A streamlined info flow
1/Clawdbot有多火？
- 海外科技圈基本上是刷屏状态，这个热度比nano banana的还要高；基本上把claude excel的风头盖过去了；
- 从程序员的github指数来看，这个热度是垂直上升，都不能叫指数增长了…
- 出圈速度快的过分，理论上这是一个很“极客”的产品，上手难度很高；光部署都有不小的门槛，完全是现象级产品；很多人把这个“龙虾时刻”比作26年的“chatgpt时刻”，不过分。
2/ 几句话说清楚clawdbot是啥？
- 这玩意儿可以自动化，你设置一次，他可以每天到时间就自动触发；这在chatGPT, gemini，claude上并非轻松实现。
- 这玩意儿可以干很多活，用千问的说法，就是一个办事AI，可以发消息，浏览网页，管理文件等等；功能不新，但是想象空间大，里面封装的东西可拓展性也强。叠加上面“自动化”那条，就是可以24小时运行，帮你打工的AI打工人。
- 这玩意儿可以给你发消息，可以通过whatsapp，imessage，tg和你互动；以前你需要进到独立的AI应用里面调用，需要开电脑，现在更加“润物细无声”。
3/ Clawdbot很好，但是并非agentic AI的完整形态；
- 太过极客，配置很难，属于程序员的玩具，对普通用户上手的性价比低。
- 太多安全隐患，作为一个玩具，不免在很多权限，风险，网络安全方面捉襟见肘。
- 不是新技术，封装了很多现有的技术进去，但是并非技术突破。这点本身没有任何问题，比如chatgpt刚出来的时候，很多人也是说，“就是一个聊天机器人”
这并不妨碍市场围绕clawdbot，去做整个agentic AI的雏形去做下一步推演；上面的问题，都是工程问题，全部可以解决。
4/ clawdbot给我们描绘了一个未来的agentic网络
- Agent去控制你的电脑/调用工具，是必然；
- 以后电脑手机上的工具/应用，都会通过AI界面来驱动，也是必然；
- 有人来解决agent网络的“连贯性”，“安全性”，也是必然；
用沙盒还是单独的mac mini？是clawdbot还是xbot？是chatgpt还是anthropic或者gemini？这些是需要让产品团队去做竞争的，用技术能力去找到确定性路线，还在演变中，是不确定的。
在这个未来的agentic网络里，谁卡住了生态位置？是确定的。
未来的agentic 网络，有啥是确定性+稀缺性的？
一些思路，
5/ 谁控制了Agent和用户的交互？
- clawdbot告诉我们，和agent最自然的交互方式似乎回到了聊天框；
- 在聊天框里面，agent每天和你汇报干了什么活，用户不需要额外的学习成本，甚至比应用程序时代更加便捷简单；
- 掌握聊天入口的meta / 腾讯 们得到了一次叙事强化。口语化的聊天，比程序式的按钮，更加便捷。
6/ 谁控制了agent和内容的交互？
- 从前谷歌提供了“内容”和用户的交互，我们通过搜索接触到内容，大部分点击是有效的；你提供内容，谷歌给你带来流量，流量带来广告；
- 现在agent访问内容，你可能有1万个agent的浏览，但是产生了0的有效流量，也没有广告收益；你需要有一个更加好的“裁判员”，来控制agent API和你内容的“有效互动”；
- 从这个角度看，掌握了API基建的cloudflare们，隐隐约约成了agent时代的中枢神经网络。
- 互联网从来都是对抗性的，有人爬虫，有人反爬虫；这个对抗性在agent时代，魔法对抗魔法，只会更强，裁判员的角色，只会更重。
- 从前，公开网络是建立在“广告 vs 流量 vs 内容”的社会契约上面；现在AI时代，大家只想要答案，不那么需要内容，很可能造成内容的塌陷。
再进一步天马行空的想，以后再这张agentic的网络里面，是需要一个新的“社会契约”，这也是cloudflare这类网络基建正在努力的事情。
7/ 谁控制了agent和agent的互动？
我们还没到这一步，届时再聊。
8/ 谁控制了最稀缺的资源？
- 以前的整个互联网，基本上是围绕“用户注意力”在构建的，谁有注意力，就能卖广告，就能做电商。
- agent时代，“用户注意力”的含金量更强了，核心的一个硬逻辑就是，“AI能帮你办事，但是不能帮你娱乐”。
- 之前豆包手机的时候，这个逻辑出现过一次。豆包做AI助手，省时间；小米等手机厂做AI助手，省时间；千问也可以做AI助手，省时间。
- 但是省下来的时间都去哪了？最大的可能还是变成了“刷视频”，“看小说”的娱乐时间；掌握核心内容资源的抖音腾讯们，不战而屈人之兵。
- 做工具省时间的人，也会卡到一个合适的生态位，但是却可能陷入了一场“无尽战争”。
9/ 谁掌握了赋能这一切的核心基建？
- 硬件端的逻辑是，老逻辑，旧逻辑，但是好逻辑，硬逻辑。
- 存储，算力，CPU，乱七八糟的，一起都会受益，根本不是零和游戏。但是现在逻辑链条越短，越简单的题目，越受市场喜欢。比如我这种做研究的半桶水，就尽量盯着市场的简单主线。
其他一些
10/ 很多人追着北美AI软件的疲软，但是软件不是一揽子打死的东西，
- 很多软件是非常容易被取代的，比如“生成代码”现在就不值钱；AI每天可以生成无数代码。
- 但是软件里的一些“基建”，关键节点，就不一样。比如AI生成的东西，总要有个仓库来储存吧…
- 软件的疲软，某种程度上也是价值的“转移”，而非消失。从一些已上市公司，转移到了新一代的未上市公司（cursor+anthropic+open ai等等），所以有了一些叙事上的扭曲。
11/ AI发展是非常急速的在加速中，很多人仍然选择视而不见。
我们来到了一个加速的“奇点”，
如果你不相信理论，那么你看看claude for excel；
我们正在接近二阶加速，而非平缓
我们信不信，根本不重要；一级市场的融资和我们没关系，而且业界在快速进步。
12/ clawdbot的催化剂到了，看看今天的市场反应就知道。
- 接下来的催化剂只会越来越多。
- deepseek？kimi？minimax？国内在加速。
- gemini？claude？gpt？国外在加速。
看看claude in excel就知道，现在仍然处于tokens完全不够用，不够便宜，需要更多软件工程+硬件迭代来缓解供给瓶颈。
用星球群友的话说，“2026才过去一个月，仿佛过去了一年”。。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
