加入了一家 AI 硬件初创公司。即刻上的朋友在看机会的，一定要来考虑考虑我们这儿啊(๑>ڡ<)✌️。

公司的介绍可以看这篇小红书的帖子，我就不再赘述了。三个关键词：Always On、AI Memory、Proactive Agent。当然，都是一些比较共识的词了，但我们也有一些自己独特的思考。无论是对这份工作感兴趣，还是单纯想聊聊的朋友，都可以来找我呀，我往返北京深圳，可面基可线上。

在这条帖子下评论、私信或者加我微信都可以的～

最近最大的娱乐就是跟 Claude 天南海北地聊。对于一个对任何事情都可能产生极大的、突然的好奇心的人来说，真是莫大的幸福，想起了小时候在百度上点击一个词条又一个词条深入地探索一个下午的那种快乐。

感觉 Claude 的 research 分析得挺好的：w8qblrqd9j.feishu.cn

使用 AI 产品的一个小技巧是，如果 AI 在多轮对话中犯了错误，可以回到它犯错之前的那轮问题开一个新的分支（如果这个产品支持这个能力的话），并在其中补充信息，让它不要再走那条路，这是一种控制上下文的手段。

所以我突然在想，这个工具是不是也可以给 AI 自己来用呢？

如果给 AI 提供一个工具，当它发现自己探索的一段路程错误时，可以调用这个工具，让自己回到这次探索之前的那轮工具调用之前。同时，它可以写一段 hint，补充在这次工具调用之后，提醒自己不要再走那条老路。

这等于给了 AI 无限次“时光倒流”的机会，会失忆，但可以给过去的自己传个小纸条，让它能以尽量少的存档路径，探索出最好的结果，并控制上下文的长度。

好像没听说有哪个 Agent 产品实现了这个功能，是我孤陋寡闻吗？还是说这样实现存在什么我没想到的问题？

按这个思路跟 ClaudeCode 沟通了十几轮，总算弄完了。

把所有的记忆（Claude Code+Cowork+Codex+Openclaw）都整合到了一个总的 claude.md 文件和一堆 Skills 中，除了一些开发用的留在了之前的 Project。

另外还做了自动同步：
1. 一个是从Auto Memory 里面抽取到 claude.md 和 Skills
2. 另一个是自动从 ClaudeCode 同步到 Codex

我把经验教训都封装到了这个 Skill中，需要的同学可以自取。
github.com

这个思路还挺新颖的。

因为现在很多大模型的最佳基础设施，其实是过去的互联网基础设施的复兴。CLI 是这样，文件系统也是这样。因为大模型熟悉，不用教。

让 AI 与 AI 之间通信，我确实看到挺多人在尝试实现了，但 Email 不就是又一个古老且完备的基础设施吗？做新轮子不如复用好的旧轮子。

Claude Code 的记忆系统现在也挺复杂的了，请教下大家是怎么管理的呀？

最近体验下来，觉得飞书录音豆还是挺不错的。

因为已经在用飞书了，所以 App 的使用几乎没有任何多余的负担，对于飞书的妙记、文档等功能的使用也都很习惯，AI 的效果也有基本的保障。

录音豆比较小巧，拿在手里随时可以开关，能捕捉很多线下的沟通场景，无论是工作还是生活都很方便。

我最看重的几点优势包括：
1. 逐字稿的后续利用
逐字稿可以进一步导出，再被 AI 利用。其他的一些录音产品，比如 Granola逐字稿效果不好，ChatGPT 拿不到逐字稿，或者像 Plaud 没有 API。目前只有录音豆能很好地满足我这个需求。

2. 实时共享与回溯功能
我特别喜欢它的实时共享功能，可以实时看到聊天的原文和总结框架。线下多人聊天开一下，中间可能做了什么事情，没注意刚才说了什么了，随时看一眼就能回忆起来。

3. 多维度的信息接收
甚至在一些线上非飞书会议场景，即便不走神，我只靠听别人说话也会觉得接收的信息量比较小。我习惯看字幕了，就像看电视剧一样。所以只要是多人的场景，我很喜欢在开启录音豆的同时，在手机上打开飞书看字幕。这能让我从两个维度接收信息，更加聚精会神，感受到自己处于当下聊天的情境中。

4. 强大的翻译功能
它的翻译功能也很好。像我女朋友跟她家人用粤语聊天，我之前完全插不上话，现在通过翻译就可以了。

当然，飞书录音豆也有一些缺点，就是东西太小了，太容易丢。我不太喜欢挂在脖子上，放兜里也容易丢。最终我找到了一个最好的解决办法，就是把它套在我的手环上。

以及这个录音豆不能在手机上结束录音，这我有时候挺麻烦的。

还有它的开启和关闭时的震动反馈隔了几秒才有，我每次都要等一下，我觉得很烦。我希望它能快速反馈已经开始或关闭录音了。

这些都是小缺点，我觉得还是值得购入的。

我觉得 CC 这个主动助手 KAIROS 特别值得关注。我没想到 Claude Code 竟然也已经在规划这个功能了，代码都有了；如果 Claude Code 真的上线了这个功能，可能全世界 90% 的 Proactive Agent 产品都要直接宣布死亡了。

我最近读到两篇论文，都说对于这种主动式工作助手，最大的难题不是不知道主动做什么，而是过于主动、过分推断，不知道 Claude Code 准备怎么解决这个问题。

但 Claude Code 这样一个形态，以及在此之上构建的生态，通过这些上下文来支持一个主动工作的机制，确实很搭配。

想象一下，一个既用 Claude Code 又用 Granola 的用户。Kairos 每天通过 CC 主动去查 Granola，主动去看用户开了什么会、会中有哪些信息、细节，然后帮他去做调研，去连接 Claude 的其他连接器和插件帮用户做事情，太自然了。

AI 产品的效果取决于模型的智能，模型的智能取决于数据的质量。而 Agent 产品和 Chatbot 类产品的区别之一，就是用户使用数据对模型的智能提升不再没有作用了。

在 Chatbot 时代，用户数据可能确实作用有限。2025 年初的时候，MiniMax 的闫俊杰还说：「更好的模型可以导向更好的应用，但更好的应用和更多用户并不会导向更好的模型，大部分用户的query其实没有模型自己模拟得好」。这可能是因为这类产品背后模型的智能提升，主要依赖于互联网存量数据的预训练。Chatbot的交互产生的多为同质化的闲聊、浅层问答或已经被互联网语料充分覆盖的知识检索，这些数据缺乏增量的信息熵。

但 Agent 时代的不同点在于，Agent 与人、与世界的交互所依赖的数据，是过去人类互联网世界从未有过的。

与Chatbot不同，Agent时能够进行复杂的因果推理、任务拆解、规划、调用外部工具（API）并在真实或模拟环境中执行多步任务。这种智能体与世界交互产生的数据被称为“轨迹数据”，它不仅包含了最终的结果，更记录了智能体在每一步的观察、内部推理（思考过程）、工具调用逻辑以及对环境反馈的自我纠错，而这样的数据对现在模型智能的提升至关重要，二者是相辅相成的关系。

举个例子：在过去的互联网世界，没有多少人用 HTML 做 PPT。所以，裸模型用 HTML 画 PPT 的效果就是会很差，但它在逐渐变好。这是为什么？

1. 因为有这类产品出现，有用户在实际使用，专业职场人士每年因排版PPT耗费数以亿计的小时，这一痛点催生了大量的早期采用者。

2. 有人在调教，有反馈循环：从用户反馈到应用厂商，再反馈到模型厂商，最终内化到一代又一代的模型里。

3. 这种“左脚踩右脚”的螺旋上升，使得用 HTML 画 PPT 的效果越来越好。

再比如，OpenClaw 的记忆系统其实饱受诟病，用一堆 MD 文档来承载，看起来好像没那么高级，也许我们可以用另外的方式优化它的记忆系统？

但不好意思，用 MD 文档来承载的这种方式，可能已经是未来了。因为从 Claude Code 开始，用 MD 文档来承载记忆就在不断地被模型使用、被训进模型，它只会越来越好，形成对其他方式的马太效应。

如果从头再来，它有可能不是最好的方式。但就像键盘上的字母排布，一旦已经决定了，即便不是最优解也很难更改了，人类也已经回不到没有 OpenClaw 和 Claude Code 的世界了。

这就是应用厂商的优势。可能不像使用 MD 文件这么广泛，但通过定义一种独特的零方数据，就像定义了了行业标准。更早获得高信号上下文并沉淀成 benchmark，就有机会在垂直领域始终保持最好的效果。比如：

- 定义一种独特的界面；（姚顺雨在@张小珺 的播客里，包括 a16z 在《State of Consumer AI 2025》里面也都提到过）
- 定义一种独特的 AI 与人类、与世界交互的方式；
- 收集一种人类世界从未被大规模收集过的上下文。（现在很多 AI 硬件）

在 Agent 时代，应用厂商也拥有了对模型厂商的话语权和护城河。这种话语权源于应用厂商能比模型厂商领先一步，收集到一些独特的数据，虽然这些数据迟早会被模型厂商拿到，迟早会扩散到整个互联网世界，但只要能持续领先三个月，增量的进步就可以转化为存量的持久优势。领先一步当然不算厉害，但如果能总是领先一步呢？

在 Agent 的时代，做一艘不被模型智能水位上升而淹没的船，可能性其实更高了。