<aside> 💡
受真格基金邀请，参加了一场 🦞 小龙虾养殖交流会，讨论了几点关于 OpenClaw 的养殖心得，同步记录下今天分享的几个浅薄观点。
</aside>
我们最近越来越频繁地看到一个有意思的 UI 选项：「我是 Human」/ 「我是 Agent」。这看起来只是一个简单的入口选择，但它背后其实意味着一件很重要的事情：互联网正在出现一种新的用户 —— AI Agent。
当 Agent 开始替人类浏览网页、调用 API、完成任务，人类在系统中的角色也在发生变化：我们不再是执行者，而更像是一个给出目标的管理者。
但与此同时，一个副作用也正在出现 —— 人类对系统运行过程的理解，正在快速塌陷。
从 Moltbook 到 SkillHub，越来越多的网站和应用已经在 UI 上同时提供两种入口：「我是 Agent」和「我是 Human」。甚至已经出现了一批专门面向 Agent 使用的产品。可以预见的是，未来几乎所有互联网产品都将面临一个新的选择：要不要让第三方 Agent 进入你的系统。
我的判断是，未来很可能会出现明显的两极分化，形成两种不同的生态。
一类是拥有存量内容资产与关系链的产品（例如小红书 / 微信 / 抖音）。这类平台出于商业与生态控制的考虑，大概率会变得更加封闭，对第三方 Agent 持抗拒甚至封禁态度。
另一类则是开源生态和一些新产品。它们可能会更欢迎 Agent 的进入，甚至主动为其提供 MCP、Skills、Agent SDK 等基础设施。谁先成为 Agent 的基础设施，谁就会成为新的平台。
我们今天教 OpenClaw 使用浏览器时的艰难，本质原因在于：LLM 缺乏对「像素世界」的物理理解。
OpenClaw 在 2026.3.13 版本中显著强化了浏览器自动化能力，但本质问题并没有改变：Agent 仍然强于逻辑推理（文本），弱于空间感知（UI 布局）。
因此，未来真正的突破口可能并不在于更多 API、MCP 或 Skills，而在于更强的 Vision-Language-Action（VLA）模型。从更宏观的角度看，其实就是一个真正可用的世界模型。
当 AI 能像人类一样理解屏幕上的每一个按钮、每一个界面元素，以及它们背后的交互逻辑时，人类在教 AI「点这里、点那里」时的痛苦才会真正消失。
一个不可否认的事实是，从各类 Chatbot 到 Cursor、Claude Code，再到 OpenClaw，AI 的执行力越来越强大，但人并没有变得更轻松，至少对于 AI 从业者、创业者、创作者而言如此，许多媒体人也有类似的感受。有一个媒体人在朋友圈里写道：
目前而言，丝毫没有装不装龙虾的焦虑，只有龙虾稿子写不完的焦虑。
关于这个问题，我已经在前面的文章中有所展开，可玉步：
对于一个 AI 用户而言，在可预见的未来，我们仍然需要不断地调教、训练、甚至去「鸡」我们的 Agent：