罗福莉的3.5小时访谈高能点（个人导向）_fill

视频来源

• v1: BV1iVoVBgERD

笔记

v1 14:57 openclaw激发中层模型的潜力，而且他是开源的agent框架，方便魔改。 agent框架：人和模型的中间层 ，方便人和中间层交互，中间层再和模型交互。 v1 28:17 群体智能的case：一个100人的群里引入一个openclaw，大家一起改这个框架，没有崩每个人的智慧都scale到框架上。在ai领域一直有观点认为，只有极少数顶层的人才能改变现状。但现在的变革在于，无论是开发者还是非技术人员（及其他使用者），大家都能参与到这个进程中来，也是生产力变革的本质。 v1 34:00code作为长上下文的训练输入是共识。code 本身很容易达到1m级别数据量，另一个可以达到的领域是书籍，但书籍是发散的，其他领域除了数据量也面临发散的问题。罗福莉这里潜藏着模型公司新的训练配方，再继续加强code情况下去扩展其他可以被scale的其他领域。 这里罗福莉透漏出解决这个问题关键是创建好环境，使得能人模长期交互提供稳定的上下文数据，针对环境本身提供reward设计。我认为现在有了新的数据源——人和模型交互的行为可以进行采集和输入。 v1 59:00人模发展两种思路：一种还是之前的继续顶级智能驱动，另一种就是更普世、汇集更多人的驱动，第二种有个关键insight就是需要有多模态能力。从这个角度，我认为豆包是偏向于第二种，DeepSeek更是第一种，两种是有重叠、辐射的，只是相对概念而言。 v1 1:01:27现在agent发展已经让大部分人可以参与进来，罗福莉指出现在关键的问题是如何更加速ai的迭代。比如现在很多使用者都写skills，这样帮助ai能干好很多预训练见不到的东西。但罗福莉觉得还是太慢，正在思考如何更快。 v1 1:02:20颇有玩味，解释了中美模型公司对待openclaw的差异。颇感心酸，老美有算力人才优势走第一种，中国受限于算力限制 更偏向于成本和效率。 v1 2:23:44罗福莉关于coding agent节奏的看法 v1 2:57:37罗福莉skills:未来出现一些新东西的时候，会不会首先考虑自己把它想小了，看看这个新东西能不能scale。scale is all u need。 v1 3:29:39罗福莉提到了维护私有评测库的人，对我的启发是在工作生活中可以构建一个评测库。