對話港大黃超、任旭濱：龍蝦熱潮、nanobot、CLI與AI開源方法論｜甲子光年

“盡可能用簡單的方式，去解決一個當下比較有挑戰的問題。”

作者｜王博 周悅

“這么大發量一看就是假導。”“你是‘真人nanobot’吧？”

一前一后兩句話，分別是小紅書網友對黃超和任旭濱的調侃。

黃超是香港大學數據科學研究所及計算與數據科學學院助理教授、博士生導師；任旭濱是黃超的學生，目前在香港大學讀博，同時他還是超輕量級個人AI助手nanobot開源項目的作者。

黃超的研究方向涵蓋大模型、AI Agents和圖機器學習，研究成果在Google Scholar上被引用超過16000次。但更為人熟知的是黃超團隊推出的多個具有相當影響力開源項目，包括nanobot、LightRAG、DeepCode、CLI-Anything等。截至目前，nanobot已經獲得了超過15萬次的下載量，并且在GitHub上已獲得超過3.8萬的Stars，團隊打造的HKUDS GitHub開源平臺也形成了豐富的AI Agent生態，累計吸引超過9千的followers。黃超本人也是一位小紅書博主，粉絲超過4萬。

站在流量的風口浪尖，贊譽和質疑幾乎同時涌向了這個團隊。

他們嘗試用4000行左右的代碼打造nanobot，實現了OpenClaw這種百萬行代碼量級項目的核心功能；他們推出開源項目ClawWork，將AI助手轉變為真正的AI同事，完成工作任務并創造經濟價值，在11小時內賺取了15000美元。

我們很好奇：他們是如何做到的？團隊為什么對開源有如此執念？這波OpenClaw（俗稱“龍蝦”）熱潮改變了什么？

在2026中關村論壇年會“人工智能主題日”的Party Nights活動上，我們見到了黃超和任旭濱，并和他們在北京AI原點社區錄了一期視頻播客。

和小紅書網友的調侃不同，任旭濱對“假導”黃超的感受是“非常有活人感”，而黃超則認為“真人nanobot”任旭濱并不像bot（機器人），相反他會給團隊帶來很多“啟發與靈感”。

談及OpenClaw熱潮，黃超認為“焦慮和機會并存”，OpenClaw要從“好玩”變成“好用”，不能只靠模型變強，更需要規劃、記憶、工具鏈和軟件接口層（CLI）的適配，與開源社區共同把生態補足。

而面對贊譽和質疑，他們更在意的始終是按團隊的研究品味，把值得做的項目開源出來。

“盡可能用簡單的方式，去解決一個當下比較有挑戰的問題。說到底，就是大道至簡。”黃超說。

本文為「甲子光年」對話黃超、任旭濱《嗨點小圓桌》視頻播客文字實錄，由「甲子光年」編輯整理，有刪改。

「甲子光年」對話黃超、任旭濱

1.從OpenClaw到nanobot：“活人感”很重要

甲子光年：你們怎么看從今年年初開始的這波“龍蝦”熱潮？

黃超：我覺得這波熱潮，核心其實是一個詞——“活人感”。過去很多Agent更像工具，大家默認它只是幫你提效、幫你完成任務。

但OpenClaw不太一樣，它讓人開始重新期待Agent不只是工具。它也可以更像一個會主動互動、陪你一起做事的個人助手，類似電影鋼鐵俠里的“賈維斯”。它把大家對Agent的期待往前推了一步。

黃超

任旭濱：我覺得OpenClaw的理念非常好。它讓Agent可以跑在本地，擁有更多電腦權限，去做很多云端Agent做不到的事。另外，它是開源的，程序員和普通用戶都可以下載到本地使用，把Agent開放給了更多人。

甲子光年：黃超老師，你有一個很有意思的判斷：OpenClaw帶來的，技術革新倒在其次，更重要的是Agent交互模式上的啟發。這種啟發，或者說變化是什么？

黃超：最大的變化還是主動性。以前用戶和Agent的關系比較被動，先輸入需求、寫prompt，再由它幫你完成任務。現在不太一樣了，像“龍蝦”這類產品，它會主動來找你，問你有沒有新的代辦，有沒有事情可以繼續做。

第二個變化是，過去我們得把需求寫得很具體，Agent才能執行。現在很多時候，給它的是一個比較模糊的目標，至于中間怎么拆解、怎么調用工具，很多都可以交給Agent自己決定。

所以它給整個生態的啟發是，交互變得更靈活了。系統也正在從固定workflow（工作流），慢慢轉向一個“真正的Agent”。

甲子光年：OpenClaw出來后，很多人很興奮，但是隨后一些人又陷入了焦慮，覺得是不是自己的工作會被替代，你覺得現在FOMO（害怕錯過）的情緒嚴重嗎？我們應該如何面對這一項又一項新的技術？

黃超：我覺得完全不焦慮其實很難，尤其我們自己就在做Agent感受會更明顯。

你越去探索它的邊界，就越能感受到它能力提升得有多快，也越能感受到，它確實可能替代一部分原本由人完成的工作。

但如果只看“龍蝦”現在這個階段，我覺得它更多還是個人助手，距離真正高強度、穩定打工還有一段路。

當然，隨著生態繼續發展，它很可能會從“個人助手”慢慢走向真正的合作者。我覺得它的確可能會替代一些工作，尤其是編程甚至科研本身這類智力密集型工作。

但另一面，它也在帶來新的機會。以前很多事情需要很強的代碼能力才能做出來，但現在借助Agent，很多人都更容易把想法變成現實。

這其實是一種技術平權，歸根結底，焦慮和機會是并存的。

甲子光年：在這波“龍蝦”熱潮里，你們發布了超輕量級個人AI助手nanobot，旭濱在這個項目中貢獻很多，你能不能通俗解釋一下nanobot是什么？它和OpenClaw有什么區別？可以幫助我們做什么？

nanobot，圖片來源：GitHub

任旭濱：最開始其實很簡單，我們發現OpenClaw的代碼太多了，也不太好安裝。

我們就想，能不能把它最核心的邏輯，用一種更簡單、更像“教科書范式”的方式實現出來，就做了nanobot。

它的底層運行邏輯和OpenClaw是接近的，OpenClaw能做的絕大多數事情，nanobot基本也都能做到。比如，寫代碼、報告生成、行業調研、文檔整理、做PPT。

某種意義上，它是OpenClaw的一個輕量化實現。

任旭濱

甲子光年：OpenClaw有100多萬行的代碼，而nanobot目前只有4000行左右，比OpenClaw少99%的代碼行數，基本上可以實現OpenClaw 80%的功能，這是怎么做到的？

任旭濱：核心還是抓住了本質。

對Agent來說，本質其實就是那個循環：上下文管理、環境交互，以及讓大模型去控制Agent幫用戶完成任務。完成這些，不一定需要那么多冗余代碼。

如果架構設計更合理，代碼復用做得更好、模塊之間更解耦，同時整體更容易理解，其實可以把Agent做得很輕。

因為本質是一樣的，所以在功能實現上，最后可以做到比較接近。我覺得至少在代碼層面，OpenClaw在設計上有點過于復雜，有一些地方可能沒有特別收斂，導致有一定的冗余。

甲子光年：nanobot在GitHub上獲得了大量關注，你有沒有分析過，為什么它會這么受歡迎？

任旭濱：一個原因是開源社區里很多人喜歡這種簡單、輕量化的代碼，也認同這種思路，他們會覺得一個Agent需要更清晰、可控的架構。另一個原因是，代碼更少之后，做二次開發會方便很多，可以更容易在這個基礎上做自己的Agent。

黃超：我和旭濱的感受是一樣的，nanobot的關注度遠遠超出預期。

最開始我們其實更想把它做成一個教程式的項目，用輕量的代碼，把OpenClaw背后的核心邏輯拆解開給大家看。

但沒想到，這種輕量化設計本身就很有意思，結果反而把很多原本分散在社區里的高手、開發者都吸引出來了，大家開始一起在nanobot上共建、共創。

甲子光年：在開發nanobot的過程中，最讓你感到意外的是什么？另外，有多少代碼是和AI一起vibe coding出來的？

任旭濱：最讓我意外的有兩個點。第一，Agent的自主能力很強。給它一個任務，它一開始可能不會做，但在大模型驅動下，它會不斷自己嘗試、找辦法，最后把事情完成。第二，是社區的活躍度。很多平時不一定被大家看到的程序員、極客，會很積極地參與進來，一起共建nanobot的生態。

至于代碼，最早期第一版還是手寫為主。但后來我發現，只要整體邏輯和架構已經比較清晰，AI其實能很好理解我的意圖。后期更多是人和AI協作，用模型生成代碼，再由我們審閱、調整架構和細節。

甲子光年：旭濱，有網友稱你為“真人nanobot”，你喜歡這個稱號嗎？

任旭濱：哈哈，我還挺喜歡的。可能讓大家記住我叫任旭濱，不太容易，但是讓大家愿意把 nanobot跟我關聯起來，我還是挺高興的。

我和nanobot一樣，幾乎都是在“不間斷工作”，而且善于把一些復雜的知識給輕量化。

2.從“助手”到“同事”：Agent怎么賺錢？

甲子光年：你們還有一個開源項目是ClawWork，將AI助手轉變為真正的AI同事，完成工作任務并創造經濟價值。你們給出的數據是，利用10美元的本金，11小時內賺取了15000美元。我很好奇，它是怎么賺錢的？

黃超：ClawWork其實是一個仿真實驗，但它完成的每一項任務，都是現實生活中真實存在的任務。

這個實驗基于OpenAI發布的GDP Evolve數據集。它收集了四個行業、總共220項任務，包括法律、醫學、藝術創作等各類工作。每一項任務都對應一個真實報酬，這個報酬是根據現實世界里的價格整理出來的。

當時我們就在想，既然大家都在討論怎么把“龍蝦”從助手變成真正能打工的角色，那為什么不讓它先在這個數據集上“打一輪工”？

我們就讓nanobot、類似“龍蝦”的Agent，在這220項任務上去執行，衡量方式也很直接看它最后一共能“賺”多少錢。

結果是，在11個小時里，它完成的任務對應的總價值超過了1萬美元。

ClawWork Agent Flow，圖片來源：GitHub

甲子光年：所以這是一個模擬賺錢的過程，而不是真正真金白銀賺到了這筆錢？

黃超：對，任務是真實的，但賺錢是在數據集構建的仿真環境里完成的。

甲子光年：現在很多人也在討論，OpenClaw出來之后，更多是賣課的、賣設備的、幫別人安裝部署的人賺到了錢，真正靠Agent本身賺到錢的人似乎還不多。類似OpenClaw這樣的產品，究竟怎么才能產生帶來真正的收益？怎么讓“龍蝦”變成一個真正的“打工人”？

黃超：在現實生活中，很難直接讓Agent在各個行業里去真實賺錢并做標準化評估。這個數據集提供了一個仿真環境。

至少說明，在某些任務上，Agent已經具備了很強的“打工能力”，像代碼、報告生成、行業調研、文檔整理、做slides這類任務，潛在掙錢能力已經很強。

甲子光年：nanobot和ClawWork之間是什么關系？

任旭濱：ClawWork更像是我們搭建的一個生態，用來評估這些能干活的Agent到底能達到什么樣的表現。不管是nanobot，還是其他類似的Agent，都可以把ClawWork當成一個載體，在上面做測試和評估。

甲子光年：最近“One Person Company（一人公司，OPC）”的概念很熱，但還有一種趨勢是多Agent系統。我看到小紅書上也有人問你“OPC和nanobot的區別”，你覺得未來AI更強化“個體”，還是會形成“AI組織”？

黃超：我覺得這兩種形態都會很重要。

如果用一個比較直觀的類比，個體可以理解為一臺設備，比如一臺PC。

nanobot更像是在這臺設備上運行的一套能力，讓這個“個體”變得更智能、更自動化。集群更像一個生態，把很多終端設備連接在一起，讓它們協同去完成更大的任務。

從這個角度來看，Agent其實也會走向“集群化”。未來每個人都可能擁有很多個nanobot，這些Agent不再是單兵作戰，而是可以形成一個團隊，去完成更復雜的任務。

我覺得離真正“打工”已經很快了，接下來幾個月，它就能開始承擔很多日常任務，越來越成熟。

任旭濱：Agent這個領域發展得特別快。我們在迭代nanobot的過程中，會很明顯感覺到，它的能力是在不斷躍遷的。從早期比較單點式的Agent，到現在開始走向Multi-Agent，未來甚至可能會進一步走向自我進化。

我覺得大概在半年左右的時間里，它就有可能在很大程度上減輕我們日常工作中的負擔。

甲子光年：nanobot下一步的規劃是什么？你們接下來最想補的生態短板是什么？

黃超：nanobot肯定還是會持續迭代。

它本身可以看作一個比較輕量的系統，用來支撐Agent的運行。在planning（規劃）、memory（記憶）、整體效率、token使用效率這些方向都會繼續優化，讓它更輕量、更高效。

更重要的是生態。現實生活中，大量工作其實是圍繞軟件展開的。很多人每天花大量時間在這些工具上，但這個過程本身是低效的。我覺得未來一個很重要的方向，是讓nanobot更好地使用現實世界里的各種軟件。

如果接下來能把Agent操控整臺計算機這一層真正打通，讓它可以直接操作這些軟件，它離真正打工就會更近一步。

3.軟件世界要開始為Agent改寫接口

甲子光年：既然聊到了Agent使用軟件的問題，那就要提到你們的另一個開源項目——CLI-Anything。這個項目在Github上有2.9萬顆星，被討論得越來越多。僅一行命令就能讓任意軟件接入OpenClaw、nanobot等Agent框架，你們為什么會做這一個項目？

CLI-Anything，圖片來源：GitHub

黃超：這個項目背后的一個核心啟發是：未來的軟件不一定主要是給人用的，軟件更重要的使用者，很可能會是Agent。

對人來說，我們更愿意使用那些讓自己感覺順手、甚至有點愉快的GUI（圖形用戶界面）軟件；但很多操作交給Agent去做是最好的。

但現在讓Agent去操作軟件，很多時候還是只能走GUI這條路，也就是像人一樣去看屏幕、點坐標、一步一步操作界面。這種GUI Agent的問題其實很明顯。

甲子光年：為什么你們覺得CLI（命令行接口）更像Agent的原生工作語言？

黃超：因為GUI Agent有一些問題。

第一，它慢。因為它每一步都要先理解當前屏幕截圖，再判斷應該點哪個位置，整個過程本質上依賴多模態理解，所以推理鏈條會比較長。

第二，它不夠準。尤其是在電腦這樣的大屏幕上，要去完成一些很精細的點擊任務，其實并不容易，所以準確率往往也會受到影響。

第三，它的token消耗會很高。因為這里面涉及大量的圖像理解。很多時候，可能只是讓AI幫我們點一杯咖啡，最后消耗掉的token成本，已經快接近那杯咖啡本身了。

這種方式看起來很炫，但不一定真正實用。我們覺得，GUI Agent不一定是當下最“Agent Native（原生）”的形態。

之前我們其實容易陷入一個思路，總想讓AI像人一樣去做事。但后來我們意識到，人類熟悉的方式，不一定是AI最有效率的方式。

我們的判斷是，CLI這種模式可能更接近Agent Native，AI通過代碼去交流，本身就是一種更準確、更快速的方式。

甲子光年：那在CLI-Anything的實現過程中，最大的難點和突破點分別是什么？

黃超：我覺得它其實是一個技術上并沒有那么復雜的項目。

因為很多時候，我們做Agent會越來越有一種感覺，很多真正關鍵的東西都符合“大道至簡”的邏輯。沒必要把一個問題想得特別復雜。

很多時候，人反而容易把簡單問題復雜化。但做Agent不應該這樣，更重要的，反而是把復雜問題盡量簡單化。

從這個角度來看，CLI-Anything其實就是抓住了一個很明確的痛點：一方面是當下軟件生態本身的使用方式，另一方面是Agent未來要和軟件更高效適配的趨勢。

它的核心突破點，并不在于技術本身有多“重”，而是在于它找到了一個很關鍵的接口層。

簡單說，就是它為Agent創建了一套可以直接和軟件生態溝通的CLI接口。抓住了這個點之后，很多事情反而就變得順了。

甲子光年：你怎么看待“未來所有軟件是不是都要變得對Agent更友好”這件事？GUI是不是會變得不那么重要？

黃超：我覺得也不能這么說。因為現在其實還有很多人在繼續做GUI Agent，所以很難說GUI不重要。

但如果從我自己的角度出發，當我讓Agent幫我完成任務的時候，我最關心的其實還是任務完成的質量和結果。對于這一類需求來說，GUI可能就沒那么重要。

不過GUI的重要性，背后也不僅僅是交互問題，它還牽涉到整個軟件生態。很多軟件今天的商業模式，本身就是圍繞“人來使用軟件、產生流量、形成付費”建立起來的。

GUI不太可能在很短時間內被替代。我覺得，未來更可能是GUI和CLI共存。人還是會繼續使用一些軟件，但很多專業性的、工作型的軟件，會逐步走向CLI化。

甲子光年：我們之前也試用過一些GUIAgent。除了剛才提到的那些問題，它們還經常會碰到驗證碼、風控識別之類的面向“真人用戶”的機制。Agent想要去繞過這些限制，本身就會遇到很多問題。那么對于軟件廠商來說，是否要重新思考應如何更好地適配Agent？

任旭濱：我覺得黃老師剛才說得非常對。未來很多軟件都要更多從“效率”的角度出發，去降低GUI層面的復雜度。

以前很多軟件的商業邏輯，某種程度上是希望用戶在里面停留更久，所以GUI會做得比較復雜。但未來這個邏輯可能會變化。對用戶來說，能不能幫他節省更多時間、提升更高效率，可能會變成更重要的付費理由。

我們也看到，其實很多大廠內部已經在把一些專業軟件、核心軟件逐步做CLI化。未來也不排除它們會把這些CLI能力通過合適的接口開放出來，讓每個用戶自己的Agent都可以接上去。

4.一支高校開源團隊的方法論

甲子光年：你們團隊已推出很多有影響力開源項目，背后有沒有一條邏輯主線？

黃超：我們一直在做的其實是同一件事：怎么讓AI更好地幫我們“打工”。

因為我們自己就在科研一線，最熟悉的任務就是編程、深度研究，以及一些更偏科學發現的工作。

我們最關心的，不是做一個看起來很新的系統，而是能不能把這些真實、繁瑣、重復的任務一步步交給AI，讓人從里面解放出來。我們團隊一貫的偏好是喜歡做輕量級系統。

甲子光年：黃超老師，你最早是從推薦系統、圖學習、信息檢索一路做過來，我想知道后來你為什么會進入大模型、RAG、Agent這些方向？

黃超：我們組最開始其實也做過推薦系統、圖學習這些方向。但慢慢會發現，這類技術在具體場景里可以做得不錯，要真正泛化到更廣的領域，限制依然很大，尤其受數據和生態約束。

后來我們轉向大語言模型，一個很自然的問題就是：大模型要落地，怎么把知識接得更好、成本降得更低。

于是我們做了LightRAG，想用更少的token消耗、更快的訪問和索引方式，去實現一個更輕量的RAG系統。再往后我們又意識到，RAG只是更大系統里的一層，下一步自然就走到了Agent。

甲子光年：旭濱，你是怎么確定自己的研究方向的？

任旭濱：我在本科階段，做過一些研究。后來到了黃超老師組里，一開始是做推薦算法，然后一路做到RAG，再做到Agent。

回頭看，這不是一開始就規劃好的，更像是一個不斷根據反饋調整方向的過程。哪個方向能持續給出信號和反饋，能讓我們更接近真實問題，我們就往哪邊走。

這個過程有點像一個不斷“梯度下降”的過程，每走一步都會比之前更接近最優的答案。

甲子光年：我們經常會談到一個詞，叫“學術品位”，或者說“研究品位”。那你們團隊的學術品位是什么？

黃超：如果讓我總結的話，我覺得我們團隊的一個出發點是：盡可能用簡單的方式，去解決一個當下比較有挑戰的問題。

LightRAG也好，nanobot也好，它們背后其實是同一種偏好。我們一直傾向于做輕量級架構，因為很多事情最后都會回到“大道至簡”。更快、更簡單、更便宜，不只是工程選擇，也是我們判斷價值的標準。

甲子光年：如今，AI技術和范式變化較快，很多路線沒有收斂。你們如何追逐熱點，又不盲從熱點？如何判斷一個方向值得投入的？

黃超：關于熱點，我們不會把它理解成要不要追，而是把它看成一種信號。一個東西之所以會熱，往往說明那里有真實的技術痛點還沒被滿足。

像OpenClaw之所以引發討論，本質上反映的就是大家對現有Agent形態并不滿意，都在等一個真正屬于自己的“賈維斯”。所以我們不是為了追熱點而追熱點，而是去看熱點背后到底對應了什么問題。

任旭濱：我會把熱點理解成一種外部反饋。它之所以成為熱點，說明很多人真的在意這個問題。

更重要的不是先判斷它熱不熱，而是從我們的能力出發，能不能在里面做出東西、解決一點真實問題。很多時候，機會其實就藏在熱點里，關鍵是你能不能接得住。

「甲子光年」對話黃超、任旭濱

甲子光年：我們之前也和很多高校、實驗室交流過，有些團隊更像是“各寫各的paper”。但你們更像是在持續迭代一個產品，或者一個開源項目。你們怎么判斷，一個想法是寫論文就夠了，還是值得做成開源項目？你們怎么理解“開源精神”？

黃超：在我們看來，開源和論文本質上都是方法，最終目的都是解決一個真實痛點。我們團隊并沒有那么“paper driven（論文導向）”。不是發完一篇論文，這件事就結束了。

很多時候，真正累的反而是項目剛發布的時候，因為從那一刻開始，你要接社區反饋、持續迭代、整合PR（拉取請求）。對我們來說，發布不是結束，而是開始。

如果一個東西只是適合被總結成論文，那它寫成論文就夠了；但如果它確實解決了一個當下存在的問題，那一篇論文往往不夠，它更適合在開源社區里繼續生長。

很多時候，我們會先把技術做成項目發布出來，再用論文、技術報告或者博客補充表達，這是更自然的一條路徑。

在我們組里，我沒有給學生設定必須發論文的要求。我更在意的是，大家能不能做出真正不錯的東西。至于論文，我覺得它更多只是一個產物。

我對開源的理解也是一樣。現在很多技術還處在百家爭鳴的階段，很多事不是靠一個組織就能獨立做完的，必須跟著生態、跟著社區一起往前走。

開源最重要的一點，就是它能讓你真正感知需求、拿到真實反饋，再根據這些反饋繼續迭代。發布只是開源的開始。

任旭濱：以前沒有代碼智能體的時候，論文是一種很高效的知識載體，因為它已經被壓縮和總結過了。

但現在不一樣了。有了代碼智能體之后，如果我們先把項目開源，別人可能用一個下午，甚至喝杯咖啡的時間，就能讀懂我們到底在做什么。從傳播效率來看，開源在很多時候已經比論文更快。

對我來說，開源還有一個更重要的意義：它是在表明，你愿意和社區站在一起。你不是把東西關起來，而是真的愿意讓別人參與進來，一起把它做下去。

甲子光年：你們會特別關注GitHub上星標的數字嗎？

任旭濱：我們還是會偶爾看一下，至少能知道，社區現在的熱度大概在哪兒。

甲子光年：你覺得做學術和做開源之間矛盾嗎？

黃超：我反而覺得學術更應該做開源。因為學界限制更少，不像大廠會受版權、數據和商業化約束，所以更適合把東西開放出來。

甲子光年：對比海淀和香港這兩片區域，你們覺得開源生態有什么不同？

黃超：海淀的特點是生態更完整，高校、實驗室、企業、政府都在參與，更像一個把開源能力串起來的連接器。

香港則產業側沒那么豐富，但學界同樣很擁抱開源，比如港大就一直鼓勵把研究成果開出來。未來我會比較期待兩邊有更多合作。

任旭濱：我感受是，香港的開源更多還是學術和社區自發推動的。而海淀比較特別的是，有政府和企業一起在搭生態，所以整體會更成體系一些。

甲子光年：如果一個年輕學生想加入你們組，最需要具備什么？

任旭濱：我覺得有兩點特別重要。第一，真的要會用、敢用AI。現在AI已經不是一個可以忽視的效率工具了。

第二，是要有好奇心。以前做研究，更多是在論文里探索；但現在不只是這樣了，你還得去互聯網里看大家真正關心什么，真實的痛點到底在哪。

黃超：我特別認同旭濱剛才說的一點。用一句特別通俗的話講：能用token解決的事，就盡量不要靠人硬上。

除此之外，我覺得最關鍵的是自驅力。我們組里的同學，很多時候不是我在推他們，反而是他們在推我。

如果說加入我們組最重要的標準，我覺得第一還是：對科研要有真正的好奇心。不要一上來就太關心“能不能發論文”“要發多少篇論文”。

甲子光年：最后一個問題。如果現在有一個對AI感到焦慮的年輕人正在聽這場播客，你們最想對他說什么？

任旭濱：我最想說的是，不要那么焦慮。

AI Agent首先是在讓很多事情變得更方便。比如代碼智能體，已經在很大程度上改變了寫代碼這件事的體驗，就讓寫代碼這件事本身變得更輕松。

一方面當然要積極擁抱這些變化。另一方面，也不要讓焦慮占據太多空間。不要總覺得自己一定會失去什么。

AI的出現，本質上還是在讓生活變得更快樂、更有可能性。這樣心態才更容易真正把AI用好，也更容易感受到它帶來的變化。

黃超：我也想給大家一個很直接的建議，AI的門檻，其實沒有大家想象中那么高。

尤其是現在已經有了這么多AI工具之后，不管是寫代碼，還是做deep research、行業調研，其實都比以前容易了很多。

我們自己做項目時，現在很多時候也不會先把整條鏈路完全想清楚，再開始動手。今天這種方式往往已經不太現實了。

更多時候，我們會采用一種類似nanobot的思路，也就是Agent loop（Agent循環）。先想清楚下一步做什么，做完這一步，看結果，再決定后面怎么走。

我覺得，大家不用一開始就把所有事情想得特別完整。先做下一步，先上手，在做的過程中再不斷調整、學習，再去找新的解決辦法。

某種程度上，這就是一種“干中學”的狀態。我覺得在現在這個階段，這是更現實、也更有效的方法。

（封面圖及文中未標注來源圖片來自：中關村科學城公司）

關于嗨點小圓桌

2026中關村論壇年會期間，海淀區“人工智能主題日”場外氛圍活動 “原點 Party Nights”在 AI 原點社區舉辦。其中音視頻播客 “嗨點小圓桌” 是一檔 “海淀和他的朋友們” 深度對話節目，邀請主論壇嘉賓、AI熱點人物一同探討AI青年關心的熱點話題，歡迎大家收聽、觀看。

本場對話音視頻內容即將上線

音頻播客：在小宇宙APP搜索「津津樂道」即可收聽；

視頻播客：在微信視頻號搜索「津津樂道播客」即可收看。