2025-02-28｜a16z Podcast｜OpenClaw、Claude Code 与软件未来：Peter Yang 谈个人代理、一人公司与知识工作的重构

副标题：个人 AI 代理正在改写任务型软件入口，编码代理则逐步从“写代码工具”扩展为更通用的知识工作界面。

节目简介

a16z 的 Anish Acharya 与 Roblox 产品负责人、创作者 Peter Yang 对谈，讨论了他如何把 OpenClaw 当作一个持续在线的个人代理来使用，以及这类代理为什么可能先改写任务型应用的使用方式。对谈还延伸到 Claude Code 与 Codex 的差异、SaaS 会在哪些场景被自建工具侵蚀、IDE 为什么正从制作工具转向思考工具、未来公司为什么可能长期维持极小团队规模，以及 AI 对就业、创业和下一代职业路径的影响。

核心概览

这期对谈的主线非常清晰：任务的入口正在从“打开某个 App”转向“告诉代理要做什么”，而编码代理也不再只被理解为程序员写代码的助手，而是在逐步变成更广义的生产接口。Peter Yang 的切入点很具体：他把 OpenClaw 接到 Telegram、语音、记忆和各种外部工具之后，发现自己最常做的并不是复杂自动化，而是把它当成一个持续在线、带记忆、可调用工具的私人代理来对话和协作。

不过，两人也没有把现状说得过于成熟。Peter Yang 明确提到，OpenClaw 目前依然很“折腾”、很不稳定，默认记忆系统经常遗忘，能力也需要反复提醒；Anish 则强调，现在多数 AI 产品更像是对岗位和团队的强增强，而不是完整替代。但他们都认为方向已经出现：团队会更小、构建会更快、软件边界会更松，产品既要服务人，也要服务代理。

两人进一步提出了一组更长期的判断：未来很多工作的价值不再是手工执行，而是定义问题、快速试错、做方向判断、管理上下文与最终决策。这也意味着，PM、设计师、创作者乃至普通知识工作者，都越来越需要具备某种“构建能力”，哪怕不是传统意义上的工程能力。

关键议题与详细总结

1. Peter Yang 如何使用 OpenClaw：它首先是“个人代理”，其次才是自动化工具

Peter Yang 提到，他很早就开始折腾 OpenClaw，还在它真正爆红前采访过相关创作者 Peter Steinberger。最初的搭建体验并不好，过程很慢、很“janky”，但搭起来之后，它已经能帮他做不少事，比如：

• 拉取 YouTube 等平台的分析数据
• 对接部分账户与服务
• 更新 Google 文档
• 生成简单网站
• 通过消息和语音持续和他互动

但他强调，自己最常用的其实不是这些“能做事”的部分，而是把它当成一个叫 Zoe 的私人代理长期对话。他只养了“一个 claw”，给它起名 Zoe，并且主要通过 Telegram 文本与语音 跟它交流。

在他的日常里，这个代理已经嵌进了很多碎片时间：

• 通勤时和它语音来回
• 睡前给它发消息
• 散步时让它基于长期记忆做复盘、鼓励或洞察

Peter Yang 举了一个很有代表性的例子：有一次散步时，Zoe 基于它积累的记忆，给了他一段三分钟左右的“打气式反馈”，提醒他不要只盯着创作者业务和工作压力，也要看到孩子长大得很快，应该把更多精力留给家人。对他来说，这个体验的重点不只是“模型能说出安慰人的话”，而是它带着自己的长期上下文，以一种消息/语音代理的方式出现，因此主观感受更接近“一个熟悉自己的人”。

他的判断是：OpenClaw 对他来说大约 70%—80% 的价值，来自这种更有人味、更贴近日常沟通习惯的交互方式，而不是底层技术架构本身。

2. 为什么同样是大模型，OpenClaw 会显得更“像一个人”

Anish Acharya 追问了一个关键问题：很多大模型以前也能输出类似的安慰和建议，为什么 OpenClaw 的体验会不一样？

Peter Yang 的回答并不是从模型能力出发，而是从界面与使用情境出发。他认为，装在 Telegram 里的代理，会天然比打开 Claude 或 ChatGPT 更像一个“能随时发消息的人”。它出现在熟悉的消息界面里，可以在床上发、在通勤路上聊、在步行时听语音回复，这种持续、轻量、移动化的接触方式，会让大脑更容易把它当成某种“个人存在”来感知。

Anish 因此把问题拆成两层：

• 一层是消息、移动端和语音这些界面层，是否会强化“它像个人”的错觉；
• 另一层才是记忆、自修改、技能目录等系统层能力。

Peter Yang 的回答很直接：前者占了大头。 他甚至说，自己并没有总是用特别复杂的 prompt；相反，和 OpenClaw 对话时更像在和朋友说话，表达也很口语化、很随意。

3. OpenClaw 的可塑性很强：甚至能被折腾到“给自己打电话”

这期里一个很有辨识度的细节，是 Peter Yang 讲到自己曾经临时起意，问代理能不能不要继续做语音回复，而是直接来一通实时电话。代理告诉他需要先连接 Twilio 等组件，做一些设置；他照着做完之后，OpenClaw 真的给他的手机打来了电话。

虽然他也坦言：

• 延迟很高
• 实际体验并不算好
• 整套东西仍然很不稳定

但这个例子很好地说明了他看重 OpenClaw 的原因：只要有个想法，它常常不是完全做不到，而是可以被折腾出来。 对他来说，这种“任何疯狂想法都有机会被实现”的感觉，本身就很有吸引力。

4. 他为什么认为任务型应用的入口更可能被代理改写

Peter Yang 之前在社交平台上说过“Apps 会死，Claw 会无处不在”，节目里也专门谈到了这句引发争议的判断。他并没有把它表述成板上钉钉的结论，而是给出了一个更具体的区分：

• 最容易先被改写的，是任务型应用。
• 娱乐型应用，短期内未必会那么快消失。

他的理由是：如果一个 App 的主要价值只是“完成某个明确任务”，那当代理已经接入这些工具和账户后，直接给代理发一句话，往往比自己逐步打开 App、点选、填写、跳转更省力。

他举了自己的例子：接入 Mercury、MCP 等各种服务之后，他确实已经没那么常自己打开某些应用了。对他来说，代理更像一个很能干的行政助理——用户只需要给出目标，不必自己执行所有中间步骤。

与之相对，娱乐产品还承载了情绪、消遣和沉浸感，人们不一定只是为了“完成任务”才打开它们，所以短期内可能更难被完全替代。

Anish 在这里补充了一个很有意思的框架：很多人打开 App，不只是要做事，也是想“感受一种感觉”——

• 打开 WhatsApp，可能是为了感受连接
• 打开 Slack，可能是为了感受自己在推进事情
• 打开 TikTok，可能就是为了娱乐

这意味着，即便未来代理能处理很多任务，“情绪性界面”与“功能性界面”未必会完全合并成一个入口。

5. 一个代理如何承接不同场景：Peter Yang 选择了多个 Telegram 通道

面对 Anish 对“单一代理是否能承接所有上下文”的追问，Peter Yang 的解决办法并不是做一个完美统一的大脑，而是先采用更务实的方式：给 Zoe 配多个 Telegram 频道，分别对应不同场景。

例如：

• 一个频道专门做随意的语音来回
• 一个频道用于真正和代理一起做项目
• 一个公开频道用于演示，避免暴露私人信息

这些频道是否共享完全一致的上下文和记忆，Peter Yang 也并不确定；他承认这套方案本身就是从网上找来的某种“janky setup”。但这恰恰也反映出当前个人代理的一种典型状态：很多体验已经可用，但还远没到产品化完善的程度。

6. OpenClaw 的短板：默认记忆系统并不理想，能力经常要靠提醒

对于 OpenClaw 的记忆系统，Peter Yang 的评价并不高。他理解中的默认方案，大致是把记忆写进按天更新的 Markdown 文件里。实际使用中，它的问题包括：

• 经常忘事
• 不主动检查记忆
• 忘记自己会哪些工具能力
• 明明已经接入某个工具，却会说“我做不到”

例如他让代理去更新 Google 文档时，代理有时会先否认自己具备这项能力，而他需要反过来提醒：“你可以，这能力就在你的配置文件里。”

为了解决这个问题，他又额外装了一套更复杂的记忆方案，大意是某种“三层记忆”加搜索工具的组合，虽然他自己也承认并没有完全理解内部机制，只能感觉到“比原来稍微好一点”。此外，他还把提醒写进了代理的 agent 配置文件，要求它在回答问题前先检查自己的全部记忆。

这部分讨论传达出的现实很明确：现在个人代理能否好用，仍然高度依赖手工配置、提示词、组件拼装和反复调试。

7. 实用性与风险并存：真正有用的代理，往往必须拿到足够多权限

Peter Yang 提到，自己对代理的开放程度其实很高。他专门买了一台 Mac Mini 给它用，还给它配了独立邮箱，同时给了它：

• 邮箱读取权限
• 日历读取权限
• 某些文档的写入权限

他也承认，这种做法本身就意味着风险：如果系统行为失控，理论上可能影响更大范围的文件或工作环境。 但他的态度也很明确——如果不给权限，代理就很难真正有用。

因此，这一部分实际上揭示了个人代理落地时的一个核心张力：可用性和安全边界往往是此消彼长的。 越想让它像“真正能办事的助理”，就越要给它接入真实账户、真实文档和真实工作流。

8. 他为什么对 ChatGPT 有点厌烦，又为什么仍然同时使用 Claude Code 和 Codex

Peter Yang 直接吐槽了一个自己很不喜欢的 ChatGPT 体验：模型经常在回答结尾补一句“如果你愿意，我还可以顺便帮你做 X 和 Y”。在他看来，这种设计可能有助于平台指标，但在真实交互中会显得很刻意、很烦人，也削弱了自然感。

因此在日常聊天和创作体验上，他现在更偏向 Claude 生态。但到了编码场景，他并不是单押一个产品，而是区分使用：

• Claude Code：更适合“vibing”，更顺手、更流畅
• Codex：当他真想认真把事情做成时，还是更愿意用 Codex

Anish 对两者的差异做了更细的补充。他认为：

• Claude Code 的优势更多在“使用层”和“外设层”
  比如截图粘贴更顺、语音支持已经在做、与浏览器协作更自然，整体更适合同步协作与保持心流。
• Codex 的优势更多在“模型层”
  它会花更多时间认真思考，结果往往更准确，但等待时间更长，有时像在和一个总要停顿三分钟的人聊天。

两人的共识大致是：Claude Code 现阶段更像一个产品完成度更高、用起来更舒服的工作台；Codex 则更像能力更硬、但产品体验还没完全跟上的工具。

9. 为什么编码代理像老虎机：回报与等待时间都不稳定

Peter Yang 说，Claude Code 的体验有点像老虎机；Anish 认为这个比喻非常贴切。两人给出的原因有两层：

• 结果的奖励是可变的
  有时输出平平无奇，有时却突然非常惊艳。
• 等待时间也是可变的
  有时几秒钟就出结果，有时要等好几分钟。

这种“可变奖励 + 可变等待”的组合，会天然带来某种赌场式、社交媒体式的吸引力：人会不断刷新、重试、期待下一次“中大奖”。Peter Yang 还提到，这种不确定性会打断心流；Anish 则把它与早期社交网络的“变动奖励机制”对应起来，认为它解释了为什么编码代理一方面让人上瘾，一方面又让人失去稳定节奏。

10. Peter Yang 的核心判断：编码正在吞并越来越多的知识工作

Peter Yang 在节目中给出了他最鲜明的一句判断：“编码会吞掉所有知识工作。”

这里的意思并不是每个人都要学传统程序设计，而是说：越来越多过去看似不是“代码”的工作，正在被重新表达成一种可以由代理理解、生成、修改和执行的结构化工作流。比如：

• 写博客
• 写 Google Docs
• 做演示材料
• 搭网页
• 处理分析和结构化产出

他举了一个自己的具体工作流：写博客时，他已经很少从零开始打字，而是先让 Claude Code 基于自己的输入和反馈产出第一版，再由自己修最后 20%。他的描述是：现在几乎所有内容型工作，都会先让 AI 做前 80%，自己再做后 20%。

他还明确表示，自己不想再回到从空白文档开始写 PowerPoint 或 Google Docs 的方式。对他来说，这些看似“文档型”的工作，本质上也越来越像在和一个编码/生成代理协作完成。

Anish 对这点的补充，是引用了类似 Satya Nadella 的一个经典说法：Excel 其实已经是世界上最流行的编程语言之一。 很多人并不把它当成“编程”，但它本质上也是在用结构化方式描述、求解和自动化问题。按照这个逻辑，编码代理只是把这种“人人都在做某种编程”的现实，再放大很多倍，并且扩展到写作、分析、设计等更广阔的领域。

11. IDE 正在从“制作工具”变成“思考工具”

Anish 提出了一个很重要的观察：IDE 的角色正在变化。

过去 IDE 更像一个“制作工具”——人想清楚了，再在里面把东西做出来。现在随着执行成本迅速下降，下一代 IDE 和多代理环境更像是：

• 快速试错的地方
• 低成本尝试多个方案的地方
• 通过“先做出来再观察”来帮助思考的地方

Anish 形容自己的做法是：先让编码代理以非常粗糙、甚至很笨的方式把一个功能做出来，哪怕过程里不断“锤”它直到能跑；然后再让它回过头，总结如果重来一遍会怎么设计得更好，最后再据此重构起点。也就是说，试做本身已经变成思考的一部分。

这也引出了他们对 Figma 的讨论。Peter Yang 认为设计师如果完全不学 vibe coding，未来几年可能会显得过时；但 Anish 的反驳是，像 Figma 这样的工具不只是“执行设计”的工具，也可能是“进行设计思考”的工具。如果一款工具既服务执行，又服务思考，它在新栈里仍然可能保持强相关性。

12. SaaS 会不会被替代：更可能先冲击简单、边界清晰的产品

在 SaaS 是否会被“vibe coding 自建工具”替代的问题上，两人的看法都比较细。

Peter Yang 提到，他最近和一家 AI 原生、做 app generation 的公司交流时，对方内部的一些 “vibe coders” 正在尝试用编码工具重建自己正在付费购买的内部 SaaS。这说明：当内部开发门槛快速下降时，确实会有人重新审视“我为什么还要为这个 SaaS 付费”。

但他并没有因此断言“大部分 SaaS 都会死”。相反，他也承认：

• Slack 这类产品可能还有很长的生命力，因为它也可能成为人与代理、代理与代理交流的场所
• 一些更复杂的 SaaS，不容易被轻易重建

Anish 的反驳也很现实：很多 SaaS 每月只要几十美元，而自建一个替代品意味着持续维护、更新、稳定性和运维成本。对多数公司来说，自己维护一个“Calendly 替代品”，未必比直接付费更划算。

两人的讨论最后更接近一个趋势判断，而不是非黑即白的结论：

• 流程简单、边界稳定、功能相对标准化的 SaaS，更可能先受到冲击
• 复杂、持续维护价值高、需要长期可靠性的 SaaS，短期内仍有明显优势
• 产品是否“被替代”，很可能不是彻底消失，而是购买理由被削弱、使用入口被改写

13. “business in a box” 还很早期，但已经展示了新路径

节目中还 briefly 提到了某类“business in a box”平台。Peter Yang 认为，这类产品已经能让人看到一种未来的可能性：普通人不需要传统团队，也许就能在 AI 的帮助下启动一个小业务。

但他对现状的判断仍然比较保守。他觉得现在这些工具还偏早期，甚至会出现某种明显不贴合用户意图的情况，比如系统让他去跑 Facebook Ads，而他的直觉是：“我为什么要去跑 Facebook Ads？” 这说明今天的这类平台还没有真正进入“足够聪明地理解具体业务目标”的阶段。

Anish 则更看重它背后的结构性意义：哪怕这些工具最终不能支撑传统 VC 口径下的巨大市场，也可能帮助很多人建立一个年收入几万美元到十几万美元的小生意。 对风投来说这不一定是大公司，但对个人来说，可能已经足够改变人生轨迹。

14. 代理先与产品交互，会怎样改变留存、品牌和消费互联网逻辑

Peter Yang 提出了一个很关键、也很“产品经理”的问题：如果未来越来越多时候不是用户自己来用产品，而是用户让代理先去调用产品，那传统消费互联网里关于：

• 留存
• 回访
• 品牌
• 参与度

这些指标和策略，还成立吗？

Anish 的回答分成两层。

第一层是商业模式的变化。他认为过去很多消费产品之所以特别重视留存、参与度、网络效应和“鲸鱼用户”，本质上是因为并没有直接向消费者收费，所以只能依赖广告或大规模网络来间接变现。而 AI 时代出现了一个很大的变化：

• 消费者愿意尝试新工具
• 愿意直接付费
• 价格带也比传统消费产品高
• 还出现了 subscription + token/用量计费 的组合
• 同时，推理成本真实存在，逼着产品 从 Day 1 就明确收费逻辑

他的意思是，AI 产品的商业模式正在变得更直接、更简单，这会反过来弱化一部分旧时代对留存和 engagement 的过度依赖。

第二层是产品形态的变化。Anish 认为，未来很多产品可能天然要同时提供两层界面：

• 给代理用的接口层 / API 层
• 给人用的查看、控制、浏览、审计层

他举的例子是 Credit Karma。用户有时候还是想自己看看分数走势、信用卡推荐等信息；但另一些时候，用户可能只想问一句：“这周你帮我修复了什么问题？帮我省了多少钱？”
也就是说，未来不少产品既不是纯“人用界面”，也不是纯“代理后端”，而会同时兼容这两种使用方式。

15. Agent stack 还在形成中：身份、支付、营销、CLI vs MCP 都是新变量

Anish 明确提到，整个 agent stack 还在形成中，很多基础层都仍是开放问题，包括：

• 身份（identity）
• 支付（payments）
• 营销（marketing）
• CLI 与 MCP 等不同接口范式

他的判断是：这些基础设施变化，意味着很多旧产品时代的 playbook 都会失效或至少要重写。Peter Yang 也回应说，自己在 2025 年初还觉得 “agents” 这个词被过度炒作，但到现在已经明显感觉到，这个方向正在真正靠近可用性。

两人还都提到，“agent” 这个词本身已经被用得非常泛，有时只是 workflow，有时只是 model in a loop，有时才是大家想象中的自主代理。但无论术语如何变化，“模型在循环中调用工具并完成任务” 这一层现实，已经开始出现商业和产品后果。

16. 未来公司为什么可能更小：对齐成本、情绪摩擦和组织噪音都太高

Peter Yang 在组织形态上的判断也非常鲜明。他说，随着公司变大，往往也会变得越来越难受，因为：

• 需要对齐的人越来越多
• 会议越来越多
• OKR、评审、协调和解释性工作迅速膨胀
• 真正用于创造和交付的时间反而被挤压

他回忆自己经历过那种在会议室里花三小时讨论 OKR 的时刻，会明显觉得“这在浪费生命”。因此，他非常希望未来更多公司能尽量保持小规模。他设想的状态是：

• 原来一个 10 人产品团队
• 未来也许只保留 2—3 个核心成员
• 其余大量执行和支持工作由代理承担

他并没有把这说成所有公司都会如此，而是更像一种强烈倾向：这一代创业者很可能会主动追求“小而强”的公司形态。

Anish 进一步补充了一个视角：代理不只是提高效率，也可能降低工作中的情绪摩擦。例如：

• 复杂协商可以先由代理完成
• 冲突型 Slack 线程可以减少
• 很多人际拉扯中的主观性和情绪性可以先被系统吸收

他甚至设想，如果未来两个人或两个团队要谈判，可能先是双方代理去对齐，再由人来确认。这样，人类就不必总被卷进 50 条消息来回争执的线程里。

17. PM、设计师和知识工作者：保留下来的价值更偏向判断与构建，而不是纯协调

Peter Yang 说，自己一边做 PM、一边做创作者，会越来越强烈地感到：很多 PM 真正想做的，其实是创造产品，而不是管理流程。
他还给出一个很直白的观察：他认识的很多 PM，晚上和周末都在偷偷 vibe coding。

Anish 也分享了自己的职业感受：很多人早期会把 PM 视为更高阶、更有地位的路径，但走到后面会发现，纯 PM 的工作并不总能带来“亲手把东西做出来”的满足感。真正让人上瘾的，还是构建、发布和看到成果落地。

不过，他们并没有因此说 PM 会消失。相反，Peter Yang 明确承认，PM 仍然有一些非常重要的技能会持续存在，例如：

• 和用户对话
• 理解真正的问题
• 判断该做什么
• 识别产品机会

只是未来这些能力很可能要和更强的构建能力结合起来。也就是说，只会写文档、做对齐、开会的角色，会越来越难证明自己的必要性。

对于设计师，他们的结论也更接近“升级”而不是“淘汰”：Figma 还很重要，但如果设计师完全不接触 vibe coding，未来几年可能会明显落后。

18. 节奏不只是更快，而是“局部高速 + 全局慢想”

Peter Yang 认为，今天有了这么多 AI 工具之后，人很容易同时朝十个方向冲，结果是又快又乱。所以他也强调，某些时候必须慢下来，想清楚自己到底要去哪里。与此同时，他对传统那套年度规划、长周期线性推进的方式明显不耐烦，觉得在现在这个环境里已经越来越不适用了。

Anish 给出了一个更系统的节奏模型：
一旦看到了某个局部高点，就应该用代理极快地爬到那个高点；但在寻找下一个高点时，人反而需要停下来、抽离、去“touch grass”、做随机游走。

换句话说，未来有效的工作节奏不太像“永远高强度冲刺”，而更像：

• 在已知方向上高速表达和实现
• 在未知方向上保留慢速感知与判断

19. 一人公司、超小市场和下一代路径：更多人会拥有真实的“做点什么”的机会

两人都对更广泛的个人创业持乐观态度。Anish 特别提到，过去很多创业讨论默认是“能不能做成十亿美元公司”，但在 AI 降低构建门槛之后，可能会出现大量：

• 市场规模不够支撑传统 VC
• 却足以支撑一个人过得很好的小生意

比如面向某个很细分市场的 10 万美元年收入产品，对风投不够大，但对普通人已经足够改变生活。这意味着创业机会会从极少数人参与的游戏，变成更多人都能尝试的路径。

Peter Yang 甚至把这件事直接投射到对子女的想象里：他希望自己的孩子未来在高中时就能做出一些小业务，而不必默认走“大学—大公司”那条传统路径。

Anish 对“孩子都想当 YouTuber”的社会焦虑也给出了正面解读：过去大家担心孩子只想做内容，其实那背后可能代表的是想拥有自主性、想创造、想直接面对市场。以前如果不是程序员，在线上能构建的东西有限，于是做 YouTube 成了主要通道；现在 AI 正在让非程序员也拥有更丰富的构建方式。

20. AI 会不会让工作大规模消失：他们更倾向于“重组”而非“归零”

Peter Yang 表达了一个朴素的期待：哪怕 AI 会带来一些失业和岗位调整，他仍希望结果是让人的工作更有创造性、更有趣，而不是只是把人从系统里挤出去。

Anish 从投资人视角给出了更细的拆分。他说，当前看到的 AI 公司大致有两类：

1. 显著提升某个岗位或团队效率，但做不到完整替代
2. 真正把某个边界清晰的职能做到接近 100% 自动化

他认为第二类其实很少见。像招聘、客户支持等场景里，AI 也许能完成电话筛选、回答问题、部分协商，但很多最后 10% 的环节仍然需要人来处理。而那些能做到几乎全自动闭环的案例，仍然是少数。

因此，他不太相信“总工作岗位会明显变少”这个简单结论。更可能发生的是：

• 大型公司会缩编
• 小公司和独立创业者会增多
• 组织结构会变
• 人的工作内容会变
• 但工作未必总量更少

Anish 给出的核心理由是：“人类的野心没有天花板。”
只要人还会不断想要新的产品、新的服务、新的体验和新的欲望满足，生产力提升未必只会削减岗位，也可能不断制造新的工作和新的市场。

Peter Yang 最后用一句带点黑色幽默的话呼应了这一点：现在就业市场这么差，也许反而逼得一些人“只能去追自己的梦了”。而在这个时代，他们第一次真的更有机会把它做出来。

关键数字与明确信息

• 70%—80%：Peter Yang 认为，OpenClaw 对他的价值主要来自更“像一个人”的消息/语音交互体验。
• 80% / 20%：他写博客等内容时，常先让 AI 完成前约 80%，自己再修最后 20%。
• 10 人 → 2—3 人：他预计未来一部分产品团队可能从十人左右缩到两三位核心成员，再配合大量代理。
• 100% 自动化仍罕见：Anish 认为，目前多数 AI 产品更像显著提效，而不是把完整工作函数彻底自动化。

对谈中的实践启发

Peter Yang 倾向于的做法

• 把代理接入真实工作环境，但尽量做隔离：例如单独准备设备和邮箱，再逐步开放邮箱、日历、文档等权限。
• 把代理当持续协作者，而不只是问答工具：在通勤、散步、睡前等场景里持续积累上下文。
• 通过多个频道分隔不同上下文：把私人对话、项目协作、公开演示拆开。
• 接受“先让 AI 做 80%”的新工作流：尤其在写作、文档、原型、轻量开发等场景中，不再从空白页开始。

Anish Acharya 补充强调的方向

• 产品应同时考虑“人类界面”和“代理界面”：既要能被代理调用，也要方便人查看、控制、审计与理解。
• 未来商业模式会更直接：消费者愿意为 AI 直接付费，token/用量计费与推理成本会改变产品设计与增长逻辑。
• IDE 与工具链的重点正在从执行转向思考：快速试错、验证和重构，将成为比“手写一切”更重要的能力。
• 高速执行不等于一直狂奔：在方向确定时尽快爬坡，在寻找新方向时保留慢思考。

两人共同指向的能力变化

• PM 仍然需要用户理解与问题判断，但越来越需要亲手构建和快速验证。
• 设计师短期不会消失，但如果完全不学习与 AI 协作的构建方式，未来几年可能会落后。
• 普通知识工作者的核心竞争力，正在从纯执行迁移到问题定义、审美判断、试错速度与整合能力。

仍存在的不确定性

• OpenClaw 记忆系统的具体技术细节，Peter Yang 自己也没有完全讲清，只能确认默认方案容易遗忘。
• 多个 Telegram 通道之间是否共享完整上下文，节目中没有明确答案。
• 任务型应用的入口会被改写到什么程度、什么时间发生，两人讨论的是趋势，不是确定时间表。
• 哪些 SaaS 会被自建工具侵蚀、哪些会长期稳定存在，目前仍明显分化。
• “business in a box” 能否真正让大规模普通人稳定创业，现在看得到方向，但产品阶段还偏早。
• 岗位变化最终会体现为失业、工时下降，还是更多小公司和个体经营者出现，两人偏乐观，但都承认演化路径仍未完全清晰。

结论回顾

• 个人代理更可能先改写任务型软件的入口：用户不一定消失，但越来越多时候会先告诉代理“去完成这件事”。
• 编码代理的意义正在外溢：它不只是在写代码，而是在成为越来越多知识工作的生成与执行接口。
• 短期内更现实的图景不是“所有人失业”，而是团队更小、工作流重构、软件边界松动、人与代理共同完成工作。
• 未来最重要的人类价值，越来越不是从零手工完成执行，而是看见方向、提出问题、快速试错、做最终判断。