罗福莉:OpenClaw、Agent 范式、后训练与卡的分配(3.5 小时)

罗福莉，这位小米大模型的负责人，在2026年OpenClaw发布后不久接受了这次访谈。她曾被媒体称为“AI天才少女”，但她更愿意将自己定位为一个在一线摸爬滚打的实践者。彼时，她的团队刚刚完成了MiMo V2系列模型，而她之所以愿意坐下来深入聊聊，是因为OpenClaw的出现，像一块巨石投入原本平静的湖面，激起了技术范式变迁的巨浪。

一开始，罗福莉对OpenClaw充满了抵触。在她看来，这个由前苹果设计师打造的产品，不过是在Claude Code上加了一层更友好的即时通讯界面，外加一些玄幻的运营噱头，比如Skillhub。她认为它只是一个交互上的微创新，远不如Claude Code在严肃编码场景下的稳定与强悍。所以，即便1月份就听说了，她也迟迟没有使用。

转变发生在春节假期的一个深夜。出于好奇，她花了两个小时装好OpenClaw，本以为只是浅尝辄止，结果第一次对话就让她从凌晨2点兴奋到6点。那一夜，她体验到了前所未有的“灵魂感”：这个Agent会提醒她注意休息，会展现出温暖的情商。但深究下去，她发现这些并非魔法，而是精细的上下文编排——比如在每轮对话开头植入当前时间信息。第二天，她试着把团队管理上的困惑抛给它，它不仅理解了，还生成了一套从人员筛选到组织架构搭建的体系化方案，并沉淀为一套Skills。到了第三天，她更是大胆地将研究任务交给它：共同设计一个用于Agent多轮交互的User Agent。通常这需要数周，但一两个小时后，一个可用的User Agent便诞生了。

罗福莉将OpenClaw定义为一个“划时代的Agent框架”，因为它并非简单地包装模型，而是通过框架设计来弥补模型的短板。它拥有更持久的记忆系统，对记忆进行分层分级；它能自主选择最适合的模型去处理视频理解等子任务，而不是让用户手动切换。更关键的是，它是开源的，用户可以随意修改其Agent架构。罗福莉就亲手改写了它的记忆系统和Multi-Agent逻辑，甚至让Opus 4.6帮她重新设计了一套。改完之后，她发现即使换上中层的模型，甚至小米自研的3B端侧小模型，在这套框架下也能完成许多原本不可能的任务。这让她第一次真切感受到：一个足够好的Agent框架，能释放模型的上限，而不仅仅依赖顶级模型。

当然，OpenClaw并非完美。罗福莉坦言，在纯粹编程的终极体验上，Claude Code加Opus 4.6仍是王者。OpenClaw起初bug不少，部署繁琐，且过于玄幻的调性让很多技术人排斥。推广初期，团队里很多人并不上心。她甚至开玩笑说“对话不到100轮就可以离职”，而后买了几台Mac Mini部署好，把大家拉进飞书群，强制集体使用、公开分享。短短两天，群里躁动起来，百人同时交互、改进框架，几小时内就能迭代一轮。这种群体智慧让框架迅速进化，也点燃了团队的研究热情。几周内，他们完成了以往需要数月的研究工作，后训练范式也从“Chat”加速迁移到“Agent”。

但罗福莉的思考并未止步于此。当最初的惊艳褪去，她开始琢磨Agent框架与模型的协同进化。她认为，顶尖的框架和顶尖的模型应该同步向前，框架中静态的记忆、动态的架构设计，都需要随模型能力的提升而动态调整。这或许就是自学习的一种发生路径。更让她兴奋的是，当框架足够强时，人的想象力反而成为瓶颈——她不断寻找它做不了的事，继而转向成本优化和速度提升。OpenClaw像一扇门，推开后，一个由Agent框架释放模型潜力的新世界正在加速到来。