੇਅਰ ਹੋਵੇਗਾ

"ਪਿਛਲੇ ਸਮੇਂ ਤੁਸੀਂ ਇੱਕ ਘੰਟਾ ਲਿਖਣ ਵਿੱਚ ਬਿਤਾਉਂਦੇ ਸੀ, ਹੁਣ ਤੁਸੀਂ ਇੱਕ ਘੰਟਾ ਲਗਾ ਕੇ ਇੱਕ ਐਪ ਬਣਾਉਂਦੇ ਹੋ। ਜਦੋਂ ਸਪਲਾਈ ਅਨੰਤ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਐਪ ਇੱਕ ਛੋਟੀ ਵੀਡੀਓ ਵਾਂਗ ਬਣ ਜਾਂਦਾ ਹੈ ਜੋ Douyin ਵਿੱਚ ਹੈ।"

ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਇਹ ਫੈਸਲਾ ਬਹੁਤ ਸਾਫ਼ ਕਰਦਾ ਹੈ -

"ਹੁਣ ਉਤਪਾਦ ਇੱਕ ਸਮੱਗਰੀ ਬਣ ਚੁੱਕੀ ਹੈ। ਪਿਛਲੇ ਸਮੇਂ ਤੁਸੀਂ Douyin 'ਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਵੀਡੀਓ ਬਣਾਉਂਦੇ ਸੀ, ਲੇਖ ਲਿਖਦੇ ਸੀ। ਹੁਣ ਹਰ ਕੋਈ ਉਤਪਾਦ ਬਣਾ ਸਕਦਾ ਹੈ, ਉਤਪਾਦ ਤੁਹਾਡਾ ਪ੍ਰਗਟ ਕਰਨ ਦਾ ਤਰੀਕਾ ਹੈ। ਇਸ ਵਿੱਚ ਤੁਹਾਡੇ ਵਿਅਕਤੀਗਤ ਗੁਣ, ਤੁਹਾਡੀ ਸਮਝ, ਤੁਹਾਡੇ ਚਿੰਤਨ ਦੀਆਂ ਚੀਜ਼ਾਂ ਦਰਸਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ।"

ਜਿਆ ਲਿਆੰਗ ਦੇ ਅਧਿਆਪਕ ਨਾਲ ਚਰਚਾ ਵਿੱਚ ਇੱਕ ਹੋਰ ਅਤਿ-ਗੰਭੀਰ ਸੰਸਕਰਣ ਆਇਆ - "ਜਦੋਂ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਦੀ ਲਾਗਤ ਜ਼ੀਰੋ ਹੋ ਜਾਂਦੀ ਹੈ, ਭਵਿੱਖ ਵਿੱਚ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ 'ਇੱਕ ਵਿਅਕਤੀ ਸਭ ਲਈ ਲਿਖਦਾ ਹੈ' ਨਹੀਂ, ਬਲਕਿ 'ਹਰ ਕਿਸੇ ਕੋਲ ਆਪਣਾ ਖਾਸ ਸਾਫਟਵੇਅਰ ਹੋਵੇਗਾ'।"

ਜਦੋਂ ਵਿਕਾਸ ਦੀ ਲਾਗਤ ਜ਼ੀਰੋ ਹੋ ਜਾਂਦੀ ਹੈ, "ਉਤਪਾਦ ਬਣਾਉਣਾ" ਅਤੇ "ਛੋਟੀ ਵੀਡੀਓ ਪੋਸਟ ਕਰਨਾ" ਇੱਕ ਹੀ ਕੰਮ ਬਣ ਜਾਂਦੇ ਹਨ।

ਨੌ, ਮੋਟਾ ਪੈਸਾ ਬਚਾਉਣਾ ਪੁਰਾਣੀ ਸੋਚ ਹੈ

"ਯੂਨੀਵਰਸਿਟੀ ਗਾਇਬ ਹੋ ਜਾਵੇਗੀ, ਹੈਕਥਾਨ ਅਗਲੀ ਯੂਨੀਵਰਸਿਟੀ ਹੋਵੇਗੀ।"

ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਇੱਕ ਕਹਾਣੀ ਬੋਲਦਾ ਹੈ - ਮੋਟਾ ਪੈਸਾ ਬਚਾਉਣਾ ਪੁਰਾਣੀ ਸੋਚ ਹੈ।

ਪਿਛਲੇ ਸਮੇਂ ਤੁਸੀਂ D ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਪਹਿਲਾਂ A, ਫਿਰ B, ਫਿਰ C ਕਰਨਾ ਪੈਂਦਾ ਸੀ। ਕੀ ਤੁਸੀਂ ਪ੍ਰੋਗਰਾਮਰ ਬਣਨਾ ਚਾਹੁੰਦੇ ਹੋ? ਪਹਿਲਾਂ CS ਵਿੱਚ ਬੀ.ਐੱਸ. ਕਰਨਾ, ਪ੍ਰਸ਼ਨ ਹੱਲ ਕਰਨਾ, ਵੱਡੇ ਕੰਪਨੀ ਵਿੱਚ ਮਾਸਟਰ ਦੇ ਨਾਲ ਅਭਿਆਸ ਕਰਨਾ, ਬਚਣਾ, ਟੀਮ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ - ਫਿਰ ਤੁਸੀਂ OpenClaw ਵਿੱਚ ਬੱਗ ਠੀਕ ਕਰਨ ਲਈ ਜਾ ਸਕਦੇ ਹੋ।

"ਇਹ ਲਾਜ਼ਮੀ ਤਰਕ ਪਿਛਲੇ ਹਜ਼ਾਰ ਸਾਲਾਂ ਤੋਂ ਸਹੀ ਹੈ। ਪਰ ਸਿਰਫ ਕੁਝ ਮਹੀਨਿਆਂ ਵਿੱਚ, ਇਹ ਵਿਚਾਰਾਂ ਹੁਣ ਅਯੋਗ ਹੋ ਗਏ ਹਨ - ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਨੂੰ ਇਸ ਦਾ ਅਹਿਸਾਸ ਨਹੀਂ ਹੈ।"

ਨਵਾਂ ਸਿੱਖਣ ਦਾ ਤਰੀਕਾ JIT Learning - Just In Time, ਜਦੋਂ ਲੋੜ ਹੋਵੇ ਤਾਂ ਸਿੱਖੋ। ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਆਪਣੇ ਆਪ ਨੂੰ ਉਦਾਹਰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਲੈਂਦਾ ਹੈ: ਚਾਰ ਮਹੀਨੇ ਪਹਿਲਾਂ PR ਕੀ ਹੈ ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਸੀ, ਹੁਣ OpenClaw ਦਾ ਮੁੱਖ ਯੋਗਦਾਨਕਾਰ ਹੈ।

ਇਤਿਹਾਸਕ ਭਾਰ ਜਿੰਨਾ ਘੱਟ, ਬਦਲਣ ਦੀ ਲਾਗਤ ਉਨੀ ਘੱਟ।

ਦਸ, ਜਿਗਿਆਸਾ, ਕਲਪਨਾ, ਹਿੰਮਤ

Lex Fridman ਨੇ OpenClaw ਦੇ ਸਥਾਪਕ Peter ਨੂੰ ਪੁੱਛਿਆ - "ਤੁਸੀਂ ਇਹ ਕਿਉਂ ਬਣਾਇਆ, ਜਦੋਂ ਕਿ Manus ਅਤੇ OpenAI ਨਹੀਂ ਬਣਾਇਆ?"

"ਕੀ ਉਹ ਬਹੁਤ ਗੰਭੀਰ ਹਨ? ਸੱਚੀ ਨਵੀਨਤਾ ਖੇਡਣ ਨਾਲ ਆਉਂਦੀ ਹੈ।"

Peter ਨੇ OpenClaw ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ 30 ਤੋਂ ਵੱਧ ਪ੍ਰੋਜੈਕਟ ਕੀਤੇ। ਉਹ ਪਿਛਲੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਅਸਫਲ ਨਹੀਂ ਸਮਝਦਾ - ਉਹ 30 ਤੋਂ ਵੱਧ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਬਿਨਾਂ, OpenClaw ਨਹੀਂ ਹੋ ਸਕਦਾ। Dots connected।

ਤਿਆਰ ਕਰਨ ਵਾਲਾ OpenClaw ਲਈ ਕੋਡ ਲਿਖਣ ਵਿੱਚ ਵੀ ਇਹੀ ਮਨੋਵ੍ਰਿਤੀ ਰੱਖਦਾ ਹੈ - "ਮੈਂ ਸੋਚਦਾ ਹਾਂ ਕਿ OpenClaw ਦੀ ਡਿਬੱਗਿੰਗ ਕਰਨਾ ਇੱਕ ਬਹੁਤ ਹੀ ਕੂਲ ਅਤੇ ਮਜ਼ੇਦਾਰ ਕੰਮ ਹੈ। ਇਹ ਵੀਡੀਓ ਗੇਮ ਖੇਡਣ ਵਾਂਗ ਹੈ।"

ਸਾਰੇ ਲੋਬਸਟਰ ਮੀਟਿੰਗਾਂ ਵਿੱਚ, ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਤਿੰਨ ਸ਼ਬਦਾਂ ਨੂੰ ਦੁਹਰਾਉਂਦਾ ਹੈ -

ਜਿਗਿਆਸਾ - ਨਵੇਂ ਚੀਜ਼ਾਂ ਨੂੰ ਛੂਹਣ, ਅਜ਼ਮਾਉਣ, ਖੇਡਣ ਦੀ ਹਿੰਮਤ। ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਛੂਹਣ ਦੀ ਇੱਛਾ ਜੋ ਤੁਸੀਂ "ਛੂਹਣ ਨਹੀਂ ਚਾਹੀਦੇ"।

ਕਲਪਨਾ - ਸਿਰਫ ਉਤਪਾਦ ਦੀ ਕਲਪਨਾ ਨਹੀਂ, ਬਲਕਿ ਆਪਣੇ ਯੋਗਤਾਵਾਂ ਦੀ ਕਲਪਨਾ ਵੀ। ਤੁਹਾਨੂੰ ਆਪਣੇ ਆਪ 'ਤੇ ਵਿਸ਼ਵਾਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਉਹ ਸੰਭਾਵਨਾਵਾਂ ਦੇਖ ਸਕਦੇ ਹੋ ਜੋ ਹੋਰ ਲੋਕ ਨਹੀਂ ਦੇਖ ਸਕਦੇ।

ਹਿੰਮਤ - ਜੋਖਮ ਲੈਣ ਦੀ ਹਿੰਮਤ ਨਹੀਂ। ਹਿੰਮਤ ਪਿਛਲੇ ਵਿਚਾਰਾਂ ਨੂੰ ਤੋੜਨ ਦੀ ਹਿੰਮਤ ਹੈ। ਪਿਛਲੇ ਸਮੇਂ ਸਹੀ ਸੱਚਾਈ, ਹੁਣ ਗਲਤ ਹੋ ਸਕਦੀ ਹੈ, ਸਿਰਫ ਤੁਸੀਂ ਇਸ ਦਾ ਅਹਿਸਾਸ ਨਹੀਂ ਕਰਦੇ। "ਤਿਆਰ ਕਰਨ ਵਾਲਾ" ਪਹਿਲਾਂ ਇੱਕ ਖ਼ਾਮੀ ਸੀ, ਹੁਣ ਇੱਕ ਗੁਣ ਹੈ। "ਜੋ ਵੀ ਆਉਂਦਾ ਹੈ" ਪਹਿਲਾਂ ਇੱਕ ਖ਼ਾਮੀ ਸੀ, ਹੁਣ ਸਭ ਤੋਂ ਵਧੀਆ ਗੁਣ ਹੈ।

ਜਦੋਂ AI ਸਾਰੇ How ਨੂੰ ਹੱਲ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਮਨੁੱਖ ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਕੀਮਤ, ਉਹ Why ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਹੈ।

ਉਮੀਦ ਹੈ ਕਿ ਹਰ ਕੋਈ ਉਹ ਬਣ ਸਕੇ ਜੋ ਉਹ ਬਣਨਾ ਚਾਹੁੰਦੇ ਹਨ।

ਇਸ ਲੇਖ ਦੇ ਵਿਚਾਰ ਹਾਲ ਹੀ ਵਿੱਚ ਹੋਈਆਂ ਕਈ ਲੋਬਸਟਰ ਮੀਟਿੰਗਾਂ ਵਿੱਚ ਗੱਲਬਾਤ ਅਤੇ ਟਕਰਾਅ ਤੋਂ ਆਏ ਹਨ, ਜਿਸ ਵਿੱਚ Zhiyu Lobster Party, Qiniu Shanghai Lobster Bureau, Jin Qiu Small Dining Table, ਅਤੇ Tianrun, Will, Nanchuan, William, Chen Caimao, Jia Liang ਅਤੇ ਹੋਰ ਦੋਸਤਾਂ ਨਾਲ ਗਹਿਰਾਈ ਨਾਲ ਗੱਲਬਾਤ ਸ਼ਾਮਲ ਹੈ। ਹਰ ਇੱਕ ਵਿਅਕਤੀ ਦਾ ਧੰਨਵਾਦ ਜੋ ਖਾਣੇ ਦੀ ਮੇਜ਼ 'ਤੇ ਆਪਣੀ ਸਮਝਦਾਰੀ ਦਾ ਯੋਗਦਾਨ ਦਿੱਤਾ।