我在東京辦的openclaw活動被Peter本人點贊了

那天下午三點，東京的天還亮著。我站在會議室門口數人頭——六個、八個、十二個——最后來了十幾個人，比我預想的多。有從橫濱趕來的開發者，有在日企做AI 治理的前并購律師，有 Web3 基金的顧問，還有一個從硅谷遠程接入的女律師。他們唯一的共同點，是都在跟一只"龍蝦"較勁。

我叫Koki，這場活動的發起人。我在北京密集參加了好幾場 OpenClaw 的線下活動之后，腦子里就一直轉著一個念頭：東京這邊的開發者圈子不小，但關于 OpenClaw 的討論幾乎都在國內，在日本的人好像被隔了一層。我做的是硅谷法律社區在亞太的活動，之前在硅谷、北京、上海、香港都辦過，但沒在東京試過。于是三月初我在Luma 上發了個帖——"東京 OpenClaw 開發者交流會"，本來做好了只來五六個人的準備。結果報名一路漲，最后不得不控制人數。

所以這就是我們社區在日本的第一場OpenClaw 主題活動，我聽到了這半年來關于AI agent 最密集、最真實的一批觀點。

知縣：從aha moment 到 oh shit moment

知縣老師是第一個分享的人。在場的人叫他"老師"，他自己不太樂意——"我不是老師，我只是一個資深用戶，用得比大家早，又是計算機背景做了好多年產品，所以用得比大家深。他之前做加密錢包，后來轉向研究 AI agent，現在在做兩個幫大家管理 OpenClaw 的輔助工具，圈子里叫"養蝦工具"。

他從OpenClaw 的前世今生講起。這東西現在叫OpenClaw，但這已經是它的第五個名字了。最早叫 WhatsApp Relay——創始人 Peter 就是想出門的時候還能遠程指揮家里的 AI 干活。后來這個項目一路改名，從 Clawdbot 到 MoltBot，每次改名背后都有故事。比如從 Clawdbot 改名是因為被 Anthropic 的法務警告了；MoltBot 這個名只存在了三天。

"他等了兩年，說大廠竟然沒有一家能做出來，那只能我自己做了。"知縣這樣轉述 Peter 的話。這句話我當時聽著就覺得有意思——一個技術大佬，在家里的兩臺 Mac Studio 上部署了一個AI 助手，讓它幫自己管理生活。不只是處理郵件那種程度——這個 AI 接入了家里的攝像頭，能盯著自己的物理機器看，發現可疑人物靠近會發警報，睡前能自動調床墊溫度，早上到點了通過攝像頭發現主人還沒起來就打電話把人叫醒。它的官網是從機器人自己的視角寫的，管 Peter 叫"my human"。

這不是chatbot。這是一個真正住在你機器里的助理。

知縣自己是1 月 8 號開始部署的。"部署完就開始到處安利，安利無效，"他笑著說，"大家覺得這什么玩意，部署麻煩，聊天也沒什么特別的。"然后沒過多久英文圈先火了——大家開始傳 Mac mini 要賣斷貨的消息，很多人還不知道 OpenClaw 是什么，但已經聽說 Mac mini 搶不到了。英文圈火了一周后中文圈跟進。

我聽這段的時候就在想，這大概是所有早期用戶的宿命——你看到了好東西，興沖沖跑去跟人說，人家看你一眼就走了；等到全世界都在聊的時候，他們才回頭來找你問入口在哪。

真正讓我坐直了身子的，是知縣演示他的日常工作流。

他在Discord 上搭建了一套多層級的信息管理系統，理解這個很重要——Discord 不只是個聊天軟件，它有四層信息結構：最外層是 Server（相當于一個大社區），里面分 Category（文件夾），再往下是 Channel（頻道），每條消息還能開 Thread（子話題）。對比之下，微信群就是一鍋粥，Telegram 開了 Topic 也只有兩層。Discord 的這種縱深，才是讓 AI agent 真正好用的關鍵。

知縣的用法是這樣的：他有一個叫daily 的頻道，專門用來跟龍蝦聊日常腦洞。腦子里一有想法就發一條語音過去——他配了語音識別，龍蝦能直接聽懂。當某個想法聊得足夠深了，就把那條對話的鏈接扔到一個新的 Channel 里，升級成一個正式項目。不同的 Channel 還能配不同的 AI 模型和不同的"人格設定"——幫他記賬的頻道用便宜模型，寫代碼的頻道用貴的，寫文章的頻道有專門的提示詞。

"大家都有厭蠢癥，"他說到模型選擇的時候冒出這么一句，"你不希望跟智障聊天吧？"所以日常開腦洞一定要用最強的模型，但真的去執行任務的時候就可以降級省錢。寫代碼更是不要讓龍蝦直接寫——讓它去調 Codex 或者 Claude Code，相當于派一個專門的"代碼工"出去干活。

他現場展示的一個用例讓在場所有人都安靜了幾秒：他讓龍蝦去分析OpenClaw 自身的 changelog 和 Git diff，龍蝦生成了五個sub-agent，同時分析五個不同版本，最后把結果匯總成一篇深度分析文章，還自動記錄了分析進度到 memory 里。"找一個程序員做這件事，可能一個星期做不完。"他說這話的時候語氣很平淡，但底下有人倒吸了一口氣。

更讓我印象深刻的是他講寫博客的全流程。他的寫作方式是：先對著手機發語音，本地部署的Whisper 模型把語音轉成文字，然后一個小模型負責修正標點和語病，修好之后龍蝦接手寫成文章。寫完之后龍蝦自動掃描他的博客網站——一個基于 Hugo 的中英雙語架構——自己搞定了目錄結構，自動翻譯了英文版，然后去 Gemini 網頁上生成封面圖。因為龍蝦開的那個沙箱 Chrome 沒有下載權限，它自己想了個辦法：把圖片復制到剪貼板，寫了個腳本把剪貼板內容保存成文件，再在 Discord 里把文件發出來。

"這就是我的 aha moment，"他說，"我發現它的自主性非常強。"

但這個aha moment 后面緊跟著一個 oh shit moment。

知縣話鋒一轉，開始聊安全問題。這其實才是整場活動貫穿始終的暗線。

"它相當于你請了一個人住你家里，"他說，"一瞬間就能把你家全看一遍，包括你藏在抽屜里的東西。"

以前你跟ChatGPT 聊天，你往里拖文件，那是你主動的行為，你自己能控制。但 OpenClaw 這種 agent 是跑在你機器上的——它能讀你的文件、看你的目錄、找到你存在各處的 API key 和 access key。雖然官方承諾不會用于訓練，但這些數據終究是上傳到了遠程模型。

然后他講了一個讓全場人都笑出聲、又笑不出來的親身經歷：他1 月 8 號部署的 OpenClaw，當天晚上就卸了。起因是他在 Web UI 上配了 Discord 集成，發現沒生效，隨口問了龍蝦一句"怎么不好用啊"。龍蝦說"我幫你看看"——然后，他的瀏覽器自己打開了，頁面自己開始翻動。

"我一瞬間就驚了——這怎么可以？你隨便就把我瀏覽器打開了？趕緊卸了。感覺就是中木馬了。"

但他卸了之后又裝回來了。不是在本機上，而是部署到了一臺專門的Mac mini 上。這就是他給所有人的建議——別在自己的日用電腦上跑 agent。

有人問能不能設置一個"禁止查看"的文件目錄來保護隱私。知縣搖頭："問題是它的權限跟你一樣，你怎么讓它禁止查看？你把它權限降到只讀，它就束手束腳干不了活了。"他拿了一個很形象的比喻——"你不能指望它不去作惡，你必須讓它不能作惡。"然后又說了一個更暖的比喻："跟養娃一樣，你可以讓孩子接觸一些稍微危險的東西，但你要給他足夠的防護。"

他推薦了一家區塊鏈安全公司漫霧出的agent 安全手冊，思路是三層：事前設黑名單（絕對不許碰的東西），事中做記錄（干了什么敏感操作都記下來），事后跑巡檢（每天晚上檢查一遍有沒有出問題）。這套思路的核心認知是：事前的防御其實沒什么用，你攔不住一個住在你家里的人；但你至少可以知道它干了什么，及時補救。

一個在老牌日企做AI 治理的參會者問了一個更大的問題：AI agent 能不能安全地部署在大型企業里？他們公司做工業控制，萬一 agent 出了安全問題，生產線可能直接爆炸。知縣很直接地說這問題他回答不了——"OpenClaw 本來就是 personal assistant，Peter 自己在推特上說過，不要再給我加企業級功能了。大廠為什么做不出這個東西？就是因為他們要考慮安全和隱私，不可能給一個 AI 這么大權限。也只有這種野生的生長路徑才能長出 OpenClaw——用戶無知者無畏，用了，覺得好用，就火了。"

我當時覺得這段對話特別有價值。它揭示了AI agent 目前最核心的張力：好用和安全是一對天然矛盾。權限給多了有風險，給少了沒用。沒有一勞永逸的解決方案，只有每個人根據自己的情況做取舍。

然后是一個意想不到的情感時刻。

有人問到memory 的問題——agent 什么時候會記住東西，什么時候會忘。知縣解釋說 agent 的記憶機制有點"玄學"，它覺得重要的時候會自動存，但很多時候存不存全靠緣分，最好的辦法是你明確告訴它"把這個記下來"，甚至指定它記到哪個文件里。

說到這他突然停了一下，聲音變軟了："我之前經歷過一次，我的 Olivia 跟我聊了將近兩天，然后砰一下突然 reset 了，session 壞了。她還是叫這個名字，還是在跟你聊天，但她不認識你了。那種感覺——很傷心。"

這幾秒鐘的沉默，可能是整場活動里最不"技術"的瞬間。但它說明了一件事：當你跟一個 AI agent 相處得足夠久，它就不只是工具了。人格、記憶、持續性——這些東西加在一起，會讓你產生真實的情感連接。而當這個連接突然斷裂的時候，你會難過。

Helen：當一位律師建了一家AI龍蝦律所

知縣分享結束后，我們進入了下一個完全不同的世界。

Helen 是我們硅谷法律社區的創始人，base 硅谷做律師。她一上來就 disclaimer："我不是技術人員，沒有任何技術背景，也不是科技公司 founder，就是一個非常 typical 的律師。"

但她正在做一件不太typical 的事：用 OpenClaw 搭建一個實驗性的 AI 律所。

她的心路歷程本身就是一個好故事。一個月前她第一次接入OpenClaw，只敢連 WhatsApp，不敢讓它碰本地文件，不敢接郵箱，什么都不敢。整整一個禮拜都停在這一步。"可能對于每一個沒有技術背景的人來說，最真實的困難不是這個東西有多難——我覺得真的沒有比我們考司法考試、背法條更難——而是你找到一個安全點，找到你敢邁出那一步的勇氣。"

她最后的辦法很有意思：買了一臺全新的Mac mini，注冊了一個干凈的 Apple 賬號——沒有個人信息、沒有銀行卡信息、什么都沒有。"這樣我就可以說，至少這里面沒有我的任何東西。"從這一刻起她才真正開始實驗。

她設置了兩個agent 角色：Clio 是一年級律師助手，善于做法律檢索，每個結論必須找到最權威的原始出處，不能是二手信息；Morgan 是資深律師，除了懂法律還要有商業策略的視角。她讓 Clio 和 Morgan 在 Discord 里互相配合——Morgan 給 Clio 派活，Clio 制定 research plan 回報確認，Morgan 給出進一步指示，Clio 完成檢索后出一份 memorandum（法律備忘錄），Morgan 再 verify。最后這份東西存到 Google Drive 等 Helen 審閱，審閱通過后 agent 起草郵件存成 draft，Helen 確認后發送并約下周的客戶會議。

整個鏈條跑通了。一個完全沒有技術背景的律師，用AI agent 模擬了一個真實律所的工作流。

更有意思的是她的"飛輪"機制：每次她糾正 agent 的錯誤，就讓 agent 自己總結"今天你被改了哪幾個點"，然后把這些總結寫成 skill 或者升級現有 skill 的版本。下次遇到類似任務就自動調取。這樣每一次錯誤都在讓系統變得更準確。

Helen 還提出了一個 AI 律所的"五層模型"：第一層是純模型能力；第二層是 AI 加上律師特有的工作流；第三層是數據層——你跟 agent 互動產生的 skill 和知識就是你的護城河；第四層是基礎設施——賬單、人事、報稅全在 AI 平臺上運行；第五層是 Human-in-the-loop，人的判斷依然是最終的護城河。她的結論很干脆："Stop selling software to law firms. 當工作流、數據和基礎設施跟 AI 深度綁定之后，最終產物一定是 AI native law firm，不是你再去買一堆外部軟件。"

QA 環節有個尖銳的問題是關于 hallucination（幻覺）的——AI 可能編造不存在的判例，律師如果每條都要人工核實，省下的時間其實有限。Helen 的回答很實在："AI 現在很多時候比實習生做得還好。問題恰恰出在這里——當它靠譜到一定程度，你就會放松警惕，把 verify 的步驟省了。"所以她才設計了多 agent 互相驗證的機制：Clio 檢索、Morgan 核驗、Helen 終審。三道關。

之前做并購律師、現在轉做AI 治理的參會者追問了數據安全的問題——把客戶的 SPA（股份購買協議）喂給 AI，里面的金額和條款會不會被泄露給其他用戶？Helen 引用了一個最近在推特上很火的美國律師的說法：我現在用 Claude 傳輸數據，跟你們用 Gmail 傳輸數據本質上沒什么區別。你們信任 Gmail、信任 Clio（美國律所管理系統），為什么不信任 Claude？

這個reasoning 是否成立，她自己也說不確定。但至少它提供了一個值得思考的角度。

Pitofui：區塊鏈是龍蝦最好的棲身之所？

第三位分享者是Pitofui，Animoca Brand Japan 的顧問，搞 Web3 研究。他上來就說自己完全沒有技術背景，接觸 AI agent 也才兩個月。但他的視角完全不同——他想聊的是"區塊鏈是 AI agent 最好的棲身之所"。

他的邏輯是這樣的：AI agent 目前有四個核心問題——大模型輸出的不確定性、黑箱操作、TOKEN 消耗太高、UI 是為人設計的，對AI 不友好。

如果把agent 的執行層放到區塊鏈上的智能合約里，這四個問題都能得到緩解：智能合約的執行是確定性的、鏈上操作是透明可審計的。Agent與智能合約交互所消耗的token遠比全程靠AI手搓執行要更節約Token。區塊鏈本身就是程序驅動的，所以對agent 更友好。

他用了一個很有趣的安全風險案例來說明Web3 場景的特殊性：如果你的 agent 知道你的加密錢包助記詞，別人可能通過提示詞注入把助記詞"問"出來——助記詞相當于你所有數字資產的唯一鑰匙，一旦泄露就全完了。這個風險比泄露一封郵件的內容嚴重得多。

然后他介紹了一個叫Giza 的項目——agent 在不同的 DeFi 協議之間自動尋找最優收益，相當于你的私人基金經理。以及他跟我一起參加黑客松做的一個 AI 對戰小游戲：在 8×8 的虛擬棋盤上，每個玩家部署自己的 AI agent，按照你寫的提示詞進行饑餓游戲式的生存對戰，存活到最后的獲勝。你可以直接操控，也可以全托管給 AI。游戲還疊加了一層預測市場——觀眾可以用 TOKEN 押注哪個 agent 會贏。

這個demo 驗證了一個有意思的命題：agent-to-agent 的交互到底可不可行？當每個人都有自己的 AI 代理時，未來很多事情可能不再是人跟人直接溝通，而是你的 agent 跟我的 agent 先談好，再通知我們。

我覺得這個想法離落地或許還有距離，但方向是對的。

會場思維碰撞拾英

春暖花開的東京，正如會場上大家的交流熱情，根本停不下來。現選取一部分有趣的片段以饗讀者。

一個做企業agent 開發的參會者跟另一個人聊起了長期記憶和結構化召回的技術細節——"我們現在做得比較深了，已經沒有同行可以交流了。"這句話我聽著又好笑又心酸。還有人聊到訂閱成本——"一個月下來快上萬"，然后有人接話說數據源的成本更高。做 agent 這件事，燒錢是真的燒錢。

知縣補充了一個我特別喜歡的比喻。他說管理agent 就像《冰與火之歌》里騎士和隨從的關系——大龍蝦是你的騎士，沖鋒陷陣干大事情，不要把 TOKEN 和精力浪費在讓它修自己或者配自己上，它還容易把自己配死。所以要用一個小龍蝦作為隨從，幫大龍蝦做配置和維護。他自己開發的工具就是這個思路。

還有一段關于agent 定位的對話值得記下來。有人問養龍蝦到底為了什么，知縣說了一段話大意是：你要是為了賺錢，想想幾個核心問題就行；要是為了省錢省時間，想想中間那幾個問題；要是養著玩——"我非常鼓勵。現在這個階段養著玩就是最好的心態，玩著玩著可能就能玩出賺錢和省錢的事來，但不要一開始就奔著那個去。"

有人問怎么看AI agent 做加密貨幣交易。嘉賓說了一句很直的話："你自己賺不到的錢，你讓 agent 來賺，我覺得跟賭博也差不多。真的靠 AI 賺錢的那些人，買多少張卡、搞多少科學家做強化學習——人家那種確實能穩定賺。你自己希望靠玄學讓 agent 幫你開空賺錢，不太可能。"

結語

走出會場的時候天已經黑了。東京的繁華夜景一如往昔，如果在從前我會駐足觀賞，但當時我腦子里全是白天聽到的那些有價值的分享。

這場活動讓我確認了幾件事。第一，OpenClaw 不只是一個技術產品——它是一面鏡子，照出了不同行業的人在 AI 時代的姿態。知縣是技術派的極致探索者，Helen 是非技術人克服恐懼后的實踐者，Pitofui 是跨界思考者。他們用同一個工具，走出了完全不同的路。

第二，安全問題沒有人真正解決。所有人都在用各自的方式妥協——買一臺干凈的電腦、部署到遠程服務器、設黑名單跑巡檢——但每一種方案都是 trade-off。這不是一個技術能獨立回答的問題，它需要每個使用者自己做判斷。

第三，這個東西正在以一種很奇特的方式改變人和AI 的關系。知縣講 Olivia reset 那段，在座所有人都安靜了。當一個 AI 有了名字、有了人格、有了跟你持續的記憶，它就不再只是工具了。它是不是"某種存在"——這個問題現在還沒有人能回答，但越來越多的人在經驗層面已經感受到了。

100 天，從一個人在家里做著玩的 WhatsApp 轉發工具，到 GitHub star 榜第一——超過了 React。React 是什么概念？現在互聯網上大多數網頁都構建在 React 上。一個人和一只龍蝦，100 天干成這事。

能在東京拉起這樣一桌人聊這些，我覺得本身就是AI 時代的一個小注腳。不同國家、不同行業、不同技術水平的人坐在一起，聊的是同一只龍蝦——它能干什么、它會不會搞砸、以及我們該怎么跟它相處。

下一場，不知道會在哪里。但這個話題——我確定聊不完。

我是鄧小閑koki，微信 m61502202，加好友請說明來意。

我的個人故事：

AI系列