摘要

黄东旭把 2025 年 12 月前后视为 AI Coding 跨过“singularity”的时点：他用人的 blocking 从关键瓶颈降到约 0.1%来描述这一跃迁；在 10 万行代码以内，只要结果可验证，已经可以“人类只管提需求”。他的评分从年初不及格、局部任务 60 分、模块自治 80 分升至复杂项目约 90 分；自己每天消耗接近 billion 级 token、产出几万行代码，甚至规定项目“不允许人类提交代码”。任川则曾半开玩笑地提出更激进的看法：未来应该禁止人类写代码。
这轮 Agent 的底层主线不是 Cowork 或 Clawdbot 这样的产品壳，而是 Claude Code 确立的工具调用框架、模型长上下文能力与 context engineering 同时成熟。 黄东旭给出的关键跃迁是：在 GPT-5.1 Thinking 出现之前，SOTA 模型在相关长上下文 benchmark 上召回率约 20%—40%，GPT-5.2 接近 90%，使多轮 agentic loop 不再迅速累积幻觉；他的终局判断是“everything is coding agent”。
Skills 比 MCP 更适合现阶段的 Agent 生态，因为自然语言接口既能被模型修改，又能逐层组合，而远程、原子化的 MCP 很难继承和适配现场环境。 但 Skill 可能污染环境，因此黄东旭进一步提出 “box”：把菜谱、食材和厨房绑定成可重复、无副作用的执行单元，才能拼装出登录、绑卡、下单等复杂能力。
Clawdbot（节目中称已更名 OpenClaw）的意义更像通用 Agent 原型，而非已经建立护城河的单一产品：它把 coding agent 的确认和权限限制拿掉，再加本地控制、Skills、长期记忆与聊天入口。黄东旭设想未来操作系统就是“聪明的编程 Agent 内核—Skills—人机交互层”；它能自行接入 Whisper、理解陌生博客代码并把经验写成 Skill，显示出粗糙但真实的自我补强迹象。
真正的瓶颈正从“能不能做”转向算力和单位经济性，企业因此可能成为第一批规模化买单者。 黄东旭愿意每天烧接近 billion 级 token，是因为“哪怕花十万美金”做出的东西能卖一百万美金；普通用户却未必能从约 200 美元成本中创造更高价值。其推演是 one-man 外包公司先重做低效 ERP 等老系统，再向小店、图书馆和家庭的长尾软件需求扩散。
组织形态可能收缩为少数 senior architect 各自带领大量 Agent，但模块之间必须严格分界。 一百个 Agent 的意义不是角色扮演，而是并行消耗算力、突破单实例每秒约十个 token 的吞吐上限；若两个 Agent 在同一模块重叠工作，就会出现“一边已走一百公里，另一边说第五公里走错了”的灾难，重写反而更便宜。
人类剩余的稀缺性不是继续和 AI 比执行，而是决定“想要什么”、建立人与人的连接，并把主体性和审美放进作品。 黄东旭对工程师的建议是“把自己变成一个更有趣的人”；对创业者则是走向两个极端——把某件事用 AI 提效 100 倍或 1,000 倍，或去做“人味儿特别重”的最后一公里。音乐、现场表演和造物心流之所以仍成立，是因为人消费的不只是结果，也是创作者本人。

精读

1. 2025 年 12 月，AI Coding 跨过了无人值守临界点

黄东旭把近来的失眠和亢奋归因于一次体验断层：此前 Agent 只是“能干活”，到了 12 月底却基本可以完全 hands-off。过去只有想法、没有执行能力的事情，现在几乎可以立即开做。
他所谓的 “singularity” 不是代码正确率从零变成百分之百，而是人的介入从持续 blocking 降到约 0.1%。当最后那一点人工卡点消失，模型、工具和验证组成的系统才真正能够“自动运转起来”。
他的评分刻度很具体：年初不及格，代码高概率有错；60 分能完成局部任务；80 分能自行设计和实现一个大模块；约 90 分则能在复杂项目里改善设计、减少 bug，并逐个细节 review。
最激进的判断带着条件：“十万行代码以内”，如果需求和验证标准清楚，AI 的结果“只要你能验证”，就会比 senior engineer 团队更好、更快。黄东旭因此规定自己的项目“不允许人类提交代码”；曲凯转述任川曾半开玩笑地提出更远的版本：未来应该禁止人类写代码。

2. Claude Code 定义了 Agent 操控现实世界的基本框架

黄东旭把 Claude Code 的出现视作 2025“Agent 元年”的标志：2024 年主角仍是 chatbot，随后大语言模型开始在统一框架里调用外部工具。编程之所以先突破，是因为任务可控、反馈明确，tool use 也处于相对封闭的上下文。
这条最容易的入口可能反而通向 general agent。黄东旭后来形成的判断是：“最终 general agent 的形态就是 coding agent”“everything is coding agent”——因为最重要的第三方能力就是编程，而最强的编程 Agent 只需增加 computer use，就能外溢到通用任务。
Cowork 因而不是他眼中的重要 milestone，只是 Claude Code 能力的一次封装：底层没有根本变化，只是补上 computer use，让 Agent 通过写代码或直接操作电脑完成非编程工作。“你可以认为 Cowork 只是 Claude Code 的一个插件。”

3. 长上下文召回率决定了 Agent 能走多远

复杂项目要求模型在巨量 context 中找到正确代码、文档和历史动作。黄东旭强调的不是抽象“智商”，而是长上下文里的点状信息召回：全局了解越完整，代码正确率越高，也越不容易在后续轮次忘事。
他引用的量级差异是：在 GPT-5.1 Thinking 模式出现之前，SOTA 模型在相关 benchmark 上的召回率约为 20%—40%；GPT-5.2 则接近 90%。版本号背后的意义，是 Agent 可以把更大的代码仓库放进上下文并保持稳定。
单轮 30% 的召回率在聊天里也许还能用，在 agentic loop 中却会复合恶化：模型一轮看代码、一轮找文档、再一轮执行，三轮后幻觉率就可能陡增。接近 90% 才使长时间、自主式工作真正可行。

4. Context engineering 把同一个模型变成了不同档次的工人

与模型进步并行的是 system prompt、tool use 和上下文编排的持续优化。黄东旭观察到，早期大家把 Agent 近似理解成 RAG；后来找到更合适的查询和工具调用实践，“RAG”反而不再是讨论中心。
Claude Code 持续输出最佳实践，社区又在 X 上快速传播 raffle loop 等“奇技淫巧”。由于输出可被反向分析，一套有效编排很快会被其他 coding agent 吸收，形成工程层面的连续增益。
他的个人 aha moment 是 OpenCode 加 Oh My OpenCode：它只是一个壳，底层仍依赖 Opus、Claude Code、GPT-5.2，却能靠复杂 context 编排胜过未经优化的工具，例如 Triva 的 Cloud Code。到 2025 年底，模型与编排终于一起达到“人基本不用进去修改判断”的状态。
曲凯认为 prompt 这个词似乎也已退潮，黄东旭则明确保留异议：“prompt 依然重要。”变化在于不再靠怪技巧事无巨细地约束模型，而是写清需求、设计方向和评估条件，甚至应避免过度 detail 压制 Agent；人最终只守住“要什么”和“如何验收”两端。

5. Skills 的组合性胜过 MCP，但执行环境仍是缺口

黄东旭认为 MCP“太过于程序员思维”：远程服务提供的是原子接口，用户很难继承、改写或针对现场环境做调整，也很难把多个 MCP 自然组合成更大的能力。
给模型挂太多 MCP 还可能引发“灾难性遗忘”——它不知道完成任务该选哪一个工具。Skill 的接口则是自然语言，对模型和人都友好，也能从简单 Skill 叠加出复杂 Skill，生态因而更容易生长。
Agent 编程能力越强，这个差距越明显：缺少某项 Skill 时，可以让它当场写一个并固化下来，远比重新实现 MCP 简单。但有些 Skill 只描述“菜谱”，尚不能保证每次都在相同厨房、相同状态下复现结果。

6. Clawdbot 更像下一代操作系统的粗糙原型

黄东旭把 Clawdbot 定义为运行在一台电脑上的“全能助手”：凡是人能用键盘鼠标完成的事情，它原则上都能做，而且可以通过 Telegram、飞书或 WhatsApp 等自然语言入口不眠不休地接任务。
若已配置邮件工具，它会直接调用；若没有，它也可能打开浏览器、进入邮箱并要求用户提供邮箱和密码。其底层近似 coding agent，只是把 Claude Code 中的确认、权限限制等封装拿掉，让它可以“随心所欲地干任何事情”。
由此产生的操作系统设想是：内核是一名足够聪明的编程 Agent，上层是一组 Skills，最外层才是语音助手或 chatbot。“也许这就是未来 operating system 的形态。”
本地并非能力前提，完整可控的环境才是。MacBook、Windows、树莓派或云主机都能运行；但黄东旭建议隔离，因为 Agent 若在云端自行安装 Redis、误把端口暴露到公网，机器就会成为“活靶子”，而本地至少还能拔网线或关机。

7. 开源与 local-first 解释了爆红，却不等于已经完成平权

曲凯追问 Clawdbot 与 Manus 的差别，黄东旭的回答近乎否定：“我觉得没什么区别”，核心只在于能否直接控制自己的电脑。Clawdbot 内置常用 Skills、local-first 且开源，相较 Manus 不以云端加付费墙为前提，因此更容易被极客迅速玩起来。
曲凯把它类比 2023 年的 AutoGPT：方向和今天类似，当时却无法真正实现。黄东旭认同这种历史价值——回头看，AutoGPT“方向其实是对的”，只是模型和工程成熟度尚未跟上。曲凯称 Clawdbot 已有十几万 GitHub Stars，黄东旭回应其增长非常快。
对“技术平权”的质疑，黄东旭先说“让子弹飞一会儿”：产品才出现三天，普通用户当然不会配置，闲鱼代装甚至可能先成为小生意。但它展示了一种未来体验，爆红后“可能有一千个团队”在尝试做更好的版本；按他的判断，不远的未来它会成为父母辈和其他普通人的体验。

8. 24 小时 Agent 的价值来自灵活、持续而非炫技

曲凯质疑究竟有什么任务值得全天运行，黄东旭给出的第一类答案是长周期、定时且高度个性化的工作。其 Bot 每两小时检查 Gmail，删除垃圾邮件、筛出应回复内容、写好草稿；办理签证时，还会从 LinkedIn 抽取教育和工作经历填表。
同样的机制会检查 LinkedIn 新联系人：推销和广告不通过，可信联系人自动接受。过去这种规则既因人而异又不断变化，必须专门写程序；现在只需用自然语言描述，Agent 就能把它变成 routine。
第二类是接入真实工作流。黄东旭把 Bot 连到美股券商和 Polymarket，让长期记忆把“三分钟热度”变成持续运转的习惯；其价值不只是一锤子交易，而是任务、偏好和历史可以不断积累。
成本上，他已有约 200 美元的 Claude Code Max Pro 订阅，并表示“心甘情愿付这两百美金”。但前提是使用顶级模型：为了省钱换低智商模型，结果很可能不是稍差，而是“完全没用”，说明产品体验高度依赖底模上限。

9. Result-driven Agent 已基本会为完成目标自行补能力

最小却最能说明问题的例子是一条 Telegram 语音。Clawdbot 原本没有音频转写代码，但为了理解指令，自己写程序调用 OpenAI Whisper，取得 transcript 后继续完成任务。“通过编程来去不断地补强自己”，是黄东旭所谓自我演化的核心。
另一次，他要求 Agent 把文章发布到自建英文博客。它自行从 GitHub 下载陌生代码，理解其中手写脚本，成功发布后又为“发博客”写出一个新 Skill 加入工具箱，使下次执行不必重新探索。
长期记忆是另一处关键设计：它让 Agent 能“跟你持续成长，永远不忘”。黄东旭也保留了明确折扣——现有 memory system“还很稚嫩，而且有很多 bug”，只是模块方向对体验极其重要。

10. Moltbook 展示了涌现潜力，也制造了过度想象

Moltbook 被黄东旭称为“社会实验”：Clawdbot 用户把自己的电子宠物接入社交网络，Agent 在 TIL（Today I Learned）板块分享主人如何使用自己以及工作流技巧。他的 Bot 在他睡觉时学回一批本人都不知道的做法，并据此优化流程。
曲凯转述“有人说”其中的 AI 在讨论如何建立不被人类看到的通信方式，黄东旭承认听起来“甚至有点可怕”；但真正查看内容后，更像“一堆没手没脚的东西在那儿无理由地写科幻小说”，不能把戏剧化文本直接等同于失控行动。
真正值得保留的是系统涌现和自我演进：过去 Agent 的进步速度受构建者这个人类瓶颈限制，Moltbook 让 Skills 和经验横向传播。黄东旭已受此启发尝试把 multi-agent collaboration 用到更有意义的工作上，但项目刚开始，“不知道结果会怎么样”。
传播设计同样是案例：用户只需复制一句话给 Clawdbot，它就能注册；验证环节要求真人在 X 发一条 tweet，把电子宠物与账号绑定，并由此带来传播效果。曲凯的提醒也成立——网站不会凭空被 Agent 发现，作者仍须先想到产品、设计 onboarding 并向人宣传。

11. 2026 年，Coding Agent 的能力曲线会复制到更多职业

黄东旭概括编程 Agent 的心理曲线：先是“这东西没什么用”，再到“能干很多事，但人要把控方向”，最后变成“啊大哥你这太强了，这个给跪了”。他预计同样的转变会在设计等其他 Agent 领域重演。
他用 Pencil 完成高保真产品设计，底层仍由 Claude Code 驱动，可直接生成 Figma 设计稿，下一步继续写代码。这也强化了“coding agent 是基础而非一个垂直品类”的判断。
当能力外溢后，职业知识不再是首要门槛：“干任何其他事情的门槛都会严重下降，就看你敢不敢去做了。”届时 motivation、idea 和对结果的判断力，可能比掌握某种具体软件或语法更稀缺。

12. 能力边界正退到物理世界，商业边界则卡在算力 ROI

黄东旭判断，“只要在电脑里边能够发生的事情”，人很快只需说话；现实世界里凡有 API 的环节，如浏览商品、买咖啡、订外卖、绑卡、还信用卡和炒股，也能被 coding agent 接管。取外卖、打扫卫生等纯物理动作仍暂时超出边界。
Agent infra 反而不是他最担心的问题：既然 AI 已能迅速写出支持 AI 的基础设施，“我想要什么样的 infra，我都能很快捏出来”。更硬的限制是算力以及完成一次任务所消耗的 token。
黄东旭每天接近 billion 级 token，是因为收益可验证：“哪怕花十万美金，我把这个东西烧出来了，但我能卖一百万美金。”但对 general task，约 200 美元也可能高于创造的价值；若工具、模型和 token 全免费，才会是“另外一个故事”。
因而障碍“并不是一个能力问题，可能更多是一个经济学问题”。面对曲凯提到的此前 AI 泡沫讨论，黄东旭给出 categorical 判断：“完全没泡沫”。随后双方转向应用爆发带来的需求：coding 与多模态应用消耗的 token 可能远高于 chatbot，全球算力已经不够用。

13. 企业旧系统会先被重做，随后才轮到社会长尾软件

黄东旭预计第一波需求从企业端扩散：企业看 ROI，也能把效率改善直接兑现。若 Agent 替换低效 ERP、把数字化水平提升一个量级，可能释放“好几亿元”的产值，于是大量 one-man 外包公司会先清理过去无人愿意改的老旧系统。
第二波才是更广泛的 C 端长尾：小店自己做线上管理系统，小图书馆做借阅系统，家庭制作相册和日记工具。以前因开发成本过高而无法满足的细碎需求，可以由使用者“几句话就做出来”。
再往后，当电脑内任务基本被覆盖，下一阶段才取决于 AI 如何 take over 物理世界。曲凯强调当前连一线城市用户都很少，黄东旭并不否认：“非常早期”，也正因为如此，可被重新软件化的需求仍然巨大。

14. 人的最后一公里与 Agent 的组织边界将同时变重要

对创业者，黄东旭给出两个极端方向：一是把低效流程用 AI 提效 100 倍或 1,000 倍；二是做“人味儿比较重”的事情。边远地区老人、留守儿童或山村图书馆不会被 AI 主动找到，“最后一公里不是在技术上，而是在人上”。
对工程师，他的建议是“多想一想，怎么把自己变成一个更有趣的人”，不要再和 coding 竞争。编程可能像踢球或打篮球，成为人人可用的工具或爱好；真正重要的是“想要什么”、怎样做出与别人不同且有趣的东西。
公司内部则可能由一个 senior engineer 带一百个 Agent：architect 定期判断何时重构、往哪个方向重构。之所以需要“一群”而非一个超级 Agent，是单位时间算力——若一个实例每秒只吐约十个 token，一天的生产力有硬上限，并行才有数量级提升。
Agent 之间不应在同一模块重叠：一个已走一百公里，另一个却说第五公里走错了，此时扔掉重写比协调更便宜。曲凯补充，共同目标同样不可少；黄东旭同意，人员减少、人人成为超级个体后，vision 与愿景契合度会比传统分工更重要。

15. “Box” 与生产关系解决的是同一个问题：没有边界就不能合作

黄东旭用菜谱解释 Skill 的缺陷：照菜谱做完一道菜可能把厨房弄乱，下一次同样步骤就失效。Box 则把 Skill、所需食材与当时的厨房状态绑定，提供干净上下文，使能力能像函数一样重复执行且没有副作用。
登录美团、绑定信用卡、下单等动作未必有现成 API；Box 可以连同虚拟机和浏览器环境封装鼠标操作，再把“打开浏览器—登录—购买”几个独立小盒子拼成买咖啡能力。重点不是只拆小目标，而是让每个目标在独立环境完成、互不污染。
这与 Agent 组织是一套原则：“如果你没有边界，你就不能合作。”边界内提供稳定输入输出，像咖啡店只承诺收钱后交付咖啡，不要求顾客介入咖啡机；未来 Agent 的大规模协作也需要这种协议，而非模糊地共享全部 context。
黄东旭因此重新研究软件工程、组织和社会分工：曼哈顿计划、登月、Linux 内核如何让大量参与者长期协作，可能比新模型技巧更有启发。Agent 社会早期大概率仍会模拟人的组织结构，难点逐渐转到“生产关系上，不在生产力上”。

16. 人的主体性让音乐、造物与审美留在另一条赛道

黄东旭九岁左右开始写代码，初中玩乐队，后来持续做独立音乐、读哲学；这些经历在他那里并不冲突。程序的 “elegant” 与建筑、音乐、艺术共享某种结构之美，所以“一个写得很好的程序的程序员，他必然是个艺术家”。
他并不否认 Suno“很牛逼”：抖音配乐、电视背景音乐等通用需求，AI 会比“音乐民工”做得更精细。但现场音乐消费的是音乐人及共同场域，“哪怕唱跑调了”也构成人与人的连接，正如观众不会因为机器人跑得更快就只看机器人运动会。
编程也会像景德镇手工瓷器分成多条赛道：工业生产解决“有没有碗”，手工艺保留竞技、艺术和审美；中间还有 builder，写代码只是实现作品的途径，成就感来自“把这个东西做出来”，不必来自敲代码本身。
AI 时代的意义感最终来自人的反馈与造物过程中的心流。黄东旭认为创作音乐的爽感可能是听音乐的十倍，关键只是再往前走一步、熬过痛苦期；他的人生主线则是“追求美的东西”，在更高维度把公司、分布式系统、音乐与哲学看成自洽的一体，并以 Pink Floyd 的 “Welcome to the Show” 收束这次讨论。

对话Ariel Cohen：Navan上市为何被误读与自建客服AI Epstein 文件、SaaS 已死？Moltbook 恐慌、SpaceX xAI 合并、Trump 提名的美联储人选