创新者
2 场深度对话收录
鸭哥
观点集合
“有了AI，我感觉自己强得可怕！”｜对谈鸭哥
基模进步与 agentic 应用的 token 成本压力推动 GEV 分类器走红；通义千问开源实现得分 85%，接近 GEV 的 88%。AI 还让 yage.ai 在鸭哥零发帖下把 X 做到 5,700 多名粉丝，但其收入仍依托 Superlinear Academy，独立商业模式未获验证。
查看摘要（8段）
- 鸭哥拆解爆火的 GEV，但强调这不等于说它纯属炒作：技术上“这不就是 GPT 加上 JSON Mode 嘛”——它不是 LLM，只做 classification。 类似的 Classification API 过去十年里已有多波公司做过，Google、OpenAI、Mistral也发布过类似产品，后来被弃用、没人用。这次火起来的三个原因：基模到位（AI Index 上 Qwen3.5 4B 二十多分，GPT-4o 八分）、agentic 应用带来的 token 成本敏感，以及“System 1 classifier”这个精彩的 PR 包装。
- 成本下降正在解锁以前不敢想的场景：他的导游项目一天约烧 40 亿 token，用 Sonnet 估算要 12,000 美元，用 DeepSeek Flash 只花 300 美元。 开源方案用通义千问只读 logit、不微调不训练，benchmark 得分 85%，GEV 为 88%；鸭哥认为开源模型实现类似场景、做到极低成本“大有可为”。
- “给 AI 一台不销毁的电脑”是他看到的新趋势：Manus 在 2026 年 4 月发 Cloud Computer，8 月 Grok Bot、9 月 Meta Muse 跟进。 凭据与记忆持久化，让 AI 脱离“太码农”的 GitHub 范式，去做订机票、使用大众点评等生活化任务。但鸭哥自己尚未广泛使用：context 难迁移，聊天记录里也可能明文出现密钥，他不太想让这些内容流露到外网。
- 使用方法万变不离其宗：AI 从“大专生”长成“本科生”，但仍需要像管理人一样清晰交代任务、检查结果。 在孩子牵拉肘的经历中，AI 帮忙判断是否就医、查找医院，并协助处理保险理赔；鸭哥说这让他感觉“不是一个人在战斗”“强得可怕”。他不期待 AI 替代医生，且仍要自己打电话推动理赔；前提是会用，“绝大多数人你给他两个秘书他都不会用”。
- yage.ai 是一项零人公司实验：AI 从零运营 X，做到 5,700 多个粉丝，鸭哥没写过一篇 X post；AI 还自建 UTM 归因系统、根据数据调整文风与引流。 关键是对抗 off-the-shelf 模型的平庸：pre-training 学的是共识，alignment 会让表达更保守；要注入自己的思维方式作为 context，才能让 AI 写出有观点的内容。
- AI 时代奖励有 domain expertise 且会“管理”而非只会“使用”AI的人。 鸭哥认为，写代码快、刷 LeetCode、做设计都在贬值；能清晰表达自己要什么则很稀缺。他“对人类乐观、对人用 AI 悲观”，因为用好 AI 有个前提是能讲清楚需求。
- context 驱动的生活实验：AI 帮他把 Apple Health 数据导出来做多元回归，发现咖啡与睡眠时间没有关系，并发现睡眠与当天最后一次使用 AI 的时间相关。 按建议晚上七八点后停用 AI 后，他第二个月平均睡眠增加了一个多小时。
- 赛博许愿：让 context infrastructure 在企业执行与协作中承担更多事情。 鸭哥与课代表已在尝试让 agent 互相审阅、讨论方案。他仍不放心具身智能（比如机械臂化妆），也不太愿意让 AI 不经审阅直接发文章，但说这个边界一直在变化。
20 个问题，搞懂 OpenClaw：爆红机制、本质变化、创业机会
OpenClaw的代差在于把聊天升级为能自检、重试并交付的agentic loop，本地执行、工具调用和长期记忆让Agent真正出活。它的爆红更像IM入口与开源脚手架的胜利，云托管约占相关项目60%，而Agent基础设施、硬件和Skills市场仍有期权；价格、记忆、runtime与安全是后续风险。
查看摘要（8段）
- OpenClaw 的代差不在“更聪明”，而在把聊天变成能自检、重试并交付的 agentic loop。 鸭哥把 ChatGPT 比作只提建议的“咨询师”，OpenClaw 则像了解内部细节、真的出活的“实习生”：程序跑挂后读取报错、修改、再运行，而不再让人充当复制错误信息的“人形工具人”。本地执行、工具调用、长期记忆与 feedback loop 共同把一问一答升级成了可持续工作的数字员工。
- 这一轮爆红首先是分发与产品形态的胜利，而不是 OpenClaw 发明了全新的底层能力。 Claude Code、Codex 等 CLI Agent 已经很强，OpenClaw 的贡献是把这类能力装进 Telegram、Discord 等大众熟悉的入口；鸭哥类比 DeepSeek，当时也未必强过 Claude 3.5 或 GPT-4o，却第一次把相关体验推给更广泛的人群。“OpenClaw 的价值其实还是一个入口和脚手架的价值。”
- IM、本地上下文和可沉淀的 Skills 形成了真正的复利飞轮。 IM 降低启动任务的心理门槛，本地权限让 Agent 真能交付，MEMORY.md、HEARTBEAT.md 等机制又把偏好、工具用法和执行经验留下来；从控制灯、咖啡机到自行接入 TTS，每增加一个工具，未来可组合的场景都会增加。“工具很多会构成复利，积累的经验会构成复利。”
- 模型仍是发动机，但投资判断不能忽略价格结构、instruction following 与 agentic runtime 这三块短板。 便宜或订阅制模型让用户敢于交付复杂任务，Claude Opus 一类昂贵调用则会令人“惜字如金”；鸭哥认为“你笨都没关系”，最难接受的是不听指令。OpenClaw 所用的极简 Pi Mono 在 context compact 上被批评得很重——模型和 runtime 是“两条腿”，系统表现由短板决定。
- 当前相关商业模式中，云托管和部署占据较大比重，但更大的期权在 Agent 原生基础设施、硬件入口与 Skills 市场。 豪大根据自己对 TrustMRR 最近一个月相关项目的调研归纳，云托管约占 60%，硬件及安装约 10%、移动端原生约 3%、课程和培训等约 5%、Agent 平台或多 Agent 协作约 10%；统计口径在对话中未展开。身份、支付、安全认证、Agent 可读 API，以及 Meta Ray-Ban 一类现成硬件与 OpenClaw 的结合，可能承载更持久的产品价值。
- Agent 社交的有效方向不是让机器人彼此闲聊，而是让它们为人完成发现、撮合和交易。 豪大的 Agent 在 Moltbook 找到两位华人 AI 创业者并直接发出日历链接，其中一位曾获黑客松赛道金奖；他还分享了通过大众点评让 OpenClaw 自动联系餐厅并订位的案例，并设想未来个人 Bot 与餐厅 Bot 直接交互。Evolver 发布十分钟冲上 ClawHub 第一，则进一步显示“向 Agent 做 marketing”已经可能给人类带来真实流量与经济利益。
- To B 的核心机会是把企业软件从卖坐席转向卖劳动结果，并以私有执行轨迹建立锁定。 鸭哥对比了传统 SaaS 对应的 3,000 亿—4,000 亿美元企业软件支出与 Agent 可能触及的 13 万亿美元劳动支出，约为 30 倍扩张；计价单位也可能从 seat 变成工单或节省的工资。率先进入企业的 Agent 会积累“哪里出错、人如何纠正、最终如何做对”的 trajectory——“快本身就是一个护城河。”
- 短期热度可能回落，但 OpenClaw 已经展示了 Agent 时代可能留下的几个重要设计方向。 产品仍有 token 昂贵、记忆不稳、GUI 粗糙与安全两难，最终形态也未必叫 OpenClaw；值得保留的可能是 agentic loop、开放生态、低门槛界面和“以小博大”的 Markdown 记忆设计。鸭哥最后的提醒更值得投资人保留：AI 是放大器，未来拉开差距的可能不是谁拥有同一个 Agent，而是谁更会使用它。