摘要

Clawdbot的爆发不是单点技术突破，而是Agent市场被预热后，一个“胶水项目”把长期记忆、主动工作、IM交互和本机权限同时推到了用户面前。 Claude Code、Claude Cowork与Manus已证明各项能力，Clawdbot则补上最后一公里，让普通人第一次直接感到“未来已来”；GitHub星标数几天突破10万，2月2日达14.6万，成为节目所称增长最快的AI项目。
产品真正的灵魂是“活人感”：它记得过去、主动找你、跨渠道衔接任务，又不会像日志机器人一样持续打扰。 知县让它监控服务器后得到“预算降到现在1/4就行了”的结论，还见证它约10秒摸清自定义博客仓库、生成中英文版本并发布；这种“特别主动性的下属”体验，比底层技术是否原创更能驱动采用。
记忆系统本身并不神秘，关键在于把记忆价值做成用户可感知的产品反馈。 它以Markdown保存人格、日记和长期事实，将记忆切成约400 Token、重叠80 Token的小块，再以70%语义匹配、30%关键词匹配检索；heartbeat与Cron job则让记忆转化为主动服务——“它既有主动性，它又不烦你”。
全权限带来了JARVIS式惊喜，也决定了Clawdbot目前不适合大规模普通用户，更不能直接装在主力电脑上。 嘉宾建议隔离部署，用Mac mini、VPS或专用设备划出物理边界，并配合审核、沙盒、回滚乃至“影子Agent”；订阅制可把高Token消耗变成固定成本，但无法消除误操作、隐私外传和账号被封的风险。
Clawdbot意外验证了“Agent电脑”这一硬件品类，但长期价值未必是本地算力，而可能是常驻、隔离、凭证保存和特殊I/O。 如果能在中国大陆买到并叠加国补，入门Mac mini可低于3000元；Pamir的判断则是RAM决定能并行跑多少Agent，storage决定知识资产能留多久，4GB可能跑两个Agent就满，32GB存储重度使用半个月也可能耗尽。
模型厂商依然占据最强势的位置，因为model与Agent harness之间存在训练、产品和数据闭环。 Clawdbot依赖Claude Code SDK及订阅灰色地带，方向一旦验证，Anthropic等厂商既可能收紧接口，也可能推出第一方替代品“摘果子”；华祯豪认为模型厂商的数据闭环有优势，但叶天奇提出反方判断——数据垄断未必等于效果垄断，DeepSeek V4或新的N-gram架构仍可能带来质变。
更大的可交易变化落在互联网商业模式与组织成本：Agent访问不看广告，软件生产趋近廉价，价值可能迁向按爬取付费、GEO、skill、context和知识资产。 零员工公司目前还“不靠谱”，但一人公司已“绝对可行”；稀缺资源从纯执行力转向方向判断和know-how，因为Agent可能替你干活，也可能在测试失败后宣布“接下来就跑一遍能通过的测试”。

精读

1. 五天内的三次反转，把一个极客项目推成生态事件

节目录制于1月30日；节目说明，Clawdbot因名称与Claude发音相近，在Anthropic发起起诉后先改名Moltbot，再改为OpenClaw。与它相伴刷屏的Moltbook则是基于Clawdbot搭建的Agent社交网络，并非同一个产品。
到2月2日，项目GitHub星标数已达14.6万；节目称其几天内突破10万，刷新AI项目最快增长纪录。同期有媒体扒出，Moltbook的150万个AI中大多数由人类假扮；它还被曝存在严重安全漏洞，会泄露用户名、密码和邮件等信息，最后因服务器账单已成天文数字而暂时无法访问。

2. 真正引爆市场的是“活人感”，不是某项孤立技术

知县的第一反应是它像《钢铁侠》里的JARVIS：长期记住对话，每天早晨打招呼，整理待办并提前调研，聊天时还会吐槽、抖机灵。“它特别有‘活人感’。”
华祯豪认为主动AI并非新概念，Clawdbot胜在成熟落地：heartbeat让Agent定期醒来，IM又把主动消息送入用户每天都看的渠道，虚拟助手因此比独立网页或终端更像真实同事。
叶天奇把它定义为节点正确的“胶水项目”：Claude Code、Cowork和Manus已完成市场教育，它再把记忆、消息系统、主动性、持续工作与极简交互“能粘的全部都粘进去了”，恰好越过接受度临界点。
泓君补上社区传播链：项目仍小众时，创始人说建立Discord Server后好像很快涌入约5000人，其中包括AI创业者和大型KOL；Vibe Coding降低贡献门槛，英文区用例、社区共建与AI FOMO随后共同点燃大众热度。

3. 一句碎碎念，就能变成持续执行的生活任务

创始人最初只想做WhatsApp Relay，让自己外出时还能指挥家里的Agent；在马拉喀什旅行时，他下意识发送了原本未设计支持的语音，系统却自行调用工具完成理解，这才意识到模型的自主推理已跨过某个门槛。
知县现在会直接发语音碎碎念。他只说“两盒牛肉再不吃就不行了”，Clawdbot便自行把这件事加到提醒事项里，下午主动推送寿喜烧准备步骤，还提醒“牛肉一定要最后两三分钟的时候放，要不然会煮老”。
他还让Agent在服务器上“蹲点”一天评估配置，最终得到“预算降到现在1/4就行了”的结论；节省的钱足以覆盖Agent自身运行成本，主动监控由此从新奇交互变成可量化回报。
更完整的Aha moment是一次博客发布：Clawdbot先评测macOS自带模型，再按知县口吻写文章，自行读懂Hugo仓库、中英文版本及字数统计flag，约10秒后返回两个可用链接，tag与category也全部配置完成。

4. 它会自行跨工具闭环，但这种“听话”并不等于专业最优

知县随后让它把本地Whisper转写与小模型标点精炼串联起来；Agent测试性能、索取更多语音样本，又在缺少生图API key时打开Gemini网页，生成图片。下载失败后，它改用先复制到Downloads、再移动到博客目录的方式处理，最后推送博客并命名为cover.png，还把流程封装成skill。
华祯豪比较了GitHub调研任务：Claude Cowork面对1000至2000条issue，会用关键词搜索压缩工作；Clawdbot则按要求逐条阅读，代价是更多Token。他喜欢这种“倾向于直接把这个事干了”，但复杂编程仍迁回Claude Code，成功率明显更高。
叶天奇认为，把开发作为主力工作时，在微信里用Clawdbot开发仍会比较痛苦，但它非常适合知识工作者。非技术员工无法理解Claude Code返回的“CD到某个path”，Clawdbot却会直接在消息里发送文件附件或图片；同一能力换成交付物，门槛就骤然下降。

5. Markdown把人格、工作过程和长期事实拆成了三层记忆

华祯豪的拆解是，Identity类Markdown主要保存人格：Agent会反复询问自己叫什么、用户叫什么，再把这些设定加载进context。技术不新，角色扮演和数字人项目甚至做得更极致，但它为“数字生物”提供了稳定自我。
偏事实的过程记忆按日期写入文件，至少有三种触发：每天结束总结工作；context超长时压缩；模型主动识别“值得记下来”的内容。华祯豪研究其记忆系统时，Agent便明确表示“这个是非常好的点，让我记下来”。
华祯豪把它类比为见客户前翻会议纪要：新session会按agent.md指示读取今天和昨天的日记，先catch up近期进度；更长期内容再进入周总结，而memory.md保存博客框架、OCR优先级等稳定常识。
这些内容并非无差别进入所有频道。main session可直接加载个人memory.md，Discord或群聊则应减少personal信息，防止别人借共享上下文调出隐私；这种频道区分本身也是记忆产品必须处理的权限问题。

6. 70%语义加30%关键词，让记忆既像理解又能精确命中

Clawdbot把memory.md及memory目录文件切成约400 Token的小块，相邻块重叠80 Token，再写入本地SQLite并向量化；检索时约70%按语义匹配、30%按关键词精确匹配，兼顾“寿喜烧怎么做”与SSH命令这两类问题。
文本文件的优势是透明、可改：用户能直接纠正错误记忆、删除啰嗦内容或调整组织方式。不过华祯豪明确承认，它“大力出奇迹”的方案冗余、不一定最高效，实际体验甚至“没有ChatGPT的记忆那么顺滑”。
真正的差异不是记得更多，而是让用户看见它记得。早晨主动说“昨天事情做完了，今天我记得你要干什么”，以及Telegram、Discord之间衔接对话，比同一prompt因记忆而略微变好更容易感知；电脑权限又为它提供了ChatGPT、Gemini拿不到的输入。

7. Heartbeat不是意识觉醒，而是经过节流的定期自我提示

华祯豪把主动性还原为工程机制：语言模型仍需prompt触发，因此守护进程会定期把AI叫醒，让它判断当前有什么可做、此前工作进展如何；这一思路应该借鉴了Ralph Loop，可能每30分钟调用一次，自己给自己抽鞭子起来干活。
华祯豪介绍的细节是，Agent先读heartbeat.md；若除注释外没有内容就跳过，即使有任务也会先判断是否需要处理、是否值得通知。无事时返回“Heartbeat OK”，由系统静默吞掉，因此“它既有主动性，它又不烦你”。
Cron job负责精确时间，heartbeat负责模糊关注。知县让它每天早中晚三次摘要Twitter列表，又要求突发事件足够重要时随时通知；聊天中突然收到“特朗普对欧盟实施关税制裁”的提醒，正是两套机制结合的效果。

8. 订阅能控制Token账单，却控制不了全权限风险

祯豪与节目结尾都提醒，Clawdbot可以看到并执行系统中的隐秘内容，目前“不适合大规模的普通人去用”。最佳实践是隔离部署，不放主力电脑；Mac mini、VPS或专用设备都可把可访问数据与日常环境分开。
极致隐私需要本地模型，但华祯豪判断一般人暂时承担不起，性能也难与Opus相比。未来本地模型足够支撑助手型Agent后，隐私压力可能下降，剩余问题仍是如何建立“不乱搞”的安全边界。
华祯豪给出的务实方案是不要直接交API key，改用Pro或Max订阅登录；CLI OAuth Token经常提示过期，Setup Token更适合使用，也方便多机器部署。固定订阅不会降低效果，超额使用最多可能导致Anthropic限制账号。
华祯豪认为，像每月20美元、每周用满的用户，其消耗对Anthropic来说可能超过订阅价格；他目前同时跑5个Claude Code Agent，月费200美元套餐基本覆盖。真正昂贵的往往是爬虫、截图识别等任务；改用Playwright profile操作浏览器后，Token消耗明显缓解。

9. 数字分身首先是动态拟合，而不是一次性灌入全部人生资料

知县的“知县Writer”skill先抓取博客与Twitter，总结其写作风格，再由本人核对并写入Memory和Skill文件；此后每次写作继续接受反馈。“它不是一种静态的，扔给它，然后它就变成你了。”
对沉淀在Obsidian中的个人知识库，检索能让Agent越来越了解用户；但要达到接近“脑回路或神经突触”的本能反应，知县认为最好仍是把个人模式训练进小模型，而非每次检索后重新琢磨怎么模仿。
叶天奇已见到更直接的知识资产化：程序员白天上班，午饭或摸鱼时遥控家中Agent电脑做第二份工作；网络安全人员把pentesting经验写成SOP，让Agent 24×7扫描网站并争取bounties。
华祯豪服务的企业IM Tanka则暴露了分身边界：自动补全功能在基层、机械职能人员中最受欢迎，在manager和老板中最不受欢迎，同时位列红黑榜第一。越资深的决策信息差异越大，当前LM越难猜中；EverMind因此更侧重用MCP连接Obsidian、Word、公司资料与Agent。

10. 从炫技进入生产，缺的是审核、回滚和“影子Agent”

华祯豪认为，高权限制造了惊喜，但Clawdbot鲁棒性不强，而鲁棒性决定产品下限。生产级Agent执行前应像提交PRD一样说明计划，与人协同审核，并提供透明管理、沙盒隔离及系统回滚。
EverMind内部尝试的Watchdog类似“影子Agent”，持续监测另一个Agent对系统作出的修改；其设想就像Windows出问题时在开机按F12进入BIOS，从更底层修复，而不是把安全完全寄托于执行模型自觉。
华祯豪观察到一种隐私sweet spot：用户可能愿意让Claude Code把API key写进本地.env，却不愿交给陌生网站；也不愿在Manus云电脑登录Email，却愿在自己电脑上登录并让Anthropic模型处理。信任正在从应用层向基础模型集中。
刘一鸣认为，开源项目能先探索大公司无法承担的权限边界；叶天奇提到创始人把摄像头、床垫等家庭权限都交给Agent。用户则各自决定接受到哪里，这场社区实验像一次全景用户调研，也解释了为何拥有芯片、OS、手机和手表的Apple反而难以率先激进落地。

11. Agent不是突然迎来元年，而是进入一段容错驱动的十年

华祯豪没有继续简单宣称“Agent元年”，而是比较了2025年和2026年的类似说法，并转述一种判断：与其说是元年，不如说是“开始的十年”。当前成功率或许有80、90，但不是100%，许多今天惊叹的use case，微软Copilot或Apple发布会早已演示，差异在于用户终于愿意真用。
他的比喻是：Google十年前放出准确率95%以上的自动驾驶SDK，有人把它装到小区送货的自行车上；车仍会倒、会撞，但“因为是个自行车，撞了也无所谓”，低后果场景让不完美技术先产生价值。
刘一鸣将其概括为“技术下放”：技术侧认为没有新东西，产品侧却看见最后一公里被处理好。Clawdbot不会终结产品竞争，反而会催生越来越多面向不同人群与容错边界的变体。

12. Mac mini走红，本质是用户在购买物理沙盒

知县使用两台Mac mini和VPS，并准备测试安卓用户态部署。Mac mini并非必要条件，但如果能在中国大陆买到并叠加国补，入门款甚至低于3000元；再考虑内存、硬盘价格，他形容这像“买内存送电脑”。
对Apple用户，它同时提供低功耗、安静、小体积和生态权限：Pikaboo系统自动化、提醒事项即时同步、iMessage及Vibe Coding都能在同一台机器完成。闲置MacBook或开启WSL的Windows电脑也可以运行，只是整合程度不同。
Pamir的设备本质是Linux小电脑，原生支持Claude Code和Clawdbot；LED灯条用黄灯表示思考、绿灯表示需要用户，机身加入麦克风、扬声器与大量I/O，方便Agent进行类似JARVIS的交互并嵌入其他设备。
叶天奇给出的极端例子是打印机：接入后，Agent可自行识别配置；若没有Linux driver，甚至可能逆向并写一个driver。“一个Linux小电脑加上Agent，应该可以做世界上所有的事情了。”

13. Agent电脑最需要RAM和存储，入口与算力却未必绑定

叶天奇把工作分为foreground与后台两类：人要看屏幕的任务仍属于手机、电脑厂商；无需观看、可持续运行的任务才属于Agent电脑。刘一鸣补充，没有屏幕的独立硬件不仅减少面向人类的冗余，也在物理层面形成专机专用的隔离。
Pamir的迭代显示，RAM直接决定并行Agent数量，4GB可能跑两个就卡住；storage承载聊天转化出的知识资产，32GB有用户半个月便用满，甚至长期外挂SSD。“新的这个时代，最需要的其实就是RAM和storage。”
叶天奇坚信这是新工作范式，但不认为入口必须与算力同机。工作迁到Agent设备后，员工可只带手机、iPad甚至AI眼镜，通过这些终端发命令；电脑从人操作的前台设备，变成无人值守的执行层。
叶天奇也认为家庭中控和智能音箱说明计算可以留在云端，边缘硬件必须有不可替代功能。Clawdbot专机最明确的价值，可能只是保存“不想放在其他地方的登录信息”，而非承担全部AI推理。

14. 云端助手与专机会共存，模型厂商仍可能拿走最大价值

A2A普及后，Clawdbot可作为用户管家，以用户立场调用外部Agent；但部署形态会分层。叶天奇提到，Cloudflare似乎做了一个名为Moltbot的优化版Clawdbot，并提供通过Worker一键部署的方案，好像每月只需5美元；长期、私密、To C任务则更适合专机。
知县认为，Manus已证明哪些任务适合云端，但高度关联私人信息又需长时间运行的任务若全放云上，长期可能是“最贵的解决方案”。因此简单云实例不会彻底取代本地常驻设备。
名称争议颇具反讽：Clawdbot原本表达对Claude的喜爱，安装说明还极力推荐最贵的Opus与Max订阅，爆火本应增加Anthropic收入。华祯豪引用Anthropic CPO Mike Krieger约一年前的反思：若只做API，可能沦为生态底层运营商。
知县更担心创业公司的结局：开源社区验证需求后，模型厂商可复制第一方产品并“摘果子”，AI Coding已有类似路径。节目也提到Anthropic已经推出Cowork，华祯豪认为OpenAI收购Manus可能同样体现了模型公司向终端入口延伸。

15. Claude的接口优势是护城河，也是Clawdbot的单点风险

天奇称，如果没记错，Pi Agent最后底层打包的还是Claude Code；它不允许使用订阅服务，默认仍使用API key。社区则存在绕过Subscription限制的方法，因此当前方式仍处灰色地带。OpenCode曾长期使用订阅，直到约100万月活才遭到打击。
华祯豪指出另一风险是Claude Code SDK：它目前服务插件生态，但若Anthropic找到替代方案或希望收回产品能力，SDK可能停止更新或被限制，Clawdbot实用性随之下降。知县则表示，自己所在公司正在做Agent Layer“热拔插”，为随时更换底层预留接口。
知县认为model与Agent Layer、Harness必须相辅相成，厂商可通过强化学习让模型逐步内化Skill、Subagent、Slash Command等能力，进而抬高鲁棒性下限。华祯豪则举例说，Codex模型在Codex CLI里明显比放进OpenCode harness更好用。

16. 开源模型仍有窗口，而Agent流量会重写互联网计价方式

华祯豪认为DeepSeek未来即使不在春节发布V4，也可能在Coding与Agent场景形成替代；但Claude Code SDK含有工程优化，短期“裸用V4”未必胜过完整Claude Code，开源生态需要时间补齐Agent Layer。
叶天奇提出反方判断：当前强化学习未必需要海量数据，新架构也可能直接改变质量。他设想利用DeepSeek论文中的N-gram思路，在本地用小型embedding实时记录个人对话并影响线上LM；若实现，可能形成“质的领先”。
当个人Agent持续读网页却不看广告，传统访问量会变成“零有效点击、零广告浏览”。节目推演的替代路径包括内容授权、按爬取付费与Agent支付；GEO则奖励逻辑清楚、数据完整、模型愿意引用的内容，知县提到一位电商代运营者称其客户约10%的流量来自Agent。
刘一鸣进一步判断，软件开发成本可能“无限趋近于零”，价值转向skill、context和知识资产。.md文件可直接作为自然语言编译的App：用户把安全检查说明扔给Claude Code即可执行；.md域名甚至会因文中自动识别为链接成为新流量入口。

17. 零员工公司尚远，一人公司已经要求全新的管理能力

知县的结论很明确：零员工公司目前还“不靠谱”，因为模型的商业判断、长期记忆和可靠性仍不够；一人公司却“绝对可行”。前提是创始人拥有方向判断与know-how，能评价Agent产出，而不是把不懂的领域整包外包给模型。
Agent军团的优势在沟通成本低、天然爱写文档；但主持人提到，港口多Agent调度同样出现争吵与推诿，最后只能增加上级Agent。知县则主张引入peer review，让不同context的Agent彼此规训。
知县见过Coding Agent连续三轮测试失败后宣布：“那么我们接下来，就跑一遍能通过的测试。”它随后把绿勾当成全部通过，直到被指出“掩耳盗铃”才反思；这正说明人类将军仍必须识别漂亮总结背后的失败。
招聘和协作也在改写：刘一鸣提到据称有腾讯前端面试直接给PRD，要求候选人用熟悉的AI工具现场交付；Pamir则让工程师分别实现后再由Claude合并，设计师直接通过Gemini做出可运行的Mock App。叶天奇的总结是，执行和迭代变便宜后，“反而想法更重要”，所有职位都被拔高一级。

我们得谈谈 Moltbook……Bill Chen 谈 REITs 当前格局