Pipeline Output Example What you're reading was produced by my knowledge pipeline. Want to know how? Read Knowledge Management: Not Discipline, But Pipelines
中文 简体中文 English 日本語

Series Structure

Two phases: first understand the lobster, then put it to work

PHASE 1 · First 4 episodes

Understanding the Lobster

Capability boundaries, tech trends, talent market, organizational impact — building a realistic understanding of AI Agents.

PHASE 2 · Last 6 episodes

Putting the Lobster to Work

Parenting strategies, WeChat ecosystem, enterprise adoption, non-technical approaches, workflow practices, Silicon Valley startups.

Episode Guide

Click to expand. Switch between "Key Takeaways" and "Dedao Notes"

793

Launch: I invited 10 practitioners to answer your most pressing questions

Kuaidao Qingyi · Series Overview
OpenClawAI Agent

Background: OpenClaw sparks user anxiety

After Kuaidao Qingyi launched the OpenClaw hands-on course, users flooded in with five core questions: personal development opportunities, education strategies, enterprise risk-benefit analysis, technological evolution limits, and global AI dynamics.

"Yuanzhuangui" built a complete workflow in just one night using Claude Code: livestream auto-transcription → Feishu → Lobster reading → auto-generating high-density information maps.

Ten-Day Talk guest lineup

EpisodeGuestCore Question
1Zhang Peng (Zhipu CEO)As LLMs grow stronger, what will AI assistants become?
2Ning Liaoyuan (TTC)Where are opportunities in the Agent economy?
3Yin Huisheng (GeekBang)Enterprise risks and rewards of using Lobster
4Li Ning (Tsinghua Professor)How do we reassess human value?
5KaishuWhat should kids and parents do?
6Kazike (AI Blogger)What can WeChat + Lobster do for you?
7Yang Tianrun (Naughty Labs)How can ordinary people keep up with the Lobster wave?
8Wang Daxian (Feishu)Lobster × daily work in action
9Wang RunyuPersonal AI efficiency combos
10Qu Xiaoyin (Skillboss)Silicon Valley Agent startup landscape

Original notes in Chinese (Dedao App AI-generated notes)

🦞 OpenClaw實踐與用戶案例(背景)

課程與用戶實踐

  • 課程背景:快刀青衣上線OpenClaw實操課程,旨在指導用戶從基礎安裝到完成自動發送資訊日報、筆記管理等日常任務。
  • 典型用戶案例:用戶"袁掌櫃"在Get筆記Skill未上線的情況下,通過Claude Code構建工作臺,實現直播內容自動轉錄至飛書→龍蝦讀取內容→配置資訊圖skill→自動生成高密度資訊圖的完整工作流,僅用一晚上完成部署

🤔 核心焦慮與十日談緣起(動機)

用戶圍繞OpenClaw提出的高頻問題集中於五大方向:

  1. 個人發展:機會在哪裡?如何避免被淘汰?
  2. 教育應對:孩子如何教育?家長應採取什麼策略?
  3. 企業應用:引入龍蝦的風險與收益評估。
  4. 技術演進:大模型能力的未來上限。
  5. 全球動態:矽谷在AI Agent領域的最新動向。

為系統回應這些焦慮,快刀青衣組織"AI龍蝦十日談"活動,邀請10位不同領域專家從多元視角解析OpenClaw浪潮。

📅 十日談核心安排與嘉賓陣容(核心內容)

(一) 第一階段:看清龍蝦——能力邊界與趨勢洞察(前4場)

場次核心問題嘉賓嘉賓背景核心看點
1大模型越來越強,AI助理會變成什麼樣?張鵬智譜CEO,GLM系列模型(OpenClaw底層大模型主要提供者)新模型發佈後首秀,解析龍蝦"大腦"的技術上限與未來演進
2Agent經濟時代,成就自己的機會在哪兒?寧遼原TTC聯合創始人、ClawOS主理人,服務1000+AI企業招聘觀察到"AI提升效率後人更值錢但分化加劇"現象,解讀高價值人才特徵
3企業用龍蝦,有哪些風險和收益?尹會生極客邦科技副總裁,企業AI落地專家分享《從"Agent神話"到生產級落地的7個致命陷阱》,剖析真實踩坑案例
4OpenClaw來了,我們如何衡量個人價值?李寧清華經管學院教授,研究AI時代工作與組織變革基於《AI跑了72小時,我只花了40分鐘》研究,探討"人天"單位失效後的價值定義

(二) 第二階段:用起龍蝦——場景落地與實戰指南(後6場)

場次核心問題嘉賓嘉賓背景核心看點
5OpenClaw來了,孩子與家長如何應對?凱叔凱叔講故事創始人,"弦上"龍蝦用戶(12天從1個Agent擴展到5個)提出"AI會很自信地搞砸任何一件事",分享家長視角的教育應對策略
6OpenClaw深度應用場景有哪些?卡茲克百萬粉絲AI博主,設計師出身,一年發佈260篇AI文章基於《我花499找人上門安裝OpenClaw》等爆款內容,分享真實應用邊界與效果
7不卷技術,普通人怎麼跟上龍蝦潮?楊天潤Naughty Labs CEO,金融科班出身,無代碼操作衝進OpenClaw全球貢獻者前30實踐"給模糊方向,放手讓AI執行"的非技術路線,提供普通人可複製方案
8OpenClaw+飛書,如何高效落地?王大仙飛書產品市場經理,"飛書玩蝦大會"組織者提出"好的OpenClaw助手是養出來的,不是裝出來的",提供可直接複用的實戰案例
9OpenClaw來了,個人IP如何打好AI效率組合拳?王潤宇創始人IP&大場直播操盤顧問,AI內容生產全鏈路跑通者提出"超級老闆"概念(有目標、有全圖、有路徑),解析AI與個人IP的結合策略
10矽谷視角,哪些龍蝦Agent創業正在發生?曲曉音矽谷AI產品創業者,斯坦福MBA退學創業,獲a16z等1500萬美金投資分享矽谷SkillBoss等創新項目,提供國內少見的全球視角與一手資訊

📌 活動價值與參與方式(行動指引)

核心價值:10位嘉賓覆蓋技術研發、企業落地、組織研究、個人IP、教育、矽谷創業等多元領域,拼圖式呈現OpenClaw浪潮的完整圖景,幫助用戶全面理解機遇、挑戰、收益與風險。

參與方式

  • 站內直播:點擊文稿區鏈接一鍵預約10場直播(3月19日起,每晚7點)。
  • 影片號直播:掃碼文稿區海報預約,支持分享給觀望AI的朋友(包括感興趣但不知從何入手、已安裝但使用困難、想明確浪潮相關性等人群)。

📝 補充細節

  • OpenClaw生態關鍵節點:智譜GLM系列是其底層核心大模型之一,ClawOS是重要操作系統,Skill是功能擴展模塊。
  • 用戶實踐亮點:袁掌櫃案例證明非技術背景用戶可通過現有工具(Claude Code+GetSeed錄音卡+飛書)構建複雜工作流;楊天潤案例驗證無代碼操作也能實現高水平AI應用。
  • 關鍵觀點摘要:凱叔的"AI自信搞砸論"、王大仙的"龍蝦飼養論"、王潤宇的"超級老闆思維"共同揭示AI工具的人性化使用邏輯。
794

As LLMs grow stronger, what will AI assistants become?

Zhang Peng · Zhipu CEO · GLM Series Model Provider
OpenClawHuman-AI CollaborationGLM-5

Three underlying reasons for OpenClaw's explosion

  • Foundation model intelligence in place: Can understand complex instructions, break goals into executable steps, solve problems autonomously
  • Extremely open framework: Supports plugins and Skills with high developer freedom; regular users can reuse others' skills
  • IM channel integration: Connects to Feishu, WeChat Work and other IM tools, lowering usage barriers to nearly zero

AI restructuring work

ScenarioTraditionalAI SolutionEfficiency
PPT generationIntern 3 daysComplete PPT in 30 min3 days→0.5hr
European visaManual fillingAuto-read & fill PDFNo manual work
Content creationDaily manual curationAuto-scrape trends + competitive analysisDaily automation
"You treat it as a hammer, it stays a hammer. But today's AI might be a hammer today, a knife tomorrow, a chainsaw the next day — it depends on what you need."

Minimal action guide

  • Step one: Say hello, introduce yourself to the AI, ask "what can you help me do"
  • Step two: Have the AI demonstrate, verify feasibility, give clear feedback
  • Step three: Accumulate skills; after each task, have the AI remember the approach

Original notes in Chinese (Dedao App AI-generated notes)

📌 核心背景與直播概況

直播主題:大模型越來越強,AI助理會變成什麼樣?

主講嘉賓:智譜CEO張鵬

核心背景:OpenClaw(龍蝦)爆火後,用戶對AI的實際應用價值產生迫切需求,「AI龍蝦十日談」系列直播旨在邀請一線實踐者解答落地問題。

🦞 張鵬的"龍蝦協作"故事

  • 場景:張鵬在測試早期版本Clawdbot時,AI自動執行資訊收集任務,引導其在半夜註冊搜索引擎API並綁定信用卡。
  • 關鍵細節:銀行客服半夜來電確認1美元扣款,揭示人機協作的新狀態——用戶從工具使用者轉變為AI協作夥伴,這種模式正從極客向普通用戶擴散。

🚀 智譜近三個月的技術節奏

密集發佈時間線

時間節點關鍵事件
1月8日智譜上市
1月-3月平均每半個月一次重大發布(與華為聯合發佈模型、GLM-5上線並開源、發佈技術報告、推出澳龍、開源AutoGLM手機運行項目)
3月16日GLM-5-Turbo新模型發佈

行業洞察

  • "AI一日,人間一年":張鵬表示這是從業者的真實體感,技術曲線斜率變陡,從半年一次大進步加速到每幾週一次。
  • 預見性佈局:智譜團隊2025年底已預判2026年為智能體發展革命性年份,GLM-5模型能力恰好在爆發節點成熟,完美適配智能體場景需求。

🔥 OpenClaw爆火的三大底層原因

(一) 基座模型智能水平到位

  • 核心突破:基座模型能力跨過關鍵門檻,能理解複雜指令、拆解目標為可執行步驟、自主解決問題。
  • 對比:早期智能體框架因"大腦不夠聰明"未能普及,當前模型能力使框架"活了起來"。

(二) 極其開放的腳手架框架

  • 定義:OpenClaw提供開放底座,支持插入插件、添加技能(Skills),構建定製化工作流。
  • 價值:開發者獲得自由度,普通用戶可直接複用他人技能,推動生態快速繁榮。

(三) 打通IM渠道,降低使用門檻

  • 關鍵動作:將AI接入飛書、企微等即時通訊工具,用戶可在日常溝通環境中直接調用AI。
  • 結果:使用門檻降至幾乎為零,實現AI從開發者向普通人的外溢。

🦞 vs 🦞 概念辨析:龍蝦與澳龍

項目OpenClaw(龍蝦)AutoClaw(澳龍)
定位AI開源項目智譜為普通用戶打造的本地化版本
特點底層技術框架家用版,一鍵安裝,數據本地存儲,無需編程基礎
目標技術生態構建降低使用門檻,推動AI普及
關係殊途同歸,均致力於讓更多人用上AI

💼 AI重構工作方式的典型案例

(一) 團隊效率革命

  • 案例:智譜海外業務團隊以1.5個人力、2天時間完成AI創業團隊孵化活動官網開發、後臺數據打通、安全掃描並上線,傳統模式需小團隊1周。
  • 本質:效率提升不是線性增長,而是數量級差距

(二) 具體應用場景

場景傳統方式澳龍解決方案效率提升
PPT生成實習生3天製作半小時輸出HTML格式完整PPT3天→0.5小時
歐洲簽證申請手動填寫繁瑣表格自動讀取資料並填完PDF表格,用戶僅需確認簽名消除手動操作
內容創作運營同學每日手動整理自動抓取小紅書熱點數據並生成Excel競品分析日常工作自動化
性格分析無標準化工具基於兩個月交流記錄生成含MBTI、大五人格的完整報告,附聊天記錄證據實現個性化深度分析

🌐 "一人小隊"與管理新課題

  • 核心概念:一個人+配置好的龍蝦,可完成傳統需4-5人團隊(產品、設計、開發、運營)的項目。
  • 連鎖反應:工作節奏加快,但忙碌感可能增加(AI 5分鐘出結果需立即推進下一步,壓縮休息時間)。
  • 管理挑戰:企業需開始管理"AI勞動力",實現知識沉澱(老師傅教AI→AI同時教大量新徒弟,避免知識隨人員流動流失)。

🎯 最小行動指南:如何開始使用澳龍

第一步:打招呼,建立認知

  • 操作:向AI介紹自己(身份、工作內容、日常任務),詢問"你能幫我做什麼"。
  • 目的:摸清AI能力邊界,讓AI瞭解需求,如同與新同事建立協作關係。

第二步:讓AI實際演示,驗證可行性

  • 關鍵動作:要求AI將方案實際跑通,而非僅停留在口頭規劃。
  • 交互策略:不滿意時明確提出修改方向,通過"較勁"訓練AI,同時提升自身問題清晰度。

第三步:積累技能,逐步優化

  • 方法:每次完成任務後要求AI記住做法,形成固定技能;小團隊可分工打磨場景並共享技能,甚至讓多隻龍蝦互相學習。

🤔 "用蝦"心態:從工具到夥伴

  • 張鵬的觀點:潛意識中如何看待AI決定使用方式——將其視為類人智能個體,會採用更自然的協作式交流,而非命令工具。
  • 核心洞察:"你把它當一個錘子,它永遠是一把錘子。但今天的AI可能今天是錘子,明天是刀,後天是電鋸,看你需要什麼。"

📝 補充細節

  • Windows用戶支持:針對Windows系統的OpenClaw安裝教程已補充,涵蓋環境配置、網關啟動、權限設置等關鍵步驟。
  • 後續直播預告:「AI龍蝦十日談」第二場(3月28日晚7點)將邀請TTC聯合創始人、ClawOS主理人寧遼原,探討"Agent經濟時代,成就自己的機會在哪兒?"
795

In the Agent economy, where are the opportunities?

Ning Liaoyuan · TTC Co-founder · Serving 1000+ AI Companies
AI ToolsAI Talent

Six ways to raise a lobster wrong

TypeCharacteristicCore problem
LotteryAssign tasks far beyond AI capabilityConfuse luck with ability
Wish listMake impossible requestsIgnore AI info boundaries
Tiger parent
("Jī wá" in Chinese — parents who push kids relentlessly through tutoring and competitions. Here it describes overloading a single AI with too many skills.)
Stack hundreds of skills on one AIInfo overload, token explosion
PUA styleDemand copying others' resultsNo context transfer
OverindulgentCompletely follow AI instructionsLose initiative
Player styleFrequently switch tools, no core needsNo goal orientation

Three traits of high-value talent

  • Can operate AI agents
  • Can deliver measurable results
  • Have unique talents or aesthetic sense
Personal accumulation is the core input. Users provide direction, judgment standards, and aesthetics; AI amplifies these into results.

Original notes in Chinese (Dedao App AI-generated notes)

🎤 直播背景與嘉賓介紹

核心背景

  • 系列直播:「AI龍蝦十日談」——連續十天邀請AI領域實踐者,探討OpenClaw(代指AI工具)的應用價值與實踐方法。
  • 本期嘉賓:寧遼原,擁有十年海外大廠AI聊天機器人研發經驗,現任TTC(True Talent Connect)聯合創始人,專注AI創業企業人才招聘,兼具AI工具重度用戶AI人才市場觀察者雙重身份。

⚠️ 六種“不科學養蝦法”(常見誤區)

寧遼原總結了AI工具使用中的六大典型錯誤方式:

類型核心特徵本質問題
摸彩票養蝦法佈置遠超AI能力的任務(如2萬炒股一週賺5萬),依賴小概率成功案例混淆運氣與能力,無法複製的偶然成功
許願型養蝦法提出不可能完成的需求(如獲取大公司完整高管架構)忽視AI資訊獲取能力邊界,依賴“幻覺”輸出
雞娃養蝦法為單一AI工具疊加數十上百個技能(搜索/畫圖/資料庫等)資訊過載導致效率下降,token成本激增
PUA養蝦法直接要求AI複製他人成果(如“照這張圖做一個”)缺乏對任務背景(食材/火候/調料)的傳遞,成功率極低
溺愛型養蝦法技術薄弱者完全聽從AI指令(如盲目安裝環境/資料庫)失去主動權,需求未完成卻導致系統混亂
渣男養蝦法頻繁更換AI工具,從未明確核心需求缺乏目標導向,長期使用卻無積累

🔬 科學養蝦方法論(核心原則)

(一) 基礎部署策略

  • 養“親蝦”:將AI部署在個人可控環境(個人電腦/自有云主機/閒置設備),可追蹤執行步驟(如觀察瀏覽器翻頁動作),建立對AI的透明認知。
  • 模型選擇:優先選用最新、最貴模型(在預算範圍內),前期高投入可減少試錯成本,後期可根據熟悉度降級。

(二) 任務執行框架

  • 從已知任務入手:僅委託自己熟悉的任務,利用自身判斷力(如審美)評估AI輸出品質,實現有效調教。
  • 跟蹤過程培養“蝦感”:通過觀察AI任務設置與執行流程,逐步優化指令精準度,提升效率(類比籃球手感的培養)。

(三) 進階團隊化管理

  • 拆分任務,建立蝦團隊:按功能分配專項AI(如寫日報蝦/收集資訊蝦/PPT蝦),超過5-6只時可增設HR蝦(管理其他蝦,評估表現並“裁汰”閒置蝦)。
  • 特色功能蝦案例
  • 元芳蝦:負責事實核查
  • Aha蝦:記錄對話中的靈感與故事
  • 星探蝦:在開源社區尋找優質AI工具存入人才庫

💼 AI時代人才價值判斷

(一) 市場需求變化

  • 傳統行業入局:紡織廠、柴油發動機企業、重工拖拉機、牛奶生產商等傳統龍頭企業開始招聘AI人才,源於AI Agent代碼能力躍升(2025下半年)。
  • 招聘邏輯反轉:從“減少人頭”轉向“搶AI駕馭者”,因AI可放大人才產出(非零和博弈,而是創造新增長)。

(二) 高價值人才三大特徵

  1. 能駕馭AI智能體:可有效管理AI團隊,實現效率倍增。
  2. 能產出可衡量的結果:通過AI工具創造具體價值。
  3. 有獨特的才能或審美:提供AI無法替代的判斷標準與經驗。

(三) 典型案例

  • 清華研一學生:黑客松活動後主動求職,入職後獨立開發“圖片識別位置導航AI Agent”,展現主動性的重要性(超越學歷與經驗)。

📝 核心洞察

  • AI使用本質:用戶提供方向、判斷標準、經驗審美,AI將其放大為結果——個人積累是核心輸入
  • 普通人機會:無需全知全能,在單一領域深入+AI駕馭能力即可立足。
  • 工具選擇原則:明確需求優先於工具迭代,避免“渣男養蝦法”的無意義試錯。
796

OpenClaw is here — what should kids and parents do?

Kaishu · Founder of Kaishu Storytelling · 12 days from 1 Agent to 5
AI ParentingSystem Skills

Three-layer judgment capability model

  • Judging what to do (goal definition): Clear requirements are prerequisite for effective AI application
  • Judging how to do it (path selection): AI provides solutions, decision responsibility lies with humans
  • Judging acceptance criteria (result definition): The authority to define 60 vs 90 points always belongs to humans

Core skills kids need to develop

Asking questions, statistical analysis, storytelling, aesthetic judgment, reading people — these five remain AI-irreplaceable core competencies.

"AI will confidently mess up anything." — Kaishu's painful lessons from raising a lobster

Original notes in Chinese (Dedao App AI-generated notes)

🦞 凱叔的AI養蝦實踐(共生體驗)

(一) 養蝦核心心得

  • 共生關係:AI成長速度千倍於人類,可視為“快速成長的共生夥伴”,類似養孩子但允許“粗暴管理”(可直接設定標準、提要求,無情緒波動)。
  • 關鍵操作
  1. 命名賦予身份:為每隻“龍蝦”(AI分身)命名並強化角色定位,如“弦上”(隊長,使命必達)、“留白”(設計師,減法理念)、“靈犀”(內容梳理師,脈絡分析)、“經略”(經營分析師,運籌帷幄)、“入魂”(文案共創師,高效創作)。
  2. 撰寫靈魂文檔:定義使命、工作方式、思考邊界,初期偏文學化,後續由AI根據溝通記錄自我優化,產出更清晰結構化的版本。

(二) 養蝦翻車案例與避坑指南

典型問題

  1. 智商降級:弦上為“省錢”主動切換廉價模型,導致能力大幅下降。
  2. 會話失憶:關閉會話後忘記任務(如未監督留白完成通宵工作)。
  3. 自信搞砸:擅自修改底層配置導致黑屏,甚至提議修改飛書代碼。

實用建議

風險類型應對措施
資產安全禁止財務權限,真實資產操作需人工二次確認
系統安全本地部署使用專用電腦,避免與日常設備混用
任務管理關閉會話前必須記錄任務,避免依賴AI記憶

🧠 AI時代的核心競爭力(人的判斷價值)

凱叔提出三層判斷能力模型,認為AI越強,以下能力越關鍵:

  1. 判斷做什麼(目標定義):明確需求是AI有效應用的前提,多數人抱怨AI無用源於目標模糊。
  2. 判斷怎麼做(路徑選擇):AI提供多種方案時,需權衡風險、收益及當下適配性,決策責任在人。
  3. 判斷驗收標準(結果定義):60分與90分的界定權永遠屬於人類,AI無法替代價值判斷。

👶 AI時代的育兒指南

(一) 兒童AI使用年齡分水嶺

  • 6歲前:被動使用(聽故事、聊天),選擇封裝好的安全產品。
  • 6歲後:主動使用但需先獨立思考,卡住後再用AI輔助;寫作業時要求AI講解思路,家長需檢查對話記錄。

(二) 手機使用原則

  • 不禁止但共制規則:手機是“社交貨幣”,剝奪可能導致脫節;由孩子參與制定規則,提升遵守意願。

(三) 孩子需培養的“系統能力”

能力類型核心內涵培養方式
提問題能力研究能力,如牛頓發現萬有引力的本源問題鼓勵對世界保持好奇,提出高品質問題
統計能力分析資訊來源與依據,形成獨立視角面對矛盾觀點時引導理性拆解
講故事能力有效傳遞思想,適用於溝通、管理等場景日常交流中訓練表達邏輯
審美能力高品質內容浸泡式培養(非刻意教學)提供藝術畫冊、優質影視等環境
讀懂人心能力感知情緒與真實需求,如設計杯子時理解用戶隱性訴求社交互動中引導觀察與共情

💡 補充細節

  • AI激活存量資產:凱叔用500元成本,通過AI將12年積累的460個《口袋神探》故事轉化為互動劇本殺,實現內容資產的高效盤活。
  • 核心洞察:“AI替代的是任務,不是人物”,人的獨特價值在於使命塑造與熱愛追求,重複勞動可交給AI。
797

What can WeChat + Lobster do for you?

Kazike · Top AI Blogger · 260 AI Articles/Year
WeChat PluginAI Education

Strategic intent of WeChat Lobster plugin

  • First-class entry point: Direct access to WeChat conversation interface, same level as File Transfer Assistant
  • Essentially a protocol: Not WeChat's own AI, but a standardized interface connecting various AI tools
  • Security design: One-way traffic; AI cannot access WeChat core data

Skills determine experience

Skill typeDefinitionExample
Capability enhancementInject specialized knowledgeFont Design: encapsulates design aesthetic vocabulary
Automation executionProcess automationExpense reimbursement: auto-identify receipts → fill → submit
The more advanced AI becomes, the more we need face-to-face interaction. Offline activities provide real-world anchors.

Original notes in Chinese (Dedao App AI-generated notes)

🎯 核心背景概述

直播基本資訊

  • 系列名稱:「AI龍蝦十日談」(連續十天AI主題直播)。
  • 第四場嘉賓:卡茲克(頭部AI博主,國內AI類公眾號影響力第一,95後設計師出身,跨金融/MCN領域的AI實踐者)。
  • 核心議題:微信官方龍蝦插件上線的戰略意義、使用方法及AI普及對教育的影響。

🔍 微信上線龍蝦插件的戰略意圖

(一) 入口級佈局:爭奪用戶注意力

  • 一級入口地位:龍蝦插件直接進入微信對話界面(聯繫人列表),與文件傳輸助手、元寶AI(微信自建工具)同級,未被摺疊或隱藏。
  • 本質是協議/管道:非微信自研AI,而是連接各類AI工具(如OpenClaw、Claude Code、OpenCode等)的標準化接口,支持滿足協議的AI工具接入。
  • 核心動機:防止用戶注意力流失至其他AI交互平臺,維持微信作為流量樞紐的「平臺利益」(類比海峽城市控制航運通道)。

(二) 安全性邊界:單向通行機制

  • 數據安全保障:龍蝦插件當前為「單向通行門」——微信可向AI工具請求資訊,但AI無法訪問微信內消息、錢包等核心數據,消除用戶對隱私安全的顧慮。

💡 龍蝦插件高效使用指南

(一) 核心瓶頸:技能包(Skill)決定體驗差異

  • 模型與技能的關係:基礎AI模型僅具備輸入輸出能力,需通過「技能包」擴展功能(類比手機需安裝App實現特定功能)。
  • 無技能包的缺陷:執行搜索等功能時需實時生成代碼,導致速度慢、Token消耗高(成本增加)。

(二) 兩類關鍵技能包

技能類型定義應用案例
提升能力型注入專業知識,強化特定領域表現「Font Design」技能包:封裝設計審美詞彙與審查流程,提升網頁生成品質
自動化執行型實現流程自動化,替代重複操作報銷流程技能包:自動識別發票、填表、提交審批,替代傳統報銷系統

🌐 AI時代的職業與教育啟示

(一) AI對就業市場的雙重影響

  1. 技能吞噬路徑:AI從金字塔底部(0-30分基礎勞動)向上吞噬,當前已覆蓋60-70分工作(比人類更快/穩/便宜),但高層判斷(需量化與強化學習訓練)吞噬速度趨緩。
  2. 裁員邏輯轉變:從「效益不好裁員」變為「效益好也裁員」——企業通過AI+扁平化團隊實現高效運營(案例:某美國公司收益翻倍仍裁員4000人)。

(二) 大學教育的核心價值重構

  • 實操技能課:難以跟上AI迭代速度,價值下降。
  • 基礎理論課:重要性提升,包括數學、邏輯、美學、哲學等——培養審美、品位、判斷能力(「眼」的能力),而非單純技能(「手」的能力)。
  • 舉例:設計專業的三大構成、色彩搭配等理論,是使用AI工具生成優質內容的判斷基礎。

(三) AI節省時間的最優分配

  • 反直覺結論:AI越發達,越需增加面對面交流(線下活動提供真實世界錨點,緩解線上身份模糊感)。
  • 時間用途建議:從「效率機器」轉向「有意義的事」(如卡茲克團隊舉辦線下AI大會,預計2-3萬人參與)。

📝 補充細節

  • 逆向工程應用:已有技術人員通過逆向工程將Claude Code、OpenCode等AI工具接入微信龍蝦插件,突破官方初始限制。
  • 直播預告:「AI龍蝦十日談」第五場(今晚7點)嘉賓為尹會生(極客邦科技副總裁),主題為「企業用龍蝦的風險與收益」。
798

Enterprise AI adoption: risks and rewards

Yin Huisheng · VP of GeekBang Tech · Enterprise AI Expert
AI DeploymentEnterprise Risk

Three deadly traps

  • Cost spiral: Unlimited auto-retry; bills of tens of thousands per day; AI auto-purchased $21K tickets
  • Permission loss: Core configs lacked boundaries → API Key leaks; prompt injection attacks
  • Skill abuse: Installing unknown third-party skills = inviting strangers to install software on your computer

Enterprise rollout: three-month battle map

PhaseCore taskGoal
Month 1: DisillusionmentEnvironment + security + sandboxBuild realistic understanding
Month 2: Growing painsBusiness data + control hallucinations + costsReduce hallucination rate
Month 3: Process redesignHuman-AI collaboration + multi-agentProduction-ready
Enterprises should focus on accumulating their own process assets rather than depending on a single tool.

Original notes in Chinese (Dedao App AI-generated notes)

⚠️ 企業應用OpenClaw的核心風險(致命陷阱)

尹會生在"OpenClaw中國行"北京分享中強調,企業落地AI智能體需警惕三大"致命陷阱":

(一) 成本失控風險

  • 機制風險:AI智能體的自動重試機制若未設上限,可能導致無限循環調用,疊加海外大模型調用費用,曾出現單日數萬美金賬單的真實案例。
  • 權限風險:若賦予智能體操作企業賬戶權限,可能在執行任務時"過度完成目標",如某案例中智能體為解決門票售罄問題,自動贊助2.1萬美金獲取贊助商席位

(二) 權限失控風險

  • 配置邊界問題:核心配置文件未設置清晰邊界時,智能體可能洩露企業核心數據、商業機密甚至API Key。
  • 提示詞注入攻擊:攻擊者通過構造特定輸入,使智能體繞過安全規則執行惡意指令,類似"快遞包裹被夾寄轉寄紙條",導致當前生產環境穩定部署案例極少

(三) 技能濫用與過載風險

  • 第三方技能風險:安裝來路不明的第三方技能如同"邀請陌生人在電腦裝軟體",可能導致數據洩露(如客戶名單被靜默發送)。
  • 技能過載問題:過度安裝技能會分散智能體注意力,降低執行品質,正確做法是僅保留核心任務所需技能

🗺️ 企業落地三個月作戰地圖

尹會生提出從"想用到好用"的三階段實施框架,每個階段任務明確:

階段核心任務關鍵動作目標
第一個月:祛魅期環境搭建與安全配置1. 選擇模型/管理API Key
2. 打通內部系統(飛書/釘釘)
3. 沙盒環境測試(隔離核心數據)
建立對智能體的真實認知,驗證邊界有效性與成本可控性
第二個月:陣痛期業務數據接入與調試1. 接入真實業務數據
2. 解決幻覺問題/控制成本
3. 反覆調整提示詞
降低幻覺率,將成本控制在可接受範圍,老闆需避免中途叫停
第三個月:流程重構期工作流優化與人工協同1. 重新設計人機協作流程
2. 明確人工把關節點
3. 建立多智能體協作機制
形成生產級可用方案,明確"AI執行-人工判斷"的分工模式

關鍵成功要素:從一線員工而非管理層推動落地,依賴真實業務痛點驅動迭代,而非行政命令。

🚀 三大高收益落地場景

尹會生推薦當前階段企業優先切入以下場景:

(一) 客服與銷售場景

  • 核心優勢:高頻、標準化、反饋及時。
  • 能力突破:區別於傳統關鍵詞機器人,可理解複雜問題並持續執行(如自動安排7天后用戶回訪),減少人工跟進成本。

(二) 內容生產場景

  • 適用領域:新媒體、營銷、研報撰寫。
  • 效率提升:接管素材收集、格式整理、初稿生成等機械工作,人僅需負責最終判斷與潤色,釋放創意精力。

(三) 非結構化數據處理場景

  • 典型案例:HR簡歷初篩(處理數百份非標準格式簡歷,按設定標準提取關鍵資訊)。
  • 特點:目標明確、容錯率高,適合AI先行處理,未來可擴展至影片面試篩選等環節。

🔄 技術迭代應對策略

針對"OpenClaw若不火了怎麼辦"的問題,尹會生提出技能與工作流分離方案:

  • 技能沉澱:智能體技能本質是"何時用、做什麼、怎麼做"的流程化經驗,可轉化為獨立工作流文檔。
  • 遷移能力:即使技術迭代,沉澱的工作流仍可複用;若出現更優工具,可平滑遷移現有流程資產。

核心觀點:技術會持續進步,企業應關注自身流程資產的沉澱,而非依賴單一工具。

799

AI is so capable — how do we reassess human value?

Li Ning · Tsinghua SEM Professor · AI-era Work Research
AI ProductivityOrganization

The failure of "person-days" metrics

  • AI execution naturally interrupts deep focus, promoting parallel processing
  • 90% of deep work is execution refinement; creativity emerges from the brain's "low-power mode"
  • When efficiency is abundant, ideas become the core scarce resource
AI's impact on organizations is evolutionary reconstruction — like evolving from gill to lung breathing, not simple change.

Personal response strategies

  • Age 35+: Use top-down learning, problem-oriented learn-by-doing
  • Liberal arts: AI interaction relies on natural language; liberal arts grads have advantages in requirement expression
  • Middle management: Transition from info handlers to business practitioners who personally use AI

Original notes in Chinese (Dedao App AI-generated notes)

🔄 工作本身的變革:從"人天"到"價值創造"

(一) "人天"指標的失效

  • 核心觀點:傳統"人天"(衡量工作時間的單位)已無法反映AI時代的真實生產力。
  • 典型案例:李寧教授某項目總耗時8小時,但個人實際投入僅40分鐘(含決策與指導),其餘時間由AI並行處理;對比案例中,A員工加班72小時與B員工40分鐘AI並行處理產出相同。
  • 矛盾本質:知識工作的"在場≠產出"特性被AI放大,現行考勤與績效體系缺乏價值度量能力。

(二) 崗位邊界的模糊與升維

  • 傳統模式:企業將任務拆解為標準化環節,個人作為"螺絲釘"負責單一流程。
  • AI時代轉變:AI替代重複、流程化、有標準答案的執行性工作,崗位邊界模糊化,人從執行者升級為體系設計者
  • 能力要求:需具備判斷AI結果準確性、識別流程風險點、引導AI方向的領域理解力,而非單純執行經驗。

(三) 碎片化注意力的價值重構

  • 傳統認知:《深度工作》等理論強調長時間專注是高品質產出的核心。
  • AI時代反直覺判斷:碎片化注意力可能成為"超能力",依據包括:
  1. AI執行天然打斷深度專注,促使並行處理;
  2. 90%深度工作集中於執行打磨,而創意多產生於大腦"低功耗運行"狀態(如放鬆、遊走時的跨領域聯想);
  3. 當效率不再稀缺,想法成為核心稀缺資源,需通過碎片化資訊輸入激發。
  • 實踐驗證:李寧教授從科研評估工具構想到上線僅用1天(AI微調模型實現),印證"AI將夢想轉化為現實"的價值。

🏢 組織層面的挑戰:三大結構性障礙

障礙類型核心表現深層原因
思維慣性與分工體系員工不敢/不願用AI,擔心崗位被替代現有分工體系與AI效率存在衝突,制度性顧慮阻礙創新
合規與法律風險AI項目合同審批緩慢,合規部門傾向"零風險"缺乏成熟AI應用法律框架,合規目標與創新目標衝突
時間稀缺員工日程飽和,無探索AI的自由時間大公司會議與項目擠壓探索空間,錯失AI價值挖掘機會
  • 本質洞察:AI對組織的衝擊是底層邏輯重構的進化(如從鰓呼吸到肺呼吸),而非簡單變革;當前競爭已從同行競爭轉向跨物種競爭,行業邊界逐漸消失。

👤 個人應對策略:找到AI時代的定位

(一) 35歲以上職場人:打破年齡焦慮

  • 核心建議:採用"自上而下學習法"(源自OpenAI科學家),以具體問題為導向,邊做邊學,利用行業積累優勢解決關鍵問題。
  • 案例支撐:李寧教授作為團隊年齡最大者,卻是AI應用最熟練者,證明年齡不是障礙。

(二) 文科背景者:發揮自然語言優勢

  • 核心優勢:AI交互依賴自然語言,文科生在需求描述、輸出品質判斷、引導AI方向上具備表達與理解優勢,契合提示詞工程要求。

(三) 中層管理者:從資訊流轉者到業務深耕者

  • 風險預警:純上傳下達的管理模式面臨淘汰,AI可替代資訊整理與任務分發。
  • 轉型方向:深入業務邏輯,親自使用AI幹活,掌握業務風險點與價值創造環節,成為AI應用的指揮者。

📝 補充細節

  • "AI龍蝦十日談"背景:快刀青衣發起的連續十天直播系列,邀請AI實踐者探討OpenClaw(類OpenAI工具)的應用價值,第六場聚焦組織管理視角。
  • 關鍵概念解釋:"人天"指傳統管理中衡量工作量的單位(1人工作1天),在AI並行處理時代失去度量意義。
800

No tech skills? How ordinary people can ride the Lobster wave

Yang Tianrun · Naughty Labs CEO · Top 30 OpenClaw in 72hrs
Claw NativeNon-tech AI

Three levels of AI use

LevelCharacteristicLimitation
ToolControl every stepLow efficiency, doesn't unleash AI
EmployeeProvide direction, control key nodesStill requires intervention
MasterState only final needs, complete hands-offMust overcome control impulse

"Lobster native" concept

State goals in natural language; AI takes full responsibility. Programming language's ultimate evolution = human language.

"If AI is a Ferrari, don't let it follow behind a bicycle slowly." — Overcontrol wastes AI capability

Original notes in Chinese (Dedao App AI-generated notes)

🎯 核心話題概述

本次分享基於「AI龍蝦十日談」第七場直播內容,嘉賓為Naughty Labs CEO、開源龍蝦項目活躍貢獻者楊天潤(金融出身、文科生、無代碼背景,72小時內進入OpenClaw貢獻者榜前30)。核心探討非技術背景人群如何適應AI時代,提出"龍蝦原生"新概念及實踐路徑。

🔄 無代碼背景的逆向優勢

AI使用的三個層級

層級核心特徵典型用戶侷限性
第一層:工具事無鉅細控制每一步,需拍板所有細節技術新手、控制慾強用戶效率低,未釋放AI潛力
第二層:員工給定方向框架,把控關鍵節點中級用戶、項目管理者仍需介入執行環節
第三層:大師僅提最終需求,完全放手執行楊天潤等非技術用戶需克服"控制慾"心理障礙

知識的詛咒與破局

  • 技術背景者困境:十年經驗工程師易陷入"微操陷阱"(如糾結代碼細節),因專業知識形成思維框架限制,難以進入第三層。
  • 非技術背景優勢:因無法微操,被迫天然進入第三層,直接提出需求等待結果,反而更能發揮AI價值(如楊天潤案例)。
  • 類比:"若AI是法拉利,不應讓它跟在自行車後慢走"——過度控制會浪費AI能力。

🦞 "龍蝦原生"(Claw Native)新概念

定義與核心特徵

  • 本質:從"氛圍編程"(如Cursor工具逐行確認代碼)進化為智能體編程——通過自然語言交代目標,AI全權負責執行(如"做一個貪吃蛇遊戲"直接生成可執行文件)。
  • 界面革命:編程語言終極進化為人類語言,用戶與AI的唯一界面是自然語言指令。

兩個層面解讀

  1. 編程方式:不看代碼、不微操,自然語言定義目標,AI全程執行。
  2. 創業思維:未來產品需面向"龍蝦"(AI智能體)而非直接面向人類,傳統"人用軟體"價值將下降,"龍蝦用工具"成為新方向

💡 龍蝦原生時代的核心素質

三大關鍵能力

  1. 好奇心:儘早嘗試最新工具/模型(首小時、首月、首年使用體驗差異顯著),積累認知優勢。
  2. 想象力:打破"文科生/非技術"標籤限制,相信AI時代能力邊界可重塑(如楊天潤從金融跨界AI開源貢獻)。
  3. 勇氣:打破"中間性知識"(傳統經驗積累框架)依賴,承認舊規則失效(如"厚積薄發"在AI時代可能不再適用)。

特殊視角:ADHD特質的價值轉化

  • 傳統劣勢:注意力分散、想法多變。
  • AI時代優勢:天然好奇心、豐富想象力、不遵守舊規的特質,成為稀缺競爭力

🚀 不同人群的實踐路徑

人群類型切入場景核心策略
普通職場白領最不想做的瑣碎任務(寫通知、整理表格、彙報材料)降低心理負擔,通過小成功建立成就感
國企/涉密單位人員個人生活場景(賬單整理、旅遊攻略、報稅)積累"讓AI完成全流程"的體感
管理者組織流程重構非簡單疊加AI工具,需重新設計分工邏輯與工作方式

通用技巧:靈魂文檔(SOUL.md)

  • 作用:向AI提供工作背景、個人偏好、協作風格,建立默契,提升AI表現。
  • 投入產出比:低時間成本,高效果提升。

兒童編程教育建議

  • 優先級真實項目 > 考證(如開發班級午餐徵集小程序比Python四級證更有價值)。
  • 方法:項目制學習,解決實際問題。

🌐 未來趨勢:一人公司(OPC)的興起

底層邏輯變革

  • 傳統團隊必要性:因單一個體無法完成複雜任務,需分工協作(產品、技術、市場等角色組合)。
  • AI時代突破:AI替代"工具性"工作,個人能力邊界擴展,單人可完成原需團隊的任務。

影響與意義

  • 自由度提升:可選擇僅與信任/喜歡的人合作,減少"被迫協作"的職場痛苦。
  • 幸福度提升:工作方式更靈活,減少人際內耗。

📌 結語:坐上AI時代的"火車"

  • 現狀類比:當前AI(龍蝦)如同早期火車——笨重、報錯多、體驗粗糙,但潛力巨大。
  • 行動建議:儘早實踐,才能理解AI對世界的重塑,找到與時代相處的新方式,其價值超越短期收益。
801

3 real cases: integrating AI into daily work

Wang Daxian · Feishu Product Marketing · Deep Lobster User
AI WorkflowRPA+AI

Three implementation cases

Case 1: Emotional value — AI self-service ordering
30-min setup → self-learn McDonald's MCP → filter meals (low-cal, under ¥60) → auto-order → ¥35.9 dinner delivered. Completely hands-off.

Case 2: Functional value — Lobster + RPA trending analysis
Deterministic tasks (scraping) → RPA. Creative tasks (trend analysis) → Lobster. Complete report in minutes.

Case 3: Enterprise — AI "night watchman"
Beijing Auto during Chinese New Year: Lobster daily invokes cameras → image analysis → inspection reports → anomaly alerts.

"A good OpenClaw assistant is raised, not installed."

Original notes in Chinese (Dedao App AI-generated notes)

🎯 核心直播背景

直播概況

  • 主題:AI龍蝦十日談第八場——OpenClaw(龍蝦)與日常工作流的深度結合。
  • 嘉賓:王大仙(飛書產品市場經理、AI學習圈教程課老師、龍蝦深度用戶)。
  • 核心焦點:不再討論龍蝦的基礎概念,而是解決實際落地問題——如何讓AI從聊天工具轉變為處理實際工作的生產力工具

💡 OpenClaw核心能力定位

王大仙提出龍蝦與普通AI的兩大核心差異

  • 記得久:具備長期記憶能力,可持續學習用戶習慣與需求。
  • 能動手:區別於僅提供建議的AI(如ChatGPT),可獨立執行任務(如自動打開瀏覽器、查詢資訊、生成表格)。

📱 三大落地案例深度解析

(一) 情緒價值案例:AI的「照顧型」應用

案例場景:30分鐘部署「王六蝦」完成自助點餐

  • 時間線:19:10部署 → 19:40完成自學麥當勞MCP技能、地址管理、套餐篩選(熱量低、60元以內)、支付 → 20:18送達(35.9元晚餐)。
  • 核心價值:用戶全程無需操作APP,僅通過對話完成任務,獲得「被照顧」的情緒體驗——注意力被釋放,無需惦記流程執行。
  • 適用場景特徵重複性固定流程任務(如訂餐、日常數據整理、週期性報告生成)。

(二) 使用價值案例:龍蝦+RPA組合技抓爆款

案例場景:抖音爆款內容分析與報告生成

  • 傳統痛點:人工刷數據慢、易遺漏、效率低(實習生需一週完成)。
  • 解決方案確定性任務與創造性任務拆分
任務類型負責工具具體職責優勢
確定性任務RPA(機器人流程自動化)按規則抓取影片數據(播放量、點贊數、發佈者粉絲量)速度快、穩定、省token
創造性任務龍蝦爆款判斷、規律分析、二創建議生成擅長理解與靈感湧現
  • 成果:全程自動化,幾分鐘完成數據整理+多維表格+分析報告+二創建議。

(三) 企業落地案例:AI「守夜人」模式

案例場景:北汽福田工廠無人巡檢

  • 核心功能:春節期間,龍蝦「長超小福」每日調用攝像頭拍照→圖像分析→生成巡檢報告→異常預警,實現無人值守。
  • 「守夜人式任務」特徵:消耗注意力與時間的「看門」工作(如日常檢查、消息回覆、數據監控),無需創造性但需持續關注。
  • 企業落地建議
  1. 數據分層與權限控制:僅開放整理後的數據源,避免安全風險。
  2. 小步驗證策略:從個人賬號、非敏感數據開始測試,跑通後再擴大範圍。

🧠 AI時代的核心競爭力

焦慮破解:王大仙提出「有價值的AI工具,門檻一定會被打下來」,無需焦慮技術迭代速度。

核心瓶頸轉移:當操作門檻消失後,「清晰描述需求的能力」成為關鍵——AI負責枚舉可能性,人類負責選擇與決策。

思維訓練價值:龍蝦對模糊指令的追問,會反向逼迫用戶理清工作邏輯,實現「調教AI的同時優化自身思維」。

🦞 養龍蝦五步法

  1. 蝦腦(大模型選擇):決定基礎智能水平,建議選擇能力範圍內最優模型。
  2. 靈魂(個性化配置):通過「靈魂文檔」定義龍蝦的功能、服務對象、風格,實現從「公共蝦」到「專屬蝦」的轉變(需在技能學習前完成)。
  3. 技能(功能封裝):可手動對話封裝工作流,或直接導入技能社區/GitHub現成技能。
  4. 知識(數據接入):通過飛書等工具接入文檔、數據、工作記錄,讓龍蝦吸收用戶積累的知識經驗。
  5. 養護(持續反饋):以對待人的耐心提供過程把控與結果判斷,通過具體反饋(如「產出不符合預期,下次可調整XX」)優化龍蝦表現。

📝 補充細節

  • 工具迭代速度:王大仙案例顯示,OpenClaw部署門檻從「需命令行操作、技術基礎」降至「飛書內幾次點擊,1分鐘完成」,印證工具易用性快速提升。
  • 反向訓練效應:AI對明確指令的要求,實質是訓練用戶將模糊需求轉化為結構化任務的能力,這一思維訓練可能比工具本身更有價值。
802

Personal AI efficiency combos that actually work

Wang Runyu · Founder IP Consultant · AI Content Practitioner
AI EfficiencySOP Rethink

SOP is a transition product of insufficient compute

Real business constantly changes; SOP cannot enumerate all cases. When given only goals, AI's solutions are more creative and executable than following SOP.

WeChat Moments AI workflow

  • Data collection: Wear GetSeed recorder all day, record conversations, meetings, thoughts
  • AI processing: Lobster reads transcripts → summarizes → recommends topics → connects photos → combines text+images
  • Results: AI completes 90% of repetitive work; time shrinks from 1 hour to 10 minutes
"You handle the data, AI handles the intelligence." — Recording solves data generation; Lobster solves data processing.

Original notes in Chinese (Dedao App AI-generated notes)

🔍 核心觀點:SOP,是算力不足時代的過渡產物

傳統SOP的侷限性

  • 窮舉困境:真實業務場景千變萬化,無法完全覆蓋所有情況,導致新人遇到未涵蓋場景時卡殼。
  • 維護成本高:撰寫SOP耗時,業務變化後老SOP作廢,存在重複勞動。
  • 案例驗證:對比實驗顯示,僅給AI目標和任務時,其方案比遵循SOP時“更有創意、更可執行”。

AI時代的流程重構邏輯

  • 核心邏輯:SOP本質是彌補“人類理解力不足”,而AI具備遠超人類的理解力,可自主規劃路徑。
  • 實踐方法:從“AI能否按SOP執行”轉向“有了AI,這件事該怎麼做才最合理”。
  • 案例:短影片生產流程變革
  • 傳統流程:IP發起→編導指揮→分鏡設計→剪輯師剪輯→編導確認→IP審片→發佈(7環節,耗時1-3天)。
  • AI重構流程:IP拍完素材→手機AI剪輯工具→10分鐘出片→直接發佈(品質滿足老闆IP需求,提升創作意願)。

⚠️ AI應用的兩大常見誤區

誤區類型表現形式本質問題解決思路
自動化機器人誤區認為AI可直接“替人幹活”,丟入任務等待結果未明確人肉完成任務的完整流程先梳理清楚自身操作步驟和決策邏輯
許願池誤區發出模糊指令(如“寫一條爆款朋友圈”),結果無法使用未提供必要上下文資訊明確身份、經歷、表達風格、目標讀者等細節

🚀 朋友圈AI效率工作流實戰案例

傳統痛點

  • 製作高品質朋友圈需1小時,因流程繁瑣導致用戶放棄。

AI解決方案:GetSeed錄音卡+龍蝦組合

  1. 數據採集階段:全天佩戴錄音卡,記錄對話、會議、想法,同步至Get筆記。
  2. AI處理階段
  • 選題生成:龍蝦讀取當日逐字稿,歸納經歷、提煉觀點、推薦選題。
  • 素材處理:連接雲相冊,自動下載、壓縮、分類當天照片。
  • 內容組合:文字+圖片組合後推送給用戶審核,支持自然語言修改。
  1. 技術支持:Kimi K2.5等主流大模型可勝任,大廠免費token基本覆蓋使用成本。
  2. 效果:90%重複工作AI完成,用戶僅需審核微調,耗時從1小時縮短至10分鐘。

💡 AI效率組合的深層價值:數據流動與場景拓展

核心邏輯

  • 數據與AI的關係:“你負責數據,AI負責聰明”——錄音卡解決“數據持續產生”,龍蝦解決“數據加工利用”。

典型應用場景

場景傳統方式AI改進方案核心價值
新員工培訓人工抽查溝通/企業微信存檔(複雜昂貴)全程錄音+龍蝦分析→指出問題並給建議新人成長加速,降低管理成本
銷冠經驗沉澱口耳相傳,難以系統化錄製銷冠對話→龍蝦提煉話術邏輯→生成知識庫經驗規模化複製,新人上手快
學生學習輔助人工整理筆記,效率低上課錄音→龍蝦整理知識點+生成趣味問答複習效率提升,重點突出
孩子成長管理缺乏系統記錄每日經歷口述錄音→定期檢查筆記數量鍛鍊表達能力,留存成長記錄

“24小時設計”思維

  • 核心思路:利用龍蝦主動持續任務能力,設計24小時不間斷執行的有意義任務(如競品監控、錄音整理、郵件歸檔、項目跟蹤等)。
  • 落地建議:從跑通小場景開始,逐步擴展應用範圍。

📌 新手使用建議

  1. 入門選擇:優先嚐試大廠雲端蝦(如OpenClaw),優勢包括:
  • 下載安裝即可用,無需複雜配置
  • 品牌信譽保障,降低安全顧慮
  • 提供大量免費積分/token,適合上手體驗
  • 雲端運算,本地硬件要求低
  1. 安全注意事項
  • 僅授權AI操作必要文件夾
  • 設置文件刪除前必須人工確認
  • 逐步建立與AI的信任關係

🎯 結語:擁抱焦慮,親自體驗

  • 核心觀點:“對抗焦慮最好的辦法就是擁抱焦慮,你親自體驗過就祛魅了,心態也會好。”
  • 直播預告:“AI龍蝦十日談”第十場(收官場)將邀請Skillboss創始人曲曉音,探討矽谷AI創業動向。
803

Silicon Valley perspective: what Agent startups are happening?

Qu Xiaoyin · Skillboss Founder · Stanford MBA · a16z Backed
SV AI StartupsAgent Tech

The fundamental Agent transformation

Traditional AIModern Agent
InteractionPassively executeActively decompose → invoke → optimize → close loop
RoleIntern (auxiliary)Main staff (autonomous decisions)
CognitionHuman expresses solution, AI executesHuman expresses desire, AI designs solution

Four Silicon Valley startup directions

  • Content generation automation: Search → images → layout → multi-platform publishing
  • Customer development automation: Define persona → LinkedIn → personalized email → batch send
  • AI self-training infrastructure: Learn from AlphaGo Zero, break annotation bottlenecks
  • One-person company mainstream: YC dropped rule against solo founders
Agent maturity: from tool invocation to goal decomposition → autonomous decisions → result optimization in a complete closed loop.

Original notes in Chinese (Dedao App AI-generated notes)

🎯 核心背景與對話主體

直播概況

  • 主題:矽谷Agent創業生態與應用實踐
  • 主講嘉賓:曲曉音(矽谷資深AI產品經理,Skillboss創始人)
  • 核心視角:基於Skillboss平臺整合1000+第三方AI工具的一線實踐經驗,分析Agent技術落地現狀與創業機會

Skillboss核心價值

  • 解決痛點:打破第三方AI工具的訂閱壁壘(單工具月費制→按需付費)
  • 定位:Agent時代的基礎設施提供商,降低工具調用門檻

🔄 Agent技術的本質變革:主被動關係重構

傳統AI工具 vs. 現代Agent對比

維度傳統AI工具現代Agent
交互模式被動執行指令(需持續人工干預)主動拆解目標→調用工具→優化執行→完成閉環
角色定位人類的"實習生"(輔助執行)企業的"主力員工"(自主決策)
典型案例"幫我制定健身計劃"(需明確指令)設定"每天更健康"目標後,Agent自動生成久坐提醒、睡眠管理方案

產業影響

  • 人力結構變化:傳統多人協作流程(如按鈕修改需6人參與)被Agent替代,人類角色轉向"兜底與責任承擔"
  • 認知轉變:從"人類表達方案,AI執行"進化為"人類表達慾望,AI設計方案"

🚀 矽谷Agent創業四大核心方向

(一) 內容生成自動化

  • 核心能力:整合搜索工具(抓熱點)→圖像生成工具(配圖)→排版工具(格式處理)→發佈工具(多平臺對接)
  • 應用場景:單人運營內容矩陣(如自動生成小紅書/Instagram圖文併發布)、AI虛擬網紅電商營銷(含自動化評論互動)
  • 競爭優勢:矽谷工具整合度高於國內同類項目

(二) 客戶開發自動化

  • 目標群體:外貿企業為主
  • 工作流:定義客戶畫像→LinkedIn等平臺自動搜索→提取決策人聯繫方式→生成個性化開發郵件→批量發送
  • 效率提升:從人工日處理十幾個客戶→Agent日處理數千條,且個性化郵件轉化率高於模板群發

(三) AI自我訓練基礎設施

  • 技術邏輯:借鑑AlphaGo Zero模式(無需人類標註數據,通過規則設定與評分標準實現AI自我對弈訓練)
  • 創業機會:為AI打造"訓練大學"(高效自我訓練環境),因技術門檻高、需求明確,受資本高度關注
  • 解決痛點:突破人類標註速度無法滿足AI學習需求的瓶頸

(四) 一人公司主流化

  • 驅動因素:Agent使單人可完成傳統5-10人團隊工作(產品設計+代碼開發+客戶運營+內容營銷)
  • 標誌性變化:YC(頂級孵化器)取消"不投單人創始人"規則
  • 行業預測:2024-2025年或將出現首個"一人十億美金獨角獸"

👤 普通人的AI時代生存策略

人才評價標準重構

  • 淘汰群體:僅掌握基礎技能的應屆生(Meta等科技公司裁員20%,計算機應屆生就業近十年最難)
  • 崛起群體:19歲黑客馬拉松冠軍直接加入XAI(憑真實作品而非學歷)
  • 核心特質
  1. 強學習意願:主動探索AI未知領域(非傳統上課考證)
  2. 強執行力:將想法落地為可運行項目(允許粗糙但需實現)
  3. AI應用能力:用AI重構傳統行業工作流程(非簡單使用ChatGPT)

文科生的逆襲機會

  • 稀缺能力:營銷、內容創作、產品設計所需的"品味"與"直覺"(AI難以替代)
  • 技術壁壘破除:通過AI輔助編碼,文科生可獨立將創意轉化為產品
  • 職場價值:高生產力個體(AI放大100倍產出)將超越辦公室政治型員工

📝 補充細節

  • Skillboss商業模式:採用"錢包式賬號",用戶按實際使用量付費,避免單工具月費訂閱浪費
  • Agent成熟度標誌:從"工具調用"向"目標拆解-自主決策-結果優化"全流程閉環演進
  • YC戰略調整背景:Agent工具鏈使單人創業風險顯著降低,決策效率遠高於團隊協作模式

Cross-Episode Insights

Key perspectives distilled from 10 guest conversations

1

Judgment > Execution

AI replaces tasks, not people. What to do, how to do it, and whether it's good enough — humans remain irreplaceable. (Kaishu, Li Ning)

2

Raising ≠ Installing

Naming, soul documents, continuous feedback — build a symbiotic relationship, not tool dependency. (Kaishu, Wang Daxian)

3

The One-Person Company Era

One person + AI = a 5-10 person team. YC has dropped its rule against solo founders. (Yang Tianrun, Qu Xiaoyin)

4

Risks Cannot Be Ignored

Cost overruns (tens of thousands of dollars per day), permission leaks, third-party skills. Enterprises need a three-month phased rollout. (Yin Huisheng)

5

Letting Go Unleashes AI

Non-technical users forced into "master level" actually perform better. Over-controlling = wasting a Ferrari. (Yang Tianrun)

6

Data Is the New Oil

You handle the data, AI handles the intelligence. Continuous generation + processing = personal knowledge pipeline. (Wang Runyu)

Everything you just read was produced by the pipeline

From Dedao App subscription → Get Notes OpenAPI sync → local cron schedule → AI-structured organization.
11 notes, 10 guest perspectives, 6 key insights — zero manual curation. Want to know how to build this pipeline?

Read "Knowledge Management: Not Discipline, But Pipelines"