金磊 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

要問這兩天AI圈在比什么，毋庸置疑，就是誰家養(yǎng)龍蝦又便宜又方便：

智譜剛剛發(fā)了個澳龍，把在本地部署滿血龍蝦這件事的門檻打下去；

騰訊也發(fā)布自家的小龍蝦，也是最快1分就能搞定部署這件事；

壕是都非常壕，但好，到底好不好？

巧了，這兩天剛好有一群極客和開發(fā)者，就對龍蝦能用來干什么、干到什么程度，做了些有趣的實測。

例如下面這個可可愛愛的小馬，就是免費龍蝦的杰作：

△創(chuàng)作者：徐帆

不是說龍蝦造了個硬件啊，而是這個龍蝦的能力已經(jīng)深度嵌入到了這個小馬里面。

在它的身體里有一個語音識別的小芯片，我們可以通過說話的方式，讓賽博小馬在電腦上打開網(wǎng)頁、生成視頻，甚至自動創(chuàng)建文件夾。

這么個能看、能聊天，還能幫你干活兒的賽博寵物要是放你工位旁，那簡直不要太卡哇伊。

然后還有創(chuàng)作者們一起做了給龍蝦搞了線上辦公室：

△創(chuàng)作者：海辛 & Simon阿文

如果說過去我們用AI，就像是往一個黑盒子里塞需求，那這個項目就是把黑盒子砸碎。

他們?yōu)辇埼r打造了一套極具游戲感的RPG可視化面板。

你可以直觀地看到你的AI此時此刻到底在干嘛——是在休息、在干活、在同步數(shù)據(jù)，還是在苦逼地修復Bug。

這只蝦甚至還能搬家、探索新地圖，根據(jù)學到的新技能自動生成獨特的技能樹地圖，還能聯(lián)機共享，學習別的龍蝦的技能點。

不難看出，這個龍蝦在上面兩個有趣的任務上的表現(xiàn)，不說“夯”，但也起碼“人上人”的level。

但如果到真正工作的場景中，這些龍蝦是否還能hold住呢？

不止有趣，龍蝦真能干實事兒

剛才我們看的龍蝦可以打開網(wǎng)頁去生成一個視頻。

但接下來的這只龍蝦，可以說是把工作做得更深了一層——視頻自動剪輯。

△創(chuàng)作者：Gilbert

現(xiàn)在，你只需要告訴龍蝦視頻文件的位置，它就能自動進行靜音檢測（把沒說話的廢鏡頭全砍掉）、語音轉錄、切片剪輯。

長達9分鐘的原視頻，直接精剪到了39秒鐘！

甚至面對多段視頻素材，這只龍蝦也能自動提取最佳段落并完成多素材拼接。

這對于視頻剪輯工作者來說，尤其是那些自己錄還有自己剪的博主們，可以說是省去了很大的工作量。

再如這只勝任電子班主任的龍蝦：

△創(chuàng)作者：史皓天

這只龍蝦要解決的，是在考研、考博這種高強度的教輔場景下，一個導師根本帶不過來那么多學生的問題。

它能讀取學生的科研設想文檔，自動給出細致的評分和修改建議，還能輔導復試、搜索背景資料、評價文獻綜述。

結果顯示，在一周的時間內(nèi)，這只龍蝦班主任在后臺被調用了超過2萬次API。它能夠清晰地記住每個學生的歷史消息和專屬檔案，真正實現(xiàn)了規(guī)模化的個性培養(yǎng)。

最后，還有一只擅長搞錢的龍蝦。

△創(chuàng)作者：Kevin

這是一個MCN海外營銷實戰(zhàn)，典型的一個人就是一支軍隊。

但在這個任務中，龍蝦并不是只有一只，而是一個蜂巢蝦群系統(tǒng)：

• 指揮塔：一個指揮蝦（別名蝦指揮）；
• 商業(yè)化部門：大約30只員工蝦，細分為獵手蝦和聯(lián)絡蝦；
• 內(nèi)容孵化部門：大約10只員工蝦，包括創(chuàng)作蝦和質檢蝦；
• 創(chuàng)新小組部門：大約10只潛伏蝦；
• 效率中臺部：1-2只知識蝦。

為了方便管理，這套系統(tǒng)甚至給不同的蝦設定了MBTI性格，增強協(xié)同的擬人感。

這套多Agent協(xié)同的玩法，可以說是精準擊中了傳統(tǒng)MCN極度依賴人力堆疊的痛點。

為什么需要給龍蝦一個新的身份？

看完這些案例，如果你還覺得這只是極客們的一場賽博狂歡，那可能就錯過了背后正在發(fā)生的產(chǎn)業(yè)暗流——一次真實生產(chǎn)環(huán)境大考。

在過去一兩年里，我們對大模型的認知，普遍還停留在單兵作戰(zhàn)的Chatbot階段。

無論是ChatGPT還是各類網(wǎng)頁、APP版AI，它們就像是一個被死死綁在椅子上的智者。你問它問題，它能口若懸河地給你講宇宙起源、量子力學，甚至幫你寫一篇華麗的文章。

但問題是，它沒有手腳，也沒有對你這個人和你所在公司的長期記憶，更觸碰不到你的現(xiàn)實世界。

而以OpenClaw為代表的Agent框架，本質上就是在做一件事：給這個綁在椅子上的大腦，裝上能感知世界的傳感器（API），裝上能干活的手腳（Skills），以及裝上能形成經(jīng)驗的記憶中樞（Memory）。

這為什么極其重要？

因為在真實的商業(yè)世界里，真正的生產(chǎn)力爆發(fā)從來不在于個人效率，而在于團隊協(xié)作。

我們?nèi)ビ^察任何一家能夠高效運轉的企業(yè)，它的核心是依靠一套成熟的組織架構、信息流轉機制和業(yè)務SOP。

當大模型試圖真正進入業(yè)務線跑起來時，它面臨的其實是三個極其現(xiàn)實的組織管理命題：

第一，Agent必須理解組織結構與權限。

如果一個AI只是一個飄在云端的賬號，它是極其危險且無用的。在公司里，實習生不能查看核心財務數(shù)據(jù)，銷售不能隨意修改研發(fā)代碼。

一個成熟的Agent，必須知道“我是誰，我在為誰服務，我能看什么數(shù)據(jù)”。它需要融入現(xiàn)有的企業(yè)權限體系中，否則它連查一份內(nèi)部文檔的資格都沒有，更別提自動化審批了。

第二，Agent需要一個穩(wěn)定的身份。

打工人進公司第一件事是干什么？領工牌。工牌不僅僅是一個門禁卡，它代表了你在系統(tǒng)中的絕對唯一標識。對于Agent來說也是如此。

在Kevin的MCN案例和史皓天的電子班主任案例中，我們可以清晰地看到，AI已經(jīng)上崗“質檢員小A”、“博導助理小B”。

這種穩(wěn)定的身份，是Agent之間、以及Agent與人之間建立長期信任和協(xié)作流的基礎。如果沒有固定的工牌，多Agent協(xié)同就是一紙空談。

第三，Agent需要分層的記憶。

Chatbot只有當前對話的短期上下文記憶。但在實際工作中，一個項目可能要跨度三個月，涉及幾十個文檔、幾百條群聊記錄。

Agent必須具備類似人類的記憶分層機制：短期記憶處理當下的指令，長期記憶（通過向量數(shù)據(jù)庫或知識庫對接）沉淀過往的項目背景、用戶偏好和歷史修改記錄。只有讀懂了昨天的數(shù)據(jù)，Agent才能做出今天正確的決策。

當這三個命題被擺在桌面上時，整個AI行業(yè)的痛點也就變得無比清晰：

我們現(xiàn)在最缺的，其實是一個能讓Agent安家落戶的合適的工作臺。

這個工作臺必須同時具備三個底層基礎設施：通暢的通信能力、結構化的業(yè)務數(shù)據(jù)流、以及豐富的協(xié)作上下文。

如果沒有這樣的工作臺，開發(fā)者們就得自己去搭數(shù)據(jù)庫、寫權限校驗、做前端UI、搞消息推送……這無疑是把“造汽車”變成了“煉鋼鐵”，直接勸退了99%的業(yè)務人員。

這也就是為什么，當我們回過頭去盤點上述那些極其硬核的極客案例時，會發(fā)現(xiàn)一個共性現(xiàn)象——他們都把龍蝦接入了同一個平臺：飛書。

但問題來了，為什么偏偏就非得是飛書??？

首先，飛書把云文檔、日歷、多維表格這些核心辦公組件，全部做了API模塊化封裝。這意味著開發(fā)者寫Agent的時候，不需要像使喚老舊的Windows API那樣反復授權、反復登錄。

并且官方還發(fā)布了插件，可以讓OpenClaw在飛書里絲滑地讀取消息和調用工具。

其次，也是最關鍵的一點，飛書本身就承載了企業(yè)的通信和業(yè)務數(shù)據(jù)。Agent跑在上面，就像是一個空降的高管，它不需要你手把手地喂數(shù)據(jù)、導入歷史聊天記錄。它直接就能“看到”群里正在討論的項目、日歷上即將到來的截止日期、多維表格里需要質檢的MCN內(nèi)容。

最后，門檻被已經(jīng)被降低到了普通人都能操作的程度，已經(jīng)實現(xiàn)了一鍵就能讓你在飛書上養(yǎng)蝦的功能，直接把部署的難題砍掉。

這種普及速度，是任何國外軟件都無法比擬的中國式優(yōu)勢。

也正如我們剛才所說，Agent技術已經(jīng)走出了實驗室的測試環(huán)境、走出了代碼倉庫里的Demo，迎來了走入真實生產(chǎn)環(huán)境的全面大考。

在這場大考中，聰明的開發(fā)者們已經(jīng)得出了答案：

一個優(yōu)秀的Agent大腦決定了AI能做什么；但一個開放、包容、數(shù)據(jù)結構化且天然具備協(xié)作基因的底層平臺，則決定了這個AI能做得有多好。

這幫在飛書里養(yǎng)龍蝦的先行者們，雖然實際表現(xiàn)還有不盡人意的地方，但或許也算是在提前彩排未來的工作方式。

不過有一點是肯定的，打工人的協(xié)作空間，正在被重塑。