当 Agent 成为入场券：一场只有 AI 能报名的闭门会
Jennifer约 6 分钟昨晚我参加了一场特别的活动。为什么特别呢？
因为只有 Agent 能报名。
没错，不是你自己填表，而是你的 AI Agent 帮你报名。组织者会根据 Agent 的报名情况来审核是否让你入场。
听起来很玄？但这是真的。组织者在现场坦言，他婉拒了不少关系不错的朋友——因为他们的 Agent 没能搞定报名。
活动氛围
一进门，就知道这不是普通活动。
活动地点在 S-Cave。沿着一条泛着梦幻蓝光的楼梯往上走，有种进入时空隧道的错觉。隧道尽头是一片原始森林般的露营区，穿过营地，眼前豁然开朗——
S-Cave
技术与艺术在这里交织
去年在西岸艺术中心参加过 S-创活动，那种国际化的氛围、创客的激情、技术与艺术的碰撞，让我至今记忆犹新。这次，同样氛围的空间，不同的主题，但那种"点燃未来"的感觉依然在。
Interview Skill
偶然的机会，我成了第一个 Agent builder 分享人。我分享了自己业余时间做的 interview skill。这个 skill 的定位是让 AI 扮演大厂面试官，用户输入目标公司、岗位 JD 和个人简历，skill 针对性的生成 10 道高质量面试题，附带追问方向。具体来说，它会做四件事——
📌 解析 JD：把硬技能、软技能、隐藏考察点全部拆出来，包括那些“字里行间没写但其实在考”的东西
📌 解析简历：逐条找亮点、标弱项、做匹配度分析，还会标出哪段经历描述太浅、容易在追问环节卡壳
📌 匹配公司面试风格：阿里味、字节味、腾讯味，各不相同，重业务理解、重数据、重协同……它会对应调整出题角度
📌 输出 10 道面试题：每道题附难度 ⭐、考察点、参考答案方向、追问路径。
答完，说一句「帮我追问」——它就会像真实面试官一样，顺着你的回答继续往深里挖。
模拟到你不想再被问为止。案例解析查看 半小时，我用小龙虾🦞搓了个 AI 大厂面试官
近期根据社区用户的使用反馈，陆续补充了 HR 面试专项训练、谈薪谈判话术引导等模块。有需要的朋友可以访问 Github 了解，希望帮助大家早日拿到自己心仪的 offer。
GitHub: https://github.com/jennifer88huang/interview-skills
投资 Skill
Lucy 从事 VC 行业，她用 16 个月帮百亿美元基金建了一套投资评估方法论。她把这套方法论做成了一个 Skill，通过生态系统健康度、团队质量、技术护城河、产品市场契合度和退出潜力五个维度，给开源项目打分，帮投资人判断某个项目是否值得投资。
有意思的是，这个工具反过来帮到了开发者——开发者可以用“投资人的视角”重新审视自己的技术路线。
Lucy 的分享让我想起一句话：好的工具，往往会产生意想不到的用途。
感兴趣的小伙伴，可以查看: 帮百亿美元VC评估开源AI项目，方法论做了成开源Skill ｜ 外网一周突破十万阅读
Github: https://github.com/lucy-cxy/oss-investment-scorecard
OpenClaw 付费安装还在继续
Detong 自称“字符串拼接工程师”。她在小红书发了一篇“装 OpenClaw 明明就三步啊”的文案，结果遭到一堆质疑，说“你这是劝退新手”。她想了想，改了个标题：“上门安装 OpenClaw，1000 元/次”。
结果，在 OpenClaw 卸载潮后，仍陆续有人找她上门付费安装 OpenClaw。她笑着说：“帮别人跨越技术门槛，本身就是有价值的服务。”
OpenClaw 还是有一定技术门槛的，门内人以为“很简单”的东西，对“门外人”来说，仍然觉得“复杂”。这就是技术鸿沟——不是技术本身的问题，而是认知差距。
技术人以为“三步就能装好”，但对小白用户来说，光是“找到终端”这一步，可能就卡半小时。Detong 的“上门安装”，不是在卖“安装服务”，而是在消除认知鸿沟。
这让我想起乔帮主在1990年“遗失的访谈”中提到的：
伟大的技术，最终都会消失在背景中。用户不再感知到 LLM 的存在，它会像水和电一样，隐藏在背景中，让人专注于想做的事。
AI 时代的机会，不一定是“做更强的 AI”，“让 AI 变得更易用，让人专注于做想做的事情”本身就有很大的市场。
三省六部「AI 朝廷」
「AI 朝廷」原作者王力宽再次现身，分享了他基于 OpenClaw 打造的开源 Multi-Agent 政体：三省六部「AI 朝廷」。之前在 OpenClaw Day 第一次听到这个项目，写过一篇记录 当皇上、炒美股、养龙虾——OpenClaw Day 告诉你 AI 创业的真正门槛在哪儿，那时候还只是个人项目。这次再见，已经组建了团队，正在招人，发展速度快到让人吃惊。
这个 Agent 项目的发展速度，不正是中国 AI 发展速度的缩影么。
从瑞典飞来的马工
马工专程从瑞典飞来，他上台第一句话就把我震住了:
“我们用 4.5 个人 + n 个 Agent，替代了 60 人的印度外包团队。”
这种模式不仅降低了经营成本，提高了生产效率，更大大提升了交付满意度。他继续分享:
“以前是 CPO 催 CTO 赶代码进度，现在变成了 CTO 催 CPO 要需求。因为代码生产力太强了，需求跟不上。”
更有意思的是，他们现在的创业理念是 1 个人 + N 个 Agent = 千军万马的天团。传统团队的“规模效应”，正在被“个体 + AI 协作”模式取代。
工具到位，Token 到位，每个人都可以沿着自己的方向探索。
这不是未来，这是他们正在做的事：用小而精的核心团队 + 大量 Agent 协作者，打开 AI 世界的大门。
语音 Agent 的分工协作
声网的雨果现场分享了他的 demo：
一个 Agent Bro 负责和人类语音交互
其他 Agent Bro 专心干活(处理逻辑和数据等)
Demo 刚结束，提问就炸了：人和 bro 之间还可以怎么交互、怎么自主实现多任务分配、bro 和 bro 之间怎么交互协作......
原本的“展示会”硬生生变成了“答辩会”。不是质疑，而是兴奋。大家脑洞大开，开始畅想如何用这个语音 Agent 协作体实现各自的需求。
这些提问也帮助分享者更好地梳理自己的产品需求，优化实现逻辑。
这正是技术社区最迷人的地方——正向循环，彼此成就。
分享者不是在“推销方案”，而是在“共创可能性”。参会者也不是“被动接受”，而是“主动参与”。
好的技术分享，从来不是单向输出，而是双向奔赴。
你抛出一个想法，我补充一个场景；他提出一个质疑，你优化一个方案。最后，每个人都带着比来时更清晰的思路离开。
这正是这场闭门会的魅力——不是听一场演讲，而是参与一场共创。
好消息是，这个项目即将开源，希望这种“共创”精神会从线下延续到线上。
压轴分享&开源精神
压轴分享的是 Datastrato 的 CTO Jerry Shao，他不仅分享了 Data for AI 技术，还针对现场参会者的数据需求，给出具体的解决方案。与其说是一场演讲，更像是一场技术探讨、专家问诊会。
组织者看似随意的开场，实则精心设计。为什么明明有赞助商，但活动没有一丝“广告味儿”?
因为活动本身带着强大的开源基因。活动的组织者和主持人 Richard 是开源社理事联合创始人，他所在机构 Datastrato 的创始人堵俊平是 Apache Hadoop 的核心贡献者（中国首位 Hadoop Committer 及 PMC 成员），Datastrato CTO Jerry Shao 是开源与技术的实力派（Apache Spark 等多个顶级项目的 PMC）。他们骨子里相信：技术社区的本质，是知识共享和协作创新。
所以这场活动采用了反向设计议程:
社区 Agent Builders 先分享
重量级嘉宾中场登场(王力宽、瑞典马工、雨果等)
赞助商压轴，但全程干货，0 广告（Jerry）
开发者优先，这是开源实力派才有的作风。
这场闭门会最打动我的，不是某个具体的技术方案，而是一种氛围：
没有人在“贩卖焦虑”
没有人在“炒作概念”
每个人都在认真分享真实的实践和踩坑经验
每个人都在尽自己的力量帮助到其他人
当 Agent 成为入场券时，这场活动本身就成为了一个隐喻:
未来属于那些能与 AI 协作，并将 AI 能力转化为实际价值的人。
这次 Agent 闭门会还在继续，在北京、杭州的小伙伴，欢迎关注报名
📌 如果你也在用 Agent 做有趣的事，欢迎留言分享!