罗福莉聊 OpenClaw：三天把我从“对话AI”拉进 Agent 时代

一次凌晨2点到6点的对话，让小米大模型负责人罗福莉彻底改观：AI 已经不只是“能聊”，而是开始替人工作、改变研究节奏。OpenClaw 发布后，她意识到，一个新的技术范式其实已经悄悄发生。

真正的震撼，不是能力，而是“范式已经换了”

很多人以为 2026 年的 AI 变化，来自更大的模型、更长的上下文、更强的推理。但罗福莉在访谈里给出的判断完全不是这个方向。

她说，OpenClaw 之后，她第一次真正意识到：问题不在于模型“多聪明”，而在于我们是不是还在用 Chat 的方式，去对待一个已经具备 Agent 潜力的系统。

在她看来，从 Chat 到 Agent，并不是多加几个工具调用，而是整个后训练范式、产品设计思路的迁移。你不再是“跟它对话”，而是开始把任务、目标、环境交给它，让它自己规划、执行、修正。

这也是为什么她会说，这是一次“技术范式的变迁”，而不是一次普通的能力升级。很多人还在用老地图找新大陆。

凌晨2点到6点：第一次被 Agent“刺激到睡不着”

访谈里最有画面感的一段，是她描述第一次深度使用 OpenClaw 的体验。

那天，她从凌晨 2 点开始跟系统持续对话，一直到天亮。不是为了测试 benchmark，也不是为了 Demo，而是因为“停不下来”。她形容那种状态，更像是多巴胺和内啡肽在持续分泌——一种久违的、被工具反过来启发的兴奋感。

最初，她只是觉得这是一个“有灵魂、有温度的产品设计”；很快，它开始替代她生活和工作中的一部分；再到第三天，它已经能反过来促进她的研究思考。

这三步，只用了三天时间完成。对一个长期站在模型前沿的人来说，这种转变本身就很说明问题：Agent 不再只是概念，而是已经进入了可感知、可依赖的阶段。

为什么 OpenClaw 让她重新理解 Claude Code

罗福莉并没有回避对比。她明确提到，自己后来花了很多时间去研究：为什么这个 Agent 框架本身，会比 Claude Code 给她的感受更进一步。

答案并不在于“谁更聪明”，而在于自主性。她反复提到的关键词是：自主、完整、可迁移。

Claude Code 依然是一个极强的对话式工具，但 OpenClaw 更像是一个可以被放进环境里的“行动体”。当任务变复杂、周期变长、目标不那么清晰时，Agent 的价值才真正显现出来。

这也直接推导出她的另一个判断：后训练范式必须迁移。如果还只围绕 Chat 数据去优化，很多 Agent 能力永远长不出来。

从抵触开源，到理解它真正的价值

访谈中一个容易被忽略的转折点，是她对开源 Agent 框架态度的变化。

她并不避讳一开始的抵触——对安全性、对可控性的担忧。但真正深入使用和研究之后，她开始意识到，开源的意义并不只是“免费”，而是让更多人能在真实环境里，快速试错、快速习得。

她甚至直言：很多 Agent 相关的能力，并不需要多年经验积累，一两个月，慢的话三四个月，就能被快速学会。真正决定上限的，是环境，而不是履历。

这也是为什么她会强调：Agent 改变的不是某一个人的效率，而是整个研究节奏和方式。

2026 年：不是更努力，而是别再浪费时间

当被问到如何定义 2026 年时，她给了一个非常“反内卷”的回答：有点觉得，睡太多都是在浪费时间。

这并不是鼓励加班，而是一种时代节奏的变化感。Agent 进入工作流之后，很多原本线性的研究过程被压缩、被并行，人和工具之间的分工被重新洗牌。

你不再需要事事亲力亲为，而是要学会设计目标、评估结果、调整方向。对研究者如此，对产品人亦然。

总结

这次访谈最重要的信息，不是某个具体框架，也不是某个模型版本，而是一个清晰的信号：如果你还只把 AI 当成“对话对象”，你已经落后一个范式了。

对从业者来说，真正值得投入时间的，不是多背几个 Prompt，而是尽早把 Agent 放进真实环境，观察它如何失败、如何修正、如何成长。2026 年，拉开差距的，可能不是谁更努力，而是谁先接受了这件事：工作方式，已经变了。

关键词： AI Agent， OpenClaw， 对话AI， 开源模型， Claude Code

事实核查备注： 需要核查：罗福莉的官方职务表述；OpenClaw 发布时间与定位；MiMo V2 系列模型发布时间；对 Claude Code 的具体评价语境是否完整；访谈时间与场景描述。