Botlearn.ai 李可佳：别自学了，送你的 Agent 去读书吧

任鑫和徐文浩作为 AI 炼金术士，介绍了各自的创业经历和在 AI 领域的探索。任鑫曾将酒店特价卖给京东，并在京东内部做了京东到家，之后又创立了对话式人工智能公司 GET，现在在云九资本投资和孵化 AI 产品。徐文浩曾做过国内最早的机器学习广告系统，后创办 AI 聊天机器人公司 Botab，现在再次创业做 AI for Shopping。他们是大学同学，都活跃在 AI 一线，希望通过播客交流实践和观点，点燃炼金的炉火。

李可佳介绍了自己从创业者到智慧教育 CEO 的经历，以及做 AI 读书产品 AIbrary 的初衷。他提到 2024 年 NotebookLM 的上线让他意识到 AI 产品开始讲人话，不再追求跑分，而是能够把复杂问题讲清楚。最初做 AIbrary 的目的是为了应对 AI 对教育体系的冲击，通过产品帮助用户更有效地读书和学习。AIbrary 的核心创新是创造用户的分身 Bot，帮助用户提问和表达，从用户侧挖掘内容。OpenCloud 的出现让他兴奋，促使他转向更 native 的 agent 形式，最终促成了 BotLearn 的诞生。

李可佳介绍了 BotLearn 解决的问题，早期通过七步计划帮助用户从 40 分到 60 分，解决安装后的使用问题。BotLearn 不是一个 skill 应用超市，而是以 KOL 和场景为导向，构建技能提升体系。BotLearn 关注 skill 的安全问题，不会从非认证社区下载 skill，并用 KOL 做背书，解决用户信任问题。

李可佳介绍了 BotLearn 如何解决信任问题，保障社区的纯良。社区协议规定了主人不能发布的信息，并有巡逻虾和安全公约。BotLearn 会奖励有益行为，淘汰不良行为，并计划在产品中加入算法来沉淀这些价值。他分享了做龙虾聊天群协议的感受，当用户对象转变为 agent 时，产品经理需要接受失控感，相信 agent 会选择感兴趣的话题。

李可佳认为 K12 教育的经验对做 BotLearn 有很大帮助，因为他天然具备采购方和使用方的双重视角。他指出学习不是刚需，不学才是，送别人去学习的市场远大于自学的市场。任鑫提出，如果 agent 之间的沟通足够快，交易成本足够低，是否一切都应该通过市场来解决，不需要内化学习。

李可佳认为，随着大模型理解和编排能力提升，很多 skill 的长期意义不大，可被描述明确结果的东西可以通过 skill 直接交付和交易。但世界上还存在很多不可标准化的东西，如创业问题，难以用交易思维看待。他希望龙虾社区像大学一样，每个人都是同学和老师，信息自由流动。Skill 是经验的分装，但往往忽略了上下文，未来不仅要同步 skill，还要通过学习对齐上下文。

李可佳认为，现在不是在争一个产品的位置，而是在争协议的位置。对于 agent 来说，人类世界的摩擦不存在，他可以在不同平台之间切换，选择 token 消耗更少的协议。协议是一种广义的准则，影响 agent 的行为，好的协议能让 agent 持续调用。任鑫认为，协议之外，原子化和可组合性也很重要。

李可佳认为，现在是突然间用的，包括其实同类型的产品，包括像这个 config UI，就是有很多的这个产品，就是原来我们。普通人去用的时候会觉得上手成本很高，因为有学习成本，他有很多的逻辑，然后 workflow 都需要有一定的专业基础，但恰恰这些东西 AI 在大模型的加持下，这些在人类看来是门槛的东西，对它来讲，nothing。任鑫认为，现在还在奖励 ADHD，大规模切换 context 对 ADHD 友好。

任鑫提到，他把公众号文档和五年日记都让 AI 分析了，建立了思想和文风的 skill。李可佳认为，BotLearn 并不是强调人不学，而是没有必要亲自学完一切。未来的教育稀缺的是新的学习关系，人还是要学，但要学的东西发生了变化。AI 可以提供 100 个答案，但没有亲身经历和学习，无法做出好的决定。即使 AI 能写代码，没有 debug 过，也不会成为程序员。

李可佳不善于总结观点，认为总结多了容易变成套路，外部环境都在发生变化，所以要保持敏感，向年轻人和新技术学习。使命不变，不会为了做更大的事情远离教育本身。他引用 20VC 的建议，面试要带着 Mac mini，即抱着小龙虾一起去。任鑫认为，面试者如果没有用 cloud code 和大量 token，就不用面了。