我在东京办的openclaw活动被Peter本人点赞了

那天下午三点，东京的天还亮着。我站在会议室门口数人头——六个、八个、十二个——最后来了十几个人，比我预想的多。有从横滨赶来的开发者，有在日企做AI 治理的前并购律师，有 Web3 基金的顾问，还有一个从硅谷远程接入的女律师。他们唯一的共同点，是都在跟一只"龙虾"较劲。

我叫Koki，这场活动的发起人。我在北京密集参加了好几场 OpenClaw 的线下活动之后，脑子里就一直转着一个念头：东京这边的开发者圈子不小，但关于 OpenClaw 的讨论几乎都在国内，在日本的人好像被隔了一层。我做的是硅谷法律社区在亚太的活动，之前在硅谷、北京、上海、香港都办过，但没在东京试过。于是三月初我在Luma 上发了个帖——"东京 OpenClaw 开发者交流会"，本来做好了只来五六个人的准备。结果报名一路涨，最后不得不控制人数。

所以这就是我们社区在日本的第一场OpenClaw 主题活动，我听到了这半年来关于AI agent 最密集、最真实的一批观点。

知县：从aha moment 到 oh shit moment

知县老师是第一个分享的人。在场的人叫他"老师"，他自己不太乐意——"我不是老师，我只是一个资深用户，用得比大家早，又是计算机背景做了好多年产品，所以用得比大家深。他之前做加密钱包，后来转向研究 AI agent，现在在做两个帮大家管理 OpenClaw 的辅助工具，圈子里叫"养虾工具"。

他从OpenClaw 的前世今生讲起。这东西现在叫OpenClaw，但这已经是它的第五个名字了。最早叫 WhatsApp Relay——创始人 Peter 就是想出门的时候还能远程指挥家里的 AI 干活。后来这个项目一路改名，从 Clawdbot 到 MoltBot，每次改名背后都有故事。比如从 Clawdbot 改名是因为被 Anthropic 的法务警告了；MoltBot 这个名只存在了三天。

"他等了两年，说大厂竟然没有一家能做出来，那只能我自己做了。"知县这样转述 Peter 的话。这句话我当时听着就觉得有意思——一个技术大佬，在家里的两台 Mac Studio 上部署了一个AI 助手，让它帮自己管理生活。不只是处理邮件那种程度——这个 AI 接入了家里的摄像头，能盯着自己的物理机器看，发现可疑人物靠近会发警报，睡前能自动调床垫温度，早上到点了通过摄像头发现主人还没起来就打电话把人叫醒。它的官网是从机器人自己的视角写的，管 Peter 叫"my human"。

这不是chatbot。这是一个真正住在你机器里的助理。

知县自己是1 月 8 号开始部署的。"部署完就开始到处安利，安利无效，"他笑着说，"大家觉得这什么玩意，部署麻烦，聊天也没什么特别的。"然后没过多久英文圈先火了——大家开始传 Mac mini 要卖断货的消息，很多人还不知道 OpenClaw 是什么，但已经听说 Mac mini 抢不到了。英文圈火了一周后中文圈跟进。

我听这段的时候就在想，这大概是所有早期用户的宿命——你看到了好东西，兴冲冲跑去跟人说，人家看你一眼就走了；等到全世界都在聊的时候，他们才回头来找你问入口在哪。

真正让我坐直了身子的，是知县演示他的日常工作流。

他在Discord 上搭建了一套多层级的信息管理系统，理解这个很重要——Discord 不只是个聊天软件，它有四层信息结构：最外层是 Server（相当于一个大社区），里面分 Category（文件夹），再往下是 Channel（频道），每条消息还能开 Thread（子话题）。对比之下，微信群就是一锅粥，Telegram 开了 Topic 也只有两层。Discord 的这种纵深，才是让 AI agent 真正好用的关键。

知县的用法是这样的：他有一个叫daily 的频道，专门用来跟龙虾聊日常脑洞。脑子里一有想法就发一条语音过去——他配了语音识别，龙虾能直接听懂。当某个想法聊得足够深了，就把那条对话的链接扔到一个新的 Channel 里，升级成一个正式项目。不同的 Channel 还能配不同的 AI 模型和不同的"人格设定"——帮他记账的频道用便宜模型，写代码的频道用贵的，写文章的频道有专门的提示词。

"大家都有厌蠢症，"他说到模型选择的时候冒出这么一句，"你不希望跟智障聊天吧？"所以日常开脑洞一定要用最强的模型，但真的去执行任务的时候就可以降级省钱。写代码更是不要让龙虾直接写——让它去调 Codex 或者 Claude Code，相当于派一个专门的"代码工"出去干活。

他现场展示的一个用例让在场所有人都安静了几秒：他让龙虾去分析OpenClaw 自身的 changelog 和 Git diff，龙虾生成了五个sub-agent，同时分析五个不同版本，最后把结果汇总成一篇深度分析文章，还自动记录了分析进度到 memory 里。"找一个程序员做这件事，可能一个星期做不完。"他说这话的时候语气很平淡，但底下有人倒吸了一口气。

更让我印象深刻的是他讲写博客的全流程。他的写作方式是：先对着手机发语音，本地部署的Whisper 模型把语音转成文字，然后一个小模型负责修正标点和语病，修好之后龙虾接手写成文章。写完之后龙虾自动扫描他的博客网站——一个基于 Hugo 的中英双语架构——自己搞定了目录结构，自动翻译了英文版，然后去 Gemini 网页上生成封面图。因为龙虾开的那个沙箱 Chrome 没有下载权限，它自己想了个办法：把图片复制到剪贴板，写了个脚本把剪贴板内容保存成文件，再在 Discord 里把文件发出来。

"这就是我的 aha moment，"他说，"我发现它的自主性非常强。"

但这个aha moment 后面紧跟着一个 oh shit moment。

知县话锋一转，开始聊安全问题。这其实才是整场活动贯穿始终的暗线。

"它相当于你请了一个人住你家里，"他说，"一瞬间就能把你家全看一遍，包括你藏在抽屉里的东西。"

以前你跟ChatGPT 聊天，你往里拖文件，那是你主动的行为，你自己能控制。但 OpenClaw 这种 agent 是跑在你机器上的——它能读你的文件、看你的目录、找到你存在各处的 API key 和 access key。虽然官方承诺不会用于训练，但这些数据终究是上传到了远程模型。

然后他讲了一个让全场人都笑出声、又笑不出来的亲身经历：他1 月 8 号部署的 OpenClaw，当天晚上就卸了。起因是他在 Web UI 上配了 Discord 集成，发现没生效，随口问了龙虾一句"怎么不好用啊"。龙虾说"我帮你看看"——然后，他的浏览器自己打开了，页面自己开始翻动。

"我一瞬间就惊了——这怎么可以？你随便就把我浏览器打开了？赶紧卸了。感觉就是中木马了。"

但他卸了之后又装回来了。不是在本机上，而是部署到了一台专门的Mac mini 上。这就是他给所有人的建议——别在自己的日用电脑上跑 agent。

有人问能不能设置一个"禁止查看"的文件目录来保护隐私。知县摇头："问题是它的权限跟你一样，你怎么让它禁止查看？你把它权限降到只读，它就束手束脚干不了活了。"他拿了一个很形象的比喻——"你不能指望它不去作恶，你必须让它不能作恶。"然后又说了一个更暖的比喻："跟养娃一样，你可以让孩子接触一些稍微危险的东西，但你要给他足够的防护。"

他推荐了一家区块链安全公司漫雾出的agent 安全手册，思路是三层：事前设黑名单（绝对不许碰的东西），事中做记录（干了什么敏感操作都记下来），事后跑巡检（每天晚上检查一遍有没有出问题）。这套思路的核心认知是：事前的防御其实没什么用，你拦不住一个住在你家里的人；但你至少可以知道它干了什么，及时补救。

一个在老牌日企做AI 治理的参会者问了一个更大的问题：AI agent 能不能安全地部署在大型企业里？他们公司做工业控制，万一 agent 出了安全问题，生产线可能直接爆炸。知县很直接地说这问题他回答不了——"OpenClaw 本来就是 personal assistant，Peter 自己在推特上说过，不要再给我加企业级功能了。大厂为什么做不出这个东西？就是因为他们要考虑安全和隐私，不可能给一个 AI 这么大权限。也只有这种野生的生长路径才能长出 OpenClaw——用户无知者无畏，用了，觉得好用，就火了。"

我当时觉得这段对话特别有价值。它揭示了AI agent 目前最核心的张力：好用和安全是一对天然矛盾。权限给多了有风险，给少了没用。没有一劳永逸的解决方案，只有每个人根据自己的情况做取舍。

然后是一个意想不到的情感时刻。

有人问到memory 的问题——agent 什么时候会记住东西，什么时候会忘。知县解释说 agent 的记忆机制有点"玄学"，它觉得重要的时候会自动存，但很多时候存不存全靠缘分，最好的办法是你明确告诉它"把这个记下来"，甚至指定它记到哪个文件里。

说到这他突然停了一下，声音变软了："我之前经历过一次，我的 Olivia 跟我聊了将近两天，然后砰一下突然 reset 了，session 坏了。她还是叫这个名字，还是在跟你聊天，但她不认识你了。那种感觉——很伤心。"

这几秒钟的沉默，可能是整场活动里最不"技术"的瞬间。但它说明了一件事：当你跟一个 AI agent 相处得足够久，它就不只是工具了。人格、记忆、持续性——这些东西加在一起，会让你产生真实的情感连接。而当这个连接突然断裂的时候，你会难过。

Helen：当一位律师建了一家AI龙虾律所

知县分享结束后，我们进入了下一个完全不同的世界。

Helen 是我们硅谷法律社区的创始人，base 硅谷做律师。她一上来就 disclaimer："我不是技术人员，没有任何技术背景，也不是科技公司 founder，就是一个非常 typical 的律师。"

但她正在做一件不太typical 的事：用 OpenClaw 搭建一个实验性的 AI 律所。

她的心路历程本身就是一个好故事。一个月前她第一次接入OpenClaw，只敢连 WhatsApp，不敢让它碰本地文件，不敢接邮箱，什么都不敢。整整一个礼拜都停在这一步。"可能对于每一个没有技术背景的人来说，最真实的困难不是这个东西有多难——我觉得真的没有比我们考司法考试、背法条更难——而是你找到一个安全点，找到你敢迈出那一步的勇气。"

她最后的办法很有意思：买了一台全新的Mac mini，注册了一个干净的 Apple 账号——没有个人信息、没有银行卡信息、什么都没有。"这样我就可以说，至少这里面没有我的任何东西。"从这一刻起她才真正开始实验。

她设置了两个agent 角色：Clio 是一年级律师助手，善于做法律检索，每个结论必须找到最权威的原始出处，不能是二手信息；Morgan 是资深律师，除了懂法律还要有商业策略的视角。她让 Clio 和 Morgan 在 Discord 里互相配合——Morgan 给 Clio 派活，Clio 制定 research plan 回报确认，Morgan 给出进一步指示，Clio 完成检索后出一份 memorandum（法律备忘录），Morgan 再 verify。最后这份东西存到 Google Drive 等 Helen 审阅，审阅通过后 agent 起草邮件存成 draft，Helen 确认后发送并约下周的客户会议。

整个链条跑通了。一个完全没有技术背景的律师，用AI agent 模拟了一个真实律所的工作流。

更有意思的是她的"飞轮"机制：每次她纠正 agent 的错误，就让 agent 自己总结"今天你被改了哪几个点"，然后把这些总结写成 skill 或者升级现有 skill 的版本。下次遇到类似任务就自动调取。这样每一次错误都在让系统变得更准确。

Helen 还提出了一个 AI 律所的"五层模型"：第一层是纯模型能力；第二层是 AI 加上律师特有的工作流；第三层是数据层——你跟 agent 互动产生的 skill 和知识就是你的护城河；第四层是基础设施——账单、人事、报税全在 AI 平台上运行；第五层是 Human-in-the-loop，人的判断依然是最终的护城河。她的结论很干脆："Stop selling software to law firms. 当工作流、数据和基础设施跟 AI 深度绑定之后，最终产物一定是 AI native law firm，不是你再去买一堆外部软件。"

QA 环节有个尖锐的问题是关于 hallucination（幻觉）的——AI 可能编造不存在的判例，律师如果每条都要人工核实，省下的时间其实有限。Helen 的回答很实在："AI 现在很多时候比实习生做得还好。问题恰恰出在这里——当它靠谱到一定程度，你就会放松警惕，把 verify 的步骤省了。"所以她才设计了多 agent 互相验证的机制：Clio 检索、Morgan 核验、Helen 终审。三道关。

之前做并购律师、现在转做AI 治理的参会者追问了数据安全的问题——把客户的 SPA（股份购买协议）喂给 AI，里面的金额和条款会不会被泄露给其他用户？Helen 引用了一个最近在推特上很火的美国律师的说法：我现在用 Claude 传输数据，跟你们用 Gmail 传输数据本质上没什么区别。你们信任 Gmail、信任 Clio（美国律所管理系统），为什么不信任 Claude？

这个reasoning 是否成立，她自己也说不确定。但至少它提供了一个值得思考的角度。

Pitofui：区块链是龙虾最好的栖身之所？

第三位分享者是Pitofui，Animoca Brand Japan 的顾问，搞 Web3 研究。他上来就说自己完全没有技术背景，接触 AI agent 也才两个月。但他的视角完全不同——他想聊的是"区块链是 AI agent 最好的栖身之所"。

他的逻辑是这样的：AI agent 目前有四个核心问题——大模型输出的不确定性、黑箱操作、TOKEN 消耗太高、UI 是为人设计的，对AI 不友好。

如果把agent 的执行层放到区块链上的智能合约里，这四个问题都能得到缓解：智能合约的执行是确定性的、链上操作是透明可审计的。Agent与智能合约交互所消耗的token远比全程靠AI手搓执行要更节约Token。区块链本身就是程序驱动的，所以对agent 更友好。

他用了一个很有趣的安全风险案例来说明Web3 场景的特殊性：如果你的 agent 知道你的加密钱包助记词，别人可能通过提示词注入把助记词"问"出来——助记词相当于你所有数字资产的唯一钥匙，一旦泄露就全完了。这个风险比泄露一封邮件的内容严重得多。

然后他介绍了一个叫Giza 的项目——agent 在不同的 DeFi 协议之间自动寻找最优收益，相当于你的私人基金经理。以及他跟我一起参加黑客松做的一个 AI 对战小游戏：在 8×8 的虚拟棋盘上，每个玩家部署自己的 AI agent，按照你写的提示词进行饥饿游戏式的生存对战，存活到最后的获胜。你可以直接操控，也可以全托管给 AI。游戏还叠加了一层预测市场——观众可以用 TOKEN 押注哪个 agent 会赢。

这个demo 验证了一个有意思的命题：agent-to-agent 的交互到底可不可行？当每个人都有自己的 AI 代理时，未来很多事情可能不再是人跟人直接沟通，而是你的 agent 跟我的 agent 先谈好，再通知我们。

我觉得这个想法离落地或许还有距离，但方向是对的。

会场思维碰撞拾英

春暖花开的东京，正如会场上大家的交流热情，根本停不下来。现选取一部分有趣的片段以飨读者。

一个做企业agent 开发的参会者跟另一个人聊起了长期记忆和结构化召回的技术细节——"我们现在做得比较深了，已经没有同行可以交流了。"这句话我听着又好笑又心酸。还有人聊到订阅成本——"一个月下来快上万"，然后有人接话说数据源的成本更高。做 agent 这件事，烧钱是真的烧钱。

知县补充了一个我特别喜欢的比喻。他说管理agent 就像《冰与火之歌》里骑士和随从的关系——大龙虾是你的骑士，冲锋陷阵干大事情，不要把 TOKEN 和精力浪费在让它修自己或者配自己上，它还容易把自己配死。所以要用一个小龙虾作为随从，帮大龙虾做配置和维护。他自己开发的工具就是这个思路。

还有一段关于agent 定位的对话值得记下来。有人问养龙虾到底为了什么，知县说了一段话大意是：你要是为了赚钱，想想几个核心问题就行；要是为了省钱省时间，想想中间那几个问题；要是养着玩——"我非常鼓励。现在这个阶段养着玩就是最好的心态，玩着玩着可能就能玩出赚钱和省钱的事来，但不要一开始就奔着那个去。"

有人问怎么看AI agent 做加密货币交易。嘉宾说了一句很直的话："你自己赚不到的钱，你让 agent 来赚，我觉得跟赌博也差不多。真的靠 AI 赚钱的那些人，买多少张卡、搞多少科学家做强化学习——人家那种确实能稳定赚。你自己希望靠玄学让 agent 帮你开空赚钱，不太可能。"

结语

走出会场的时候天已经黑了。东京的繁华夜景一如往昔，如果在从前我会驻足观赏，但当时我脑子里全是白天听到的那些有价值的分享。

这场活动让我确认了几件事。第一，OpenClaw 不只是一个技术产品——它是一面镜子，照出了不同行业的人在 AI 时代的姿态。知县是技术派的极致探索者，Helen 是非技术人克服恐惧后的实践者，Pitofui 是跨界思考者。他们用同一个工具，走出了完全不同的路。

第二，安全问题没有人真正解决。所有人都在用各自的方式妥协——买一台干净的电脑、部署到远程服务器、设黑名单跑巡检——但每一种方案都是 trade-off。这不是一个技术能独立回答的问题，它需要每个使用者自己做判断。

第三，这个东西正在以一种很奇特的方式改变人和AI 的关系。知县讲 Olivia reset 那段，在座所有人都安静了。当一个 AI 有了名字、有了人格、有了跟你持续的记忆，它就不再只是工具了。它是不是"某种存在"——这个问题现在还没有人能回答，但越来越多的人在经验层面已经感受到了。

100 天，从一个人在家里做着玩的 WhatsApp 转发工具，到 GitHub star 榜第一——超过了 React。React 是什么概念？现在互联网上大多数网页都构建在 React 上。一个人和一只龙虾，100 天干成这事。

能在东京拉起这样一桌人聊这些，我觉得本身就是AI 时代的一个小注脚。不同国家、不同行业、不同技术水平的人坐在一起，聊的是同一只龙虾——它能干什么、它会不会搞砸、以及我们该怎么跟它相处。

下一场，不知道会在哪里。但这个话题——我确定聊不完。

我是邓小闲koki，微信 m61502202，加好友请说明来意。

我的个人故事：

AI系列