現今，Agent經濟早已不再是科幻概念，它帶來的不只是效率的躍遷，更是經濟組織方式的重建與再分配。特別是開源專案OpenClaw在全球爆火，進一步推動大模型從實驗室走向規模化應用，各方爭相加入Agent入口爭奪戰。
那麼，大模型到底該選哪一家呢？ Token資源能否足以支撐長期使用？不跟隨OpenClaw（龍蝦）潮流就會被時代淘汰？在這場加速演進的AI變革中，個人又該如何自處與突圍？
帶著這些疑問，4月3日，徐家匯科創、上海市分散式共識技術協會、PANews和曼昆律師事務所聯合舉辦了名為「別'蝦'焦慮」的主題活動。
在「擁抱不可預測的AI浪潮」的主題演講中，Conflux樹圖首席架構師李辰星表示，目前將更多自主權交給AI，而非以人類有限經驗過度約束，是當前技術階段的必然趨勢。 AI目前表現出的「欠考慮」問題，本質在於其在複雜場景中難以穩定捕捉並持續記憶關鍵上下文約束。從技術結構來看，AI主要依賴參數記憶、情境記憶與外部記憶，但這些機制仍有更新困難、視窗受限與呼叫效率不足等問題。因此，未來應著重強化外部記憶調用能力，探索持續學習與經驗復用機制，並透過垂直領域實踐逐步沉澱經驗型記憶，以提升AI在真實複雜場景中的決策完整性與可靠性。
他也指出，目前AI的核心進展主要體現在自主分析與反思能力的增強，未來隨著記憶能力的提升，可望突破關鍵瓶頸，並對各產業產生深遠影響。例如，目前數位身分與數位支付體系上的潛力長期受制於開發與用戶門檻，而AI則有望透過降低開發成本、以代理方式取代用戶學習過程來釋放其價值。整體來看，AI不應被視為就業威脅，而是推動生產力提升和新機會誕生的關鍵工具，個人與產業應保持開放心態，主動探索AI融合路徑。
據騰訊雲Workbuddy產品架構師馮河清指出，隨著大模型能力顯著提升，AI已從早期僅支援程式碼補全等基礎輔助開發，發展到能夠獨立完成複雜任務；其中，自訂Agent的核心能力體現在全流程任務支援、多角色協作、分層記憶系統以及基於上下文的智能任務層面解，同時透過多點自動操作與設備協在應用層面，WorkBuddy已涵蓋履歷篩選、PPT自動產生、資料分析與週報整合等典型辦公場景，並可透過企業級整合能力對接企微等系統，實現統一任務管理；其技術架構強調全端自研、執行環境隔離及企業級權限管控，支援本地與雲端部署。在商業模式上，可以面向企業研發及高頻數位化辦公室使用者等。整體來看，WorkBuddy旨在透過自訂Agent與多任務協同能力提升企業生產效率，並透過持續優化任務拆解能力與生態擴展，進一步強化其在複雜企業場景中的適配性與落地能力。
Biteye與XHunt創辦人Teddy主要圍繞數位員工實務、大模型應用與成本問題、技術配置與安全風險、協作方式優化等內容展開分享。其中，在數位員工實務方面，為了降低模型幻覺和程式碼出錯率，需要引入更高階的審查型Agent對低階Agent產生的程式碼進行二次複查，形成強制性的程式碼評審流程；由於目前Agent編寫程式碼仍有一定bug，可以透過規範化開發流程、強化提示字設計以及增加多輪校驗機制來減少錯誤。同時，在營運類別場景中，需要專注於控制發文頻率，並儘量透過後端API進行統一調度以確保穩定性。在複雜團隊協作環境下，Discord通常比Telegram更適合Agent協同與任務分發，而資源管理則需特別注意Token消耗。此外，Agent系統仍需要人類投入時間進行訓練、調優與行為校正。
在OpenClaw的安裝與部署方面，Teddy建議可選在閒置電腦或Mac Mini上運行，具備較高的自主控制權，整體代碼開源，強調隱私保護能力，並能夠接入國際化生態體系，但其安裝與配置門檻相對較高。使用過程中需特別注意模型與頻道配置的修改風險，避免因配置不當導致系統異常；出現問題時可藉助Grok及Gemini等工具進行輔助排查。同時，在安全層面需防範提示詞攻擊及惡意skill注入等風險。在資源與成本方面，也需要關注Token消耗控制，以避免運作成本過高。
曼昆律師事務所合夥人律師趙暄在主題演講中，分享了AI時代創業者需關注的三大法律問題及解決方案。其一是組織外殼，即一人公司（OPC）所營造的“虛假隔離”，表面上形成獨立實體，實則難以真正隔離責任與風險，需要建立真正的物理和法律隔離，包括架構上引入合夥人，使用專屬對公信用卡並在合同中插入AI免責聲明與賠償上限；其其其其二是核心資產所有權問題，努力不等於權利，需要證明自身統治權，完整記錄創作過程並存證；其三是平台霸權帶來的「拔網線」的系統性風險，包括上帝條款、技術鎖定等，分離核心數據與第三方服務，提前規劃替代方案，且引入去中心化技術。
「從狂熱到清醒，VC眼中的AI真需求與偽命題」的圓桌中，多位投資人對AI的發展階段、應用邊界與投資邏輯等方面進行了分享。
水滴資本創始合夥人巨蟹認為，AI仍處於發展早期，要真正達到使用者體驗成熟、被廣泛認為「有意義」的階段，還需要較長時間。他指出，AI技術迭代速度極快，單純依賴技術領先難以形成長期護城河，因此投資應更重視具備不可取代性的基礎層能力，例如算力等核心資源。在應用層面，他舉例稱，類似「龍蝦」這類工具對普通程式設計使用者並不友好，但未來可能更適合被封裝成「家庭醫生」等垂直場景應用，透過即時健康數據提供專業建議。同時，他認為AI在企業側可以取代研發等資訊生產工具，但無法取代最終決策角色，只能作為輔助決策工具存在。
Enlight Capital創始合夥人Tang Yi則表示，目前AI投資領域較難形成明顯的非共識機會，大模型的快速迭代可能持續「抹平」應用層公司的優勢。他相對看好Web3與AI的結合方向，認為兩者分別代表各自領域的先進生產力。針對OpenClaw等開源工具，他認為其相當於為大模型賦予“手”和“腳”，增強了與外部系統和社交應用的連接能力，但同時也帶來較高的安全與數據風險，因此需要復雜配置，不適合普通用戶，目前更理想的路徑是通過封裝提升整體易用性與體驗。
First Rule Ventures投資人Yinghao則從使用者與產品角度出發，關注深水區產業應用、AI創作、軟硬體結合等方向的應用機會，並透過使用者行為與互動資料來評估專案潛力。他指出，即便不親自嘗試所有新興AI產品，也不代表會錯過關鍵趨勢，因為技術能力往往會快速模組化並融入現有產品系統。
相較於單一產品，他更重視三點長期結構性變化：一是AI交互是否正在形成新的記憶載體，讓使用者的認知與工作沉澱在某個系統中；二是這種記憶是否具備跨產品遷移的能力，還是會逐漸被綁定在單一產品中，從而形成高遷移成本與體驗鎖定；三是是否會出現新的超級入口，成為AI與紐的超級入口，成為AI
曼昆律師事務所合夥人律師趙暄在AI產品使用中，更多把工具用於資料處理、檢索和分析，並期待未來能出現更多一體化產品來整合這些能力。他也強調，AI創業中更重要的是避免一次性重大失敗，建議企業在早期就重視資料合規、仲裁條款、免責條款等關鍵法律設計，以在出現不可控風險時盡可能實現風險隔離與責任保護，從而避免單點風險導致公司整體崩潰。另外，他也展望道，未來Agent將成為主要的經濟執行主體，負責資料取得、資訊購買、策略執行甚至跨系統交易，進而形成機器對機器的經濟活動與支付體系。
在主題為「AI的N種開啟方式，聊聊創新者的機會」的圓桌討論中，多位嘉賓從不同視角探討了AI正在帶來的變化。矩陣智慧CEO Zeno提出，使用者可以透過自己更改腳本或插件，把多設備打通，實現多合一的記憶同步與狀態一致性，讓資訊不遺失、任務不斷線，同時還可以加入每日淨化/複盤機制來維持系統穩定。相較於使用現成工具，使用者基於企業級權限或平台能力進行深度客製化更有效率、更自由，也更容易做出符合個人習慣的工作流程。展望未來，他認為AI會成為一個統一入口，使用者只需要透過一個AI中樞進行交互，就能呼叫各種工具和系統完成所有任務。隨著使用增加，AI會不斷累積使用者的記憶、偏好和工作流程，形成數據與能力的飛輪效應，變得越來越懂使用者、效率越來越高。在這種趨勢下，個人透過配置AI系統與支付訂閱成本，可能獲得遠超傳統人力的生產力提升，從而顯著拉開人與人之間的效率差距。
ClawFirm.dev共同創辦人0xOlivia揭露，AI實際使用中，仍有系統不穩定、記憶與自動化能力片段化等問題，使用者需要像搭樂高一樣不斷去拼接各種工具與腳本。對於非高階用戶，直接採用成熟的商業平台並結合官方應用與持續迭代能力，往往比高度碎片化的自建系統更穩定、更高效，同時過引入開源組件可以進一步增強數據處理與內容生成能力。她強調，目前AI的主要限制並不在模型能力本身，而是工程化使用方式尚未完全匹配模型能力，因此仍有巨大的最佳化與落地空間。未來隨著大模型能力正在快速增強，AI的應用場景會逐步涵蓋工作與生活的各個層面，並持續與不同產品形態融合。
Biteye/XHunt創辦人Teddy在談到AI數位員工時指出，可以透過API或自動化介面將AI連接到內部系統，使其承擔程式碼產生、需求實現、內容處理等具體執行任務，而人類則專注於產品設計與需求定義，從而保留關鍵決策權。這種協作模式，更具穩定性與擴展性，不僅能提升整體開發效率，還能大幅降低錯誤率，讓AI更像一個可調度、可管理的外包團隊，而不是單一工具。他同時也強調，凡是流程化、重複性強的工作，都具備被AI改造或取代的可能，即使初期效果不穩定，長期也會持續優化並逐步增強生產力。在複雜任務與管理決策領域，AI也已開始展現出顯著輔助能力，並且正向更高階業務場景滲透。
AI應用開發資深工程師豆哥補充指出，大家普遍認同AI外包化、自動化與工具化協作的趨勢，而從企業角度，則更需要專注於安全性、權限管理、員工協作機制以及資產沉澱。目前市場存在多種AI開發框架與工俱生態，分別在輕量化、低程式碼、高整合與安全控制等方向上各有側重，企企業在選擇時需要在彈性與可控性之間做出平衡，並結合實際業務場景進行架構設計。而真正理解和落地這些AI系統不能只停留在理論層面，而是需要實際投入與使用成本。他強調，AI正在加速重塑工作流程與組織結構，無論是個人或企業，都必須快速適應這項變化，透過持續學習與工具化應用提升效率，否則很容易被技術迭代速度所甩開。
