執筆者：Haotian「養虾人」として、数週間にわたる苦痛の試練を経て、いくつかの養虾の心得と感悟を共有します。参考程度にしてください。1）皆さんご存知の通り、養虾は「効率向上」のためですが、実際のところ、現段階では多くの普通の人が虾を養うことは「時間の浪費」に過ぎません。Claudeアカウントの凍結やAPIリクエストの制限、Openclawの突然のアップグレードによる「記憶喪失」など、多くの予期せぬトラブルが発生し、これらに多くの時間を費やします。その結果、得られる効率向上は見合いません。2）TwitterのタイムラインでAIに関する不安を煽る投稿を見かけますが、見るだけにしましょう。例えば、「一つのコマンドでClaudeがあなたのPCを制御できる」「一つのPromptでAIがあなたの仕事を永久に奪い、楽に寝ていられる」などといった内容です。実際は、楽にできるわけもなく、多くの場合、夜遅くまでコーディングして機能を修正したり、バグを直したりしています。5分も操作しない人たちが、どうして自信満々にAGIの到来やAIのすべてを覆すと叫べるのか、理解しがたいものです。3）ロブスター養殖は、多くの人にOPC（One Person Company）の夢を実現させることができますが、大規模モデルの能力の上限は平等です。しかし、モデルを扱う認知レベルには大きな差があります。Peter Steinberger、Matt Schlicht、Andrej Karpathyのような優秀な開発者と、普通の人の虾養成の思路やフレーム設計、反復体験、能力レベル、成果物は天と地ほどの差があります。4）ロブスター養殖は本質的に、自分専用のAI OSを構築することです。理論上、多種多様な大規模モデルを並行して連携させ、デジタル従業員の数を管理し、能動的・受動的なタスクの階層を調整し、Skillsや組み合わせによる協働タスクの摩擦を最小化します。Cronやジョブ、リアルタイムデータのスキャン、トレーディングスキルなどの要求が増えるほど、衝突の可能性や最適化の難易度は高まります。養虾は「モデルの能力」ではなく、「エンジニアリングの最適化」の問題です。5）Opus 4.6やGemini 2.5 Flash liteを全てのデジタル従業員に設定することは、同じことを実現できますが、前者はウォール街のエリートを雇うこと、後者は貧民街の黒人奴隷のようなものです。同じ機能を実現しても、コストや成果は比べ物になりません。実際、バグ修正に費やす時間をかけるよりも、他者は「資金力」で一歩先を行くこともあります。養虾は本当にお金がかかります。恐ろしいのは、多くの人がこれを理解しながらも、妥協して劣ったモデルを使い続け、最適化を続けることです。6）デジタル従業員の養成はレゴの積み重ねのようなもので、従業員が増え、Skillsが増え、Jobsのシナリオが複雑になるほど、一瞬で崩壊のリスクは高まります。あるタスクでは、能力さえあれば十分です。過剰な「要求」を自分の認知範囲外に押し付けないことをおすすめします。記憶エンジニアリングやGitのバージョン設計、モデルの幻覚除去などにもっと力を入れるべきです。さもなければ、多くの瞬間で崩壊寸前に追い込まれるでしょう。たとえば、前の瞬間にはクールな要求を達成したと思ったら、次の瞬間には全てが崩壊し、泣きたくなることもあります。私にどうやって知ったのかは聞かないでください。以上。
「养虾人」の心得：AI Agent はそこまで素晴らしくない
執筆者：Haotian
「養虾人」として、数週間にわたる苦痛の試練を経て、いくつかの養虾の心得と感悟を共有します。参考程度にしてください。
1）皆さんご存知の通り、養虾は「効率向上」のためですが、実際のところ、現段階では多くの普通の人が虾を養うことは「時間の浪費」に過ぎません。Claudeアカウントの凍結やAPIリクエストの制限、Openclawの突然のアップグレードによる「記憶喪失」など、多くの予期せぬトラブルが発生し、これらに多くの時間を費やします。その結果、得られる効率向上は見合いません。
2）TwitterのタイムラインでAIに関する不安を煽る投稿を見かけますが、見るだけにしましょう。例えば、「一つのコマンドでClaudeがあなたのPCを制御できる」「一つのPromptでAIがあなたの仕事を永久に奪い、楽に寝ていられる」などといった内容です。実際は、楽にできるわけもなく、多くの場合、夜遅くまでコーディングして機能を修正したり、バグを直したりしています。5分も操作しない人たちが、どうして自信満々にAGIの到来やAIのすべてを覆すと叫べるのか、理解しがたいものです。
3）ロブスター養殖は、多くの人にOPC（One Person Company）の夢を実現させることができますが、大規模モデルの能力の上限は平等です。しかし、モデルを扱う認知レベルには大きな差があります。Peter Steinberger、Matt Schlicht、Andrej Karpathyのような優秀な開発者と、普通の人の虾養成の思路やフレーム設計、反復体験、能力レベル、成果物は天と地ほどの差があります。
4）ロブスター養殖は本質的に、自分専用のAI OSを構築することです。理論上、多種多様な大規模モデルを並行して連携させ、デジタル従業員の数を管理し、能動的・受動的なタスクの階層を調整し、Skillsや組み合わせによる協働タスクの摩擦を最小化します。Cronやジョブ、リアルタイムデータのスキャン、トレーディングスキルなどの要求が増えるほど、衝突の可能性や最適化の難易度は高まります。養虾は「モデルの能力」ではなく、「エンジニアリングの最適化」の問題です。
5）Opus 4.6やGemini 2.5 Flash liteを全てのデジタル従業員に設定することは、同じことを実現できますが、前者はウォール街のエリートを雇うこと、後者は貧民街の黒人奴隷のようなものです。同じ機能を実現しても、コストや成果は比べ物になりません。実際、バグ修正に費やす時間をかけるよりも、他者は「資金力」で一歩先を行くこともあります。養虾は本当にお金がかかります。恐ろしいのは、多くの人がこれを理解しながらも、妥協して劣ったモデルを使い続け、最適化を続けることです。
6）デジタル従業員の養成はレゴの積み重ねのようなもので、従業員が増え、Skillsが増え、Jobsのシナリオが複雑になるほど、一瞬で崩壊のリスクは高まります。あるタスクでは、能力さえあれば十分です。過剰な「要求」を自分の認知範囲外に押し付けないことをおすすめします。記憶エンジニアリングやGitのバージョン設計、モデルの幻覚除去などにもっと力を入れるべきです。さもなければ、多くの瞬間で崩壊寸前に追い込まれるでしょう。たとえば、前の瞬間にはクールな要求を達成したと思ったら、次の瞬間には全てが崩壊し、泣きたくなることもあります。私にどうやって知ったのかは聞かないでください。
以上。