「假如回到二〇二五年三月底，你做不做 Genspark？」
这是 Sheet0 创始人王文锋问自己、也问团队的一个问题。三月初 Manus 刚火，三月底 Genspark 出来，团队五个人的答案是：不做。
「大家都是技术与产品的理想主义者，本质上是在优化赔率，而不是在优化胜率。」文锋说。
这个问题折射着他对创业的理解的重大变化：从预判未来五到十年、力争差异化，变成只想未来三到六个月、做确定性更高的事情。
而这个问题的当下版本，就是：现在创业，到底要不要做 OpenClaw 方向？如果真要做，又该怎么做？
OpenClaw 为什么火成这样
一月份 OpenClaw 出来的时候，文锋去看了作者的提交记录，「他一天的最多的 commit 次数达到一千六百次。」
这是什么概念？「基本上相当于一个三四个人的小型工程团队一年的工作量。」
这不是唯一的例子。同样在一月份，Cursor 团队内部用 Agent 一周做了一个浏览器，三百万行代码。Anthropic 官方也用 Agent 断断续续实现了一个 C 语言的编译器。
「这些东西其实都是非常复杂的软件工程。我们在真实世界里面很少能够去找到比这还复杂的问题。」文锋说，「今天 Agent 的问题已经不再是说 Agent 到底能解决多么复杂的问题。」
那问题是什么？
「很多人他不知道现在 AI 到这个地步了。」
文峰的比喻是：现在顶级的用 Agent 的这些人，一个月能用两万、三万美元 token 的人，假如说他们的水平是九十分，那今天绝大多数的人可能现在对 Agent 的使用只停留在十分左右。
「这里面它不是一个简单的八十分的差距，而是说这中间的分数差距，它是一个非线性的。」
OpenClaw 的意义，正是证明了 Coding Agent 已经到了什么程度。但它的配置使用比较麻烦，「怎么去把 Coding Agent 用起来、用好，我觉得这个是今天的一个瓶颈。」
这不是技术问题，是产品问题。
Coding Agent 已经 AGI 了
在文锋看来，OpenClaw 跟去年的 Manus 有个共同点：它们都证明了一类新形态的产品。
Manus 主打的场景是 Deep Research，核心是 O1 模型带来的推理能力和 System 2 的能力。OpenClaw 这一波起来的原因是 Coding 能力的释放。
「有人会说它是可以在你的 IM 里面，比如像 Telegram、Discord 去直接很方便去使用。」文锋说，「但从我的视角来讲，本质上 OpenClaw，它可能是第一个真正的把现在最新模型的 Coding 能力压榨到极限的一个形态。」
更进一步的结论是：「我觉得可能从现在开始以及到将来，最终所有的 Agent 都会是 Coding Agent。」
这听起来有些绝对。但文锋给出了一个数据支持：Anthropic 在前段时间发了一个报告，介绍了现在大家是怎么去用 Code Code 的。只有百分之四十九点七的使用场景是 Software Engineering，就是大家拿它去写代码。剩下的超过百分之五十的场景都是在那些看起来非 Coding 的场景：办公自动化、数据分析、Marketing、文案编写。
「Code Code 已经能做所有的事情。」
而且，通过 Coding 加上 Skill 这个东西，基本上能实现以前垂直 Agent 的效果跟作用。「不止垂直 Agent，整个把 SaaS 都打趴了。」
SaaS 的逻辑为什么被颠覆
「虽然我觉得很不愿意承认，但我觉得事实上可能垂直 Agent 的这条路是可能需要被高度怀疑的一件事情。」
文锋的逻辑是：软件的出现，第一次让专家能力能够快速的进行规模化的复制。以前我需要学，但现在我用这个软件，我可能学个一下午我就知道怎么用了，这时候我按软件操作，我可能就也获得了一个类似专家的能力。
所以当时 SaaS 大家讲的重点都是行业 Know-How。你要去复制专家能力，就得需要针对行业或者针对一个具体的问题或者领域，设计一套独特的交互，通过不同交互，把专家的工作流变成一个 UI。
但现在有了 Agent 之后，「我希望获得一个专家的能力这件事情变得更容易了。以前我还要打开网页，打开 SaaS，我要去学习要怎么去交互。那现在可能有了 Agent 之后，我直接跟 Agent 说我的目的，那他自己就会去提出方案，解决问题，然后再进行自我的迭代。」
而且 SaaS 是一个通用的专家，不管怎么样你就用这一套东西。大家都去复制这个最佳实践。但 AI 相当于说你给每一家一个定制化的一个专家，这个专家还能随着你的情况时刻去改变。
「在今天，其实你的一个 Best Practice 跟不是 Best Practice 的一个东西让 AI 去执行的话，对于 AI 来讲其实都一样，没什么区别。」
但这带来一个追问：Skill 现在其实还是非常简单的，它真的能取代那么复杂的一套 SaaS 的 Know-How 的那些东西吗？
「我现在倾向于是的。」文锋说，「基本上最近就是 Anthropic 只要出了一篇文章，给了一套 Skill，然后对应的那个行业的 SaaS 就大跌。」
本质还是对于现在模型能力的怀疑。「如果模型能力它持续的去提高，那有什么理由，就是你现在给一个工作上的一个说明给一个真实的人，那他能够按照这工作上的说明去把这个工作完成吗？我觉得是可以的。」
「今天最大的问题已经不在于说是模型会不会能够完全替代 SaaS，其实这个事情我觉得是已经是被证明了的。」
AI 管 AI：从工具到管理者
OpenClaw 有很多的组件、很多的模块，但它最核心的一个东西叫做一个 Pad，一个 Agent。那个 Pad Agent 它其实就是一个极简的、设计的非常好的一个 Coding Agent。
简单一点，OpenClaw 可能就是这个 Pad 这个 Tool，它只不过说它在里面解决了 Memory 的问题，它解决了不同的 Channel，比如像 Slack、Discord、Telegram 集成的问题。
更大的作用是：AI 管 AI。
「以前的话，你自己需要去管一大堆的 Agent 对吧？你管 Manus 也好，或者管 DeepSeek 也好，或者管 ChatGPT 也好，或者管 Code Code 也好，总归是你直接再去管理这些 Agent。而你管理 Agent 的时候相当于做什么事情是你去主动提出来了。」
那接下来你想让 AI 主动的帮你做事情的时候，那这个需求就不应该由人来提出来。应该由 AI 提出来。如果 AI 提出来之后，他自己能不能把这个任务去完成，它能不能形成闭环，自然而然它是一个 Proactive 的。
「这个时候它肯定不是一个单个的 Agent 能够去做到的。」文锋说，「我们能不能有一个 Meta 的一个 Agent，然后让它能够去 Setup 出来一些特定的 Agent，专门去解决一个特定的问题，然后这个问题解决之后，我可能把成功经验记录，然后这个 Agent 我可能就释放掉。」
Sheet0 团队现在做的事情，正是把他们内部的那套 Linear 流程产品化出来。
他们的日常工作流是：收集用户反馈需求，在 Linear 平台上做管理，然后在每天的日会上面，把任务分发给工程师，工程师拿着去之后再用 Code Code 这些工具去做开发，开发完之后然后再去做测试，测试完之后再 PR，然后再合并。
「我们的目标是说，我现在把我们的 Linear，把我们的 GitHub，把我们的日常的聊天，我们现在用的是 Slack，把权限都开放给 AI 之后，AI 现在收到一个 Linear 任务之后，他就直接能够把这个任务做完测试，然后再提到 GitHub 上。」
工程师从原先的一个 AI 的指挥者，直接变成了一个最后质检员。「他最后就看一下 PR，没什么问题，然后在 PR 里面他带上了说，我这个工作我的测试结果，如果是一些跟前端相关的一些修改的话，他可能还有一些前端的截图。」
这个事情是在节前刚做完的，「当时我非常震撼。就是我们可能会潜意识的觉得他现在没有办法做到这个事情，但其实，一周的时间，这个东西就完全跑通。」
现在生产能力没有瓶颈
「如果这么讲的话，你想大家一般默认说之前开发一个产品，可能比如说几个团队要做一年，如果十倍的话，那实际上是不是这种情况，就是今天一个新公司，以前要做一年的产品的，现在做两个月就可以发了？」
「两个月都太慢了，现在两周就够了。」
文锋的团队七个人，上个月 AI Coding 的支出是两万美金。「我觉得我个人效率至少比去年这个时候多涨了十倍。」
「现在这个东西的瓶颈不在生产效率上，现在生产效率我觉得没有瓶颈。现在核心的瓶颈是做什么、做成什么样，这个东西是最难。」
大家都想象的 Idea is cheap，但其实现在 Idea not cheap。「当你这个生产能力无限丰饶的时候，那一个有意思的东西其实是挺难的。」
这也是为什么 OpenClaw 一月份出来到现在，大家围绕 OpenClaw 还是在做一些二次开发、简单的 Host，没有一个全新的、类似 OpenClaw 的产品出来。「它一定不在构建能力上，本质我觉得可能产品的定义或者产品形态，我觉得可能要比大家想象的还要难一点。」
只看三到六个月的事情
去年，文锋在做的事情是解决五到十年以后的问题。Sheet0 的终局目标是要做百分之百的可信，百分之百准确。
「这个事情是一个非常正确的一件事情，也是很有价值的一件事情。然后你问每个人他需不需要，每个人都会说需要。」
但问题是：「事实上是模型做不到。第二点就是人们其实对这个事也没有那么的敏感的这个阶段。现在大家的瓶颈没有出在我现在因为不能百分之百准确我就不能用了。」
所以现在，他的策略是：「预判为辅，跟随为主。」
「以前的话，我的一个预判他可能能管半年，但现在 AI 发展太快了，我可能一个预判最多管一到两个月，那这种情况下我就不预判。因为预判带来的问题是，由于预判，你就会往你的预判上去下注。如果你压对了，那没问题，如果你压错了，你的转向的成本，反应的速度明显慢。」
这个转变，在我看来，正是一个创业者走向成熟的标志。
「大家现在在做产品，尤其是我觉得现在创业的人里面，大家为了去讲差异化这个事情，会过多的把自己的 Ego 去放大。」文锋说，「我们跟随，不是说是抄，而是说我们要迅速认识到我们自己哪些地方没做对，客观的去看这个事情。」
回到那个问题：假如回到二〇二五年三月底，你做不做 Genspark？
「我觉得现在大家质疑 Skill 是不是能够去很好的去复现原来我在 SaaS 里的工作流，我觉得本质还是对于现在模型能力的一个怀疑。」
如果这波 OpenClaw 证明了 Coding Agent 已经到了这个程度，那接下来的问题就不是要不要跟随，而是怎么跟随。
「所以我说我只考虑三到六个月，因为你不知道将来会变成什么样子。」
但至少这三到六个月，方向是清晰的：做管 AI 的 AI，让更多人从十分的水平提升到六十分以上。