摘要

Peter认为，OpenClaw价值的“70–80%”来自个人化 Telegram 交互界面，而不是一次重大的能力跃迁。 Zoe 的语音对话、记忆能力，以及把随口提出的 Twilio 请求变成实时电话的能力，让它显得像人、也足够可塑；但默认记忆“没那么好”，通话延迟偏高，Peter 还得提醒它能调用哪些工具。核心逻辑是亲密感加可扩展性，眼下的风险则是体验毛糙、权限管理和召回不可靠。
面向任务的应用会先于娱乐产品遭遇 agent 去中介化，因为给一个像行政助理的 agent 发消息，比打开软件完成一项杂事更容易。 Peter 接入 Mercury 等服务后，打开这些应用的频率下降，但仍会打开 X，因为那里提供的是一种感觉；Anish 的反驳是，应用也在划分意图和上下文。Agent-first 产品可能需要双重入口——由 API 或 MCP 执行任务，再配一个面向人的信息流或活动日志；直接收取订阅费和 token 收入，也可能降低对广告时代那套留存机制的依赖。
Peter说，“编程将吞噬所有知识工作”（“coding will eat all knowledge work”），而 AI 已经为他的博客初稿产出前80%，剩下20%由他手动修正。 他不再从零开始，Anish 则认为，随着人们开始与 agent 对话，代码本身正被进一步抽象掉。Peter 以 Excel 这种易上手的编程语言为例，认为 coding agent 可以做到“1,000倍”（“times 1,000”），并延伸至文档、演示文稿和其他主观性工作，但最后一公里仍限制着全面自动化。
SaaS 压缩将是选择性的：Calendly 等简单工具更容易被替代，而复杂系统以及每月20美元的维护经济性仍能保护在位厂商。 一家 AI-native 应用生成公司已经在用 vibe coding 制作内部替代品，但 Anish 追问，谁愿意负责系统稳定运行和持续更新；至于 Figma，Peter 说“还没有定论”。它可能的防线，是继续充当设计思维的工作环境，而不只是一个制作工具。
Peter说自己是 Claude 用户，但仍在使用 Codex；Anish 则用 Codex 做真正的东西，用 Claude Code“凭感觉折腾”（“vibing”）。 Anish 认为搭载 Opus 4.6 的 Claude Code 更健谈，更适合同步协作；Peter 则说 Codex 思考更深入、准确率更高，但停顿时间长到足以打断流程，并把 Claude Code 称作“老虎机”。最终胜负可能取决于运行框架细节和个性化程度，而不只是模型质量。
AI 应该压缩协调层：Peter希望10人的产品团队缩减为2或3个人加上 agents。 Anish 认为，相比人类，agents 更容易被纠偏和对齐，也可能接手一部分情绪负担较重的工作，但产品判断仍然稀缺。工作节奏会变成“快与慢”两种速度：先冲上一个局部最优，再停下来“出去走走”，寻找下一座山。
劳动力市场更可能迎来工作重新分配，而不是岗位瞬间消失，因为Peter说完整的岗位职能自动化仍很少见，人类还要完成“最后5%”。 招聘是增强而非替代的例子；Decagon、HappyRobot 和 Sierra 等客服产品则代表较罕见的100%自动化案例。Peter预计，1万人以上的大公司会承压，并希望一人公司增加；Anish 则认为“人类的野心没有上限”，生产率提升可能换来2x效率、每周4天工作制，或大量TAM仅为10万美元的生意。

精读

1. OpenClaw的护城河在于亲密感，但记忆仍会失灵

Peter 对 OpenClaw 的实际用法更像在用陪伴型产品，而不是执行工具：Zoe 会抓取 YouTube 和 Mercury 的分析数据、更新 Google Docs、搭建小网站，但 Peter 大多数时候只是通过语音和它聊天，请它打气或给出“深度洞见”。最让他受到触动的一次，是 Zoe 提醒他，孩子很快就会长大，他应该把优化目标放在和孩子相处的时间上。
当 Anish 追问这套系统相较于现有语言模型究竟多了什么，Peter 指向的是亲密感：Telegram 像是一个可以“躺在床上发消息”、通勤时也能聊天的人。Peter 估计，这一层个人化体验贡献了“70–80%”的价值。Anish 推测，Peter Steinberger 可能正准备把类似的行动能力带进 ChatGPT。
另一项价值在于可塑性。Peter 随口提出想打一个实时电话，按照 Zoe 给出的 Twilio 指引完成设置并排查问题，最后真的接到了电话；延迟虽然很差，但“能把它跑通，本身就相当厉害”。相比他为 Claude 写的复杂提示词，他和 OpenClaw 交流时“就像和朋友说话一样”。
局限也很具体：据 Peter 理解，默认记忆系统是一个每天更新的 memory.md 文本文件，但它仍然频繁遗忘。他又加了一套自己也没有完全搞懂的三层系统，其中包括 Toby 的 QMD 搜索工具和一个2 GB的扩展。他的配置使用 Mac mini，开放了邮件和日历读取权限，以及范围受限的文档写入权限，并没有接入整个 Drive。

2. Coding agents拓宽软件边界，但对SaaS的冲击并不均衡

Peter 说自己是 Claude 用户，但仍在使用 Codex。Anish 的区分是：“Codex 是我想认真做点东西时用的，Claude Code 则是我随便折腾时用的。”他认为搭载 Opus 4.6 的 Claude Code 更健谈，也更适合同步协作；Peter 则说 Codex 思考更深入、准确率更高，但一次3分钟的停顿会打断节奏。Peter 把 Claude Code 称作“老虎机”（“slot machine”），对应的是社交媒体的可变奖励机制。
Anish 反对只比较模型能力，理由是运行框架细节同样重要：Claude Code 可以接受粘贴的截图，较早提供语音支持，还能与 Claude in Chrome 沟通，而 Codex 无法与 Atlas 对话。Anish 说，hooks、skills 和 plugins 让 Claude Code 在完成定制后更像一款个人工具；Peter 则是在读完 Boris 的长篇文章后完成了自己的定制。Peter 认为 Codex 是“好得多的模型”，Anish 则预计 OpenAI 会补齐运行框架上的差距。
SaaS 面临的威胁确实存在，但冲击并不均匀。Peter 提到，一家 AI-native 应用生成初创公司正用 vibe coding 替换付费的内部工具；对于 Calendly 这类简单产品，他随后追问：“我为什么要为它付费？”Anish 的反驳是维护经济性：在每月20美元的价格下，始终在线、持续更新的软件可能仍比自己拥有一个定制克隆更划算。
Figma 是更尖锐的测试案例。Peter 说“还没有定论”，设计师仍在使用 Figma，但只会 Figma 的人“几年内”可能就会落伍。Anish 区分了制作工具和思考工具：他自己的方法是先做一个朴素的功能，不断逼 agent 把它跑通，再追问本来应该怎样做，然后重来。Figma 的机会，在于继续保留设计思维的角色。

3. 编程吞噬知识工作，并压缩公司规模

Peter 最宏观的判断是，“编程将吞噬所有知识工作”（“coding will eat all knowledge work”）。他认为 Lovable 当天刚上线了制作演示文稿的能力；如今他在 Claude Code 里写博客文章，先让 AI 产出“前80%”，再手动修正最后20%：“我从来不再从零开始。”Anish 说，人们与 agents 对话时，代码正被越来越彻底地抽象掉。
Peter 援引 Satya 的说法：Excel 是一种编程语言，有1亿多人、甚至可能更多的人在使用它。他认为 coding agents 可以把这一能力放大到“1,000倍”（“times 1,000”）。这意味着，文档以及其他主观性工作，也可能被纳入编程范式。
组织层面的判断是团队会变小。Peter 希望一个10人的产品团队变成2或3个人加上 agents，从而避免他称为“浪费我的人生”的3小时 OKR 会议。Anish 设想，agents 更容易被纠偏和对齐，也能把人类从部分情绪负担较重的 Slack 升级处理中抽离出来。产品经理仍需做用户探索和问题筛选，但还要做原型、收集反馈并身兼数职；Peter 的悲观判断是，很多公司内部根本没有能产生重大创新的人。
提速需要两种节奏。Peter 警告，AI 让团队很容易同时朝10个方向奔跑，而传统年度规划已经失效；Anish 则认为，agents 应该先沿着一个局部最优快速上冲，把一个洞见充分展开，然后团队必须“放慢，几乎停下来，出去走走”，寻找下一座山。产品市场匹配仍然需要随机游走，而不是永远沉迷于“生产力色情”。

4. Agent-first产品改写分发与变现

Peter 在承认自己发出的推文想法“没有想得特别周全”后，收窄了“应用会死”的判断。那些需要打开应用才能完成任务的产品会最先失去使用量：接入 Mercury 等服务后，他打开这些应用的频率下降，转而给 Zoe 发消息。娱乐产品的生命周期更长——他仍然是“Twitter 瘾君子”——因为这类应用提供的是一种感觉，而不只是执行一笔交易。
Anish 的反例是，应用本身会按意图分工：WhatsApp 负责连接，Slack 负责生产力，TikTok 负责娱乐；但一个 agent 必须区分用户是在工作还是在调情。Peter 的解决办法是设置多个 Telegram 频道：闲聊语音、共享项目，以及不含私人信息的公开演示；但他也承认，这套配置很毛糙，而且不同上下文之间可能无法共享记忆。
Peter 提出了尚未解决的商业问题：如果 agents 先触达产品，当用户看到的只有 API 或 MCP，留存和品牌会发生什么？Anish 坦率回答：“我不知道。”但 AI 也让消费产品的经济模型变得更简单：用户愿意支付订阅费和高价，token 消耗又增加了一条收入来源；真实的推理成本则迫使公司从第一天就收费，而不是只依赖广告和用户参与度。
Anish 预计，产品会提供 API，让 agents 处理重复性事务。Peter 补充了一种可能的移动端形态：保留面向人的信息流、把任务交给 agent 的入口，以及记录 agent 做了什么的日志。Credit Karma 的例子是，产品既保留用户查看信用分历史和优惠的能力，也可以让用户询问：“这周你帮我修好了哪些东西？”身份、支付、营销，以及 CLI 与 MCP 的分工都还在形成中，Peter 因此总结说，“旧剧本大半都会失效”。

5. 自动化会先重新分配工作，再消灭工作岗位

“开箱即用的生意”模式可能把创业扩展到风险投资无法覆盖的规模以下。Peter 提到的产品 Post 已经展现出早期雏形，不过它给出的 Facebook 广告建议仍显得泛泛；Anish 更强的判断是，分散的、TAM为10万美元的机会，仍然足以改变一个人的人生。Peter 希望自己的孩子高中就开始做自筹资金的生意，未来甚至跳过大学和公司职场。
谈到岗位替代，Peter 区分了显著增强和罕见的端到端自动化。招聘 AI 可以筛选候选人、回答公司问题、甚至谈判薪酬，但无法带候选人参观或完成入职；人类仍要处理“最后5%”。Decagon、HappyRobot 和 Sierra 等客服产品代表较罕见的100%自动化案例，把买方对产品的认知从昂贵软件改成廉价劳动力，但至少在今天，这类产品仍属例外。
Peter 认为，经济正在从1万人以上的大公司大规模裁员，转向更小的公司和一人公司。Anish 同意经济形态和集中度可能发生变化，但不愿对净就业作判断：“人类的野心没有上限”，“人类的欲望也没有上限”。生产率提升可能换来每周4天工作制，也可能带来2x效率——“我完全不知道”。Anish 说，他在2025年还认为 agents 被过度炒作，如今却看到它们“确实开始来了”，Peter 表示认同。

158: V4发布前的DeepSeek：人才竞争、组织特点和独特的AGI目标|Solo 现代战争的现状：Palantir 与 Anduril 高管谈无人机、AI与传统战争的终结