夜雨聆风
OpenClaw 仍然是一个极客产品.
上周飞深圳，飞机晚点了三个多小时。我在机场戴着耳机，把周鸿祎前段时间那场关于 Agent 的直播，从头到尾听完了。
我还挺推荐现在做 Agent，或者天天在用 Agent 的朋友去听一听。
我的方法是直接把视频转成播客，然后当音频听。因为这场直播里，其实有不少挺有启发的东西。
我总结四点。
第一点，周鸿祎有句话我特别有共鸣。
他说，教程越多，越说明这个产品不好用。这句话我真的非常认同。
因为我自己平时既写内容，也做产品。真正好的产品，其实是不需要教育用户的。
就像当年的 iPhone 一样。很多人第一次拿到手，根本不需要说明书。七八岁的孩子，六七十岁的老人，凭本能就知道该怎么滑、怎么点、怎么用。这个才是真正的 C 端产品。
但大家回头看这一波 Agent，尤其 OpenClaw 当时最火的时候，网上铺天盖地全是教程。教程越多，其实越说明门槛高。
所以周鸿祎现在做 360 安全龙虾，本质上是把 Agent 从工程师的玩具，变成普通人也能直接使用的产品。
他们从安装、配置、训练，到技能管理、权限管理、成本控制，全都重新做了一遍。
这特别像 PC 行业当年从 DOS 走向 Windows。
DOS 很强，但只有少数人会用。真正让电脑普及的，是 Windows 把复杂的东西藏到了后面。我觉得 Agent 现在其实也走到了这个阶段。
第二点也挺有意思。
周鸿祎说，他不相信超级 Agent。接下来 Agent 领域的趋势一定是，专业化 Agent。
这个方向，我最近也一直在讲。包括我之前提到的 AI Expert Agent，本质也是这个逻辑。
真实世界的公司，从来不是靠一个万能员工运转的。财务干财务。法务干法务。运营干运营。销售干销售。
每个人都有自己的专业能力。
Agent 其实也一样。以后很可能不是一个超级 Agent 包打天下，而是一群各有分工、各有技能的 Agent 组成团队，然后互相协作。
所以你会发现，现在越来越多 Agent 产品，开始往多 Agent、Agent Team、角色分工这些方向走。
你看下面这个截图，是 360 的龙虾产品的设计思路，我觉得很妙。
还有 100 多个开箱即用的龙虾专家。就相当于我们不需要再从头开始喂数据、喂流程、喂 Know how，它已经默认内置了这些能力。
第三点，我觉得是这场直播里最重要的一点。
周鸿祎提了一个词，叫硅基领导力。很多人可能会觉得，这又是个新概念。
但我觉得背后的逻辑其实特别明确。未来大家不只是使用 AI。而是管理 AI。
这个变化非常大。
过去几十年，软件本质上是工具。Excel 是工具，Word 是工具，Photoshop 也是工具。
但 Agent 越来越像数字同事。它开始能长期工作、能自己拆解任务、调用工具、积累经验。甚至还能互相协作。
那人的角色也会跟着变化。未来很多人的核心能力，是怎么和这些 Agent 协同，完成目标。
德鲁克以前说过一句很经典的话：管理，本质上是通过他人拿结果。
他其实经常举一种反例。很多公司里，一个特别能打的业务骨干，成为团队 Leader 之后，还是习惯什么事都自己冲在第一线。最后 Leader 天天忙得要命，但团队其他人都在那闲着使不上劲。
归根到底，这就是团队领导力欠缺。而这个问题，接下来我们每个人都会面临。
第四点特别现实，叫 Token 成本。
这个问题，现在行业里很多人其实还没真正重视。因为如果只是做 Demo，或者个人偶尔玩一玩，Token 贵一点，问题不大。
但 Agent 一旦进入企业，就完全是另一回事了。
一个公司几千人，每个人每天都在高强度跑 Agent。如果系统默认什么任务都调用最贵的模型，什么上下文都往里塞，什么工具都开着，那成本会非常夸张。
很多企业根本扛不住。
所以 Agent 真正要大规模铺开，不能只看它能不能干活，还得看它能不能低成本地干活。
这也是我觉得这次很有启发的地方。
他们的产品开始把 Agent 当成一套真实的企业基础设施来设计。企业基础设施最重要的东西之一，就是成本可控。
比如简单任务，就不应该默认调用最贵的模型。写一封普通邮件、整理一个会议纪要、做一个简单归类，用便宜模型就够了。
但如果是复杂决策、深度研究、代码生成、商业分析，那就可以调用更强的模型。
这个逻辑其实特别像公司管理。没必要让 CEO 天天贴发票。
同样，也没必要让最强模型处理所有任务。更进一步看，Token 成本不是单纯模型贵不贵的问题。它背后其实是一整套系统设计问题。
360安全龙虾在首页的左上角可以选择不同的模式。
轻量模式其实特别适合简单问答。比如日常查资料、替代搜索这类场景，用轻量模式就够了，速度快，成本也低。它比原版龙虾节省 90% 的Token。
省钱模式适合做像分析、内容创作这种任务。因为很多时候没必要全程调用最贵模型，他们这个模式大概能比原版龙虾省 70% 的 Token。
最后还有一个满血模式。它更适合复杂任务，比如复杂代码、深度全流程的数据分析。
我越来越觉得，未来 Agent 产品一定会走向算力分层。不同任务，用不同模型。
因为真正大规模跑起来之后，Token 成本一定会变成核心问题。360安全龙虾这个设计确实也逐步成为主流了。
包括用CodeX，大家会发现右下角，它同样也会有类似的选项。
体验下新产品
claw.360.cn
正好我们 AI Maker Summit 深圳大会刚刚结束，我就想到可以训练一个龙虾，帮我分析分析，然后帮我复盘规划一下。
点击左上角创建龙虾，进入创建龙虾的界面，然后就可以跟左侧的龙虾教练交互了。
360 龙虾设计的这个龙虾教练，交互方式挺有意思的，说白了就是回答问题。
你想，让一个小白从零开始配置 identity 文件或者 user 文件，难度肯定不小。他连 MD 是什么都不知道，更别说这东西到底该怎么配。大家心里没概念。
但换成引导式的回答问题，难度一下就降下来了。教练在你一问一答的过程里，其实就是在理解你的需求。
大家看下面视频左侧区域，我就是在这里一步步告诉它我想要什么。
我说你是 AI Maker Summit 的运营负责人，我会给你各种背景信息，最后希望你能给我一些执行上的建议。
等我把问题回答完后，它收集完信息，就会进入行业调研阶段。
行业调研完成后，它帮我设计了架构方案，还建议我设置对应的定时任务。
我只需要确认没问题后，他就开始进行配置了，然后生成了一个版本出来，我完全可以基于这个版本继续优化。
也就是说之前我们玩龙虾要配置的各种各样的 MD 文档，在这我不需要理解它是怎么回事，只需要回答问题，最终它就会帮我们把这些文件全部按照我们的意图填充好。
龙虾训练好之后，我就让它直接干活了。
正好这次 AI Maker Summit 深圳大会刚结束，我焦头烂额地做复盘。我把这次大会的问卷调查数据、日程信息，还有所有的沟通信息都发给了它。
沟通信息这块我补充一句。大会当天我带了个录音卡，把一天将近十个小时的沟通都录了下来，最后导出成三个文件。我看了一下，这三个文件加起来快十万字。
我这个大会运营负责人龙虾收到这些信息之后，开始充分理解，最后按要求给我输出了一份复盘文档。
说实话，这份文档我一个字都没改，直接放进了我们团队现在正在写的那份复盘里。
它写得确实专业。问题都按 P1、P2 做了分级，问卷和录音里高频出现的关键问题，它也用结构化的方式一条条列了出来。
这一点我觉得就是专业龙虾的价值。它能迅速站在一个大会运营负责人的角度，理解我们的业务。
而且我会在这个龙虾里持续跟它沟通我们大会的各种任务，这样它就能越用越聪明。
大家看下面这个视频，可以看到它有云终端和云电脑。
很多操作其实都是在它自己的云端环境里完成的，不是直接在我自己电脑上跑，所以不会影响我本地的文件、软件和系统环境，安全感还是很强的。
手机端也可以用，不一定非得限定电脑前。或者我们可以配置飞书、钉钉之类的 IM 接入，再或者直接下载 360 安全龙虾 App 也行。
下面是我在 App 中继续在刚刚的任务基础上往前推进一步。
我还用培训视频制片人这个内置的专家龙虾，围绕电影《给阿嬷的情书》，生成了一个 45 秒的内容拆解短片。
最后的效果：
写在最后
OpenClaw 这个开源项目当然是有价值的。
它最大的价值，其实是开创了一种新的范式。大家第一次真正意识到，Agent 原来可以直接在电脑上工作，可以操作浏览器，可以调用工具，可以长期运行，可以像一个数字员工一样替我们干活。
这个事的意义其实非常大。
但我现在越来越觉得，OpenClaw 没有真正走完产品化的最后一公里。
所以我之前才会有一个判断：OpenClaw 的热度正在慢慢回落。
而且我的观察是，它现在其实慢慢又回到了最初那个状态，一个工程师的大号玩具。
我后来也和不少还在深度使用 OpenClaw 的朋友聊过。他们现在基本都会把它挂在家里的 Mac mini 上，长期运行，处理一些偏轻量、偏日常的任务。
至少目前，我观察到的趋势是这样。
过去这几个月，真正吃到 OpenClaw 红利的人，大部分还是那批本身就比较会折腾的人。他们会写 Prompt，会用终端，知道怎么管理上下文。
在互联网圈子里，尤其工程师、产品经理圈子里，大家会觉得这些东西其实不难。
但这个判断很容易有幸存者偏差。因为对于真正的普通用户来说，中间其实隔着非常高的门槛。
所以 OpenClaw 的声势虽然很大，但它的深度用户其实一直还是局限在一个很小的圈子里。
不过，换个角度看，它开创的 Agent 范式会继续往前走一步。包括这次 360 的龙虾云端版，它其实已经不是简单复刻 OpenClaw 了。
它更像是在 OpenClaw 开创的范式之上，重新做了一遍产品化。
比如，安全隔离、云端运行、权限控制、Token 优化、多模型调度、Skill 管理、傻瓜式训练、多端接入。
这些东西，本质上都在解决同一个问题，怎么让 Agent 真正变成普通人也能长期使用的产品。
所以我现在越来越觉得，接下来真正决定一个 Agent 能不能像 ChatGPT 一样飞入寻常百姓家的，是产品化的能力。
