業內專家齊聚，AI Agent 時代的思考與突圍

null

如今，代理人經濟早已不再是科幻概念，它帶來的不只是效率的躍升，更是經濟組織方式的重構與再分配。特別是開源專案OpenClaw在全球爆火，進一步推動大型模型從實驗室走向規模化應用，各方爭相加入代理人入口爭奪戰。

那麼，大型模型到底該選哪一家？代幣資源能否足夠支撐長期使用？不跟隨OpenClaw（龍蝦）潮流就會被時代淘汰？在這場加速演進的AI變革中，個人又該如何自處與突圍？

帶著這些疑問，4月3日，徐家匯科創、上海市分布式共識技術協會、PANews和曼昆律師事務所聯合舉辦了一場名為「別‘蝦’焦慮」的主題活動。

在「擁抱不可預測的AI浪潮」的主題演講中，Conflux樹圖首席架構師李辰星表示，目前將更多自主權交給AI，而非以人類有限經驗過度約束，是當前技術階段的必然趨勢。AI目前表現出的「欠考慮」問題，本質在於其在複雜情境中難以穩定捕捉並持續記憶關鍵上下文約束。從技術結構來看，AI主要依賴參數記憶、上下文記憶與外部記憶，但這些機制仍存在更新困難、視窗受限與呼叫效率不足等問題。因此，未來應重點強化外部記憶呼叫能力，探索持續學習與經驗重用機制，並透過垂直領域實踐逐步沉澱經驗型記憶，以提升AI在真實複雜情境中的決策完整性與可靠性。

他也指出，目前AI的核心進展主要體現在自主分析與反思能力的增強，未來隨著記憶能力的提升，有望突破關鍵瓶頸，並對各行各業產生深遠影響。比如，目前數位身分與數位支付體系上的潛力長期受制於開發與使用者門檻，而AI有望透過降低開發成本、以代理人方式取代使用者學習過程來釋放其價值。整體來看，AI不應被視為就業威脅，而是推動生產力提升與新機會誕生的關鍵工具，個人與產業應保持開放心態，主動探索AI融合路徑。

據騰訊雲Workbuddy產品架構師馮河清指出，隨著大型模型能力顯著提升，AI已從早期僅支援程式碼補全等基礎輔助開發，發展到能夠獨立完成複雜任務；其中，自訂代理人的核心能力體現在端到端任務支援、多角色協作、分層記憶系統以及基於上下文的智慧任務拆解，同時透過多代理人協同實現任務間的資料流轉與平行處理，並在安全層面採用本地資料儲存與關鍵操作人工確認機制以確保資料安全。在應用層面，WorkBuddy已涵蓋履歷篩選、PPT自動生成、資料分析與週報整合等典型辦公情境，並可透過企業級整合能力對接企微等系統，實現統一任務管理；其技術架構強調全棧自研、執行環境隔離及企業級權限管控，支援本地與雲端部署。在商業模式上，可面向企業研發及高頻數位化辦公崗位使用者等。整體來看，WorkBuddy旨在透過自訂代理人與多任務協同能力提升企業生產效率，並透過持續最佳化任務拆解能力與生態擴展，進一步強化其在複雜企業情境中的適配性與落地能力。

Biteye和XHunt創始人Teddy主要圍繞數位員工實踐、大型模型應用與成本問題、技術配置與安全風險以及協作方式最佳化等內容展開分享。其中，在數位員工實踐方面，為了降低模型幻覺和程式碼出錯率，需要引入更高階的審查型代理人對低階代理人生成的程式碼進行二次複查，形成強制性的程式碼評審流程；由於目前代理人編寫程式碼仍存在一定bug，可以透過規範化開發流程、強化提示詞設計以及增加多輪校驗機制來減少錯誤。同時，在營運類情境中，需要重點控制發文頻率，並盡量透過後端API進行統一排程以確保穩定性。在複雜團隊協作環境下，Discord通常比Telegram更適合代理人協同與任務分發，而在資源管理方面需特別注意代幣消耗。此外，代理人系統仍需要人類投入時間進行訓練、調優與行為校正。

在OpenClaw的安裝與部署方面，Teddy建議可選擇在閒置電腦或Mac Mini上運行，具備較高的自主控制權，整體程式碼開源，強調隱私保護能力，並能接入國際化生態體系，但其安裝與配置門檻相對較高。在使用過程中需要特別注意模型與頻道配置的修改風險，避免因配置不當導致系統異常；出現問題時可借助Grok和Gemini等工具進行協助排查。同時，在安全層面需防範提示詞攻擊及惡意skill注入等風險。在資源與成本方面，也需要關注代幣消耗控制，以避免運行成本過高。

曼昆律師事務所合夥人律師趙暄在主題演講中，分享了AI時代創業者需關注的三大法律問題及解決方案。其一是組織外殼，即一人公司（OPC）所營造的「虛假隔離」，表面上形成獨立實體，實則難以真正隔離責任與風險，需要建立真正的物理和法律隔離，包括架構上引入合夥人，使用專屬對公信用卡並在合約中插入AI免責聲明與賠償上限；其二是核心資產所有權問題，努力不等於權利，需要證明自身統治權，完整記錄創作過程並存證；其三是平台霸權帶來的「拔網線」的系統性風險，包括上帝條款、技術鎖定等，分離核心資料與第三方服務，提前規劃替代方案，並引入去中心化技術。

「從狂熱到清醒，VC眼中的AI真需求與偽命題」的圓桌中，多位投資人就AI的發展階段、應用邊界與投資邏輯等方面進行了分享。

水滴資本創始合夥人巨蟹認為，AI仍處於發展早期，要真正達到使用者體驗成熟、被廣泛認為「有意義」的階段，還需要較長時間。他指出，AI技術迭代速度極快，單純依賴技術領先難以形成長期護城河，因此投資應更關注具備不可替代性的基礎層能力，例如算力等核心資源。在應用層面，他舉例稱，類似「龍蝦」這類工具對一般程式設計使用者並不友善，但未來可能更適合被封裝成「家庭醫生」等垂直情境應用，透過即時健康資料提供專業建議。同時，他認為AI在企業端可以取代研報等資訊生產工具，但無法取代最終決策角色，只能作為輔助決策工具存在。

Enlight Capital創始合夥人Tang Yi則表示，目前AI投資領域較難形成明顯的非共識機會，大型模型的快速迭代可能持續「抹平」應用層公司的優勢。他相對看好Web3與AI的結合方向，認為兩者分別代表各自領域的先進生產力。針對OpenClaw等開源工具，他認為其相當於為大型模型賦予「手」與「腳」，增強了與外部系統和社交應用的連接能力，但同時也帶來較高的安全與資料風險，因此需要複雜配置，不適合一般使用者；目前更理想的路徑是透過封裝提升整體易用性與體驗。

First Rule Ventures投資人Yinghao則從使用者與產品角度出發，關注深水區產業應用、AI創作、軟硬體結合等方向的應用機會，並透過使用者行為與互動資料來評估專案潛力。他指出，即便不親自嘗試所有新興AI產品，也不意味著會錯過關鍵趨勢，因為技術能力往往會被快速模組化並融入既有產品體系。

相較於單一產品，他更關注三點長期結構性變化：一是AI交互是否正在形成新的記憶載體，讓使用者的認知與工作沉澱在某個系統中；二是這種記憶是否具備跨產品遷移的能力，還是會逐步被綁定在單一產品中，從而形成高遷移成本與體驗鎖定；三是是否會出現新的超級入口，成為AI交互與流量分發的核心樞紐。

曼昆律師事務所合夥人律師趙暄在AI產品使用中，更傾向把工具用於資料處理、檢索和分析，並期待未來能出現更多一體化產品來整合這些能力。他也強調，AI創業中更重要的是避免一次性重大失敗，建議企業在早期就重視資料合規、仲裁條款、免責條款等關鍵法律設計，以在出現不可控風險時盡可能實現風險隔離與責任保護，從而避免單點風險導致公司整體崩潰。另外，他也展望道，未來代理人將成為主要的經濟執行主體，負責資料取得、資訊購買、策略執行甚至跨系統交易，從而形成機器對機器的經濟活動與支付體系。

在主題為「AI的N種打開方式，聊聊創新者的機遇」的圓桌討論中，多位嘉賓從不同視角探討了AI正在帶來的變化。矩陣智能CEO Zeno提出，使用者可以透過自己更改腳本或外掛，把多台設備打通，實現多位一體的記憶同步與狀態一致性，讓資訊不遺失、任務不斷線，同時還可以加入每日淨化／復盤機制來維持系統穩定。相較於使用現成工具，使用者基於企業級權限或平台能力進行深度客製更高效、更自由，也更容易做出符合個人習慣的工作流程。展望未來，他認為AI會成為一個統一入口，使用者只需要透過一個AI中樞進行交互，就能呼叫各種工具和系統完成所有任務。隨著使用增加，AI會不斷累積使用者的記憶、偏好和工作流程，形成資料與能力的飛輪效應，變得越來越懂使用者、效率越來越高。在這種趨勢下，個人透過配置AI系統與支付訂閱成本，可能獲得遠超傳統人力的生產力提升，從而顯著拉開人與人之間的效率差距。

ClawFirm.dev聯合創始人0xOlivia披露，AI實際使用中，仍然存在系統不穩定、記憶與自動化能力碎片化等問題，使用者需要像搭樂高一樣不斷去拼接各種工具和腳本。對於非高階使用者，直接採用成熟的商業平台並結合官方應用與持續迭代能力，往往比高度碎片化的自建系統更穩定、更高效；同時過度引入開源元件可以進一步增強資料處理與內容生成能力。她強調，目前AI的主要限制並不在模型能力本身，而在於工程化的使用方式尚未完全匹配模型能力，因此仍有巨大的最佳化與落地空間。未來隨著大型模型能力正在快速增強，AI的應用情境會逐步覆蓋工作與生活的各個方面，並持續與不同產品形態融合。

Biteye/XHunt創始人Teddy在談到AI數位員工時指出，可以透過API或自動化介面將AI接入內部系統，使其承擔程式碼生成、需求落地、內容處理等具體執行任務，而人類則專注於產品設計與需求定義，從而保留關鍵決策權。這種協作模式，更具穩定性與擴展性，不僅能提升整體開發效率，還能顯著降低錯誤率，使AI更像一個可調度、可管理的外包團隊，而不是單一工具。他同時還強調，凡是流程化、重複性強的工作，都具備被AI改造或取代的可能，即使初期效果不穩定，長期也會持續最佳化並逐步增強生產力。在複雜任務與管理決策領域，AI也已開始展現出顯著輔助能力，並正在向更高階業務情境滲透。

AI應用開發高級工程師豆哥補充指出，大家普遍認同AI外包化、自動化與工具化協作的趨勢，而從企業角度，則更需要重點考慮安全性、權限管理、員工協作機制以及資產沉澱。目前市場存在多種AI開發框架與工具生態，分別在輕量化、低程式碼、高整合與安全控制等方向上各有側重，企業在選擇時需要在靈活性與可控性之間做出平衡，並結合實際業務情境進行架構設計。而真正理解和落地這些AI系統不能只停留在理論層面，而是需要實際投入與使用成本。他強調，AI正在加速重塑工作流程與組織結構，無論是個人還是企業，都必須快速適應這一變化，透過持續學習與工具化應用提升效率，否則很容易被技術迭代速度所甩開。