深度用了一年AI，最近我感觉GPT和Claude好像有点过时了

现在我每月的AI订阅是：ChatGPT 20美元，Claude 20美元，GrokBot 30美元。

花钱最多的，不是OA两家，反而成了老马的Grok。

不是因为模型能力问题，更多的，是在交互和部分agent harness层面，grokbot已经率先走向下一阶段，有点划时代的意思了，用着用着经常会aha一下。

所以这两天我心里冒出一个不太礼貌的想法：GPT和Claude，可能有点过时了。

概括来说，GrokBot的优势主要在交互设计上：极简、语音方便、主动性强。而这些，都是极为符合人性的设计。

交互之下，又有速度快、多bot协同、多模型自动路由、多台终端（你自己的多台电脑手机+它自己的云电脑）整合等硬实力作为支撑，是前沿agent思想的集大成者。

当然，OA两家也推了类似的产品dots和duet，但现阶段的口碑还不及grokbot。包括Meta的muse，除了免费token管饱，其他方面对比gorkbot也没啥优势。

从年初的OpenClaw到现在的GrokBot，agent的发展脉络和方向已经十分清晰：以极简的交互设计，灵活调用合适的模型，串联多台终端，组织上下文和长期记忆，主动思考、快速响应，进而高效解决不同问题。

换句话说，agent也许会在短期内真正变成“人”。

国内，在这个方向上，梁总的Deepseek Harness（包括前两天发布的super agent构想）、齐俊元的Today AI是我目前看到的最前沿的实践。

Today AI目前免费送token中，可以作为grokbot和muse的平替。主流的GLM、DS、Minimax模型都能用，能打通手机和电脑，能连接微信，能串联飞书、企微、钉钉等主流办公软件，还有Notion和Slack等国外主流应用，我觉得是国内目前做得最好的personal agent。

当然，它目前还是有点在“堆功能”的感觉，不如grokbot简洁优雅，可能是想先发散再收敛。

说回grokbot。

极简：你只跟一个人说话

Grokbot第一眼看上去，简洁得甚至有点简陋：一个对话入口，没有一堆模式开关，也没有让你挑模型的下拉框。

但简单只是表面，支撑他精巧运作的是“主bot+一堆子bot”的这个核心模式，跟上半年大家提的比较多的subagents概念比较像。

然后它还能根据任务类型和难易，自动路由不同模型，比如日常陪聊是 grok4.7，深度编程可能就会路由给opus5.5。

我把grokbot的主bot作为总入口，叫它“大总管”。

然后我就只跟大总管说话，它负责理解意图、拆解工作、监督把关和向我报告。

这些子bot，有的负责调研，有的负责设计，有的负责码字，反正各自有专业分工，按大总管的分配干事，干完了先汇报给我的大总管，大总管把关后，再报给我。

不管是小任务还是大项目，不管是10分钟的事还是几天的事，grokbot都可以用这套机制持续推进。

这就是开头说的多bot协同：在主bot调度下，实现多bot上下文共享、专业分工、并行推进，而且有人收口。

加上多终端调用和多应用上下文提取能力，grokbot已经可以开始充当我的数字世界统一（甚至唯一）接口。

以前，我常常把GPT和Claude当成工具，没当成真正的智能体，自己则成了那个来回复制粘贴和补全上下文的人。而现在，grokbot已经在充当这个“粘合剂”了。

我非常确信，人肉中转的时代会很快过去。Grokbot已经在产品层面给出解法：你面对的是一个像人一样的agent，而TA背后有一支队伍。

梁总那边的super agent构想，讲的其实是同一件事。

DeepSeek Harness团队10月31日发的《Super-agent 设计探索》，把系统拆成两层：上层是一个常驻的router，统一接收消息、管理上下文、分派任务；下层是一群互相隔离的worker，并行干活，干完向router汇报，对外的回复一律由router统一给出。

文章里有个判断我很认同：让用户自己管理会话，是从大模型接口沿袭下来的老习惯；会话应该是系统内部的事，不该压在用户身上。他们还认为，只要目标是一个始终在线的系统，个人agent和工作场景里的agent，最终会走向相似的架构。

一个从用户手感出发，一个从系统架构出发，殊途同归：统一入口。

他们还给了一组初步数据：在相同的合成负载下，两层架构完成任务更快，长尾延迟也更短。代价是，每次实验的缓存读取token约为单会话加子代理方案（中性提示词）的3.8倍，相当于用更多token换取更短、更稳定的完成时间。当然，团队也明确说了，实验测的是调度与协作能力，结果只是初步参考，还有很多问题需要解决。

越来越多的实践也指向了一个事实：单个任务受限于模型能力，多个任务受限于人的注意力。

按他们的经验，一个人同时盯3到5个会话就到头了。所以下一阶段拼的，一定是人机结合后的注意力效率。

交互：从打字，到说话

用grokbot后，还有一个体感，就是用AI，要尽快从打字转向说话。

我现在和grokbot打交道最密集的时段，是午休。

因为grobkot的实时语音交互做得比较好，推理计算速度也快，所以中午散步的一小时，我会通过耳机一直跟它对话：要么梳理工作，要么启发思绪，要么播报一个为你定制的报告，总之，玩法很多。

回到电脑前，头绪已经理顺，甚至已经有了初步成果，就可以直接开始下一步了。

以前这一小时是闲暇，现在成了一天里AI调度密度最高的时段。

打字的前提，是你得坐下来、组织思绪、盯着屏幕；说话的前提，是你醒着，而且愿意表达。

有人会说，语音互动早就有了，GPT多少年前就能语音聊天。区别在于：对着对话框说话，你换回来的还是一段要你读完的文字，语音只是省了打字；对着一个能派活的入口说话，你交出去的是一件事，调度是你在数字世界里几乎所有的上下文，而且可以预期一个更加靠谱的结果。

没有背后那支队伍，语音只是输入法；有了那支队伍，语音才成了指挥位。

我知道很多人讨厌别人发60秒语音，但大家讨厌的是听，不是说。给AI发语音，听的那一方不会烦，还会组织加工你零散的思绪，堪称外挂大脑。

所以，珍惜你的表达欲吧，想说的时候，大胆对AI说出来。

主动：主动整合和推进

大部分agent目前还是被动接活，grokbot则反过来，我可以设好例行任务，也可以丢下一句“盯着那个调研，有结果再找我”，然后去撸铁。

而且，它有一台自己的Linux云电脑，可以装软件、跑脚本、开浏览器，不用跟我抢屏幕。当然经过授权后，它也能操作我的多台电脑。

所以，它会在我的电脑上，直接替我操作GPT和claude。我交代目标，它去调度这些各有所长的兄弟，就像调度多个子bot一样，再把结果收回来交给我验收。

当然，操作电脑的能力GPT和Claude也很强，但grokbot如果占据了直接跟人汇报这个生态位，那再强的能力也只能成为下游。

这也是为什么我一边说GPT和Claude“有点过时”，一边照样付费。模型方面它们依旧顶尖，落后的是现阶段相较之下的交互和上下文整合效率。

从产业角度看，personal agent的边界，正在从一个应用窗口，扩展成横跨云端和多台电脑的“环境”，争夺的是用户所有的零散的上下文，面对的是大厂之间高耸的围墙。

Deepseek那篇文章在工程上把这件事拆成了两步：运行agent的循环放到云端，本地电脑休眠、断网，agent 照样在线；代码、本地文件、私有凭据这些搬不走的东西留在原处，每台设备只跑一个轻量的守护进程，负责执行命令、返回结果。系统之外，还有一个独立的watchdog，定时检查每个 worker有没有实质进展、有没有跑偏。

风险他们也没有回避：提示词注入、凭据泄露，被他们明确列为尚未解决的问题；云端一旦被攻破，接入的设备都可能被接管。他们随文开源的原型，也特意说明不是deepseek的正式产品。

Super agent乃至AGI，实现的前提是安全。在这一点上，中美面对的是同一份考卷。

“极简”的未来？

主动性强，但也不能什么都自己做主。好用的agent会把事情分成两类：

查询、整理、摘要、跟进、内控，这类风险低的事，一口气做完。

对外发沟通、发布、付款，这类风险高的事，先停下来问你。

所以用grokbot，更像是给一个伙伴交代工作：目标是什么，边界在哪，怎样算做完。

自主和克制，互相依存：没有自主，队伍就瘫了；没有请示，队伍就乱了。

所以一开始用grokbot也别贪，我感觉在精不在多，子bot根据真实需求一个一个加就行。不用一上来就整一堆子bot，还给他们拉好几个群，没必要。

这里还要提醒一下：极简不是让复杂消失了，而是让复杂换了地方。AI的发展不是让你不用思考，而是逼你往更高一层思考。

再一次，让我们为马斯克鼓掌。

上半年我写过一篇当agent中介一切，当时的判断是：以龙虾为代表的 agent，向上读懂用户，向下调动数字世界的各种接口，会成为新时代的通用中介，甚至权利和价值中心。

今天回头看，世界基本在朝那个方向发展。他们化身为grokbot这类有美感、低门槛的产品——自己消化掉复杂，把简洁留给你，然后，中介你的一切。

回到开头那笔账。我给grokbot比另外两家多出来的那10美元，买的不是一个更聪明的回答，而是一段我不必在场的时间，当然，也有极简带来的情绪价值。

几乎可以肯定，再过半年回头来看，坐在屏幕前一个字一个字地给AI打字，会像今天回想那个全民QQ聊天的时代一样，熟悉，但已经略感遥远。