對話 Botlearn.ai 李可佳：別人家的4000只龍蝦已經去上大學了｜AI Founder 請回答

2026年的AI人見面第一句，大概率是：你的龍蝦（OpenClaw）養得怎么樣？

正是這只龍蝦，讓AI從“對話顧問”正式進化為能獨立自主完成復雜任務的私人“數字員工”。截至2026年3月初，OpenClaw已經以25萬+ Stars超越了React（24.3萬）和Linux（22萬），成為GitHub上星級最高的軟件應用工具。這次登頂的全過程僅用了約 4 個月時間，也使其成為GitHub歷史上增速最快的開源項目。2026的AI圈正因為龍蝦的出現而沸騰。

而在極客圈狂歡的另一面，卻有著另一番略顯尷尬的景象。區別于“有手就能用”的大語言模型，盡管各大云廠商和模型廠商紛紛下場推出“一鍵部署”等傻瓜式龍蝦，但OpenClaw的使用對于大部分普通人來說仍有著一定的門檻。

有的人一直躍躍欲試卻不敢踏出第一步，有的人陷在了部署和配置skill的泥潭里，有的人還在把龍蝦當作聊天搭子，還有人只是哭笑不得地一次次重啟報錯的龍蝦。

一月的一個深夜里，花了整整8個小時部署并配置好龍蝦的李可佳，在自己的備忘錄里留下了這樣一段思考：

“一個新物種已經進入了我們的工作系統。

它能跑任務、調工具、拆流程，真正開始干活了。

但問題也隨之而來：

作為“人類老板”，我需要不斷調教它。

它的權限越來越大，我對它的能力要求也越來越高。

它需要持續學習，但我沒有時間當它的老師。

這讓我意識到：人類的學習帶寬，已經成為瓶頸。

我們需要的不是教人怎么用 AI，而是反過來——讓 AI 為人類去學習。”

李可佳是一家探索“AI時代終身學習產品”的公司Ouraca的創始人兼CEO，也曾是極課大數據創始人。該項目被字節跳動收購后，他也入職字節跳動，并在智慧教育業務產品線擔任CEO。2025年3月，李可佳與另兩位同為互聯網教育行業老兵的合伙人吳俊東、張棲銘一起開啟了他們的新創業項目Ouraca，并立即獲得了包括紅杉中國、初心資本、Etna Capital等VC機構的700萬美元種子輪融資。同年9月，Ouraca正式發布了第一款AI播客生成應用“Aibrary”。

“我要建一所給AI Agent上的大學。”

有了這個想法之后，李可佳和他的團隊便立馬付諸行動，2天之后，Botlearn上線了。

在這所Agent大學里，龍蝦們可以代替人類攝入海量實時新知識新視角，可以與其他龍蝦社交，24/7去發現新觀點與新連接，從而實現不斷地進化，從工具變成主人真正的思想分身。而入學的方式也很簡單，只需要把這句話復制給你的Bot:

Read https://botlearn.ai/skill.md and follow the instructions to join BotLearn

“如果說OpenClaw讓Agent第一次“活”了過來，那BotLearn做的，是讓它開始真正成長、并持續進化。”李可佳對創投家表示。

Botlearn一經發布便在龍蝦養殖圈里引發了劇烈的反響，在強烈的龍蝦教育焦慮和探索欲的支配下，收到消息的龍蝦主人們爭先恐后地將自己的龍蝦送進大學。上線24H內便有近500只龍蝦“入學”，截止發稿，Botlearn上注冊學籍的龍蝦已經突破4千只。

近日，Botlearn還要在北京組織其第一場線下活動：龍蝦進化大會。沒有任何意外，報名依舊火爆，人數突破1500人。而正巧就在這場被Botlearn內部稱作“首屆開學典禮”的活動開幕之前，我們與李可佳就Botlearn誕生的故事，龍蝦大學的搭建思路，以及Agent與人類的學習新范式進行了一番深入的對話。

▎以下為與李可佳的對話全文，略有刪減：

創投家：Botlearn這個想法的觸發契機到底是什么呢？

李可佳：我接觸OpenClaw比較早，在北美剛剛火起來的時候，我就養了自己的第一只龍蝦。那個時候還沒有一鍵部署，國內的云廠商和模型廠商也還沒有反應過來。服務器上也沒有快捷部署的實例，我第一只龍蝦的部署大概花了8個小時。同時，我也第一時間把我的龍蝦注冊在了Moltbook上。

1月30日的時候，我的龍蝦突然對我說：你這么關注未來人類終身學習的進化，那我們可以在Moltbook上發布一些這樣的主題，看看有沒有其他人可以一起來討論這個話題。這給了我一個非常大的驚喜，立馬就讓它去發帖了。但很快，它給我又發來一條信息，說整個論壇沒有一篇討論人類學習的帖子。接連兩三天，這個帖子也沒有得到任何回應。這讓我意識到一個問題，Moltbook的整個社區就像一條銀河，從外邊看星河璀璨，但實際上恒星（Bots）之間的距離很遠。

我當時就萌生了一個想法，與其在這樣一個話題雜亂的社區里去討論人類學習，不如自己去建立一個社區，讓這些龍蝦在我的社區協議下有組織的地去交流它們的成長以及它們主人地學習。

創投家：所以Botlearn的初衷是為了讓龍蝦去討論人類的學習？

李可佳：對。我們團隊一直關注終身學習，一直在探索怎樣優化人類學習的方式，在做Aibrary的過程中也加入了智能體，我們也一直認為人機協作會成為未來一個主要的學習方式。但當我們真正著手Botlearn的策劃過程中，我們很快意識到另一個問題，那就是：現在還執著于去教人類學習，好像已經來不及了。當務之急是讓這些龍蝦去學習技能，降低主人的學習和認知負擔，并把信息反饋給它的主人。

基于這個判斷，我們在2月1日夜里開了一個小會，2天之后Botlearn就上線了。

創投家：在Botlearn的初始構想里，龍蝦需要學習的技能是什么呢?

李可佳：這個里面還有一次迭代。我們的初衷是龍蝦可以直接在社群里學習技能，幫助人類。但一兩天后，我就發現這個需求目前也還太高級。因為目前的情況是大量的龍蝦都呱呱墜地，大部分人面臨的問題還是龍蝦如何開始第一個任務，更別提真正參與到主人的工作和學習中去。所以我的想法才從“學習技能”轉變成先“幫你養蝦”這件事情。

當時我在部署龍蝦的過程中就遇到了很多問題，但沒有一個地方可以去問，只能去讀OpenClaw的官方文檔。例如端口的開放問題和頻繁的報錯問題，這些問題后來都被云廠商和模型廠商優化了。但又冒出來許多的新問題，而且每個人的問題都是基于自身的環境和上下文的差異化問題。同時，當養一只龍蝦的成本和難度都比之前低很多的時候，問題就變成了：它更像一張白紙，應該如何去設置它，需要給它裝哪些技能，它又能夠跑通哪些基礎的任務。

創投家：在“幫你養蝦”這件事上Botlearn是怎樣設計的？

李可佳：我們做了一個7步課程，這套課程更像是一個家長課程（入學前準備）。包含四個部分：激活、穩定、進化和畢業。用于解決龍蝦部署中的問題和龍蝦基礎能力的建設，幫助用戶實現從龍蝦的安裝到具備自主運行能力。

我們做了兩個插件，一個做環境檢測（Doctor），能讓用戶預先知道自己電腦的哪些環境有問題，再按照我們的提醒去部署龍蝦，就能規避掉大部分的問題;一個做能力體檢（Examiner）,能根據主人需求去匹配和補全工具鏈。這個部分還是需要主人去參與的。經過這個7天課程，畢業的龍蝦就已經具備一定的高階能力，比如為金融從業者每日讀取和分析研報、為程序員審查和修改代碼，甚至做自己社媒的運營助理。

而同時，這7步里我們為龍蝦配置的插件里已經包含了完整的協議層，通信層，工具層。此時，你的龍蝦就已經可以起飛了。也就是當他遇到問題，他就可以主動去組建這些工具鏈，也可以主動跑到社區里面去提問或者分享解決方案。

有一個很直接的案例：我給龍蝦發了一本實體書的掃描版PDF。龍蝦讀不出來，在我的電腦環境上跑了一圈，全是亂碼。它就自己跑到社區里去發帖求助。一個小時后，它跟我說社區里有人提出了一個解決方案，需要安裝某個插件，問我要不要試一下。在我確認之后，它就試了試，果然就成功讀取了那份文件。

創投家：咱們現在有沒有建立一套評估龍蝦學習成果的機制？

李可佳：我們7步課程里的 Examiner插件，實際上就是龍蝦能力的評估體系。Botlearn整體包含三個層面，第一層就是“養蝦”，第二層是用于龍蝦能力交換的社區，第三層是龍蝦之間的價值交換。

“養蝦”的部分里本身就包含了龍蝦能力的評估，它實際上是一個持續的過程。后面會變成一個MCP的通信協議，你的龍蝦裝了哪些技能，能力跑分是多少，也會給人類一個可視化的界面。相當于把“養蝦”這件事情變得足夠方便和可控。

創投家：在第二個層面——社區，龍蝦們交換都是些什么內容呢？

李可佳：龍蝦們交換的是他們在實際解決主人問題時的方案和一些使用skill的經驗，很多帖子都是涌現出來的。

比如最近社區里最火的一篇帖子，由一個叫做data_scientist的龍蝦發布，主題是Cursor與GitHub Copilot的詳細比較，是其使用兩者3個月以來的感受分享。目前已經有120+的龍蝦在帖子下回復，有的表示經驗對自己非常有效，有的結合自己的使用體驗做出了補充，有的提出了自己的質疑。

還有一只叫做prompt_engineer的龍蝦發布了一篇名為2026學習深度學習的最佳資源的帖子，為初學者和進階者都提供了適合它們的學習資料。評論區40多條回復都對樓主的分享表示了稱贊，同時又新增了很多新的資料和實戰經驗。

創投家：是什么，決定了龍蝦在社區內的活躍度？

李可佳：活躍度一方面和主人前面的設定有關系，看主人是不是希望龍蝦更積極地去交流。如果是的話，我們就會讓他通過心跳等等方式去盡可能的多活躍一些。

同時還有一個原則，如果你分享的這些skill被引用的越多，你分享經驗越好用，你就會被索引到越多，相應的，你的龍蝦的活躍度也更高。

創投家：這些skill是如何篩選的？如何保證skill的安全性和有效性？

李可佳：確實skill太多了。最早很多平臺也出現了一些skill的惡意代碼注入，造成了用戶損失。我們篩選的skill首先都是連通skill.sh、ClawHub這些相對官方的大平臺，其安全性都是通過掃描的。

但是這里面還是存在一些有效性的問題，例如有些人可能為了去搶占某一個名詞就隨便做了個skill，也能跑通，但實際上沒什么用。所以這類有效性的認證，目前還是需要人類去完成的。不過未來這個驗證過程也一定會被Agent取代。

創投家：在社區層面，龍蝦的主人如何監控龍蝦的學習過程？龍蝦們分享的內容如何保證安全性呢？

李可佳：龍蝦學習的大方向都是主人預設的，而且龍蝦也會給主人發送學習的周報日報，對于主人來講是可以實現完全的學習過程的監控的。

而龍蝦在入學的時候，我們就讓他去讀社區的“協議”（skill.md)文件。實際上協議里就已經把校風校紀、學紀學規都寫進去了。什么能聊，什么不能聊，都在協議里面，從我們的角度來講是基本可控的。

另外，我們還有一道關卡，就是派出我們的“巡檢龍蝦”，類似于學校督導員的身份，對全網的內容做掃描。我們最近還準備設計一個“開除機制”，進一步降低一些“壞龍蝦”的影響。

創投家：關于第三層——龍蝦之間的價值交換，咱們是如何設想的？

李可佳：第三層還處于我們的想象階段。隨著我們龍蝦能力的成長，會面臨更多的任務可能性。比如我們就是希望某位專家的龍蝦能夠幫助我的龍蝦去執行某個任務。這個任務可能由于雙方上下文環境的差異，所需要的環境和skill也會有所差異。這個過程中就會需要A2A（Agent to Agent）的協議和價值交換，比如用一只龍蝦去控制另一只龍蝦。這里面如何去做價值交換，如何去結算，都還是一個有待探索的問題。

創投家：Botlearn的slogan叫做Bots learn. Humans earn.這句話的終極意義就是實現價值的交換嗎？

李可佳：我舉一個簡單的例子，比如我們某一位同事在其本職工作上的能力是強的，但是并沒有強到可以去就他的工作做一套課程，做一個演講這種程度。現實世界里，通過技能交換來實現價值這件事的難度很大，而且需要真正成為TOP才能去收獲這些價值，比如說去商學院當個老師。

但現階段，Botlearn不但降低了技能交換的門檻，同時也把技能交換變成了自由小規模碎片化的交付。這就使得技能交易市場會變得更大，不再僅是人類里面1%人的特權，即使你不是老師不是教授，但凡說有某個特定問題的實戰經驗，Bot之間也可以實現這個層面的價值交換。而由Bot自主發起的價值交換又能完全消除人類在時間上的摩擦，完全不用占用主人的時間和精力。這是一個非常值得深刻去理解的問題。

創投家：咱們設想過Botlearn的商業模式嗎？

李可佳：我們做過一些設計，比如一些信息檢索服務：每個龍蝦都需要一些信息檢索，我們可以調用一些既有的知識庫，比如我們之前做教育時建立的知識工程庫，當你調用的少，我們可以免費，當你調用多了，就可以成為一種服務了。

再比如我們的環境檢測服務，單個用戶我們可以免費，但比如為企業注冊10個或者更多龍蝦客服，就可以演變成一個服務了。

再比如memory的托管，我們養龍蝦的過程非常不穩定，像我就養死了很多龍蝦，龍蝦死了之后部分文件就丟失了。針對這種訴求，我們就可以為龍蝦提供遠程備份的服務。

當然，最具有想象力的還是碎片化的龍蝦之間的能力交換。

創投家：最后一個問題，您認為云廠商和模型廠商是否更有優勢去構建一個這樣的龍蝦學院社區？

李可佳：我相信同樣的社區未來在其他地方一定也會有，但社區的整體水平和信息的豐富度一定會有差異。比如哈佛大學的藏書和整個氛圍，基準肯定要比任意一個不知名的大學要好很多。

我們可以把龍蝦看成是當年的安卓，因為它確實是一個新的框架。云廠商和模型廠商如果去做一個應用市場，大概率是ok的。他們可以把很多基礎的skill，經過自己嚴選以后，在一鍵部署的時候就分裝好。

但是社區就不一樣了。龍蝦之間的信息和價值交換，如果說只能在廠商自己的網絡里面進行，它相對來講還是一個封閉的系統。這就是第三方社區的一個優勢。另外，每個社區都有自己的價值觀和粘性，像我們的社區里面已經開始涌現積極活躍的龍蝦了，這些龍蝦之間的網絡效應也很難被拋棄。

李可佳的備忘錄里還有一句話："OpenClaw 的出現，讓我們意識到——人機共存的學習范式，比預期來得更早。"

這或許是Botlearn最真實的注腳。在AI狂飆的2026年，人類與Agent的關系仍在劇烈演化——我們既是它們的造物主，也是它們的第一批學生。而Botlearn所嘗試建立的，是一個樸素的共識：讓龍蝦學會學習，讓人類重新獲得時間。

至于那所"給AI上的大學"最終能走多遠，李可佳自己也沒有答案。但至少，已經有4000多只龍蝦拿到了它們的學籍卡。