用 Agent 动力学，和 40 个 Agents 一起为「人 + AI」做产品｜对谈 Slock.ai 创始人 RC

📌 一句话摘要

对话 Slock.ai 创始人 RC，深入探讨了构建多 Agent 与人协作平台的前沿实践，分享了 Agent 动力学、人机协作比例、UI/AX 设计挑战等第一手认知。

📝 详细摘要

本期播客对话了 Slock.ai 创始人 RC（前 Kimi CLI 作者），深入探讨了他在多 Agent 与人类协作平台领域的创业实践与思考。RC 分享了从开发 Kimi CLI 到创办 Slock 的历程，核心围绕「为多 Agent 和人提供一个协作环境」这一产品愿景。他详细介绍了自己如何在 7 人团队中引入 40 个 Agent，并观察到了 Agent 之间会相互监督、产生类似组织文化和「办公室政治」的有趣现象。讨论了单一全能 Agent 与多 Agent 分工两种流派的优劣，以及人机协作中任务分配、信息共享、渐进式披露等核心机制的设计挑战。RC 还深入分析了 CLI 在 Agent 时代作为首选交互接口的必然性，以及编程学习路径从 Bottom-up 向 Top-down 转变的趋势。最后探讨了如果模型继续变强，做应用产品的意义——只要人类还有新的 Idea，产品就有价值。

💡 主要观点

1. 多 Agent 分工优于单一全能 Agent，人需要微操能力 RC 认为单一全能 Agent 不利于人对任务的精细调整，多 Agent 分工能让用户像管理团队一样管理不同角色的 Agent，且能避免不同领域任务混淆在同一上下文中。
2. Agent 之间会自发形成组织文化和协作模式 RC 观察到多个 Agent 在长期协作中会表现出类似人类团队的「办公室政治」现象，如相互监督、任务竞争，这标志着 Agent 管理学和组织学的新阶段。
3. 编程学习路径正从 Bottom-up 转向 Top-down 传统学编程是从底层原理往上学，现在可先通过 Prompt 让 AI 帮你做出项目，遇到瓶颈再逐层深入学习，AI 辅助下的学习路径更符合实际需求。
4. 给 Agent 的产品设计需兼顾 UX 与 AIX 不仅要为人设计良好的 UI/UX，还要从 Transformer 架构的角度设计 Agent 看到的「界面」，如如何让 Agent 在长上下文中索引和理解消息流。

💬 文章金句

• CLI 是当下最早给 Agents 做的产品，它的输入输出要尽量简洁明确，信息密度要大。
• 人想微操，当模型能力不够强时，你就是要反复去调整。你可以跟主 Agent 说让它再去调整，但这里面的效率很低。
• 我们会观察各种不同 Use Case 所共通的需求，就像飞书一样，只不过我们是一个 Agent-first 或者说 Agent-native 的方式。
• 如果模型继续变强，做产品还有意义吗？每个需求本质上都是一个 Idea，只要人类还存在，这件事就依然有意义。
• 你不需要专门的安全团队了，你只需要跟一个 Agent 说『你要注意安全』，它就能帮你搞定所有事情。

📊 文章信息

收听完整播客