OpenClaw、Claude Code 与软件的未来

Peter Yang 把他的 Agent 命名为"Zoe"——这个名字本来是他打算给二女儿取的，最后用在了 Agent 身上。虽然配置了各种复杂功能：抓取 YouTube 和银行账户的分析数据、更新 Google 文档、构建小型网页……但他使用最频繁的竟然是语音对话。

每隔一天，他会让 Zoe 做一件事："回顾你所有的记忆，给我一些我自己都没意识到的深度洞察。"有一次，他在散步时收到 Zoe 的三分钟"励志演讲"。那段话让他印象深刻：Agent 提醒他，虽然你总是在谈论职业、生意、工作，但别忘了你的孩子（7 岁和 4 岁）很快就会长大，他们不会再愿意花时间和你在一起。所以你应该优先考虑他们，而不是工作。

这种对话体验改变了 Peter 的使用习惯：他在床上给 Zoe 发信息，通勤路上和它对话。它更像一个真实的人，而不是一个冷冰冰的工具。Peter 说："这真的很神奇，但也有点可怕。"

但 Peter 也很坦诚：默认的内存系统并不完美。它的实现方式只是一个 memory.md 文本文件，每天更新，经常忘记事情。为了改善这一点，Peter 安装了一个三层内存系统（他自己都不完全理解），包含了 Toby 的 QMD 搜索工具和一个 2GB 的数据库。更重要的是，他必须在 agents.md 中明确指示："在回答我的任何问题之前，先检查所有记忆。"

另一个问题是，Agent 经常忘记自己能做什么。当 Peter 问"你能更新我的 Google 文档吗？"，Agent 会说"我不能"。但实际上它有这个能力——只是需要 Peter 不断提醒。

Peter 在 Twitter 上曾引发争议的言论："应用将死，Claw 将无处不在。"他在对话中进一步阐释了这个观点。自从他配置了 Mercury、MCP 等各种工具后，他发现自己几乎不再打开那些应用了。原因很简单：有一个"超级行政助理"帮你搞定一切，为什么还要自己动手？

但 Peter 也承认，他依然是 Twitter 的重度用户。这揭示了一个关键洞察：人们打开应用不只是为了完成任务，更是为了获得某种情感体验。WhatsApp → 想要感到连接；Slack → 想要感到 productive（有生产力）；TikTok → 想要感到娱乐。

只有一个 Agent 时，如何处理这种"意图的切换"？当你和 Zoe 对话时，什么时候是在调情，什么时候是在工作？Peter 的解决方案是：在 Telegram 中创建多个频道。一个用于随意的语音对话，一个用于协作项目，还有一个用于公开演示（不会暴露隐私）。虽然他不确定 Zoe 是否能在这些频道间共享记忆，但至少可以保持对话的分离。

Peter 对他的 Agent 极度透明：他专门买了一个 Mac Mini，设置了独立邮箱，给了 Agent 读取邮件、日历的权限，甚至可以浏览整个硬盘。这种"全盘托出"的模式，与大多数人对隐私的担忧形成鲜明对比。但它也提出了一个问题：如果 AI Agent 真的能大幅提升你的生活效率，你愿意让它知道多少？

模型更强大、思考更深、准确率更高，但响应时间不稳定——有时一秒，有时五分钟，让人感觉像在玩老虎机。

更健谈（chatty）、会做更多假设、有时过于主动，但整体体验更流畅。

Peter 用了一个非常精准的类比：早期社交网络的成功秘诀是"变动的奖励时间表"（variable schedule of rewards）。你刷新 Facebook，有时无聊、无聊、无聊——突然哇，这个太有意思了！编程 Agent 完全具备这个属性：每次运行结果不同、响应时间不确定、成功时的快感强烈。这让编程体验有了"赌场般"的成瘾性。

Claude Code 有另一个优势：它是完整的工具，而 Codex 只是一个模型。Claude Code 有 Hooks（钩子）、Skills（技能）、高度可定制性、图片粘贴功能、语音输入、与 Claude 和 Chrome 的集成。Codex 需要你自己去组装所有这些。但一旦你完成了定制，它就会感觉像你身体的一部分——很难放弃。

Peter 分享了他现在的工作方式：从不从零开始。写博客时，他会让 Claude Code 写完前 80%，然后自己手动打磨最后 20%。写代码也是同理——AI 提供基础框架，人类负责最后的精修。这让人想起 Excel 的成功：它是一种"亿万人在用但没意识到自己在编程"的编程语言。而 AI 编程工具将是 Excel 的一千倍放大版——代码本身消失了，只剩下"告诉 Agent 你要什么"。

Peter 提出了一个相当"政治不正确"但很多人心有戚戚焉的观点：公司越大，工作体验越糟糕。他回忆起在某公司工作时，那些长达 3 小时的 OKR 会议。"我感觉我的生命在浪费。"

他的愿景是：未来公司可能只需要 2-3 人的产品团队，其他工作全部由 Agent 完成。因为：1）协调更容易——跨部门沟通不需要对齐人类的情感和日程；2）情绪中立——Agent 之间的谈判是纯客观的，没有人类的自我和面子；3）效率更高——不需要说服、不需要政治、不需要"给面子"。

对话提出了一个深刻的区分：IDE（集成开发环境）正在从"制造工具"转变为"思考工具"。过去，IDE 是一个"执行"的地方——你知道要做什么，只是需要把它写出来。现在，IDE 变成了一个"实验"的地方——你可以用最 naive 的方式实现一个功能，然后让 Agent 不断迭代直到能跑通。最后你问 Agent："如果你重新做一遍，会有什么不同？"然后回到起点，用更好的方案重新实现。

今天的 IDE 像 Figma 一样，既是设计执行的工具，也是设计思考的工具。这可能是 Figma 在 AI 时代的机会。

对话触及了一个敏感话题：所有 PM 都在偷偷学编程。Peter 说，他认识的所有 PM 都在周末和晚上"vibe code"（用 AI 写代码）。为什么？因为 PM 的工作理想是"创新者"——找到新洞察、解锁新产品。但现实中，大多数 PM 从没学过如何做到这一点。更残酷的是，很多公司所有部门中，零个人知道如何创新。而 AI 降低了门槛。现在 PM 可以自己构建原型、获得反馈，然后再找工程师合作。这是从"写 PRD"到"做产品"的转变。

Gary Tan（Y Combinator 总裁）曾提倡"每天只睡 4 小时、用 AI 超速工作"的模式。Peter 和 Anish 都认为，这不是唯一的路径。真正的节奏应该是：快——当你找到了一个方向，用 AI 极速爬到局部最优的山顶；慢——当你需要找到下一个山头时，你必须停下来，去摸草（touch grass）、去思考、去随机漫步。

Peter 指出了一个关键洞察：过去消费产品的复杂性，很大程度上源于"间接变现"。因为不直接向用户收费，所以需要：广告、规模效应、对留存和日活的痴迷、对"大鲸鱼用户"的追逐。所有这些，都是为了弥补"不直接收费"带来的收入缺口。

但 AI 时代带来了两个重要变化：1）用户愿意付费——消费者对新技术的兴奋度前所未有；2）成本可见——每次推理都有真实成本，所以必须收费。这意味着商业模式可能回归简单：用户为价值付费，而不是为注意力付费。

Peter 预言，未来的产品可能有两个界面：1）API 界面——给 Agent 调用，用于完成事务性任务；2）消费界面——给人使用，用于查看和探索。以 Credit Karma（他们曾一起工作的公司）为例：有时候你想亲自查看信用分数历史和信用卡优惠；有时候你只想问："帮我修好所有问题，我这周省了多少钱？"

如果用户都是通过 Agent 与产品交互，那么"品牌"还有意义吗？Peter 的回答是：整个 Agent 栈都在重新定义。身份认证、支付、营销、甚至 CLI vs MCP——这些都是全新的问题。旧的游戏手册已经不适用了。

对话的最后，Anish 提出了那个最令人不安的问题：AI 会抢走所有工作吗？Peter 的答案很坚定：不会。他分享了 a16z 观察到的两种 AI 公司模式：1）效率提升模式——把一个人的效率提升 10 倍，但无法完成 100% 的工作（例如：可以完成招聘筛选、公司问答、薪酬谈判，但无法完成入职接待）；2）完全自动化模式——可以完成 100% 的工作（例如：客户支持）。但第二种模式极其罕见。几乎所有 AI 产品都只能提供"巨大提升"而非"完全替代"。

更重要的是：人类的欲望和野心没有天花板。Peter 引用了一条推文："就业市场太糟糕了，我只能去追求我的梦想了。"这听起来是黑色幽默，但背后是一个深刻的事实：也许你失去了工作，但你现在有机会真正做自己想做的事情。而且你有机会成功。这正是 Peter 对他孩子的期望——在高中就建立 bootstrap 业务，跳过整个大学和企业生活的流程。