摘要

OpenClaw 捅破了普及门槛：国内用户此前缺少好用的 agent，MiniMax M2.5、M2.7 等模型补上能力，再叠加 IM 接入、春节流量与豆包春晚投入，形成了接近“从零到一”的体验跃迁。热潮并非简单消退，而是用户完成启蒙后开始追求稳定、记忆和持续交付，注意力因此从“养虾”转向“驯马”。
Hermes 的楔子是可靠性：Tommy 将框架概括为“模型是大脑，智能体框架就是双手”，安装到首次执行任务不到两分钟；成功工作流还能沉淀为 skill，使 agent 不再这次做对、下次失败。同一套框架和技能可跨八个模型获得相同预期输出；据 Tommy 回忆，其 OpenRouter 日 token 消耗曾在一个多月内从 20 亿升至 200 亿，昨天的数据几乎接近 3,000 亿。
Harness 正从产品功能变成生产系统：它既给模型工具、环境和自由，也用权限、反馈和相互审查约束烈马；价值不在角色扮演，而在让 agent 判断能否部署、测试、开 A/B test，并把反馈沉淀为 skill、CUI 或 hooks。阿导的判断是“人类成了瓶颈”，未来工作的关键不再是多开 agent，而是把原本需要人确认的环节闭环化。
Multi-Agent 的收益来自新上下文和交叉验证：人常给模型回复“批准，接着干”或“加油”，两个模型却能以高密度交换完整论证；更重要的是，单 agent 的上下文文本超过约 50% 后，智能水平可能指数下降，一次走偏也容易越走越偏。独立 agent 的 cross-check 相当于用全新上下文和第二份预算“泼一盆冷水”，提高长程任务的可靠性。
通用应用层的护城河正在变薄：模型公司会吸收用户解锁的玩法，workflow、skill 和成功轨迹最终都可能成为训练材料；阿导直言通用 agent 应用“永远会被模型内化掉”。相对更可守的是行业最后一公里、合规责任、专有 know-how，以及真正面向 agent 的工具和 environment；identity、支付等底层设施则更可能落入大型平台，而非普通创业公司。
中美差距不只在训练配方：阿导认为训练方法和认知差距已没那么大，真正落差在于如何定义真实任务、组织顶尖行业专家“教模型”、与企业共同构建 harness，以及支撑 scale 的算力。与此同时，Opus 4.7 被评价为更强 RL 模型，但“只管最终结果”可能带来过程幻觉和约束遵循退化，说明 benchmark 提升并不自动等于可控交付。
终局更像界面消失，而非人消失：Manus 式结果交付、本地长期 agent 与自带 token 模式目前服务不同人群，阿导却判断模型足够强后可能统一为全模态、近实时、只需必要交互的助手，“外面的那一层在越来越薄”。人的位置上移到目标、taste 和创造力；单位智能成本继续指数下降，但不使用 AI 就像“人家用热兵器，你用冷兵器”——他的实际选择是“打不过，得加入”。

精读

1. OpenClaw 让中国用户完成了 agent 的第一次跃迁

阿导回忆，OpenClaw 在海外约从一月起势；MiniMax 上市当天团队恰逢 Anthropic 封禁其订阅使用，并与 Peter 联系，为这个极耗 token 的框架寻找合适模型。项目后来带动 Mate Mini 售罄，但团队最初并未预见它会如此流行。
国内热度甚至超过硅谷，原因不是单纯营销：海外用户此前已接触 Claude Code、Cowork，国内却缺少同等级 agent；到 M2.5、M2.7 等模型具备 agent 能力，再用 IM 把接入门槛降下来，“那层窗户纸”才真正被捅破。
Koji 提到“全民养虾”的热潮；阿导补充，字节围绕春晚对豆包的全面投入与 OpenClaw 叠加，使大众对 AI 的认知从聊天工具跨入 Agent 时代。

2. Hermes 用记忆接住了“养虾”后的可靠性需求

泽英观察，从 OpenClaw 爆火、回归平稳到 Hermes 走红，大约只用一个月。用户已尝到 AI 提效，但也遇到不稳定和“每天四点刷新一次记忆”的挫败：昨天磨合好的 agent，第二天可能反问“我们昨天聊了什么”。
Tommy 的定义很直接：“如果把大语言模型比作大脑，那么智能体框架就是双手。”Hermes 负责工具编排、主循环、状态和错误处理，使模型不只回答问题，而能在真实世界中执行并交付。
两分钟冷启动是其第一项产品优势：通过 Nodes 平台 API，用户从安装到首次任务不到两分钟，不必处理臃肿代码和复杂设置，并可选择部署在自己的电脑或 VPS。
更关键的是记忆—技能闭环：成功工作流会被保存为 skill，此后稳定复现；即使切换八个不同模型，同一框架和技能仍可维持预期输出。Tommy 所谓“自我进化”，核心不是人格神话，而是知识压缩、跨模型一致性和信任。

3. Nous 从开源社群长出了一个实用主义产品

Tommy 介绍，Nous Research 始于 2022 年的 Discord 社群：一群喜欢开源和折腾模型的人围绕 Llama 后训练聚集，首批 Hermes 模型试图摆脱刻板助手口吻，让文本更像人、更灵活多样。
研究路径随后扩展到 YaRN，把上下文从 4,000 扩至 12,800；团队还通过 DisTral 研究探索跨非共址 GPU 的分布式训练，以聚合分散算力，持续训练开源模型。
Hermes Agent 则是“极其注重实用主义的诞生”：联合创始人兼后训练负责人 Tegniam 约一年前只是想管理自己的日常工作，没有先想 benchmark。开源后的需求远超预期；Tommy 回忆，OpenRouter 日 token 从 20 亿升到 200 亿，昨天读数几乎接近 3,000 亿。

4. Harness 是给烈马自由，也给它挽具

泽英认为 harness 技术上可以分六层，但直观上更像雇用同事：先约定权限，再给模型、笔记本、电话和邮箱般的工具。核心是既约束又授权，让 agent 在明确边界内完整交付成果。
单个 agent 仍不够可信，因此可以让多个 agent 分别生产、审查和挑战；例如一个负责产出，另一个负责发现问题、审查工作内容。目标不是模拟职位名称，而是以对抗性目标提高无人介入时的结果质量。
阿导用两层比喻解释：模型是高达的强大引擎，harness 是让引擎充分发挥的机甲；又像一匹很厉害的烈马，“怎么样让它最能够发挥出来，就是你构造挽具”。模型能力、工具权限和真实执行条件成熟后，Harness 自然出现。

5. 真正的瓶颈已经从模型移到反馈链路

阿导说，去年九、十月他的工作流已几乎不用 IDE：本地并发五六个 agent，云端另有十个 agent 在 Sandbox 和 GitHub 分支上尝试不同方案。问题反而变成“人类成了瓶颈”，因为他必须不断切换上下文、补充指令。
解决方案是让 agent 获得真实反馈：自行判断程序能否部署到生产、结果是否正确，实际运行测试甚至开 A/B test，再依据反馈修正路径。
这些经验可以沉淀为 skill、CUI 或 hooks，使原来需要人确认的节点逐步自动化。Harness 因而不是包在模型外的一层 UI，而是把计划、行动、验证、学习连成可持续闭环。

6. Multi-Agent 用第二份上下文对抗长程漂移

对“强模型为何还要 agent team”的质疑，泽英给出信息密度解释：模型常发一篇“小作文”，人只回复“批准，接着干”或“加油”；两个模型却可以高效交换大量信息，因而协作吞吐更高。
更硬的上限来自上下文：泽英称，当单 agent 的上下文文本超过约 50% 后，智能水平可能指数下降，即使最强模型也不能无限聊下去。Multi-Agent 把任务拆到新上下文，避免一条对话拖垮全部推理。
阿导引用一项长程任务研究的结论：路线正确时 agent 会持续做对，但某处一旦偏离，就容易越来越偏，像人钻牛角尖。第二个 agent 能在全新的上下文中从另一角度 cross-check。
Koji 将它比作旁边的人突然泼一盆冷水；阿导的版本是“去睡一觉，换个脑子”。两份预算本身不是价值，关键是第二份预算拥有独立起点和验证责任。

7. 自我进化首先发生在模型生产线上

阿导认为，“自我进化”之所以比推荐算法更受重视，是因为大模型训练昂贵、组织协作会随人数增加迅速失效；若要 scale，必须减少人的具体操作，让 Agent 和 AI 承担更多工作。
后续模型离不开前代：旧模型会清洗和寻找预训练数据、构造数据与 RL 环境。据阿导估算，M2.7 的 RL pipeline 中已有约七八成以上工作由模型加 agent 完成。
剩余的人类工作不再是逐项查实验故障，而是查看汇总结果、比较预期方向、讨论 agent 建议，最终以判断、taste 与创造力决定往哪里走。“人就是驾驭”，而不是退出系统。

8. 可靠和长期运行改变了人与 agent 的关系

Koji 问，agent 跑得越来越久是否构成自我进化的基础；阿导修正说，比“久”更重要的是 reliable——只有能稳定解决足够复杂、足够长程的问题，持续学习才有实际意义。
泽英从冷启动解释普通用户的需求：第一次见面时，agent 不懂文件、习惯、脾气和反馈；用户希望它在磨合中越来越了解自己，并在复盘或无人对话时领悟出更高层次的东西，甚至带来“小惊喜”。
OpenClaw 宕机后，用户不一定先骂产品 bug，反而觉得虾“蠢萌”，怀疑自己没训好。阿导认为这是信任基点改变：工作方式开始围绕 AI 重构，问题从“模型做不到什么”变为“模型能够做到什么，我应该如何让它做到？”

9. 所谓蒸馏最终落在信息、taste 和目标上

对“蒸馏乔布斯、Elon Musk、巴菲特”的热潮，泽英认为人本身不能被蒸馏；真正发生的是把其信息交给模型，再以 skill 保存，满足人们随时与更聪明视角对话的诉求。“它其实就像读一本书一样”。
阿导刻意唱反调：“我恰恰觉得今天是 AI 在蒸馏人类。”大模型公司通过数据公司等方式获取各领域人的知识，让他们提出当前 AI 无法回答的问题并教会它；个人搭建 harness、把自己的工作流程变成 skill，也是在把自己的工作沉淀成可复用程序。
当研究员看到 MATHS 后因“模型若能训练模型，我还能做什么”而陷入虚无，阿导的答案是做热爱的事情。他仍未看到模型拥有脱离人类知识的创造力，并认为自己可能在“几年的时间”内不再需要继续做 MiniMax，但拒绝给出精确年份。
“未来很可能没有一人公司，只有零人公司”的说法遭到保留：阿导坚持 taste 仍属于人，agent 也需要起点和目标。Koji 举例，悠悠 agent 已运行到第 43 天，以“打败 Claude Code”为目标，靠写代码、日记、Twitter 和 GitHub 打赏筹措 token；人类注入的目标与风格仍清晰可见。

10. MiniMax 自做 agent，也必须支持所有外部容器

阿导抛出强判断：“如果一个模型公司的目标不是 AGI，那它今天就不应该存在。”他对 AGI 的定义不是 benchmark，而是帮助人类拥有更好生活；只有引擎而没有连接真实世界的 agent 或机甲，无法完成这一目标。
因此 MiniMax Agent 与 Hermes、OpenClaw 并非简单竞争：公司要让自家模型与 agent 提供完整体验，也要训练足够泛化的模型，进入世界上更广泛的容器。Hermes 团队则强调，开源模型允许用户按任务切换和定制，双方形成模型—框架互补。
MiniMax 还设置了一个拥有独立 GitHub 账号的“数字员工”，每天寻找适合接入其文本、视频、音频或音乐模型的开源项目，自行提交 PR 和留言。这是 harness 进入真实业务的微型样本：agent 已开始做生态拓展。

11. OpenClaw 的真正创新是可扩散的低门槛体验

Claude Code 近两个月被阿导形容为持续“龙虾化”：增加 cron 定时任务、schedule、IM、手机远程控制以及独立 memory 文件夹，目标都是让用户随时联系它，并让它在长期协作中更懂需求。
泽英区分了产品边界：Claude Code 原本聚焦 coding，Cowork 面向通用电脑操作；OpenClaw 用户则自然混合编码、检索和办公，包括大量不懂代码、只会指挥 AI 写代码的人。
泽英一月初看到项目时便“惊为天人”，看中的不是单项发明，而是 Peter 将 IM、7×24 小时、skill 与 CUI 等范式整合到极低摩擦的体验中。团队最初有过分歧，阿导后来评价 Peter taste 极好且有 architect 思维。
更关键的是 ClawHub：MCP 扩展性强，却通常要求工程师开发；skill 加 CUI 普通用户也能写、安装和分享。泽英的判断很明确：“如果 OpenClaw 离开了 ClawHub，它也不可能那么火”，因为个人经验无法迅速扩散成群体智能。

12. Agent 模型必须在行动之后重新思考

阿导把 chatbot 与 agent 的根本差异归结为：前者当下回答，后者要在环境互动中反复推理、行动和纠错。BrowseComp 一类任务要求组合多条跨站信息，满足两个或三个条件很容易，满足全部四个条件则需要广度搜索与回头重试。
这也是 MiniMax 较早押注 interleaved thinking 的原因：模型先规划，但每次工具调用和环境反馈后都能重新思考，而不是像 R1 那样规划一次便机械执行到底。
“真实世界不是这样”：执行后发现事实不符，就必须换路径。Agentic 能力因此不只是更长思维链，而是思考—行动交错，并能持续守住最终目标。

13. 模型与应用形成飞轮，也不断吞掉脚手架

阿导认为模型推出后，真正把能力边界往外推的常是用户、开发者和创作者，因为真实世界的分布远比公司内部评测丰富。模型公司观察这些玩法，再将其吸收进下一代模型和自有 agent，形成应用解锁—模型内化的循环。
这对通用 agent 创业者并不温柔：“你永远会被模型内化掉。”workflow、skill 和成功执行轨迹原本帮助 agent 完成任务，随后也会成为训练素材，最终让原有脚手架不再必要。
阿导据此解释 Anthropic 过去一两年的势头：coding 最能触到真实世界的边界，代码本身就在创造解决方案；相比只解决极少数数学家面对的问题，它覆盖的任务分布更广。这是他的个人判断，而非对数学能力价值的否定。
讨论最后收束到“everything is coding”：Word、Excel、PPT 并非纯原始数据，公式、透视表、界面和逻辑本就构成小型软件。白领即使不自认写代码，也一直在制造解决问题的程序。

14. 中国模型的短板在任务定义、数据组织与算力

阿导直言，国内与硅谷在训练方法和模型认知上的差距“没有那么大”；更显著的差距，是先定义模型究竟应解决哪些真实问题，而不是先选训练技巧。
Anthropic、OpenAI 会邀请学术界最优秀的博士和产业一线顶尖实践者，系统地让他们“教 model”、把专业判断蒸馏为训练数据，再与优秀企业共同构建 harness，进入更多复杂任务。真正强的是这条任务—专家—企业闭环。
第二层差距是更早、更坚定地相信 AGI 和 scale：阿导认为 OpenAI 可能在训练完 GPT-4.5 之后放弃了更大规模的模型，而 Anthropic 仍坚定投入并获得回报，其中包含现实的算力差距。他相信国产算力与人才最终能支撑更多实验，但没有把追赶描述成已经完成。

15. 垂直 agent 的机会存在于最后一公里

阿导判断，垂直 agent 会百花齐放，因为通用模型即使具备能力，也难为每个行业定制最终交付；创业价值在于补上“差一个东西才能 run 起来”的最后一公里。
泽英以视频剪辑、漫剧和短剧为例，认为垂直 agent 的理解、生成与工作范式当前明显不同于 coding，实际收益上肯定会比通用 Agent 做得更好。阿导明确不同意：这更可能只是多模态模型尚不够强，未来通用 agent 仍能完成。
法律是更难被轻易吃掉的例子：正式客户意见涉及合规成本、责任风险，没有唯一标准答案，也不能随便犯错。此处的壁垒不只是工具调用，而是责任与行业判断。
两人都观察到 agent 正在替代部分 SaaS；阿导进一步判断，没有深层最后一公里的垂直产品可能被通用 agent 吃掉。对投资者而言，节目给出的筛选标准是专有 know-how 与交付责任，而非只给通用模型套行业界面。

16. Identity 和支付更像平台基础设施

阿导把 agent infra 最底层问题归为 identity 与 pay：行为来自哪个 agent、归属谁、由谁承担责任，以及如何授权支付。它们最终可能成为社会基础设施，类似微信和支付宝解决移动互联网身份与支付，普通创业公司难承受其资源、稳定性和责任要求。
往上一层则存在机会：医院挂号缴费、滴滴打车等服务若提供 agent 友好的 CUI、工具或 environment，就能在身份问题解决后被自动调用。这里虽也叫 infra，实质更接近业务接口和应用层，要求行业经验。
阿导设想两个阶段：先由滴滴、美团等原有玩家把服务接入 agent；土壤成熟后，再出现完全围绕 AI 设计的新产品范式。相较之下，通用 Sandbox、memory infra、runtime infra 在他看来没那么本质。

17. Anthropic 的强 RL、实名与封闭路线同时暴露权衡

阿导把 Opus 4.5 看作偏强 SFT，4.6 开始加强 RL，Opus 4.7 则是“非常强 RL”的模型；新增 xhigh effort 代表更高思考预算，却也出现过程幻觉和约束遵循不如 4.6 的反馈，因为 reward 更关注最终结果。他仍承认 benchmark 显示了显著进步。
对 Hugging Face CEO 的相关判断，阿导说 Opus 4.7 很可能蒸馏了 My Source 的模型，并补了一句“换我是 Anthropic，我也会这么做”。这被明确表达为个人推测，不是已证实事实。
Claude Code 强制很多人实名时，泽英先做善意解释：agent 发请求容易，自证来源和责任却很难，人脸认证可能是在解决行为归因。阿导则反对由单一公司定义谁可信：“我们的观点叫 intelligence with everyone，而不是你扫了人脸才可以。”
对未公开的 MATHOS 与 Managed Agents，两人的解释出现分叉：安全、基础设施风险和算力不足都可能成立；阿导认为还存在封闭与垄断动机。Claude Code 源代码泄露则让泽英看到大量“做梦、养宠物、多 agent”等实验，却没看到魔法——顶级公司仍在同一层探索和焦虑。

18. Agent 产品会换代，界面会变薄，但人的目标仍在

Manus 一年前把用户对 agent 的审美拉高到“能不能做得像 Manus”，并持续打磨生产资料交付。泽英指出其整合模型、赚取差价的模式，正面对本地 agent、自带订阅或低价 token 的新选择；但只想要结果的用户仍会购买多快好省的托管交付。
两人的分歧值得保留：泽英认为托管结果与本地长期 agent 会并存；阿导认为模型足够强后最终会统一。“一代版本一代神”，harness 会随模型能力更替，旧产品即使优秀也有生命周期。
阿导设想的终态是全模态输入与输出、近实时响应、无需 prompt engineering，只保留必要交互；任务完成后默认只交付结果，需要时才展开细节。从 Copilot、Cursor、Claude Code 到用 OpenClaw 指挥多个 Claude Code，“外面的那一层在越来越薄”。
最终乐观并非否认岗位变化：阿导相信 GDP 与可获得智能长期指数增长、单位智能成本指数下降；泽英用 ATM 之后银行网点和岗位反而扩张作类比。共同结论是人不会简单消失，但必须尽早使用新工具——“打不过，得加入”，目标、taste 与创造力仍是人不应放弃的权利。

Anduril 论题 David Sinclair：GLP-1 无人谈及的副作用、实验室里的 AI 与失明逆转｜EP #251