立正认为 OpenClaw 会凉,是因为它的惊艳效果靠拼装现有能力,副作用和门槛让它走不到大众普及的终点;但仍值得一试,因为它第一次让普通人亲手摸到 agent 能推进任务的感觉。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
“会凉”指的是这个产品形态,不是 agent 方向
材料里的观点立正说,持久记忆、越来越懂你、能主动干活、入口简单的 agent 会是未来主流,但这个现实不一定由小龙虾这种狭义方式实现;他明确讲,小龙虾的副作用导致它自己走不到那个现实1。他把 OpenClaw 定位为 harness 概念下的一个子集:把现有 AI 工具和技术拼凑起来,做工程取舍,凑出惊艳的雏形2。所以“凉”判断的对象是这一款产品的可持续性,不是否定 agent 这条路。
值得试,是因为它把门槛拆掉了
材料里的观点立正说,Cursor、Claude Code 能做的事,OpenClaw 用聊天窗入口也能做到,但后者把技术门槛一下子推到了大众面前,这和去年 DeepSeek 把推理模型带给大众是同一类出圈2。他形容普通人第一次感到 AI 不是一问一答的机器人,而是能帮着推进任务的助手;并说这种把一小撮人已习惯的能力带给大众的产品创新非常厉害3。值得试的价值就在这里:不是底层技术突破,而是体验上的跨越。
试的边界:尝鲜可以,别把重活交给它
AI推演立正不建议普通人把它当主力路径:想用好很难,想既安全又高效地用好更难;他更推荐用 Cursor、Claude Code 这种可控、渐进、每步看得见的方式学1。但他也说,只是想尝鲜、下载后不给什么权限、看看它能干啥,门槛很低,倒还好;可以只给一个文件夹,让它提炼总结或做问答1。按这个思路,试的时候先限定权限和任务范围,观察它实际做了什么,再决定要不要加码——这是 AI 基于他判断的应用建议。
“一定会凉”这一说法在提供的片段里没有逐字出现,本文依据的是他关于“走不到那个现实”“副作用”的表述;另外两段录音中有未确认发言人的位置,相关衔接未纳入判断。
出处
- 1#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
给出“走不到那个现实”的判断,以及普通人尝鲜与主力使用的边界建议。
- 2#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
解释它的拼装式定位、聊天入口的意义,以及与 DeepSeek 出圈的类比。
- 3为什么OpenClaw一定会凉,但我仍然推荐你去试一试?
说明 OpenClaw 的价值在于把 agent 能力带给大众,而非底层技术突破。
追问2026年11月3日
为什么觉得OpenClaw产品不具备可持续性,现在OpenClaw已经更新到 2.0了,你说OpenClaw可以做的那些功能用 Cursor Claude Code 全都可以做到是什么意思?为什么认为 Cursor、Claude Code 是更稳的学习路径?
立正说 OpenClaw 会凉,不是因为它功能少,而是因为它把已有能力包成黑盒,难调、难控、门槛高;Cursor 和 Claude Code 更稳,是因为它们练的是可迁移的方法,而不是某个工具。
“会凉”指难走到大众终点,不是功能为零
立正对 OpenClaw 的判断是:它把一小撮人已经习惯的读写文件、执行命令、持续记忆等 agent 能力,第一次通过聊天窗带给大众,这个“带给大众”本身很有价值;但它没有底层技术突破,惊艳感来自拼装1。他同时说 OpenClaw 是黑盒,不觉得有人能把它“调教成完美”,可控性和可观察性才是关键2。所以“会凉”说的是这种形态难成为普通人的稳定终点,不是断言它一个功能都做不了。更新到 2.0 本身不改变这个结构判断;当前材料没有 2.0 的具体内容,无法据此重新评价。
“Cursor、Claude Code 也能做”指任务层可替代
材料里的观点立正的原话是:从完成任务的角度,都是你让 AI 干什么、给它足够好的上下文,它就可以帮你做;在命令行里也能用脚本定时触发、组织复杂流程。不同模型结果会变,但背后的东西差得不大3。他还说,社区里有人用 Claude Code 叠加自己的文件管理方法,Cursor 和 Claude Code 都有手机端,能满足大部分需求;普通人用 Cursor、Codex、Claude Code 已经用得不错,OpenClaw 不是必要的一环2。这不是说三者每个细节都一样,而是说 OpenClaw 展示的那类 agent 任务,别的工具也能承接。
更稳的学习路径:学方法,不绑工具
立正把使用 agent 拆成三个可练的能力:面对编程界面不害怕、看到报错不慌并能把上下文和错误信息交给 AI、把模糊需求说清楚4。他主张积累应放在模型和 harness 之上:今天用 Claude Code,明天换 Codex,同一份业务经验、任务标准和上下文还能用5。课程也明确说,Cursor、Codex、Claude Code 界面和收费不同,但方法不变,目标是跨工具迁移而不是被某个工具绑定6。这就是“更稳”的意思:工具会换、模型会涨,练出来的判断和表达方式留得住。反过来,先接触一个难用又难调的黑盒,容易让人误以为 agent 不行、自己也不行,从而推迟真正上手1。
当前材料没有 OpenClaw 2.0 的具体更新内容,无法判断 2.0 是否改变了立正原先对黑盒、可控性和门槛的判断;上述“会凉”只对应 2026 年 3 月前后的表述。
出处
- 1为什么OpenClaw一定会凉,但我仍然推荐你去试一试?
说明 OpenClaw 的价值来自把已有 agent 能力带给大众,以及它比 Cursor、Claude Code 更难上手。
- 2#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
直接讲 OpenClaw 是黑盒、难调教,以及 Cursor、Claude Code 已能承接多数需求。
- 3#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
说明从完成任务角度,几个工具功能相近,差别在体验和习惯。
- 4#148. 我们为什么AI焦虑,我们又该怎么脚踏实地
可回到原文核对这部分判断
- 5从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
解释为什么积累要放在模型和 harness 之上,支持跨工具学习路径。
- 6AI Builders第13轮更新(2026.8)
可回到原文核对这部分判断
追问2026年11月3日
课代表立正的每一个采访的 YouTube 视频有文字稿吗?在哪里查看呢?可以给我个链接吗?还是只能看视频?
不能保证每一期采访都有文字稿。立正公开的做法是:有字幕的视频可以整理成文字,show notes 里也可能给出文字稿入口;但并非所有视频都有现成文字稿。
有字幕的能转,没字幕的不一定
材料里的观点立正介绍过自己把 500 多集视频转成播客的项目,归档里区分了“有人工字幕”的 108 个视频和“无人工字幕”的 366 个视频,并生成了 471 个视频文档1。这说明文字化依赖字幕或转录,不是每个视频都天然带文字稿。至于“每一个采访视频都有文字稿”,现有片段没有给出这样的保证。
文字稿入口通常在 show notes 里
材料里的观点立正讲视频播客制作流程时说,show notes 会包含节目介绍、章节时间和相关链接;他以访谈 E509 为例,提到其 show notes 后面有“视频版和文字稿的入口”2。所以查看某期采访的文字稿,先打开该期视频简介或播客 show notes,找文字稿链接,比直接假定每期都有更可靠。
想按内容找原话,可以用“问问立正”
AI推演如果目的是核对某句话或找某期内容,而不是逐字读完整文字稿,立正提供的“问问立正”会从他的文章、视频和《真本事》里找材料,回答标出处,视频链到具体时间点3。这是检索工具,不等于每期采访都有一份完整公开文字稿;需要逐字全文时,仍要看该期 show notes 是否给出文字稿入口。
现有片段没有逐一列出哪些采访有文字稿、哪些没有,也没有给出统一的文字稿链接页;具体某一期是否有文字稿,需要看该期 show notes。
出处
- 1把500多集视频全都转成了播客
说明视频文字化依赖字幕,且并非所有视频都有人工字幕。
- 2我是怎样做视频播客的
说明 show notes 包含文字稿入口,并给出 E509 的例子。
- 3问问立正:直接问我讲过的内容,Founding Member不限次
提供按内容检索视频原话的入口,可替代逐篇翻文字稿。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 给我概述一下你之前说过为什么小龙虾一定凉。
立正说小龙虾“一定会凉”,核心理由是它为了普通人快速上手做了工程取舍,结果不可观测、记忆不可改、上下文不可隔离,难以胜任严肃工作。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。