01 明明Claude Code更强，OpenClaw为什么反而火了？开发者喜欢能改的东西，而cc的源码只能等再次泄露了。罗福莉说，改OpenClaw，是非常非常激发人的创造力的。看着一个工具在自己的手上不断进化，确实是很有成就感的事情。02 一套好的Agent框架，能让中层模型在85%的任务上发挥出顶尖模型的水准。这就是Harness工程做的事，用框架补模型的短板：记忆、工具调度、主动性。罗福莉把没有专门训练过的小模型接进OpenClaw，发现能完成超出预期的任务。03 市场上大部分Multi-Agent是伪的。速度快了，成本低了，但任务能做到的上限没有因此突破。多加几个Agent，不等于能做更难的事，更多时候只是把事情更复杂化了。04 A社虽然很可恶，但它仍然是行业天花板。很长一段时间，大家觉得Anthropic做Context Engineering是因为模型不够强，是省成本的无奈之举。Context管理、Skill Fold、Agent架构，现在回头看都是提前布局。05 连AI研究员的工作，也开始能被Workflow化了。 罗福莉原话：「我之前认为我们自己做的工作足够有创造力、不会被Skill化。但我现在发现，它竟然也能。」这意味着AI也可以训练更强的AI了。06 1T参数是进入Agent时代的门槛，不是终点。 接近Claude Opus 4.6水准的Agent能力，1T是最低要求。国内目前迈过这个门槛的有Kimi、MiMo、DeepSeek还有几家。但上一个时代的成功不代表下一个时代的领先。接下来考验谁反应更快。07 环境比经验重要。驱动团队靠的不是管理，是愿力。 罗福莉倾向于招本科生：「他们的灵活性和适应程度，都感觉没有被污染」。作为初创团队，我们也是同样的判断，更期望找到「新脑子」。一方面是足够热情，你得先相信这件事值得做，才能真的做好。另一方面很残酷，从某种程度而言，他们足够省钱。08 Code在每次范式转变里，都是最优雅的路径。 AI经历了三次范式：Chat、Reasoning、Agent。每一次，Code都是最核心的训练材料。罗福莉说，每次赛场换了，从Code出发永远是最稳的突破口。09 算力比例从3:5:1变成了3:1:1。Chat时代预训练吃掉大头。现在后训练的算力投入已经跟预训练持平，顶尖团队是1:1。重心从「把模型训大」转向「让模型真的能完成任务」。10 两年内实现AGI。现在进度20%，今年能到60%-70%。 她的判断：工作模式会先被颠覆，生活模式慢一步。工作先变，是因为工作直接产生经济价值。而生活要等更多机器人进入现实世界，才会真正跟着变。