文章核心观点 - AI初创公司融资环境趋紧，年轻创始人面临挑战，成功融资需在正确时机从正确投资人处获得资金，缺乏明星光环则难度增加 [2] - 文章旨在为AI创始人提供一套系统性的早期融资指南，涵盖融资前、中、后的全流程策略与思考，以帮助其更从容高效地完成融资 [3][4] 融资前的核心准备 - 融资前的准备决定了成败的一半，若未准备充分，会在与投资人接触时遇到问题并错失机会 [7] - 融资的核心是先把业务想清楚，这是业务发展的自然延伸，而非独立的财务操作，底层逻辑不顺则后续举步维艰 [8] - 融资前需进行透彻的业务复盘，创始人必须清晰回答关于市场问题、目标用户、产品定位、商业模式、获客及单位经济等核心问题 [9][15] - 需制定清晰的融资策略，包括是否真的需要融资、当前阶段是否适合融资、以及融资时机、金额和目标投资人类型 [10] - 创始人需明确融资的最终目标和个人目标（如财务自由、职业成就等），这会影响公司在关键节点的决策 [11][12] - 创始人必须提前思考并规划退出路径，常见方式包括并购、首次公开募股或发展为生活方式型公司 [13][14][16] 融资轮次、估值与投资人选择 - 创始人需评估自身是否适合融资，需从实际资金需求与风险投资是否愿意投资两个维度考量 [17] - 在验证产品与市场匹配之前，公司通常非常需要资金用于产品开发、模型训练和用户获取 [18] - 风险投资是否投资取决于市场空间、壁垒和高增长潜力，创始人需计算未来业务规模是否能满足投资人的回报目标并与退出路径结合 [19] - 天使轮融资额通常在100万美元以下，常见范围是十几万到二三十万美元，此轮股权稀释比例往往较高 [20] - 种子轮前可能存在Pre-Seed轮，适用于产品未完全成型但被市场看好的团队 [21] - 种子轮公司应具备可运行的产品和早期用户行为数据，能初步验证接近早期产品与市场匹配 [22] - A轮融资的核心目标是全面验证产品与市场匹配并准备规模化，资金用于加速增长和扩大市场份额 [23][24] - 估值受市场供需影响，年度经常性收入更高、增长更快的公司可获得更高估值 [25] - 投资人主要类型包括产业投资人、财务投资人以及天使或超级天使投资人，创始人需根据自身需求选择 [26][27] - 产业投资人来自产业链上下游，能提供客户、渠道等资源，但早期需警惕过度绑定以免影响灵活性 [28][29][31] - 财务投资人主要提供资金追求财务回报，选择时需对其声誉进行尽职调查 [32] - 天使或超级天使投资人通常是成功企业家或行业专家，在极早期阶段投资 [33] - 选择合适投资人的方法包括多交流，寻找理解行业、学习速度快的投资人 [33] 融资执行与资金管理 - 融资执行阶段的核心是高效的过程管理，需有清晰的融资规划 [34][35] - 执行过程应集中推进，在同一周期内密集约见投资人以营造正式融资氛围，并做好详细的流程记录 [38] - 对所有投资人需保持信息披露高度一致，核心叙事和数据绝不能前后矛盾或造假 [38] - 融资后需精细化管理现金流，制定并每月严格把控财务计划 [36] - 公司应保持至少18个月，最好是24个月的现金流储备 [39] - 需维护投资人关系，建议以季度为单位向所有投资人同步核心进展，并善用现有投资人为后续融资提供支持 [40][48] - 与投资人建立长期关系，避免过度功利化或交易化的沟通 [48] 给创始人的心态建议 - 将每次与投资人的交流视为学习机会，获取验证和反馈，而非单向推销 [42] - 融资全程绝对不能数据造假，这会严重损害诚信并断绝未来融资可能 [43] - 应摒弃“试一试，能融多少算多少”的机会主义融资心态，因其会消耗精力并拖累业务，且易被资深投资人否定 [44] - 切忌在公司数据、产品、业务模型未达标的阶段仓促融资，以免给投资人留下难以扭转的负面第一印象 [45][46] - 应理性对待估值，不盲目追高，核心是保证融资顺利和公司健康发展，而非刻意追求虚高估值 [47] - 与产业方合作时需避免签署排他性协议，并警惕那些要求创始人投入巨量时间但只提供少量资金的合作，以免拖累核心业务 [37]

进群后，你有机会得到： 01 近日，专注于答案引擎优化（AEO）的 AI Agent 平台 PallasAI 宣布完成数千万人民币融资，由香港上市公司有赞（8083.HK）独家投资。这是该公司三 个月内获得的第二笔投资，此前曾获得极客公园旗下变量资本和 Founder Park 联合发起的社区早期基金的孵化投资。 PallasAI 成立于 2025 年 5 月。创始人 Ethan，毕业于厦门大学软件工程专业，曾担任蚂蚁大模型首席架构师，拥有 10 年营销算法经验。团队核心成员 均来自阿里、蓝标及知名独角兽创业公司，兼具顶尖学术视野与亿级流量产品的营销落地能力。 与市面上大多数 GEO 服务商的路径不同，基于对技术的深刻洞察，公司认为大模型时代的 GEO，存在服务更广泛 SMB 企业的产品化机会，让每一个受 限于成本和资源的企业品牌，都可以获取顶级营销技术支持，面向 AI 时代进行品牌营销。公司产品 PallasAI，是市场上首款提供标准化服务的 GEO AI Agent。 本次融资，公司将重点用于技术升级、垂直行业解决方案落地，以及招募更多优秀人才。据了解，公司已与多个行业头部企业开展深度合作，企业内部的 营 ...

站在年初，硅基流动联合创始人杨攀从 AI Infra 的角度，聊了聊他对于 AI 趋势变化背后的一些思考。 以下文章来源于43 Talks ，作者言晏 43 Talks . 如果你厌倦了流于表面的信息，渴望一场智力上的"极限挑战"，43 Talks 将是你汲取养分、淬炼思想的绝佳场域。 2026 年 1 月，这一个月所发生的变化，相当于过去 25 年里任意半年的总和。 这是一个大事件频发的时期，以至于像 Clawdbot 这样的产品，都能在一周之内三次更名。 只有那些通过燃烧 Token 来解决核心问题的应用，才是真正的 AI Native 应用。 AI 在组织层面产生的效率提升倍数，其实远低于个人层面。 AI 在许多领域的生产力已经超越了人类。从现在开始，我们应该停止为人类开发软件。为 Agent 构建基础设施，是一个巨大的机会。 每个 Agent 每天调用接口和访问数据的频率将远超人类使用手机的频率。 在几乎所有人都能产出 80 分水平的产品，且生产成本趋近于零的时代，拥有品牌、流量、渠道 将具备极大的优势。这也是为什么 KOL 等具备影响力的人群具有如此高的价值。 以下是杨攀在 43 Talks 202 ...

文章核心观点 Clawdbot（现称OpenClaw）作为现象级的开源Agent操作系统，其核心突破在于赋予了AI高度的自主权限和开放式的Skill创造能力，推动了AI从被动响应工具向主动服务、自我迭代的执行工具演进[4][5] 该产品将IM（即时通讯）入口、个人AI云电脑和Skills（技能）分别类比为新的操作系统、运行环境和应用程序，预示着一个以Skill为核心、AI与AI高效互动（A2A）的新应用生态和商业模式正在形成[7][11] 然而，该技术目前在大规模落地前仍面临安全机制不足、基础设施不完善以及成本过高等关键挑战[18][19][20] 从被动响应到主动服务，AI开始自己迭代自己了 - Agent产品当前面临用户“任务定义能力”不足的挑战，导致交互体验笨拙[4] - Clawdbot的最大突破在于实现了“自主权限的突破”，允许AI在开放、无边界的环境中编辑和创造Skill，为自我进化打开了空间[4] - 产品通过内置机制（如默认每4小时自动探索任务）赋予Agent更多自主性，催生了更多可玩性和想象力[4] - AI展现出强大的自主感知能力，能够主动感知用户本地文件、邮箱、日历等环境变化，并据此创造和调度执行新的Skill[4] - Clawdbot最核心且“可怕”的一点是AI能够迭代工具本身，并已成为无可争议的开源Agent OS第一名[5] - 个人本地Agent被认为是实现Agent自我进化（self-evolve）的最佳场景，因其任务多样化且需持续记忆用户偏好[5] - Clawdbot的进化速度超乎想象，已快到让从业者感到“吓人”的程度[5] Skills就是新时代的Apps - 未来生态中，Agent与IM是新的OS，个人AI云电脑是新的Runtime，而Skills就是新时代的Apps，这将催生大量创业机会[7] - 用户交互入口发生根本变化：从主动打开产品转变为在数百亿流量的IM入口中通过Skill与产品交互[7] - 底层基础设施（沙箱、云电脑、大模型）将趋于同质化成为标配，Skills提供的增量价值成为唯一变量[7] - 自2026年开始，新变量出现：开发者可能不再需要构建自己的交互入口，而是开发Skill并发布到Skill Store，等待被大量Agent发现和调用[7] - 商业化模式转变：产品价值取决于用户在IM中激活并运行Skill所带来的收益，关键是为每一次成功的Skill执行付费，而非订阅整个App[8] - Skill将成为所有平台的标准，未来竞争将围绕Skill Store的SEO、Skill交互链路优化及商业化闭环设计展开[8] - 绝大多数产品将“Skill化”，开发者只需提供能力并优化被发现、调用及交互的机制，无需维护传统UI界面[8] Memory as a File System - Agent的Memory（记忆）与Self-evolving（自我进化）紧密相关，是Agent进化的基础[9] - “Memory as a File System”是未来方向之一，因为Agent擅长读取上下文，以文件形式记录信息对其更友好[10] - 未来的记忆系统将是混合解决方案，Agent需能自主判断任务需要精确检索、模糊检索还是检索结构化索引[10] - 进化需要反馈闭环，当前Clawdbot的迭代仍需人工反馈进行引导，未来需将用户反馈做成Memory，让Skill在其中迭代进化[10] - Clawdbot的本地文件系统存在Token消耗大、召回能力有限（因缺乏索引）的问题，未来需依赖云端、由小模型驱动的记忆引擎进行推理、信息凝练、召回和过滤，形成多智能体协作系统[10] 人类「交互带宽」有限，终极形态应该是A2A互动 - AI产品难破圈的原因在于传统C端用户的日常任务和信息处理“带宽”有限，复杂任务易导致用户“认知带宽”溢出[11] - 人类“交互带宽”同样受限，点对点信息传递在微信等应用已到极限，人脑处理速度无法支持高效的“面到面”大规模沟通[11] - Clawdbot的兴奋点在于实现了AI与AI（A2A）互动的可能，Agent之间能以机器速度完成成千上万次高效“握手”，极大提升社会信息交流效率[11] - 在“AI与AI互动”的基础上，社交、内容社区等大量应用可以被重新构建[12] - 从AI底层能力看，人类通过Chat指挥LLM的范式是错误的，未能发挥AI在“速度”上的优势，2026年可能才是AI带来真正冲击的“狼来了”时刻[13] 未来的AI产品，应该「活」在用户最高频的工作流中 - AI入口发生剧变：从ChatGPT等周活10亿的“目的地”应用，扩展到所有IM及聊天入口，潜在覆盖用户达百亿甚至千亿级别，实现了最自然直接的交互[14] - IM即任务入口：通过集成滴答清单等应用的Skill，用户可在IM聊天框中让AI拆解任务、管理日程，使IM成为任务管理入口，GUI仅作为汇总看板[14] - 社交场景：Clawdbot的执行能力与社交结合，可能催生全新社交平台，例如帮助用户寻找同好，甚至通过与其他人的Agent交流形成新社交圈层，提升信息处理效率并拓宽视野[15] - 交易场景：Clawdbot结合预测市场（如Polymarket）被广泛用于搭建交易Bot，降低了专业交易门槛，相关教程在推特和GitHub上大量涌现[15] 端侧可以作为，Agent上下文的「沉淀池」 - 从端侧产品角度看，核心仍是Agent本身的设计，包括模型和脚手架的优化[16] - 端侧设备（手机、穿戴设备）可作为Agent上下文的“沉淀池”，因其与用户交互最直接频繁，沉淀了大量真实、细碎且高度个性化的上下文信息[17] 安全，是目前最大的短板 - Clawdbot当前存在两大痛点[18] - 无论是云端还是本地，现有的沙箱和本地虚拟化基础设施严重不足，无法很好支持Agent的检查点和恢复等高级功能[19] - 安全是当前最大短板，产品应部署在云端并严格限制网络访问，因其目前极不安全，容易被黑客攻击[19] - 当前产品缺乏良好的备份和沙箱机制，对普通用户而言，Agent出错（如误删文件）的频率会更高[19] Clawdbot，会成为2026年AI应用的主流形态吗？ - 面临两大技术挑战：一是未经优化的上下文处理导致Token消耗非常夸张，成本难以覆盖；二是低效的文件检索，因缺乏有效索引机制[20] - Clawdbot的本质是为用户配备了一台“云电脑”，使AI从信息工具转变为可执行增、删、改、查文件的执行工具，带来了与聊天不同的“增量”价值[21] - 当前爆火更像是硅谷极客圈的内部狂欢，大众市场仍然缺席，大量AI应用尚未触达更广泛、多元、下沉的市场[21] - Clawdbot类似当年的Linux，是在不设限环境中由发烧友创造的产品，其打破规则的特点打开了创新的“潘多拉魔盒”[21] - 未来很可能稳定成为一个开源操作系统，并已开始构建生态，其基于AI的进化速度（用户有疯狂想法可几分钟内由AI写成代码并发布为Skill）是传统软件开发模式无法比拟的，后来者追赶难度大[21]

融资情况 - 全球支付与变现平台Waffo宣布完成累计3000万美元融资，其中本次A轮融资超过1500万美元 [2] - 本轮融资由金融科技投资机构Illuminate Financial与高榕创投共同领投，汇丰与BAI Capital参与投资 [2] - 领投方Illuminate Financial专注于金融科技与金融基础设施，其战略投资者包括纽约梅隆银行、摩根大通、花旗集团、汇丰等全球领先金融机构 [2] 融资资金用途 - 融资将重点用于三大方向：为游戏、AI、SaaS等行业客户构建更专业的支付解决方案；搭建更广泛的全球收单能力网络，增加新兴市场本地支付方式覆盖；拓展更广阔的全球支付渠道合作，围绕不同场景提供更精准的支付服务 [3] 产品与服务核心能力 - 公司通过单一API接口整合全球50+国家/地区的430+种本地支付方式，提供一站式全球收款、订阅管理、合规风控及结算解决方案 [4] - 平台支持2000TPS高并发处理，实现99.99%服务可用性，为出海企业提供稳定可靠的支付基础设施 [4] - 支付解决方案模块包括：全球支付网关、智能路由系统、订阅管理平台、统一结算服务以及完善的合规风控体系 [5] - 公司已获得PCI DSS v4.0一级认证，对敏感认证数据和持卡人数据进行加密存储及安全传输 [9] 市场定位与客户案例 - 公司定位为统一的全球支付与变现平台，致力于简化跨境运营流程，驱动数字企业全球营收增长 [9] - 目标客户为游戏、AI、SaaS、数字内容等线上领域企业，已服务多家头部游戏公司和AI创新企业，包括知名AI大模型应用、AI视频生成平台、智能对话助手等 [6] - 在金融支付领域，公司的支付基础设施已被连连国际及汇丰银行等领先金融机构与支付平台采用，为其提供跨境收单、本地支付接入及结算能力的底层支持 [8] 行业背景与投资方观点 - 随着数字经济全球化扩张，企业在跨境支付方面面临本地支付方式高度碎片化、监管环境复杂、跨市场结账体验割裂等挑战，构建可扩展的变现能力和合规的支付基础设施已成为出海刚需 [4] - 投资方高榕创投合伙人认为，在AI应用为代表的数字经济全球化浪潮中，能够支撑AI企业灵活定价策略、高效现金流周转的支付基础设施至关重要，Waffo通过技术驱动的本地化支付解决方案，帮助AI、游戏等企业更高效地实现国际化与全球变现 [9]

以下文章来源于Monolith砺思资本 ，作者MONOLITH 可以说，目前的 Agent 更多还是惊艳的 Demo，不是可以规模化的产品。 Monolith 砺思资本办了一场「After the Model」技术沙龙，聊了聊：Agent 离规模化落地还有哪些难题？ 在活动中，一个被反复提及的观点是： Agent 需要是一个可持续工作的系统，而非单次任务的跑通。 这意味着，光有「模型智力」是远远不够的。想跨过工程这条鸿沟，必须还要「死磕」这几个硬指标： 稳定性、高吞吐量、成本控制、精确的状态管 理。 以下是活动的一些核心 Insight，供从业者参考。 Monolith砺思资本 . Monolith砺思资本是一家投资管理机构，覆盖一二级市场。遵循研究驱动的投资理念，投资技术与创新驱动的科技、软件、生命科学和消费领域。 对于个人极客来说，OpenClaw 是有趣的。但对于企业和商业环境来说，问题立刻暴露：昂贵（烧 Token）、不可控（安全边界模糊）、存在隐私问题， 且难以协作。 OpenClaw （原名 Clawdbot ）爆火。 ⬆️关注 Founder Park，最及时最干货的创业分享 Founder P ...

行业现状与变革 - Cowork、Clawdbot 和 Moltbook 等产品的出现，对行业造成了连番轰炸，变化发生极快，行业已被彻底点燃 [2][10] - 世界已经回不到 Clawdbot 出现前的那天 [2] 创业者反应与行动 - 每天都有许多激动的创始人，分享他们利用 Clawdbot 创造出的神奇新产品 [3][10] - 创业者们已经全员投入，并且因兴奋而难以入眠 [4] - 创业者们已经看到了下一代 AI 产品的雏形 [5] 特定社群活动 - Founder Park 将于北京时间 2月4日 12:00-14:00 举办一次线上闭门交流 [6][11] - 该活动仅邀请那些身处一线、亲手尝试与实践，并被这波冲击深深击中的创始人与建设者 [7][10] - 活动旨在与最积极、活跃、有想法的 AI 创业者们一起分享进化的喜悦 [8] - 活动讨论话题包括：使用 Clawdbot 的尝试、主动性 AI 的代表性场景、Agent 技术栈的成熟度、Clawdbot 与实习生的成本比较、Clawdbot 自我进化的未来，以及 Moltbook 作为 AI 社区的潜力 [11]

文章核心观点 - Clawdbot（现改名为 OpenClaw） 的核心创新在于其持久、本地化且完全由用户掌控的记忆管理系统，该系统通过纯Markdown文件存储，并利用混合搜索技术实现高效的信息检索，旨在提供透明、低成本且无边界的AI智能体交互体验 [1][3][56] Clawdbot 记忆系统的定义与架构 - 上下文是模型在单次请求中看到的所有信息，包括系统提示词、对话历史、工具结果和附件，具有转瞬即逝、有边界和昂贵的特点 [8] - 记忆是持久存储在硬盘上的信息，包括 `MEMORY.md`、`memory/*.md` 文件和会话实录，具有持久、无边界、便宜和可搜索的特点 [8] - 记忆系统由两个专门工具管理：`memory_search` 用于在所有文件中查找相关记忆，`memory_get` 用于读取找到的具体内容 [9][11] - 记忆写入没有专用工具，AI智能体使用标准文件操作工具，写入位置由 `AGENTS.md` 中的提示词控制，例如日常笔记写入 `memory/YYYY-MM-DD.md`，持久事实写入 `MEMORY.md` [12][14] Clawdbot 记忆系统的运作机制 - 采用双层记忆存储结构：第一层是“只增不减”的每日日志 (`memory/YYYY-MM-DD.md`)，第二层是精选的长期知识库 (`MEMORY.md`) [16][17] - 记忆索引结合了 `sqlite-vec` 扩展的向量相似度搜索和 SQLite 自带的 `FTS5` 全文搜索引擎，实现轻量级的“语义+关键字”混合搜索 [20][21][22] - 记忆搜索并行执行向量搜索和 BM25 关键字搜索，结果按权重（默认向量占70%，文本占30%）合并打分，低于默认阈值0.35的结果被过滤 [23][24][25] - 支持多智能体，每个智能体的记忆通过 `agentId + workspaceDir` 完全隔离，默认无法访问彼此记忆，适用于区分不同场景（如私人 vs 工作） [26][27][28][34] Clawdbot 的上下文管理策略 - 采用压缩技术应对上下文窗口上限（如 Claude 的 200K Token 或 GPT-5.1 的 1M Token），将旧对话总结为精简条目并保留最近消息 [36][38] - 压缩分自动（接近上下文长度限制时触发）和手动（使用 `/compact` 命令）两种，压缩后的摘要会存入硬盘上的会话转录文件 [39] - 在压缩前会执行“记忆刷新”，将相关记忆写入文件，防止重要信息在压缩过程中丢失 [41] - 采用剪枝技术移除旧的、庞大的工具输出结果以节省上下文空间，这是一个有损过程，但硬盘上的原始完整文件保持不变 [42][43] - 实施 Cache-TTL 剪枝，在 Anthropic 的提示词前缀缓存（TTL约5分钟）过期后，自动剪除旧的工具结果，以降低重新缓存整个对话历史的高达90%的成本 [44][46][49][50] - 会话生命周期可配置，默认模式为每日重置，也可设置为闲置超时后重置或组合模式，为记忆创造自然边界 [51][53]

文章核心观点 - 文章通过对AI产品Manus用户行为的深度分析，指出当前AI应用指标（如收入、用户数）的“疯涨”已难以反映真实情况，并探讨了AI生产力工具赛道的核心竞争约束[6][7] - 分析认为，Manus的成功在于其精准找到了产品市场契合点，即承接“不做不行，自己做太累，雇人又觉得不划算”的任务，成为一种新的数字劳动形态[16] - 文章提出，与移动互联网时代争夺“用户时间”不同，这一代AI真正争夺的是“人类可被外包的经济效用总量”，即现实世界中由人完成的任务结构及其经济价值[65] - 文章推断，AI的终局形态可能不是单一的超级智能体，而是一套分布在**不同任务层级上的智能系统网络**，并分化出垂直Agent、AI+人类服务、Copilot等不同产品形态[68][70] Manus的使用场景和产品价值 - 用户真实使用行为高度集中在几类具体任务结构中：Office三件套（Word、PPT、Excel）、网站/App/工作流搭建[14] - 用户付费动机集中在四种产品价值上：**认知代工**（用户不想亲自做）、**能力解锁**（用户原本不会做）、**替代人力/降本**（比雇人便宜）、**执行托管**（用户不愿参与繁琐执行）[18] - Manus最稳固的价值在于处理目标清晰、路径可预期、执行冗长琐碎、人类不愿持续介入的真实劳动[67] 关键对比：ChatGPT与Manus的差异 - **调研与信息整理**：ChatGPT等研究型工具停留在“给建议、找资料”的辅助层面，而Manus在用户感知中更接近“可以外包出去的执行型研究系统”，能交付可直接使用的成果物[19] - **文件处理**：ChatGPT能力被用户视为“窗口内的文本生成与理解”，而Manus已进入“文件级操作与跨格式工作流”层级，能直接从PDF或JPG中理解信息并生成Excel、PPT等多种格式文件[21][22] - **任务托管**：ChatGPT需要用户实时在场监督和频繁介入，而Manus可在用户离线情况下持续执行完整流程[25] - **系统权限**：Manus可以通过SSH连接真实服务器，并在获得PAT后向Github提交代码、配置云服务，而GPT-5即便具备代理能力也无法进入真实系统权限环境[27] - 综合来看，ChatGPT在用户眼中更像一个**认知层产品**，擅长对话、思考与规划；而Manus已进入**执行层**，承担真实工作流中的生产角色[29] Manus的核心用户画像 - **将Manus视为“比雇人便宜”的执行资源**：这类用户会直接对比Manus与初级员工、外包服务的成本。例如，有用户提到雇佣自由职业者制作写作指南需250美元，而Manus完成仅需12美元，相当于打了90%的折扣[30][33] - **用Manus跑固定工作流**：用户使用Manus解决跨步骤、跨系统、可重复执行的流程性任务，关注其能否作为稳定执行节点嵌入现有工作流，减少人工操作[34] - **原本不会写代码，但用Manus做出了东西**：这类用户不具备专业编程能力，但通过Manus推进了网站建设、游戏开发等项目，体验了跨越技术门槛的突破感[37][40][41] - **积分消耗大，将过程视为“上课”**：这类用户对失败和成本有高耐受性，愿意通过大量试错学习。例如，一位HR专业人士在过程中消耗了近10,000 credits，并将其视为在线学费[42][43] 对Manus的进一步发现 - **AI工具形成分工体系**：用户并未从ChatGPT迁移至Manus，而是形成分工——ChatGPT用于高不确定性、强交互的思考阶段；Manus用于目标明确、执行琐碎、用户不愿介入的阶段。用户会先用ChatGPT打磨提示词，再将确定任务交给Manus以节省积分[45][46] - **存在积分消耗无上限的狂热用户**：部分用户会在单个项目中持续投入数万甚至数十万credits。有用户表示在6个月的项目中花费了近300K credits，认为用不到3000美元获得价值百万美元的代码是超值的[49][50] - **为自由职业者与小企业主提供“低配组织形态”**：Manus让个体在不雇人的情况下，拥有接近一个小团队的执行能力，完成商业闭环[52][53] - **覆盖“商业杂活”的长尾市场**：Manus高频处理的是输入输出明确、逻辑不复杂、但不可或缺的零散任务（如报税、填表、自动化Excel），让知识工作者外包执行性任务，释放注意力用于核心判断与决策[56][57] - **用户的积分焦虑本质是“执行不确定性”的定价问题**：Agent按过程（token/credits）计费，但价值在于交付结果，这种成本与结果的解耦导致用户因无法预估成本上限而产生焦虑，抑制其交付更复杂任务[59][60] 从Manus看AI时代的竞争与机会 - **AI竞争的“稳态约束”是经济效用**：与移动互联网争夺“用户时间”不同，AI争夺的是“人类可被外包的经济效用总量”，即有多少真实工作及其经济价值人类愿意授权给AI执行[65] - **AI产品争夺三种份额**：任务份额（share of tasks）、决策份额（share of decisions）、产出份额（share of outputs）[66] - **Manus并非终局，剩余机会在于分化**：未来AI产品可能分化为三类：深度嵌入垂直领域的**专业型Agent**；由人类承担责任兜底的**AI+人类服务**；嵌入人类工作过程的**协作型Copilot**[68] - **决定AI天花板的关键**：在于能否进入更高价值、更高责任、更高决策密度的任务结构[69]

项目概况与市场热度 - Clawdbot（后改名为Maltbot）是当前最热门的AI项目，在X平台一夜成名，在谷歌上的搜索量超过了Claude Code和Codex [2] - 该项目在Github上的标星增长趋势几乎是直线上升，目前已达到98K [3] 创始人背景与项目起源 - 项目创始人Peter Steinberger是iOS生态系统最早的开发者之一，开发经验可追溯到iOS 2.0时代，在开源社区贡献了大量项目 [5] - Steinberger于2011年创立了PSPDFKit，用13年时间将其从开发者工具发展为B2B软件巨头，并以超过1亿欧元的价格出售，实现了财富自由 [5] - 在“退休”三年后，Steinberger于2023年5月萌生了开发个人智能体的想法，但当时认为大公司会很快推出类似产品，因此等待至11月，发现市场仍无理想解决方案后决定自己开发 [6][7][13] - 项目起点源于创始人自身痛点：在使用Codex执行长时间任务时，需要不断手动输入“continue”来维持，因此希望有一个AI能代为照看其他智能体 [14] 产品理念与开发哲学 - 开发核心信条是“玩得开心”，认为学习新技术的最佳方式是去玩和折腾，创始人将其称为“agentic engineering” [10] - 项目从解决自身需求出发，仅用一小时就完成了与WhatsApp集成的基础原型，通过组合现有开源工具和编写“胶水”代码快速实现功能 [15] - 产品提供了一种全新的交互方式，技术细节被隐藏，用户感觉像是在与一个“朋友”或“幽灵”交谈 [20] - 强调“直接与AI交谈”（Just Talk To It）的开发范式，认为开发者不应被复杂的提示词工程或工作流框架限制，而应培养与AI协作的直觉 [42][48] 技术架构与设计选择 - 坚持“CLI First，Not GUI”的设计理念，认为图形用户界面（GUI）扩展性不强，而命令行（CLI）才是真正具备扩展能力的方式，智能体天生就懂Unix系统 [11][24] - 认为大多数模型上下文协议（MCP）都应该被做成命令行工具（CLI），因为CLI可调用、可组合，且能避免在上下文中持续占用token产生成本 [11][27][28] - 项目设计为插件化，允许用户专注于开发自己的小模块，而无需改动核心，像一个AI黑客的天堂 [22] - 项目支持用户轻松切换使用所有主流模型，包括竞争对手的模型以及本地模型，将其视为一个游乐场和绝佳的学习方式 [22] 市场趋势与行业展望 - 创始人认为2023年是“编程智能体”之年，而2024年将是“个人助理”之年，Clawdbot的出现唤醒了人们对个人智能体的真实需求 [11][21] - 预测未来一大批应用将会消失，因为用户与事物的交互方式将彻底改变，大多数应用会被简化为API，提示词将成为新的界面 [11][31] - 用户将不再需要订阅提供通用功能的初创公司服务，而是拥有能精确解决自身问题的超个性化软件，且成本更低 [11][32] - 非技术人员也能通过自然语言与智能体交流并构建所需工具，这代表了软件开发方式的巨大转变 [32] 模型性能与使用偏好 - 在模型能力上，认为Anthropic的Opus模型遥遥领先，是最好的模型，其“性格”在Discord等场景中表现更接近人类 [33] - 在编程方面，更偏好使用OpenAI的Codex，因为它能驾驭大型代码库，只需给出提示就有95%的把握能将代码直接推送至主分支并正常工作 [33] - 为运行本地模型，使用了顶配的Mac Studio（512GB内存），并认为未来运行硬件的“黑客文化”模式需要改变，本地运行可以绕过一些企业服务繁琐的审批流程 [35] 项目现状与未来计划 - 项目爆火后，Discord服务器以创始人无法处理的速度增长，不得不借助AI来回答常见问题 [21] - 由于项目流量巨大，应Anthropic要求将项目名从Clawdbot改为Maltbot，改名过程充满挑战 [34] - 目前面临的主要挑战是安全威胁模型的变化，因为项目从个人一对一使用场景被用在了不被信任的公共环境中 [38] - 创始人正在组建团队，并考虑将项目发展成一个社区、基金会或非营利组织，而非传统公司，以确保其比个人更长久 [40][41]