Saat ini, ekonomi Agent bukan lagi konsep fiksi ilmiah. Yang dibawanya bukan hanya lompatan efisiensi, tetapi juga restrukturisasi dan redistribusi cara organisasi ekonomi. Terutama proyek open source OpenClaw yang sangat populer secara global, semakin mendorong model besar dari laboratorium menuju aplikasi skala besar, berbagai pihak bersaing untuk bergabung dalam perang merebut pintu masuk Agent.
Lalu, model besar mana yang harus dipilih? Apakah sumber daya Token cukup untuk mendukung penggunaan jangka panjang? Apakah tidak mengikuti tren OpenClaw (Lobster) akan tertinggal oleh zaman? Dalam perubahan AI yang berkembang dengan cepat ini, bagaimana seharusnya individu menempatkan diri dan melakukan terobosan?
Dengan pertanyaan-pertanyaan ini, pada 3 April, Xujiahui Tech Innovation, Asosiasi Teknologi Konsensus Terdistribusi Shanghai, PANews, dan Mankun Law Firm bersama-sama menyelenggarakan acara bertema "Jangan Cemas 'Lobster'".
Dalam presentasi bertema "Merangkul Gelombang AI yang Tidak Terprediksi", Li Chenxing, Chief Architect Conflux Tree-Graph, menyatakan bahwa saat ini memberikan lebih banyak otonomi kepada AI, daripada membatasi secara berlebihan dengan pengalaman manusia yang terbatas, adalah tren yang tak terelakkan pada tahap teknologi saat ini. Masalah "kurang pertimbangan" yang ditunjukkan AI saat ini, pada dasarnya terletak pada kesulitannya untuk secara stabil menangkap dan terus mengingat batasan konteks kunci dalam skenario kompleks. Dari sudut pandang struktur teknis, AI terutama bergantung pada memori parameter, memori konteks, dan memori eksternal, tetapi mekanisme ini masih memiliki masalah seperti kesulitan pembaruan, keterbatasan jendela, dan efisiensi panggilan yang tidak memadai. Oleh karena itu, di masa depan, harus fokus pada penguatan kemampuan panggilan memori eksternal, mengeksplorasi mekanisme pembelajaran berkelanjutan dan penggunaan kembali pengalaman, serta secara bertahap mengendapkan memori berbasis pengalaman melalui praktik di bidang vertikal, untuk meningkatkan kelengkapan dan keandalan pengambilan keputusan AI dalam skenario kompleks yang nyata.
Dia juga menunjuk bahwa kemajuan inti AI saat ini terutama tercermin dalam peningkatan kemampuan analisis mandiri serta refleksi. Di masa depan, dengan peningkatan kemampuan memori, diharapkan dapat memecah kemacetan kunci dan memiliki dampak yang mendalam pada berbagai industri. Misalnya, potensi sistem identitas digital dan pembayaran digital saat ini dalam jangka panjang dibatasi oleh hambatan pengembangan dan pengguna, sementara AI diharapkan dapat melepaskan nilainya dengan mengurangi biaya pengembangan dan menggantikan proses pembelajaran pengguna dengan cara agen. Secara keseluruhan, AI tidak boleh dilihat sebagai ancaman pekerjaan, tetapi sebagai alat kunci untuk meningkatkan produktivitas dan melahirkan peluang baru. Individu dan industri harus menjaga pola pikir terbuka dan secara aktif mengeksplorasi jalur integrasi AI.
Menurut Feng Heqing, Product Architect Tencent Cloud Workbuddy, dengan peningkatan kemampuan model besar yang signifikan, AI telah berkembang dari dukungan awal hanya untuk pengembangan dasar seperti pelengkapan kode, hingga mampu menyelesaikan tugas kompleks secara mandiri. Inti kemampuan Agent khususnya tercermin dalam dukungan tugas alur lengkap, kolaborasi multi-peran, sistem memori berlapis, dan pemecahan tugas cerdas berdasarkan konteks, sekaligus melalui kolaborasi multi-Agent untuk mencapai aliran data dan pemrosesan paralel antar tugas, serta pada tingkat keamanan menggunakan mekanisme penyimpanan data lokal dan konfirmasi manual untuk operasi kunci untuk menjamin keamanan data. Pada tingkat aplikasi, WorkBuddy telah mencakup skenario kantor tipikal seperti penyaringan resume, pembuatan PPT otomatis, analisis data, dan integrasi laporan mingguan, dan dapat terhubung dengan sistem seperti企微 melalui kemampuan integrasi tingkat perusahaan untuk mencapai manajemen tugas terpadu. Arsitektur teknologinya menekankan pengembangan mandiri penuh, isolasi lingkungan eksekusi, dan kontrol izin tingkat perusahaan, mendukung penerapan lokal dan cloud. Dalam model bisnis, dapat ditujukan untuk pengembangan perusahaan dan pengguna posisi kantor digital frekuensi tinggi, dll. Secara keseluruhan, WorkBuddy bertujuan untuk meningkatkan efisiensi produksi perusahaan melalui kemampuan Agent khusus dan kolaborasi multi-tugas, dan melalui pengoptimalan berkelanjutan kemampuan pemecahan tugas dan perluasan ekosistem, semakin memperkuat kemampuan adaptasi dan penerapannya dalam skenario perusahaan yang kompleks.
Teddy, pendiri Biteye dan XHunt, berbagi terutama seputar praktik karyawan digital, aplikasi model besar dan masalah biaya, konfigurasi teknis dan risiko keamanan, serta optimasi cara kolaborasi. Dalam hal praktik karyawan digital, untuk mengurangi halusinasi model dan tingkat kesalahan kode, perlu memperkenalkan Agent pemeriksa tingkat tinggi untuk meninjau ulang kode yang dihasilkan Agent tingkat rendah, membentuk proses peninjauan kode yang wajib; karena penulisan kode oleh Agent saat ini masih memiliki bug tertentu, kesalahan dapat dikurangi melalui standardisasi proses pengembangan, penguatan desain prompt, dan penambahan mekanisme pemeriksaan multi-putaran. Pada saat yang sama, dalam skenario operasional, perlu mengontrol frekuensi posting, dan sebisa mungkin melakukan penjadwalan terpadu melalui API backend untuk memastikan stabilitas. Dalam lingkungan kolaborasi tim yang kompleks, Discord biasanya lebih cocok untuk kolaborasi Agent dan distribusi tugas daripada Telegram, dan dalam hal manajemen sumber daya, konsumsi Token perlu diperhatikan khusus. Selain itu, sistem Agent masih membutuhkan investasi waktu manusia untuk pelatihan, penyesuaian, dan koreksi perilaku.
Dalam hal instalasi dan penerapan OpenClaw, Teddy menyarankan untuk menjalankannya di komputer yang tidak terpakai atau Mac Mini, yang memiliki kontrol otonomi yang tinggi, kode keseluruhan bersifat open source, menekankan kemampuan perlindungan privasi, dan dapat terhubung ke sistem ekosistem internasional, tetapi ambang batas instalasi dan konfigurasinya relatif tinggi. Selama penggunaan, perlu memperhatikan risiko modifikasi konfigurasi model dan saluran untuk menghindari abnormalitas sistem karena konfigurasi yang tidak tepat; ketika masalah muncul, dapat menggunakan alat bantu seperti Grok dan Gemini untuk membantu investigasi. Pada saat yang sama, pada tingkat keamanan, perlu waspada terhadap risiko serangan prompt dan injeksi skill jahat. Dalam hal sumber daya dan biaya, juga perlu memperhatikan kontrol konsumsi Token untuk menghindari biaya operasional yang terlalu tinggi.
Zhao Xuan, Partner Lawyer di Mankun Law Firm, dalam presentasinya, berbagi tiga masalah hukum utama yang perlu diperhatikan oleh pengusaha di era AI dan solusinya. Yang pertama adalah cangkang organisasi, yaitu "isolasi palsu" yang diciptakan oleh perusahaan satu orang (OPC), yang secara permukaan membentuk entitas independen, tetapi sebenarnya sulit untuk benar-benar mengisolasi tanggung jawab dan risiko, perlu membangun isolasi fisik dan hukum yang sebenarnya, termasuk memperkenalkan mitra dalam struktur, menggunakan kartu kredit perusahaan khusus dan menyisipkan pernyataan penafian AI serta batasan ganti rugi dalam kontrak; yang kedua adalah masalah kepemilikan aset inti, usaha tidak sama dengan hak, perlu membuktikan kedaulatan diri sendiri, mencatat proses penciptaan secara lengkap dan menyimpannya sebagai bukti; yang ketiga adalah risiko sistemik "pencabutan kabel" yang dibawa oleh dominasi platform, termasuk klausul Tuhan, penguncian teknis, dll., memisahkan data inti dari layanan pihak ketiga, merencanakan skenario alternatif sebelumnya, dan memperkenalkan teknologi terdesentralisasi.
Dalam sesi roundtable "Dari Antusiasme ke Kesadaran, Kebutuhan Sejati dan Proposisi Palsu AI dalam Pandangan VC", beberapa investor berbagi pandangan tentang tahap perkembangan AI, batasan aplikasi, dan logika investasi.
Ju Xie, Founding Partner水滴资本, berpendapat bahwa AI masih berada pada tahap awal perkembangan, dan membutuhkan waktu yang cukup lama untuk benar-benar mencapai tahap kematangan pengalaman pengguna dan dianggap "bermakna" secara luas. Dia menunjuk bahwa iterasi teknologi AI sangat cepat, mengandalkan keunggulan teknologi saja sulit membentuk parit pertahanan jangka panjang, sehingga investasi harus lebih fokus pada kemampuan lapisan dasar yang tidak dapat digantikan, seperti daya komputasi dan sumber daya inti lainnya. Pada tingkat aplikasi, dia memberi contoh bahwa alat seperti "Lobster" ini tidak ramah pengguna untuk pemrograman biasa, tetapi di masa depan mungkin lebih cocok untuk dikemas menjadi aplikasi skenario vertikal seperti "dokter keluarga", memberikan saran profesional melalui data kesehatan real-time. Pada saat yang sama, dia berpendapat bahwa AI di sisi perusahaan dapat menggantikan alat produksi informasi seperti laporan penelitian, tetapi tidak dapat menggantikan peran pengambil keputusan akhir, hanya dapat berfungsi sebagai alat bantu pengambilan keputusan.
Tang Yi, Founding Partner Enlight Capital, mengatakan bahwa saat ini sulit untuk membentuk peluang non-konsensus yang jelas di bidang investasi AI, iterasi cepat model besar mungkin terus "meratakan" keunggulan perusahaan lapisan aplikasi. Dia relatif optimis dengan arah kombinasi Web3 dan AI, menganggap keduanya mewakili kekuatan produktif canggih di bidang masing-masing. Mengenai alat open source seperti OpenClaw, dia menganggapnya setara dengan memberikan "tangan" dan "kaki" kepada model besar, meningkatkan kemampuan koneksi dengan sistem eksternal dan aplikasi sosial, tetapi juga membawa risiko keamanan dan data yang tinggi, sehingga membutuhkan konfigurasi yang kompleks dan tidak cocok untuk pengguna biasa. Saat ini, jalur yang lebih ideal adalah melalui pengemasan untuk meningkatkan kemudahan penggunaan dan pengalaman keseluruhan.
Yinghao, Investor First Rule Ventures, dari sudut pandang pengguna dan produk, fokus pada peluang aplikasi di area industri air dalam, kreasi AI, kombinasi perangkat lunak dan keras, dll., dan mengevaluasi potensi proyek melalui data perilaku dan interaksi pengguna. Dia menunjuk bahwa bahkan tanpa mencoba semua produk AI baru secara pribadi, tidak berarti akan kehilangan tren kunci, karena kemampuan teknologi sering kali dengan cepat dimodulasi dan diintegrasikan ke dalam sistem produk yang ada.
Dibandingkan dengan produk tunggal, dia lebih memperhatikan tiga perubahan struktural jangka panjang: pertama, apakah interaksi AI sedang membentuk pembawa memori baru, membuat kognisi dan pekerjaan pengguna mengendap dalam suatu sistem; kedua, apakah memori ini memiliki kemampuan migrasi antar produk, atau akan terikat pada produk tunggal, sehingga membentuk biaya migrasi tinggi dan penguncian pengalaman; ketiga, apakah akan muncul pintu masuk super baru, menjadi pusat inti untuk interaksi AI dan distribusi lalu lintas.
Zhao Xuan, Partner Lawyer Mankun Law Firm, dalam penggunaan produk AI, lebih banyak menggunakan alat untuk pemrosesan data, pencarian, dan analisis, dan berharap di masa depan akan muncul lebih banyak produk terintegrasi untuk mengkonsolidasikan kemampuan ini. Dia juga menekankan bahwa dalam kewirausahaan AI, yang lebih penting adalah menghindari kegagalan besar satu kali, menyarankan perusahaan untuk sejak dini memperhatikan desain hukum kunci seperti kepatuhan data, klausul arbitrase, klausul penafian, dll., untuk memungkinkan isolasi risiko dan perlindungan tanggung jawab sebanyak mungkin ketika muncul risiko yang tidak terkendali, sehingga menghindari risiko titik tunggal yang menyebabkan kehancuran perusahaan secara keseluruhan. Selain itu, dia memandang ke depan bahwa di masa depan Agent akan menjadi subjek eksekusi ekonomi utama, bertanggung jawab untuk akuisisi data, pembelian informasi, eksekusi strategi, dan bahkan transaksi antar sistem, sehingga membentuk aktivitas ekonomi dan sistem pembayaran mesin-ke-mesin.
Dalam diskusi roundtable bertema "Cara Membuka AI, Bicara tentang Peluang Inovator", beberapa tamu membahas perubahan yang dibawa AI dari berbagai perspektif. Zeno, CEO Matrix Intelligent, mengusulkan bahwa pengguna dapat mengubah skrip atau plugin sendiri, menghubungkan banyak perangkat, mencapai sinkronisasi memori multi-pos dan konsistensi status, membuat informasi tidak hilang dan tugas tidak terputus, sekaligus dapat menambahkan mekanisme pemurnian/hasil harian untuk mempertahankan stabilitas sistem. Dibandingkan dengan menggunakan alat jadi, pengguna yang melakukan kustomisasi mendalam berdasarkan izin tingkat perusahaan atau kemampuan platform lebih efisien, lebih bebas, dan lebih mudah membuat alur kerja yang sesuai dengan kebiasaan pribadi. Memandang ke depan, dia percaya AI akan menjadi pintu masuk terpadu, pengguna hanya perlu berinteraksi melalui pusat AI untuk memanggil berbagai alat dan sistem untuk menyelesaikan semua tugas. Seiring dengan peningkatan penggunaan, AI akan terus mengakumulasi memori, preferensi, dan alur kerja pengguna, membentuk efek flywheel data dan kemampuan, menjadi semakin memahami pengguna dan efisiensi semakin tinggi. Dalam tren ini, individu melalui konfigurasi sistem AI dan biaya berlangganan, mungkin mendapatkan peningkatan produktivitas yang jauh melampaui tenaga kerja tradisional, sehingga secara signifikan memperlebar kesenjangan efisiensi antar manusia.
0xOlivia, Co-founder ClawFirm.dev, mengungkapkan bahwa dalam penggunaan praktis AI, masih ada masalah ketidakstabilan sistem, fragmentasi kemampuan memori dan otomatisasi, pengguna perlu seperti menyusun Lego terus-menerus untuk menyambung berbagai alat dan skrip. Untuk pengguna non-tingkat tinggi, mengadopsi platform komersial matang yang dikombinasikan dengan aplikasi resmi dan kemampuan iterasi berkelanjutan, seringkali lebih stabil dan lebih efisien daripada sistem yang dibangun sendiri yang sangat terfragmentasi, sementara memperkenalkan komponen open source dapat lebih meningkatkan kemampuan pemrosesan data dan generasi konten. Dia menekankan bahwa batasan utama AI saat ini tidak terletak pada kemampuan model itu sendiri, tetapi pada cara penggunaan rekayasa yang belum sepenuhnya sesuai dengan kemampuan model, sehingga masih ada ruang optimasi dan penerapan yang sangat besar. Di masa depan, seiring dengan peningkatan kemampuan model besar yang cepat, skenario aplikasi AI akan secara bertahap mencakup semua aspek pekerjaan dan kehidupan, dan terus berintegrasi dengan berbagai bentuk produk.
Teddy, Pendiri Biteye/XHunt, dalam membahas karyawan digital AI, menunjuk bahwa dapat menghubungkan AI ke sistem internal melalui API atau antarmuka otomatisasi, membuatnya mengambil tugas eksekusi spesifik seperti generasi kode, implementasi kebutuhan, pemrosesan konten, dll., sementara manusia fokus pada desain produk dan definisi kebutuhan, sehingga mempertahankan hak pengambilan keputusan kunci. Mode kolaborasi ini lebih stabil dan dapat diperluas, tidak hanya meningkatkan efisiensi pengembangan keseluruhan, tetapi juga secara signifikan mengurangi tingkat kesalahan, membuat AI lebih seperti tim outsourcing yang dapat dijadwalkan dan dikelola, bukan alat tunggal. Dia juga menekankan bahwa semua pekerjaan yang berproses dan berulang, memiliki kemungkinan untuk diubah atau digantikan oleh AI, bahkan jika efek awal tidak stabil, dalam jangka panjang akan terus dioptimalkan dan secara bertahap meningkatkan produktivitas. Dalam bidang tugas kompleks dan keputusan manajemen, AI juga telah mulai menunjukkan kemampuan bantu yang signifikan, dan sedang meresap ke skenario bisnis tingkat tinggi.
Dou Ge, Insinyur Senior Pengembangan Aplikasi AI, menambahkan bahwa semua orang umumnya setuju dengan tren outsourcing, otomatisasi, dan kolaborasi alat AI, dan dari perspektif perusahaan, lebih perlu mempertimbangkan keamanan, manajemen izin, mekanisme kolaborasi karyawan, serta pengendapan aset. Saat ini pasar memiliki berbagai kerangka pengembangan AI dan ekosistem alat, masing-masing memiliki fokus yang berbeda pada ringan, kode rendah, integrasi tinggi, dan kontrol keamanan, perusahaan perlu menyeimbangkan antara fleksibilitas dan kemampuan kontrol saat memilih, dan merancang arsitektur sesuai dengan skenario bisnis aktual. Memahami dan menerapkan sistem AI ini tidak bisa hanya停留在 pada tingkat teori, tetapi membutuhkan investasi aktual dan biaya penggunaan. Dia menekankan bahwa AI sedang mempercepat pembentukan ulang alur kerja dan struktur organisasi, baik individu maupun perusahaan, harus cepat beradaptasi dengan perubahan ini, meningkatkan efisiensi melalui pembelajaran berkelanjutan dan aplikasi alat, jika tidak很容易 akan tertinggal oleh kecepatan iterasi teknologi.
