“尽可能用简单的方式，去解决一个当下比较有挑战的问题。”

作者｜王博 周悦

“这么大发量一看就是假导。”“你是‘真人nanobot’吧？”

一前一后两句话，分别是小红书网友对黄超和任旭滨的调侃。

黄超是香港大学数据科学研究所及计算与数据科学学院助理教授、博士生导师；任旭滨是黄超的学生，目前在香港大学读博，同时他还是超轻量级个人AI助手nanobot开源项目的作者。

黄超的研究方向涵盖大模型、AI Agents和图机器学习，研究成果在Google Scholar上被引用超过16000次。但更为人熟知的是黄超团队推出的多个具有相当影响力开源项目，包括nanobot、LightRAG、DeepCode、CLI-Anything等。截至目前，nanobot已经获得了超过15万次的下载量，并且在GitHub上已获得超过3.8万的Stars，团队打造的HKUDS GitHub开源平台也形成了丰富的AI Agent生态，累计吸引超过9千的followers。黄超本人也是一位小红书博主，粉丝超过4万。

站在流量的风口浪尖，赞誉和质疑几乎同时涌向了这个团队。

他们尝试用4000行左右的代码打造nanobot，实现了OpenClaw这种百万行代码量级项目的核心功能；他们推出开源项目ClawWork，将AI助手转变为真正的AI同事，完成工作任务并创造经济价值，在11小时内赚取了15000美元。

我们很好奇：他们是如何做到的？团队为什么对开源有如此执念？这波OpenClaw（俗称“龙虾”）热潮改变了什么？

在2026中关村论坛年会“人工智能主题日”的Party Nights活动上，我们见到了黄超和任旭滨，并和他们在北京AI原点社区录了一期视频播客。

和小红书网友的调侃不同，任旭滨对“假导”黄超的感受是“非常有活人感”，而黄超则认为“真人nanobot”任旭滨并不像bot（机器人），相反他会给团队带来很多“启发与灵感”。

谈及OpenClaw热潮，黄超认为“焦虑和机会并存”，OpenClaw要从“好玩”变成“好用”，不能只靠模型变强，更需要规划、记忆、工具链和软件接口层（CLI）的适配，与开源社区共同把生态补足。

而面对赞誉和质疑，他们更在意的始终是按团队的研究品味，把值得做的项目开源出来。

“尽可能用简单的方式，去解决一个当下比较有挑战的问题。说到底，就是大道至简。”黄超说。

本文为「甲子光年」对话黄超、任旭滨《嗨点小圆桌》视频播客文字实录，由「甲子光年」编辑整理，有删改。

「甲子光年」对话黄超、任旭滨

1.从OpenClaw到nanobot：“活人感”很重要

甲子光年：你们怎么看从今年年初开始的这波“龙虾”热潮？

黄超：我觉得这波热潮，核心其实是一个词——“活人感”。过去很多Agent更像工具，大家默认它只是帮你提效、帮你完成任务。

但OpenClaw不太一样，它让人开始重新期待Agent不只是工具。它也可以更像一个会主动互动、陪你一起做事的个人助手，类似电影钢铁侠里的“贾维斯”。它把大家对Agent的期待往前推了一步。

黄超

任旭滨：我觉得OpenClaw的理念非常好。它让Agent可以跑在本地，拥有更多电脑权限，去做很多云端Agent做不到的事。另外，它是开源的，程序员和普通用户都可以下载到本地使用，把Agent开放给了更多人。

甲子光年：黄超老师，你有一个很有意思的判断：OpenClaw带来的，技术革新倒在其次，更重要的是Agent交互模式上的启发。这种启发，或者说变化是什么？

黄超：最大的变化还是主动性。以前用户和Agent的关系比较被动，先输入需求、写prompt，再由它帮你完成任务。现在不太一样了，像“龙虾”这类产品，它会主动来找你，问你有没有新的代办，有没有事情可以继续做。

第二个变化是，过去我们得把需求写得很具体，Agent才能执行。现在很多时候，给它的是一个比较模糊的目标，至于中间怎么拆解、怎么调用工具，很多都可以交给Agent自己决定。

所以它给整个生态的启发是，交互变得更灵活了。系统也正在从固定workflow（工作流），慢慢转向一个“真正的Agent”。

甲子光年：OpenClaw出来后，很多人很兴奋，但是随后一些人又陷入了焦虑，觉得是不是自己的工作会被替代，你觉得现在FOMO（害怕错过）的情绪严重吗？我们应该如何面对这一项又一项新的技术？

黄超：我觉得完全不焦虑其实很难，尤其我们自己就在做Agent感受会更明显。

你越去探索它的边界，就越能感受到它能力提升得有多快，也越能感受到，它确实可能替代一部分原本由人完成的工作。

但如果只看“龙虾”现在这个阶段，我觉得它更多还是个人助手，距离真正高强度、稳定打工还有一段路。

当然，随着生态继续发展，它很可能会从“个人助手”慢慢走向真正的合作者。我觉得它的确可能会替代一些工作，尤其是编程甚至科研本身这类智力密集型工作。

但另一面，它也在带来新的机会。以前很多事情需要很强的代码能力才能做出来，但现在借助Agent，很多人都更容易把想法变成现实。

这其实是一种技术平权，归根结底，焦虑和机会是并存的。

甲子光年：在这波“龙虾”热潮里，你们发布了超轻量级个人AI助手nanobot，旭滨在这个项目中贡献很多，你能不能通俗解释一下nanobot是什么？它和OpenClaw有什么区别？可以帮助我们做什么？

nanobot，图片来源：GitHub

任旭滨：最开始其实很简单，我们发现OpenClaw的代码太多了，也不太好安装。

我们就想，能不能把它最核心的逻辑，用一种更简单、更像“教科书范式”的方式实现出来，就做了nanobot。

它的底层运行逻辑和OpenClaw是接近的，OpenClaw能做的绝大多数事情，nanobot基本也都能做到。比如，写代码、报告生成、行业调研、文档整理、做PPT。

某种意义上，它是OpenClaw的一个轻量化实现。

任旭滨

甲子光年：OpenClaw有100多万行的代码，而nanobot目前只有4000行左右，比OpenClaw少99%的代码行数，基本上可以实现OpenClaw 80%的功能，这是怎么做到的？

任旭滨：核心还是抓住了本质。

对Agent来说，本质其实就是那个循环：上下文管理、环境交互，以及让大模型去控制Agent帮用户完成任务。完成这些，不一定需要那么多冗余代码。

如果架构设计更合理，代码复用做得更好、模块之间更解耦，同时整体更容易理解，其实可以把Agent做得很轻。

因为本质是一样的，所以在功能实现上，最后可以做到比较接近。我觉得至少在代码层面，OpenClaw在设计上有点过于复杂，有一些地方可能没有特别收敛，导致有一定的冗余。

甲子光年：nanobot在GitHub上获得了大量关注，你有没有分析过，为什么它会这么受欢迎？

任旭滨：一个原因是开源社区里很多人喜欢这种简单、轻量化的代码，也认同这种思路，他们会觉得一个Agent需要更清晰、可控的架构。另一个原因是，代码更少之后，做二次开发会方便很多，可以更容易在这个基础上做自己的Agent。

黄超：我和旭滨的感受是一样的，nanobot的关注度远远超出预期。

最开始我们其实更想把它做成一个教程式的项目，用轻量的代码，把OpenClaw背后的核心逻辑拆解开给大家看。

但没想到，这种轻量化设计本身就很有意思，结果反而把很多原本分散在社区里的高手、开发者都吸引出来了，大家开始一起在nanobot上共建、共创。

甲子光年：在开发nanobot的过程中，最让你感到意外的是什么？另外，有多少代码是和AI一起vibe coding出来的？

任旭滨：最让我意外的有两个点。第一，Agent的自主能力很强。给它一个任务，它一开始可能不会做，但在大模型驱动下，它会不断自己尝试、找办法，最后把事情完成。第二，是社区的活跃度。很多平时不一定被大家看到的程序员、极客，会很积极地参与进来，一起共建nanobot的生态。

至于代码，最早期第一版还是手写为主。但后来我发现，只要整体逻辑和架构已经比较清晰，AI其实能很好理解我的意图。后期更多是人和AI协作，用模型生成代码，再由我们审阅、调整架构和细节。

甲子光年：旭滨，有网友称你为“真人nanobot”，你喜欢这个称号吗？

任旭滨：哈哈，我还挺喜欢的。可能让大家记住我叫任旭滨，不太容易，但是让大家愿意把 nanobot跟我关联起来，我还是挺高兴的。

我和nanobot一样，几乎都是在“不间断工作”，而且善于把一些复杂的知识给轻量化。

2.从“助手”到“同事”：Agent怎么赚钱？

甲子光年：你们还有一个开源项目是ClawWork，将AI助手转变为真正的AI同事，完成工作任务并创造经济价值。你们给出的数据是，利用10美元的本金，11小时内赚取了15000美元。我很好奇，它是怎么赚钱的？

黄超：ClawWork其实是一个仿真实验，但它完成的每一项任务，都是现实生活中真实存在的任务。

这个实验基于OpenAI发布的GDP Evolve数据集。它收集了四个行业、总共220项任务，包括法律、医学、艺术创作等各类工作。每一项任务都对应一个真实报酬，这个报酬是根据现实世界里的价格整理出来的。

当时我们就在想，既然大家都在讨论怎么把“龙虾”从助手变成真正能打工的角色，那为什么不让它先在这个数据集上“打一轮工”？

我们就让nanobot、类似“龙虾”的Agent，在这220项任务上去执行，衡量方式也很直接看它最后一共能“赚”多少钱。

结果是，在11个小时里，它完成的任务对应的总价值超过了1万美元。

ClawWork Agent Flow，图片来源：GitHub

甲子光年：所以这是一个模拟赚钱的过程，而不是真正真金白银赚到了这笔钱？

黄超：对，任务是真实的，但赚钱是在数据集构建的仿真环境里完成的。

甲子光年：现在很多人也在讨论，OpenClaw出来之后，更多是卖课的、卖设备的、帮别人安装部署的人赚到了钱，真正靠Agent本身赚到钱的人似乎还不多。类似OpenClaw这样的产品，究竟怎么才能产生带来真正的收益？怎么让“龙虾”变成一个真正的“打工人”？

黄超：在现实生活中，很难直接让Agent在各个行业里去真实赚钱并做标准化评估。这个数据集提供了一个仿真环境。

至少说明，在某些任务上，Agent已经具备了很强的“打工能力”，像代码、报告生成、行业调研、文档整理、做slides这类任务，潜在挣钱能力已经很强。

甲子光年：nanobot和ClawWork之间是什么关系？

任旭滨：ClawWork更像是我们搭建的一个生态，用来评估这些能干活的Agent到底能达到什么样的表现。不管是nanobot，还是其他类似的Agent，都可以把ClawWork当成一个载体，在上面做测试和评估。

甲子光年：最近“One Person Company（一人公司，OPC）”的概念很热，但还有一种趋势是多Agent系统。我看到小红书上也有人问你“OPC和nanobot的区别”，你觉得未来AI更强化“个体”，还是会形成“AI组织”？

黄超：我觉得这两种形态都会很重要。

如果用一个比较直观的类比，个体可以理解为一台设备，比如一台PC。

nanobot更像是在这台设备上运行的一套能力，让这个“个体”变得更智能、更自动化。集群更像一个生态，把很多终端设备连接在一起，让它们协同去完成更大的任务。

从这个角度来看，Agent其实也会走向“集群化”。未来每个人都可能拥有很多个nanobot，这些Agent不再是单兵作战，而是可以形成一个团队，去完成更复杂的任务。

我觉得离真正“打工”已经很快了，接下来几个月，它就能开始承担很多日常任务，越来越成熟。

任旭滨：Agent这个领域发展得特别快。我们在迭代nanobot的过程中，会很明显感觉到，它的能力是在不断跃迁的。从早期比较单点式的Agent，到现在开始走向Multi-Agent，未来甚至可能会进一步走向自我进化。

我觉得大概在半年左右的时间里，它就有可能在很大程度上减轻我们日常工作中的负担。

甲子光年：nanobot下一步的规划是什么？你们接下来最想补的生态短板是什么？

黄超：nanobot肯定还是会持续迭代。

它本身可以看作一个比较轻量的系统，用来支撑Agent的运行。在planning（规划）、memory（记忆）、整体效率、token使用效率这些方向都会继续优化，让它更轻量、更高效。

更重要的是生态。现实生活中，大量工作其实是围绕软件展开的。很多人每天花大量时间在这些工具上，但这个过程本身是低效的。我觉得未来一个很重要的方向，是让nanobot更好地使用现实世界里的各种软件。

如果接下来能把Agent操控整台计算机这一层真正打通，让它可以直接操作这些软件，它离真正打工就会更近一步。

3.软件世界要开始为Agent改写接口

甲子光年：既然聊到了Agent使用软件的问题，那就要提到你们的另一个开源项目——CLI-Anything。这个项目在Github上有2.9万颗星，被讨论得越来越多。仅一行命令就能让任意软件接入OpenClaw、nanobot等Agent框架，你们为什么会做这一个项目？

CLI-Anything，图片来源：GitHub

黄超：这个项目背后的一个核心启发是：未来的软件不一定主要是给人用的，软件更重要的使用者，很可能会是Agent。

对人来说，我们更愿意使用那些让自己感觉顺手、甚至有点愉快的GUI（图形用户界面）软件；但很多操作交给Agent去做是最好的。

但现在让Agent去操作软件，很多时候还是只能走GUI这条路，也就是像人一样去看屏幕、点坐标、一步一步操作界面。这种GUI Agent的问题其实很明显。

甲子光年：为什么你们觉得CLI（命令行接口）更像Agent的原生工作语言？

黄超：因为GUI Agent有一些问题。

第一，它慢。因为它每一步都要先理解当前屏幕截图，再判断应该点哪个位置，整个过程本质上依赖多模态理解，所以推理链条会比较长。

第二，它不够准。尤其是在电脑这样的大屏幕上，要去完成一些很精细的点击任务，其实并不容易，所以准确率往往也会受到影响。

第三，它的token消耗会很高。因为这里面涉及大量的图像理解。很多时候，可能只是让AI帮我们点一杯咖啡，最后消耗掉的token成本，已经快接近那杯咖啡本身了。

这种方式看起来很炫，但不一定真正实用。我们觉得，GUI Agent不一定是当下最“Agent Native（原生）”的形态。

之前我们其实容易陷入一个思路，总想让AI像人一样去做事。但后来我们意识到，人类熟悉的方式，不一定是AI最有效率的方式。

我们的判断是，CLI这种模式可能更接近Agent Native，AI通过代码去交流，本身就是一种更准确、更快速的方式。

甲子光年：那在CLI-Anything的实现过程中，最大的难点和突破点分别是什么？

黄超：我觉得它其实是一个技术上并没有那么复杂的项目。

因为很多时候，我们做Agent会越来越有一种感觉，很多真正关键的东西都符合“大道至简”的逻辑。没必要把一个问题想得特别复杂。

很多时候，人反而容易把简单问题复杂化。但做Agent不应该这样，更重要的，反而是把复杂问题尽量简单化。

从这个角度来看，CLI-Anything其实就是抓住了一个很明确的痛点：一方面是当下软件生态本身的使用方式，另一方面是Agent未来要和软件更高效适配的趋势。

它的核心突破点，并不在于技术本身有多“重”，而是在于它找到了一个很关键的接口层。

简单说，就是它为Agent创建了一套可以直接和软件生态沟通的CLI接口。抓住了这个点之后，很多事情反而就变得顺了。

甲子光年：你怎么看待“未来所有软件是不是都要变得对Agent更友好”这件事？GUI是不是会变得不那么重要？

黄超：我觉得也不能这么说。因为现在其实还有很多人在继续做GUI Agent，所以很难说GUI不重要。

但如果从我自己的角度出发，当我让Agent帮我完成任务的时候，我最关心的其实还是任务完成的质量和结果。对于这一类需求来说，GUI可能就没那么重要。

不过GUI的重要性，背后也不仅仅是交互问题，它还牵涉到整个软件生态。很多软件今天的商业模式，本身就是围绕“人来使用软件、产生流量、形成付费”建立起来的。

GUI不太可能在很短时间内被替代。我觉得，未来更可能是GUI和CLI共存。人还是会继续使用一些软件，但很多专业性的、工作型的软件，会逐步走向CLI化。

甲子光年：我们之前也试用过一些GUIAgent。除了刚才提到的那些问题，它们还经常会碰到验证码、风控识别之类的面向“真人用户”的机制。Agent想要去绕过这些限制，本身就会遇到很多问题。那么对于软件厂商来说，是否要重新思考应如何更好地适配Agent？

任旭滨：我觉得黄老师刚才说得非常对。未来很多软件都要更多从“效率”的角度出发，去降低GUI层面的复杂度。

以前很多软件的商业逻辑，某种程度上是希望用户在里面停留更久，所以GUI会做得比较复杂。但未来这个逻辑可能会变化。对用户来说，能不能帮他节省更多时间、提升更高效率，可能会变成更重要的付费理由。

我们也看到，其实很多大厂内部已经在把一些专业软件、核心软件逐步做CLI化。未来也不排除它们会把这些CLI能力通过合适的接口开放出来，让每个用户自己的Agent都可以接上去。

4.一支高校开源团队的方法论

甲子光年：你们团队已推出很多有影响力开源项目，背后有没有一条逻辑主线？

黄超：我们一直在做的其实是同一件事：怎么让AI更好地帮我们“打工”。

因为我们自己就在科研一线，最熟悉的任务就是编程、深度研究，以及一些更偏科学发现的工作。

我们最关心的，不是做一个看起来很新的系统，而是能不能把这些真实、繁琐、重复的任务一步步交给AI，让人从里面解放出来。我们团队一贯的偏好是喜欢做轻量级系统。

甲子光年：黄超老师，你最早是从推荐系统、图学习、信息检索一路做过来，我想知道后来你为什么会进入大模型、RAG、Agent这些方向？

黄超：我们组最开始其实也做过推荐系统、图学习这些方向。但慢慢会发现，这类技术在具体场景里可以做得不错，要真正泛化到更广的领域，限制依然很大，尤其受数据和生态约束。

后来我们转向大语言模型，一个很自然的问题就是：大模型要落地，怎么把知识接得更好、成本降得更低。

于是我们做了LightRAG，想用更少的token消耗、更快的访问和索引方式，去实现一个更轻量的RAG系统。再往后我们又意识到，RAG只是更大系统里的一层，下一步自然就走到了Agent。

甲子光年：旭滨，你是怎么确定自己的研究方向的？

任旭滨：我在本科阶段，做过一些研究。后来到了黄超老师组里，一开始是做推荐算法，然后一路做到RAG，再做到Agent。

回头看，这不是一开始就规划好的，更像是一个不断根据反馈调整方向的过程。哪个方向能持续给出信号和反馈，能让我们更接近真实问题，我们就往哪边走。

这个过程有点像一个不断“梯度下降”的过程，每走一步都会比之前更接近最优的答案。

甲子光年：我们经常会谈到一个词，叫“学术品位”，或者说“研究品位”。那你们团队的学术品位是什么？

黄超：如果让我总结的话，我觉得我们团队的一个出发点是：尽可能用简单的方式，去解决一个当下比较有挑战的问题。

LightRAG也好，nanobot也好，它们背后其实是同一种偏好。我们一直倾向于做轻量级架构，因为很多事情最后都会回到“大道至简”。更快、更简单、更便宜，不只是工程选择，也是我们判断价值的标准。

甲子光年：如今，AI技术和范式变化较快，很多路线没有收敛。你们如何追逐热点，又不盲从热点？如何判断一个方向值得投入的？

黄超：关于热点，我们不会把它理解成要不要追，而是把它看成一种信号。一个东西之所以会热，往往说明那里有真实的技术痛点还没被满足。

像OpenClaw之所以引发讨论，本质上反映的就是大家对现有Agent形态并不满意，都在等一个真正属于自己的“贾维斯”。所以我们不是为了追热点而追热点，而是去看热点背后到底对应了什么问题。

任旭滨：我会把热点理解成一种外部反馈。它之所以成为热点，说明很多人真的在意这个问题。

更重要的不是先判断它热不热，而是从我们的能力出发，能不能在里面做出东西、解决一点真实问题。很多时候，机会其实就藏在热点里，关键是你能不能接得住。

「甲子光年」对话黄超、任旭滨

甲子光年：我们之前也和很多高校、实验室交流过，有些团队更像是“各写各的paper”。但你们更像是在持续迭代一个产品，或者一个开源项目。你们怎么判断，一个想法是写论文就够了，还是值得做成开源项目？你们怎么理解“开源精神”？

黄超：在我们看来，开源和论文本质上都是方法，最终目的都是解决一个真实痛点。我们团队并没有那么“paper driven（论文导向）”。不是发完一篇论文，这件事就结束了。

很多时候，真正累的反而是项目刚发布的时候，因为从那一刻开始，你要接社区反馈、持续迭代、整合PR（拉取请求）。对我们来说，发布不是结束，而是开始。

如果一个东西只是适合被总结成论文，那它写成论文就够了；但如果它确实解决了一个当下存在的问题，那一篇论文往往不够，它更适合在开源社区里继续生长。

很多时候，我们会先把技术做成项目发布出来，再用论文、技术报告或者博客补充表达，这是更自然的一条路径。

在我们组里，我没有给学生设定必须发论文的要求。我更在意的是，大家能不能做出真正不错的东西。至于论文，我觉得它更多只是一个产物。

我对开源的理解也是一样。现在很多技术还处在百家争鸣的阶段，很多事不是靠一个组织就能独立做完的，必须跟着生态、跟着社区一起往前走。

开源最重要的一点，就是它能让你真正感知需求、拿到真实反馈，再根据这些反馈继续迭代。发布只是开源的开始。

任旭滨：以前没有代码智能体的时候，论文是一种很高效的知识载体，因为它已经被压缩和总结过了。

但现在不一样了。有了代码智能体之后，如果我们先把项目开源，别人可能用一个下午，甚至喝杯咖啡的时间，就能读懂我们到底在做什么。从传播效率来看，开源在很多时候已经比论文更快。

对我来说，开源还有一个更重要的意义：它是在表明，你愿意和社区站在一起。你不是把东西关起来，而是真的愿意让别人参与进来，一起把它做下去。

甲子光年：你们会特别关注GitHub上星标的数字吗？

任旭滨：我们还是会偶尔看一下，至少能知道，社区现在的热度大概在哪儿。

甲子光年：你觉得做学术和做开源之间矛盾吗？

黄超：我反而觉得学术更应该做开源。因为学界限制更少，不像大厂会受版权、数据和商业化约束，所以更适合把东西开放出来。

甲子光年：对比海淀和香港这两片区域，你们觉得开源生态有什么不同？

黄超：海淀的特点是生态更完整，高校、实验室、企业、政府都在参与，更像一个把开源能力串起来的连接器。

香港则产业侧没那么丰富，但学界同样很拥抱开源，比如港大就一直鼓励把研究成果开出来。未来我会比较期待两边有更多合作。

任旭滨：我感受是，香港的开源更多还是学术和社区自发推动的。而海淀比较特别的是，有政府和企业一起在搭生态，所以整体会更成体系一些。

甲子光年：如果一个年轻学生想加入你们组，最需要具备什么？

任旭滨：我觉得有两点特别重要。第一，真的要会用、敢用AI。现在AI已经不是一个可以忽视的效率工具了。

第二，是要有好奇心。以前做研究，更多是在论文里探索；但现在不只是这样了，你还得去互联网里看大家真正关心什么，真实的痛点到底在哪。

黄超：我特别认同旭滨刚才说的一点。用一句特别通俗的话讲：能用token解决的事，就尽量不要靠人硬上。

除此之外，我觉得最关键的是自驱力。我们组里的同学，很多时候不是我在推他们，反而是他们在推我。

如果说加入我们组最重要的标准，我觉得第一还是：对科研要有真正的好奇心。不要一上来就太关心“能不能发论文”“要发多少篇论文”。

甲子光年：最后一个问题。如果现在有一个对AI感到焦虑的年轻人正在听这场播客，你们最想对他说什么？

任旭滨：我最想说的是，不要那么焦虑。

AI Agent首先是在让很多事情变得更方便。比如代码智能体，已经在很大程度上改变了写代码这件事的体验，就让写代码这件事本身变得更轻松。

一方面当然要积极拥抱这些变化。另一方面，也不要让焦虑占据太多空间。不要总觉得自己一定会失去什么。

AI的出现，本质上还是在让生活变得更快乐、更有可能性。这样心态才更容易真正把AI用好，也更容易感受到它带来的变化。

黄超：我也想给大家一个很直接的建议，AI的门槛，其实没有大家想象中那么高。

尤其是现在已经有了这么多AI工具之后，不管是写代码，还是做deep research、行业调研，其实都比以前容易了很多。

我们自己做项目时，现在很多时候也不会先把整条链路完全想清楚，再开始动手。今天这种方式往往已经不太现实了。

更多时候，我们会采用一种类似nanobot的思路，也就是Agent loop（Agent循环）。先想清楚下一步做什么，做完这一步，看结果，再决定后面怎么走。

我觉得，大家不用一开始就把所有事情想得特别完整。先做下一步，先上手，在做的过程中再不断调整、学习，再去找新的解决办法。

某种程度上，这就是一种“干中学”的状态。我觉得在现在这个阶段，这是更现实、也更有效的方法。

（封面图及文中未标注来源图片来自：中关村科学城公司）

关于嗨点小圆桌

2026中关村论坛年会期间，海淀区“人工智能主题日”场外氛围活动 “原点 Party Nights”在 AI 原点社区举办。其中音视频播客 “嗨点小圆桌” 是一档 “海淀和他的朋友们” 深度对话节目，邀请主论坛嘉宾、AI热点人物一同探讨AI青年关心的热点话题，欢迎大家收听、观看。

本场对话音视频内容即将上线

音频播客：在小宇宙APP搜索「津津乐道」即可收听；

视频播客：在微信视频号搜索「津津乐道播客」即可收看。