徐文浩：AGI 已经来了，接下来开始比赛分发

AGI 已实现但缺乏有效分发，当前 AI 产品应聚焦于放大人的能力而非单纯替代。ZooClaw 作为 OpenClaw 的发行版，旨在降低技术门槛，让普通用户能通过对话创建并使用 Agent。产品设计理念强调 “Team of Agents” 模式，即在不同领域部署专用 Agent，而非在一个 Agent 上堆砌过多技能，从而实现开箱即用的用户体验。

打造 Claw-like 产品的核心在于细致的打磨工作，包括 SaaS 连接器的封装、特定领域技能（Skills）的优化、用户引导（Onboarding）流程设计以及对底层模型快速迭代的兼容性维护。相比于通用模型，通过预设工作流和原生应用体验，能显著降低普通用户的使用门槛，解决技术社区产品易用性差、维护成本高的问题。

选择基于 OpenClaw 构建发行版，旨在利用活跃社区资源实现技术平权，避免用户被单一闭源平台锁定。在云端与本地版本的选择上，云端方案在安全性管控、故障诊断修复及降低安装成本方面更具优势。通过云端网关进行鉴权，能有效防止 API Token 泄露及恶意调用，同时通过 SaaS 授权获取上下文信息，无需完全依赖本地环境即可展现 Agent 能力。

针对 Agent 权限过大带来的安全隐患，云端架构通过网关验证和权限分级（如只读权限与执行权限分离）实现风险隔离。ZooClaw 内置了 13 个预设 Agent 及 Agent Studio 功能，支持用户通过自然语言交互创建并分发自定义 Agent。该产品定位为通用型平台，通过降低交互门槛和提供安全保障，旨在让非技术用户也能驾驭复杂的 Agent 工作流。

在 AI 辅助编程中，管理代码复杂度是核心挑战。通过引入 AI 驱动的 Code Review 机制，将代码提交分为自动合并、请求修改和人工审核三层反馈，能有效减少 Bug。同时，采用 BDD 风格的自动化测试、强制代码规范（如文件行数限制、圈复杂度控制）以及定期全量代码审核，构建了一套类似传统软件工程的质量保障体系，确保 AI 生成代码的可维护性与安全性。

AI 开发应在容器化环境中进行，以提供足够的权限同时隔离风险。通过设置强制性规则和对抗性验证（如 AI 互审），能有效限制 AI 的盲目行为。在非编程领域，如内容创作或营销管理，同样可借鉴此方法论：通过定义明确的规则、多角色扮演审核及自动化流程，将 AI 从 “求签问卦” 式的聊天转变为系统化的协作工具，从而实现从 Output 到 Outcome 的转化。

AI 时代应减少碎片化学习，转而通过结构化阅读官方手册或经典著作建立知识索引，从而更高效地利用 AI 解决问题。当前 AI 应用面临 “有产出无成果” 的困境，应将精力从单纯的 Build 转向 Sell 与分发。未来 Agent-to-Agent 的协作网络将是重要趋势，通过降低交易成本实现能力互补，而本地 AI 推理在处理敏感数据和受限环境下的应用潜力巨大。