Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
OpenAI 还做对了哪三件事，让它显得非常的聪明，让它非常有经验感？那分别是统一入口和统一上下文。第二个是持久性的记忆，第三个是丰富的 skills。这三个设计之后呢，就会让用户觉得小龙虾越养越好用，就是越养它越懂我，越养越像一个持续存在的助手。那具体背后它是怎么做到这件事的呢？
我先给大家做一个可被打脸度极高的预言，OpenCL也就是大家常说的小龙虾这个东西呢，会经过一个非常经典的三段式的命运。第一段也就是现在超级火，我们会看到铺天盖地的教程、部署指南，云厂商也会跟上。很多人装上以后会有一个强烈的震撼感，就是原来AI不光可以陪我聊天，而是真的能帮我管事情、读取我的文件、帮我跨平台执行任务，真的帮我持续的干活了。它会给大家带来一个非常强烈的未来以来的感觉。
第二阶段大概就是一两个月后，这里边呢很多人的龙虾会养死，然后哪怕养活的这些人呢，他会发现越用越别扭。比如说，他会把你对于A项目的偏好带到B项目里去，你可能精心整理了一份调研文档，但是他就给你缩减成了三行。
你想知道它到底在后台干什么，但是你只能对着一个正在输入的这样一个状态发呆。你用的越深，越会觉得这个东西虽然很厉害，但是它也非常的拧巴。那第三阶段就是大浪淘沙，有的人呢追求炫酷，他会继续留在手机里边，然后偶尔轻度的去使用它。但是真正追求生产力的人会迁移到别的更有效的工具上去。会发生这样先火后凉的命运，并不是因为 Open Cloud 不厉害，相反恰恰是因为它太厉害了。
他在把 agentic AI 推到大众的这件事情上，做了几个非常极端的取舍。他的设计哲学就是，他为了面向最广泛的用户，所以说这些妥协其实是必要的，但也恰恰是这些妥协。
注定了这个产品它非常适合爆火，但是不适合做深度的生产力，也就注定了它未来必定要凉的命运。但那个时候，它也完成了它的历史使命，就是告诉大家，原来 Agentic AI 已经发展到现在这一步了，它已经能做这么多事情了。小龙虾教育完了市场以后，市场上一定会出来更多更好用的 Agentic AI 的工具。那今天这期视频呢，不是要跟大家说，因为小龙虾必定要凉，所以说我们就不需要去关注小龙虾，而恰恰相反。
我们今天这期视频呢，会非常深度的剖析一下小龙虾到底是怎么火的，它为什么会火，它对我们有什么启示？第二，小龙虾它到底做对了哪些事情？它在哪些关键的事情上做了非常大胆的探索？
导致它这么出圈。第三，这些设计上的妥协或者 trade off 会导致它在哪里边慢慢变得不好用，和为什么它没有办法满足深度生产力的要求。
以及第四，我们如果想要做一个真正能让AI发挥生产力的东西，应该怎么做？我们其实已经把这个东西做出来，并且已经开源给大家，而且我们也开源了很多非常好用的Skills，欢迎大家去免费的试用它。这些里边会涉及一些技术问题，但是我保证跟大家讲的深入浅出，不需要是程序员就可以听懂。如果你本身就在使用Web Code的话，你会更加的感受到这里边真正的门道到底是什么。
我这期视频其实是我们社区里边鸭哥技术文章的一个讲解版。如果大家想去看那些更精准的技术用语和听鸭哥的思想的话，
欢迎直接去社区里边看文章，那篇文章的信息密度其实比我的讲解要大得多。那好，如果你还要听我的讲解的话，我们就一条一条来。第一，小龙虾为什么会火？我们这儿抛一个暴论，就是小龙虾的爆火其实和去年的 DeepSeek 的爆火是同一个现象，以及后面又叠加了一个泡泡玛特的因素。一个一个来拆解，就是什么是 DeepSeek 的爆火？
其实直到现在，应该很多同学不知道去年的 DeepSeek 为什么这么出圈。这里边当然有我们国产的因素，当然有这样小公司的因素，当然有成本的因素，就是这些 DeepSeek 都做得很不容易。但是 DeepSeek 大家一下子觉得那么好用的一个关键因素，就是它打了一个时间差。DeepSeek 把推理模型这件事儿第一次让中文的大众接触到，因为在那之前啊，尤其 O1、O1 Pro，其实这个推理模型。
已经出来了几个月了，我们在教学和社区里面的时候也非常感慨于，就是这个推理模型实在是太厉害了。但是 O1 Pro，比如说它需要200块钱的订阅，绝大多数的人是没有接触到的。包括后面 O1 非 Pro 版也是需要二十美元的订阅，这是小部分人才感受到它有多厉害。但 DeepSeek 一出来，很多普通的用户就感受到了，原来 AI 不光是陪我聊天，它可以想。
它可以搜，它可以去推理，而且我们可以看到它的推理过程，发现它推理的非常有道理，一下子就让AI显得聪明了很多。这个体验的冲击是非常大的，所以说它就一下子爆火了。注意啊，那这里边核心的一点就是说，DeepSeek的爆火并不是它的能力碾压了它的对手，事实上也并没有真正做成的事，是把一小撮用户正在享受的能力推到了大众面前。
那 OpenCL 也是一样的，在 OpenCL 出现的时候，也就是二零二六年年初呢，和 GenAI 其实有一个明显的断层。一方面呢，是我们大众接触的都是 ChatGPT 或者 DeepSeek 这样的聊天类型的产品。
它虽然很流行，但是你的交互方式还是一句话一句话的聊天。另外一边呢是 Cursor、Cloud Code、CodeX、Open Code 这样的 Agent 工具，它有本地权限，能读写文件，能处理命令。
它能调用你整个计算机的算力，它能持续推进任务，它本质呢都是一些 agents。它在生产力的层面已经领先了一整代。那我们其实，在二四年年底的时候就呼吁大家去转向 agents，不要再使用 ChatGPT 这样的工具了。那我们二零二五年整个的课程全都是围绕 agentic 的课程去进行讲述的，包括如果大家去我们的社区里面看，大家做出来的那么多的东西，全都是用 agents 的方式去制作出来的。
可以说啊，就是你在使用AI上一个最大的跨越，就是要从ChatGPT这样的聊天框变成Cursor这样的agents。我们还在社区里边专门发了一个这样的文。
你会感受到一个生产力的十倍、百倍的巨大提升，因为 Agents 一方面它能调度算力，它能使用工具；另外一方面它是闭环的，它自己就可以把任务往前推，它就自己可以迭代。而 ChatGPT 受限于你，你要不停的跟他对话，它是一个开环的东西。
所以用这个开环的东西，你就没有办法真正利用 AI 的强大算力去自动的帮你做事情。好，我们虽然教了这么久，强调了这么久，但是问题是 agents 实在还是太小众了。就我们还出了专门的一节课程嘛，就是 AI 实战的编程基础，就是希望帮大家越过这个门槛。可是上我们那门课的也就三千个人，那三千个人以外，绝大多数的人还是不知道怎么样子去越过这样的门槛。
他们看到了 Terminal，看到了 IDE，就天然的感受到恐惧，就觉得这不是自己该学的，我不是一个程序员，我用不了。其实是可以的，但是大家抱着这样的一个限制性的思维，就没有办法越过这么一个门槛。
那大部分的人，如果你停留在 ChatGPT 或者 DeepSeek 这样的聊天框的时候，你的感觉是 AI 好像没有什么特别大的进展，和两年前差不多。那如果说你真正使用 Agents 的话，你才知道 AI 到底有多么的天翻地覆。这里边不光是普通人啊，就很多在大厂的员工，他们如果没有使用 Cursor，没有使用 Cloud Code，没有用 Agent 的方式去编程的话，他们会觉得 AI 也就那个样。但是他们真正使用了以后，就会感慨：哦，原来我的工作真的马上就可以被 AI 取代了。
好，这个是二零二六年，就是 agents 的能力已经在这儿了。然后大家对 AI 的使用还是停留在 ChatGPT，大家对 AI 的感知还是在这儿。然后 OpenCLoud 小龙虾来了，它第一次呢把这种能读写文件、能执行命令、有持续记忆、能持续迭代的这样的 agents，通过一个聊天窗的形式带给了大众。然后很多普通人就第一次感受到 AI 不是一个你问一句它答一句的聊天机器人，而是一个它能真正帮助你推进任务的助。
所以再说一遍，就像 DeepSeek 那样，Open Cloud 它并不是有什么底层的技术突破，而是把一小撮人已经习惯的能力和已经感受到的技术的天花板，一下子带到了大众面前。
这是非常非常厉害的。其实Peter就是Open Cloud的创始人，本人也在说，就是他不觉得Open Cloud有什么真正厉害的技术，但是把这些东西放到一起的时候，他就有一个非常magical的感觉。所以说，很多产品创新也是这个样子的，并不是说你要发明一个特别厉害的底层技术，它才是创新，而是把这个东西带给大众，它就是一个非常非常厉害的创新。奔驰虽然把汽车发明出来了，但是你需要福特去发明流水线，把汽车的成本极大的降下来，汽车才可以得到普及。
所以说，你说福特和奔驰哪个是更重要的创新？我觉得都是重要的。那泡泡玛特这个就更不要说了，这个是一个消费心理学的事情了，就是大家跟风真的是很爱跟。其实啊，如果说你不会装OpenCLoud的话，那你哪怕真的把OpenCLoud装了以后呢，基本上你的小龙虾都是要养死的。
因为你想要把一个小龙虾养活呢，还是需要一些技术。我们回头也会出一些公开课，教大家怎么样子把小龙虾提高你养活的成功率，并不简单。你要想要小龙虾有用，并不简单。你要想要小龙虾发挥价值，也不简单。一般是你需要有一些业务去自己推动的时候，你的小龙虾才能发挥价值。所以说，这里边你想要把小龙虾用好啊，本身还是有一个门槛的。
甚至在我心里边，比学Cursor比学Claude的门槛还要高。就是我可以一小时一晚上让你就学会怎么样去用Cursor和Claude，让你用Agent的方式去做很多事儿。但是我没有把握说一晚上就让你的小龙虾可以用得很好。可是很多人还会是去跟风的去使用小龙虾。这里边绝对的，我觉得就是这个泡泡玛特的因素占了很大。就是别人有，然后它是一个新潮的东西，我不用的话我就落伍了。那这种一个风磨心态就会驱动很多人去使用。但是这样的心态就会让它起得更高和两。
更快，反而我觉得又是一个不好的，就是当如果你用 Open Cloud，你发现什么都不行的时候，你就觉得哦，那我更加不想学 Cursor 了。你会觉得 Open Cloud 这么难用，那 Cursor 或者 Cloud Code 这些东西我就更难学了。其实不是，Cursor 和 Open Cloud 本身就是更好学和更好用的东西。你小龙虾本身就是更难学和更难用的东西。
但是你错误的跟了这一波风，然后你觉得 agentic AI 不适合你，然后从此让你不敢去使用 agentic AI 了，那我觉得这是一个非常大的危险。就大家一定要知道，小龙虾不好用，它就是本身就是不好用的，本身就是难的，不要因此而放弃去学习和使用 agentic AI。
回过来呢，我们这里有一个关键的启发，那就是在这种爆火的产品的时候，真正长期受益的人，哪怕 DeepSeek 也不是那些第一时间去试用的人，而是那些理解了它为什么火。比如说在 DeepSeek 那里边，他理解了搜索和推理有多么重要，然后把这两个关键因素真正整合到了自己的工作流里边，去做了那些之前做不到的事情的。
那回过来，我们去看 Open Cloud，真正我们想要受益，我们要看懂它为什么火，看懂它背后的设计哲学，把那些可迁移的认知抽离出来，融入到自己的工作流里面。毕竟啊，这种工具肯定会凉的，肯定会过气的，但是对工具背后的理解是不会过期的。那好，接下来我们剖析一下 Open Cloud 做对了什么和它的天花板是什么。我在这里边其实就是阿哥的文章里边列了三个技术的点。
然后和四个对应的限制，在拆这些技术亮点之前，我先聊一个很重要，但是很多人忽视的点，那就是小龙虾为什么会出圈？因为它把入口放在了聊天界面里边。
但这件事儿就会极大的限制它的天花板。那首先放到聊天窗口里边，为什么会导致它大出圈呢？因为大众，如果我们看日常的使用时长，基本上都是在聊天软件里边。
我们干件什么事情，哪怕我们记一个东西，有的时候放到微信里面记，都会比我们打开一个笔记要简单。更不要说现在的可选项是，如果我要去使用 Agent 工具的话，我要打开 Terminal 或者我要打开 IDE，那是一个很多人看着就头疼的东西。然后另外一边呢，是我打开 Slack 或者说我打开飞书，这是一个我非常熟悉的界面。那自然而然，这个聊天窗口就是非常友好的，非常低摩擦。
但聊天窗口它也决定了这个软件的天花板，为什么呢？因为第一，聊天窗口它是线性的，就是一句话一句话一句话，它是一条一条往下排。
但是深度的知识工作并不是这个样子的，就是在很多时候呢是需要分叉的，然后需要这里边去引用另外一条的一个信息，有的时候呢会在一个节点里面要分叉，然后去形成不同的方案去比较这些不同的方案，最后选一个。这种工作方式在 Cursor 或者 Open Code 里边都是天然的，但是在聊天窗口里边就会非常的拧。第二个问题是信息密度。
你要做轻量任务呢，聊天窗口是可以的。但是你稍稍复杂一点的话，比如说你要做图文混排的分析报告，你要做表格，你要有带格式的长文，哦，有多个文件之间的这个 diff，就是你要比较这个文件和那个文件到底有什么不一样。比如说你要有一个结构化的知识资产，你就会发现聊天窗口的这个组织方式是非常的不自然的。所以说不是因为背后的 AI 不够强，而是因为这个载体不适合那么太严肃。
的工作。第三个问题就是过程的可观测性。当你把一个简单的任务交给AI，它直接做完了，你不需要观测任何东西。但是稍稍附加一点东西呢，你这个时候就会想，它到底是在干嘛？它是鬼打墙了呢，还是它是在反复的思考？
和不断的尝试新方案，调用了什么工具，他改了什么文件，他出了什么错，这些其实都很重要。尤其是他在涉及到你的一些关键的技术资产或者说是知识资产的时候，在专业的Agent工具里边，这些改动都是可见的，并且可控制的。但是在聊天软件里边看到的是一个正在输入或者一个小红。
这个问题在越复杂的任务上越严重，因为在复杂的任务上，你等的不光是一个答案，你等的其实是一个整个的过程。那这个过程在聊天窗里边是很。
蛮可见的，所以说大家看到了吗？这里所说的妥协，就是 Open Cloud 知不知道这些问题？他当然知道，但是他选择了一个什么样的路径呢？他选择了一个让大众最容易上手的路径，那就是要选择聊天软件。但是你选了聊天软件，就意味着你牺牲了后面这些东西，这不是一个能力问题，对吧？这是一个选择问题。这里面不是说 Open Cloud 不好，而是告诉大家，它天生的这个选择就会带来这样的限制。
接下来是一些技术同学可能更感兴趣的技术分析，那就是在这个聊天窗的表皮之下，OpenAI还做对了哪三件事，让它显得非常的聪明，让它非常有经验感？那分别是统一入口和统一上下文，第二个是持久性的记忆，第三个是丰富的skills。
这三个设计之后呢，就会让用户觉得小龙虾越养越好用，就是越养它越懂我，越养越像一个持续存在的助手。那具体背后它是怎么做到这件事儿的呢？那第一点就是统一的入口和统一的上下文。如果你用过Cursor，你就会知道啊，就这里面的上下文是按照项目隔离的，它每一个project每一个文件夹它是有自己。
的上下文，打开项目A的话，你项目A得到的是项目A的上下文；打开项目B是B，然后A和B之间的上下文是不互通的。Cloud Code、CodeX等等也是类似的设计。Open Cloud的设计呢，正好相反，它是把所有的上下文全都混到一起了。
你上午在Telegram让他整理邮件，下午在Slack上让他写报告，然后晚上在WhatsApp里面让他写周会，他全都把这个上下文放到了一起。那这个上下文放到一起呢，用户就会觉得哦，我在哪跟你交代的事情你全都知道。所以说你不是一个这样的工具，你就是一个越来越懂我的助手嘛。因为我跟不同的这个软件对话，最后你全都知道，就是你在我的邮件里面就可以知道我明天的日程是什么。
你在我的日常里边也知道我的报告里写的是什么内容。那第二呢，就是持续记忆，因为光光有上下文的话，其实也是不够的，因为你只是把上下文全都塞到一起的话，很快这个上下文的window就满了，就saturated。
它的所有的脑力全都用来 process 这个上下文了，那就没有办法更好的去执行任务。这个时候，它就引入了这个持续的记忆系统，把上下文整理成记忆。小龙虾把记忆做成了一个可维护的系统。这里边呢，不是简单的堆 tokens，这里边的核心是一个基于文件的记忆系统。比如说，它有 soul .md、 memory .md、 user .md，那这个 soul 是定义了你的助手的人格。比如说，有的人就喜欢一个特别直率的人，就在这里边。
是这样定义的，你也会看到，大家网上会看到那个小龙虾，不偷小龙虾就说，哎，这个小龙虾怎么这么有个性？那都是这个 soul 去定义的。User .dot .md 是关于这个用户的画像，就是这个用户是一个什么样的人，他慢慢会在这里边整理到这个文档里。然后 Memory .dot .md 就是记录他所需要的长期记忆，然后再加上一些每天的原始日志。这里巧妙的点呢，就是用户是不用去维护他的，他自己。
去不断的整理维护，不断的去更新这些文档，然后他会去审查，他会去review最近的日志，把值得提炼的点放到长期日志里边。
然后同时清理过时的内容，这个设计呈现的结果就是，用户他不需要管很多，他就直接每天跟这个小龙虾对话，慢慢的小龙虾就有它的现。
他对你的性格有更多的了解，以及他有更多的长期记忆，就会让你觉得小龙虾越来越懂你。且这个文档是可控的。
它不会让这个上下文变得无法控制，但大家看到了吗？这并不是小龙虾变得越来越聪明了，而是这几个文档随着使用吧，就是它的收集的数据越来越多了。那这里只有一个取巧方式，就是如果你看到有一个人的小龙虾特别好用，把这三个文档复制粘贴过来，然后你就会得到像它一样的那样的一个小龙虾。当然，这个小龙虾可能是特别懂它，而不是特别懂你。但是总之，你就会得到一个像它那样的小龙虾。
下它的小龙虾的灵魂啊，核心就是在于这三个文档里边。第三个设计也是一个很多技术同学会低估的设计，就是丰富的skills。技术同学会觉得，不就是接几个工具吗？其实不是这样子。
工具的价值啊，它不是线性增加的，而是一个组合增加的关系。比如说，你接了 Slack，它就可以跟 Slack 聊天、接收状态，然后做汇报；你接了搜索呢，它就可以调研；接了 PPT 呢，它就可以出稿，它就可以出一个 PPT；接文件系统和命令行呢，它就可以去在系统里面执行命令。但是这四个东西叠到一起了以后，它不是说零散的功能，而是开始涌现完整的业务场景。
什么意思？就是你可以用 Slack 让它去调用你的系统里边的一些已经做好的文档，然后说给我搜索一下，把这些文档案例给我添加好，然后帮我直接做一个 PPT 出来。这是缺了任何一个单一命令，它都没有办法做这么复杂的任务。但是因为有这么四个不同的 Skills，它就可以做这么一个复杂的命令了。这就是技能的组合效果。
而不只是线性增加，而且刚刚所说的这三件事儿本身，它又形成了一个飞轮：统一入口加上记忆，会形成数据福利。
你在不同场景、不同平台的行为都会汇集成记忆，让小龙虾越来越懂你。然后，记忆加上 skills 会形成自我进化。他今天学到的这些 skills，明天就还在。而且啊，就是如果说他想做一件事情，他不会的话，因为他会写代码，他甚至可以自己去写一个 skills。
所以说，它就会自己学习，不断的去造各种的新工具和新工具的使用方式，并且这些东西它也会记住。哦，我会用这个skills。然后这个聊天入口呢，因为它门槛很低，又可以带来高频使用。
从而把这个飞轮通过用户的行为不断的转起来，所以说 Open Call 真的是一个很厉害的软件，它不光是一点点的炫技，而是把整个飞轮做得非常的好，然后可以让普通用户感知到这样一个飞轮的威力，这就是它为什么牛。那我发现啊，这视频已经太长了，所以说它的限制和我们接下来怎么样子超越 Open Call。
我就放到下一期。如果你对这个内容感兴趣，不想等到下一期的话，直接去我们社区看鸭哥的文章，鸭哥都剖析的非常清楚。在这个 Knowledge Bank 里边有很多类似的非常高质量的原创的技术文章，相信大家看了以后也都会大有收获。来我们社区之后，记得 sign up 一下会员，这样的话这些技术文章都会用邮件推送的形式发到你的邮箱里边。这样你不光可以来我们社区来看，你的邮箱里边也会永远的保存一份，也可以转发给其他的感兴趣的同。
我们去看，那好，我们上集讲了 OpenCL 小龙虾为什么会火和它这个火背后真正很厉害的技术的点，下半集我们会讲为什么这些厉害的技术点反而会成为它的天花板，以及我们应该怎么样子去克服它和做出更好用的生产力产品，以及我们开源的这个项目到底是长什么样子的，大家应该怎么去使用它。那这视频就到这儿，再见！