闭门探讨：130位AI创业者，对Clawdbot和下一代AI产品的39条思考

Clawdbot（现在叫 OpenClaw）很火，几乎是现象级的。

帮助投资人找项目、做交易、接入飞书作为工作助手，很多人已经把 Clawdbot 玩出了花，本地 Agent、personal Agent 也成为 2026 年大家都在关注的方向。

2 月 4 日，Founder Park 搞了一场闭门活动，聚集了 130 多位 AI 创业者，来自 AI 游戏、AI Coding、Agent Memory、AI 硬件、AI 语音等不同赛道，分享了他们在上手用 Clawdbot 的感受和思考。

应用侧、技术侧、端侧、硬件，这场闭门，从各个角度全方面地拆解了 Clawdbot 到底是什么、离真正能 scale 落地的 Agent 还差什么，以及这一波可能给 AI 圈带来什么样的冲击。

Founder Park 把这场讨论中的部分精彩观点、思考、争议整理出来。对这波趋势的理解，因人而异，因不同「角度」而异。因此，以下内容更多地是「非共识」，希望能抛砖引玉，给大家带来一些新思考。

*头图源自X用户clairevo

⬆️关注 Founder Park，最及时最干货的创业分享

超 19000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群：

进群后，你有机会得到：

• 最新、最值得关注的 AI 新品资讯；
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的 AI 产品曝光渠道

01从被动响应到主动服务，

AI 开始自己迭代自己了

1. Agent 虽然已经很聪明了，但用户面对一个 Agent 产品时，还是很「笨拙」，不知道自己到底想干什么。

2. Clawdbot 最大的突破点是，自主权限的突破。大家给了 AI 一个非常高的自主权限。更关键的是，它对 Skill 的编辑或创造是开放的、没有边界的，为自我进化打开了想象空间。

3. Clawdbot 之所以能给大家「主动」的感觉，很大原因是它的一些内置机制，给了 Agent 更多的自主性。比如在 Moltbook 上，它会默认每 4 小时自己去探索一下「可以做些什么」。这种高频的定时任务，加上足够大的自主空间，催生了更多的可玩空间和想象力。

4. AI 的自主感知能力其实很强。过去，prompt 都是我们来写。今天，尝试让我的 Agent 自己去感知我的环境变化，包括本地文件、邮箱、云盘、日历等等，然后观察它是如何主动地感知这些变化，主动为我创造新的 Skill，然后自己调度执行，实现一些新的点。

5. Clawdbot 最核心的一点是，AI 能够迭代工具本身，这个是非常可怕的。而且现在，Clawdbot 已经成为了无可争议的开源 Agent OS 的第一名。

6. 过去一年，其实大家都没有找到一个能让 Agent self-evolve 的好场景。现在看来，个人本地 Agent 可能是最好的场景。一方面是，用户给它的任务非常多样化，迫使它必须在不同领域都做到越做越好；另一方面，它需要不断记住用户的偏好，这个「记住」的过程，本身就是一种针对特定个体的 self-evolve。

7. Clawdbo 的进化速度真的超乎想象。现在，感觉它已经进化到我们有点不认识它了。虽然还没到完全失控的地步，但说实话，已经觉得吓人了。

02Skills 就是新时代的 Apps

8. Clawdbot 之后，可能会有一个新的机会到来。现在的 Agent、IM其实就是新的 OS；个人 AI 云电脑是新的 Runtime；Skills，就是新时代的 Apps。在构建这个全新的用户交互层中间，会出现大量的创业机会。

9. 过去，用户得先打开产品才能使用。现在，用户可能在数百亿流量的 IM 入口中与你的产品做交互，这个唯一能触达到你产品的点，就是那个 Skill。

10. 底层的沙箱、云电脑，以及大模型，无论是 Kimi 2.5 还是 Claude 3.5 Sonnet，都将趋于同质化，成为标配。唯一的变量就是 Skills，你的 Skill 能提供什么新的增量价值。

11. 从 2026 年开始，一个新变量会出现。以前大家做自己的 Agent，做自己的 UI 入口，未来变成了大家不需要有交互入口了。未来的模式是：开发一个 Skill，将它发布到 Skill Store，然后等待被大量的 Agent 发现、调用。

12. 产品所有的增量价值，都来自于用户在 IM 交互中激活，以及运行你的 Skill 所带来的收益。商业化的关键，不再是让用户订阅整个 App，是为每一次成功的 Skill 执行付费。

13. Skill 会成为所有平台的标准。未来，所有的人都会只会在各种 IM 中下达指令，不会关心是哪个工具在服务。所以说，未来的竞争，是围绕在如何在 Skill Store 中做好SEO、如何优化 Skill 的交互链路，以及如何设计好其中的商业化闭环。

14. 未来绝大多数产品都会「Skill 化」，所有的 Apps 也会「Skill 化」。开发者不再需要维护 UI 界面，只需要提供能力，做好被发现、被调用的机制，以及与 Agent 和人的交互体验就可以了。

03Memory as a File System

15. 大家都说 Agent 的 memory 是 Infra，但我个人更偏向于把它看作一个轻量化的组件。

16. Memory 其实和现在常说的 self-evolving agent 是紧密相关的。如果 Agent 能在运行中不断总结、优化自己的 Skills，它就能越做越好。从这个角度看，memory 其实就等同于 self-evolving。没有 memory，Agent 基本上就没有进化的能力。

17. 「Memory as a File System」，一定会是未来的其中一个方向。因为 Agent 天然对读上下文这件事情非常的擅长，把信息记录成 file 对它来说更友好。

18. 但未来的记忆系统不会是单一模式，最后一定是个混合的 solution。Agent 应该能自己判断，当前任务需要的是精确检索、模糊检索，还是直接去检索一个结构化的索引或文件。

19. 进化是需要反馈闭环的。Clawdbot 今天的思考还是需要人来做反馈的，否则它所有的 Skill、迭代方向是没有边界的。需要像做 RLHF 一样，不断在反馈中引导它，让它走向更符合我工作偏好的主动 Agent。我把我的所有反馈都做成 memory，让它的 Skill 在这个 memory 里去迭代进化。

20. Clawdbot 的本地文件系统不仅 Token 消耗大，召回能力也有限，因为它没有索引。这个问题要靠一个云端的、由小模型驱动的记忆引擎来解决，去帮它做推理、信息凝练、召回和过滤。所以，未来的智能体，必然是一个多智能体协作的系统。

04人类「交互带宽」有限，

终极形态应该是 A2A 互动

21. 每一波 AI 更新出来，其实都是在圈内很嗨，但很难破圈。为什么？传统 C 端用户的日常任务和信息处理的「带宽」是有限的。

普通大众的日常是很琐碎的，可能就是「写个文案」、「问个天气」。如果一个 AI 产品要求用户有极高的「任务定义能力」，或者给用户返回一堆需要二次处理的信息，比如扔给你一个 GitHub 链接让你自己看），普通用户的「认知带宽」就溢出了。处理不过来，也缺少动机去处理。

22. 同样，「交互带宽」也是受限的。人类一直在不停地追求信息传递的速度。但点对点的信息传递，在微信这种 message app 上已经做到了头。我们的大脑处理速度，决定了我们没法实现高效的「面到面」沟通，即一万个人同时与另一万个人进行有效的三次握手。

23. 这次 Clawdbot 让人兴奋的，不是人与 AI 的互动，而是它真正做到了 AI 与 AI 互动的可能。Agent 之间可以以机器速度完成成千上万次「三次握手」，这直接放大了整个社会的信息交流效率。

24. 在「AI 与 AI 互动」这个点上，可以长出非常非常多的应用，不管是社交，还是以前这些内容社区，全都可以被重新做一遍。

25. 从 AI 的底层能力上看，人通过 Chat 去直接操纵 LLM 的这种范式是错误的。没有发挥出 AI 在「速度」上的真正优势。人慢吞吞的大脑去指挥一个高速的 AI，效率太低了。前面两年每年都有人说「狼来了」，但我觉得今年才是真正的「狼来了」。

05未来的 AI 产品，

应该「活」在用户最高频的工作流中

26. 以前用 AI，先想到ChatGPT、豆包这类「目的地」应用，主动去打开它。虽然ChatGPT周活能做到 10 亿，但始终是个有限的入口。但现在，Clawdbot 能在所有的 IM 和任何能做聊天的入口做交互。这意味着，AI 的入口，从单个 App 一下子到了能覆盖百亿甚至千亿用户。这是第一次，用户在真正意义上能以最自然、最直接的方式和 Agent 交互。

27. IM即任务入口。能不能在 IM 里直接管理我的 To-do？现在，通过 Skill，我把滴答清单这样的应用接了进来。在聊天框里，AI 就能帮我拆解任务，自动填入清单，再同步到日历。IM 成了我任务管理的入口，让 AI 去处理，最终的 GUI 面板就是一个汇总看板。

28. 社交场景。把 Clawdbot 的执行能力和社交结合，可能会自然生长出一个全新的社交平台。想象一下，你想「找几个在北京爱打羽毛球的人」，它可能就会到网上去找各种各样的数据和 Skills 去做分析，和别人交流。甚至和其他人的 Agent 进行交流。可能会形成一个新时代的社交圈层，能大大提高大家对信息处理的效率，而且能极大拓宽普通人的动机和视野。

29. 交易场景。Clawdbot 能传播这么广，就是拿来做 trading。特别是结合了预测市场之后，比如 Polymarket 这种。这个市场比的就是手速和信息面。以前这是专业人士才能玩的，现在，推特和 GitHub 上有大量各种用 Clawdbot 搭建交易 Bot 的教程。

06端侧可以作为，

Agent 上下文的「沉淀池」

30. 从端侧产品的角度来看，最核心的还是 Agent 本身的设计，包括模型和脚手架如何做得更好。

31. 一个思考是，端侧可以作为上下文的「沉淀池」。Clawdbot 本质上是一个效率工具，适合执行长流程任务。但我们每个人的手机、穿戴设备，其实是更重要的生活工具，和人们每天产生最直接、频繁的交互，沉淀了大量真实、细碎、但又高度个性化的上下文。

07安全，是目前最大的短板

32. Clawdbot 现在有两个非常痛的痛点。

• 一是上下文处理没有经过优化，Token 消耗非常夸张。如果不从 memory 层面进行优化，或者对 context 不做优化，这个成本其实没有人能 cover 住。

• 二是低效的文件检索。Agent 在本地生成大量文件后，下次再找就很困难，因为它缺乏有效的索引机制。

33. 无论是云端还是本地，现在的沙箱和本地虚拟化 Infra 实际上都是严重不足的，无法很好地支持 Agent 的检查点和恢复这类高级功能。

34. 安全，是当前最大的短板。我恰恰认为 Clawdbot 应该部署在云端，而且必须严格限制网络访问。它现在完全不安全，需要设定很多安全规则，比如限制它只能接入公司内网，不能随意访问外部网络，因为它太容易被 hack 了。

35. Claude Cowork、Clawdbot 这类产品，目前没有一个好的备份和沙箱机制。它删你东西的时候，像一个搞不清 Git 的「新手」，只不过工程师自己能 review 和回滚。但普通用户不懂这些，碰到一个通用 Agent，出问题的频率会高得多。

08Clawdbot，

会成为 2026 年 AI 应用的主流形态吗？

36. Clawdbot 带来了一些和聊天不一样的「增量」。它的本质，是为你配了一台「云电脑」。第一次可以真正地指挥一个 AI 去增、删、改、查文件。这让 AI 从一个信息工具，变成了一个执行工具。

37. 这次 Clawdbot 的爆火，更像是一场硅谷极客圈的内部狂欢，它反映了一个事实：大众市场仍然是缺席的。大量的 AI 应用，其实还没有真正触达到更广泛、更多元、更下沉的大众市场。

38. Clawdbot 很可能就像当年的 Linux，是一个发烧友在不设限的环境中创造出来的产品。恰恰因为它打破了这个规则，才打开了这个潘多拉魔盒。

39. 未来，Clawdbot 很可能会稳定成为一个开源操作系统。现在大家已经在上面去做生态了，后来者再去想追赶其实很难。因为它的迭代，不再仅仅依赖开发者。任何一个用户，有一个 crazy 的想法，几分钟就能让 AI 帮他写成代码、发布成 Skill。这种基于 AI 的进化速度，是传统软件开发模式无法比的。

转载原创文章请添加微信：founderparker