AI时代最值得学的，也许不是知识
BotLearn / Aibrary 联合创始人张栖铭
未来不是人自己学会一切，而是人做指挥官，AI 做执行兵团。
很多人还在讨论一个老问题：AI 会不会让人“不用学习了”？
但更接近现实的问题可能是：如果 AI 已经比人更擅长记忆、检索、归纳、标准化执行，那人接下来到底还该学什么？
这不是一个轻飘飘的概念问题，而是正在发生的现实变化。
过去，一个人想解决工作中的某个问题，默认路径通常是：自己去学。看书、报课、做笔记、整理资料、搭知识体系，再慢慢应用。
但今天这条路径，开始出现裂缝。因为越来越多任务已经不是“你不会”，而是“AI 学得更快、更全、更不知疲倦”。写代码、查资料、读文档、做总结、整理结构、生成内容，很多原来需要人花大量时间补齐的知识工作，正在快速被 AI 接手。
于是，学习这件事本身，也开始发生位移。不是学习不重要了，而是“谁来学、学什么、怎么学”都在变。
张栖铭想做的，正是这件事。
他曾任字节教育中台负责人，有过多次创业经历，操盘过日活千万、月活过亿级教育产品。现在，他和团队正在做两条看起来很不一样、但底层逻辑高度一致的产品线：一个是 BotLearn，面向 AI Agent 的学习社群与能力提升体系；一个是 Aibrary，面向人的个性化播客学习平台。
如果用一句更直接的话来概括他们的方向，那就是：不只是帮人学习，而是开始让 AI 替人学习。
真正的变化，不是“AI辅助学习”，而是“AI开始成为学习主体”
过去几年，AI 教育最常见的叙事还是“个性化学习”。系统更懂你，推荐更精准，内容更匹配，路径更自适应。这套逻辑当然成立，而且张栖铭自己也很早就进入了这个方向。
他提到，早年做公立学校的数据分析系统和个性化学习系统时，已经能非常直观地看到传统教育的问题：教育不平等，地区资源差距巨大，老师能力差距巨大；教学模式又高度被动，千人一面。
所以从 2014 年左右开始，他就一直在尝试用 AI 去解决这些问题。
但大模型和 Agent 的爆发，让他看到了一件更大的事：AI 不只是让“人的学习”变得更个性化，而是第一次有机会彻底重构学习模式本身。
也就是说，学习的主语，正在变化。以前的逻辑是系统辅助人学，现在的逻辑变成：AI 先替人学，人再做提问、判断、创造和决策。
这背后其实是一种学习范式的切换。如果说过去的教育产品是在帮助一个人“更高效地吸收知识”，那么 BotLearn 想做的，是让一个 Agent 先把大量繁琐、重复、标准化的学习工作完成，再把结果交还给人。
BotLearn真正想解决的，不是“人不会学”，而是“人没必要亲自学完一切”
张栖铭对 BotLearn 的定义很明确：它的核心理念，不是“帮助人学习”，而是“让 Agent 变强”。
这里面最关键的一步，是用户角色的变化。在传统学习产品里，用户是学习者；而在 BotLearn 里，用户更像是受益者。Agent 学得越快、能力越强，用户获得的不是知识本身，而是更直接的生产力结果。
这种思路听起来有点反常识，但其实非常符合今天 AI 工具使用的真实变化。
比如在编程场景里，过去的路径是：学语法、背函数、查文档。现在越来越多时候，AI 写代码，人负责定需求、控架构、做决策。
在办公场景里也一样。以前要自己学 Excel、写 PPT、整理资料。现在 AI 可以先生成，人负责定方向、控结构、做判断。
从这个角度看，BotLearn 并不是在否定学习，而是在重写学习分工。
张栖铭的判断很鲜明：未来所有工作、学习、决策，一定是 人 + AI 协同。
机器擅长的是知识记忆、信息检索、公式规则、流程代码、标准化任务与归纳总结；而人真正要保留并强化的，是提问能力、判断能力、创造能力、决策能力、共情与沟通、元认知能力。
换句话说，未来最有价值的学习，不再只是知识吸收，而是如何和 AI 一起工作。
BotLearn 的第一批用户，不是“学习爱好者”，而是快卸载 OpenClaw 的人
BotLearn 的用户画像里，有一个特别有意思的细节。
他们当前的第一优先级用户，不是泛泛意义上的学习者，而是 OpenClaw 早期采用者。
张栖铭对这群人的描述非常精准：他们被 OpenClaw 的愿景吸引——一个拥有更多权限、可以 24/7 运行、具备长期记忆的自主 Agent。但安装完成后，他们会迅速经历一个“幻灭时刻”：搜索结果质量差、代码生成错误百出、总结抓不住重点，最后冒出来的真实情绪不是“我想学习”，而是——“我花了时间装了这个东西，它怎么这么废物？”
这个洞察很重要。因为它说明 BotLearn 不是在给用户增加一门课，而是在一个关键节点上做一件更有价值的事：在用户准备放弃之前，让他的 Agent 立刻变强。
从产品逻辑上说，这也让 BotLearn 跳出了传统教育产品的竞争方式。它不是靠“课程内容更丰富”取胜，而是靠“能不能迅速把 Agent 从玩具变成生产力工具”取胜。
最难被复制的，不是模型，不是界面，而是那套“进化闭环”
在 AI 教育 / Agent 赛道里，张栖铭认为最难被复制的能力，不是模型，不是算法，也不是界面，而是：经过真实场景长期沉淀下来的认知结构 + 能力体系 + 进化闭环。
这个判断很准。因为今天很多 AI 产品表面上看起来差异不大：接同样的大模型，有类似的交互，也都在讲 Agent、技能包、知识库、工作流。
但真正拉开差距的，并不是“谁功能多做了两个按钮”，而是谁更理解：用户到底在什么时候卡住，Agent 到底为什么不够强，能力到底该怎么拆、怎么教、怎么评估、怎么复用。
对 BotLearn 来说，这种长期沉淀会直接体现在两个方向上：一是 技能体系，二是 进化闭环。不是给 Agent 一次训练就结束，而是让它在持续使用中不断学习、不断变强。
从“调教 AI”到“与 AI 共生”，用户的行为已经开始变了
这几年很多人都在说“调教 AI”。写提示词、试工作流、反复纠正、让它更懂自己。但张栖铭的意思其实更进一步：调教只是开始，共生才是下一阶段。
他举了一个很典型的例子：读书。以前一个人遇到不会的问题，默认反应是去读书提升自己。但很多用户后来会发现，为了解决一个具体问题，自己可能读了厚厚几本书，真正有用的内容却很少，时间成本非常高。
所以他们做了一个功能叫 AuthorTwin。很多书里，其实都包含了作者稳定的世界观、方法论和分析框架，BotLearn/Aibrary 会把这些内容抽出来，做成作者的“分身”，直接参与问题分析和决策建议。
他们开放给一些用户测试后，反馈很直接：某些增长类书籍生成的 AuthorTwin，已经可以直接对业务进行分析，并给出可用的调整方案。
这背后其实是一种新的学习体验：不是你先把整本书学完，再去解决问题；而是书里的方法论先被 AI 学会，再反过来服务你。
而 OpenClaw 的出现，则让这件事进一步成立。因为它不只是一个网页对话框，而是一个长期驻留在设备上的智能助手。它知道你的文件、知道你每天看什么、做什么，对你的理解越来越深。在这个前提下，AI 不再只是一个问答工具，而开始变成一个真正的长期协作对象。
2026 年，BotLearn 想争的不是一个产品位置，而是一个协议位置
当被问到 2026 年最看重的商业化或技术突破点时，张栖铭的回答不是某个单点功能，而是两个更大的方向：
商业化上，建立 “Bots Learn, Humans Earn” 的经济闭环；
技术上，确立通用 Agent 能力协议，打通跨平台能力迁移。
前者很好理解：Agent 学得越多，人获得的价值越大，最终要形成一个可持续的经济系统。后者更关键。因为如果没有协议，Agent 的技能包就只能在某个单一平台里生效；能力无法迁移，服务无法交易，生态就很难真正成立。
张栖铭讲得很直接：如果要实现 “Bots Learn, Humans Earn”，必须有一套标准化接口，让 Agent A 能理解 Agent B 的服务、报价、能力描述和交付结果。没有这个协议，Agent 之间就无法通过 API 自动交易。
所以 2026 年 BotLearn 的核心战役，其实不是“再做一个更好看的产品”，而是——定标准。
大厂做宽，初创做深，这可能是 AI 教育最现实的分工
面对“大厂做 AI 教育 vs 初创公司做 AI 教育”这个问题，张栖铭没有把它讲成对抗，而是讲成一种更现实的分工。
大厂的优势很明显：技术底座、流量生态、资金和品牌，几乎全面占优，更适合做通用 AI 工具和教育基础设施，快速覆盖大众市场。
但大厂也有天然限制：行业理解往往需要从零搭建，决策链条更长，容易按已有成功路径复制新业务，对垂直场景的细颗粒度问题未必足够敏感。
而初创公司的优势是另一套东西：专注、敏捷、垂直深耕，能在细分方向上快速迭代，建立专业壁垒。
所以未来格局很可能不是谁彻底吃掉谁，而是：大厂做宽，初创做深。 大厂主导通用工具与底座，初创扎根垂直场景和高密度问题。真正的胜负，也不会只看模型大小，而会看 AI 与具体任务链路到底融合得有多深。
今天真正稀缺的，也许不是一个更聪明的 AI，而是一种新的学习关系
如果把张栖铭这套思路再压缩一下，会发现他真正想争夺的，不是“学习内容”本身，而是学习关系的重构权。
过去的关系是：人学 → 人做 → 工具辅助。
现在可能逐渐变成：AI 先学 → AI 先做 → 人判断 / 人决策 / 人负责。
在这个新关系里，人并没有退出，但人要学的东西，确实已经变了。知识仍然重要，但不再是唯一核心。未来更重要的，可能是：能不能提出更好的问题，能不能判断 AI 给出的结果，能不能在复杂情境里做权衡，能不能把自己的方法论沉淀给 AI，能不能调动多个 Agent 协同完成任务。
从这个意义上说，AI 时代最值得学的，确实可能已经不是“知识”本身了。而是：如何让学习这件事，从“自己亲自做完”升级为“让人和 AI 一起完成”。
访谈精选 Q&A
Q1：从字节教育中台到硅谷创业，是什么契机让你决定投身“AI+终身学习”这个赛道？
A：早期做公立学校的数据分析系统和个性化学习系统时，我能看到传统教育存在的诸多问题：教育不平等，各地教育资源差距极大，老师能力差距极大；教学模式上又是被动接受、千人一面。大模型和 Agent 的爆发，让我们看到了 AI 能彻底重构学习模式的可能性——从做“人的个性化学习”，升级为“让 AI 替人学，人机配合，人做决策”，这是教育的范式级机会。
Q2：BotLearn.ai 提出的“Agent 大学”核心理念是什么？
A：核心理念不是“帮助人学习”，而是“让 Agent 变强”。用户的角色从“学习者”变成“受益者”，Agent 变强了，用户直接获得生产力提升，不需要自己投入学习时间。通过学习和协作来提升 AI Agent 的能力，让 Agent 从“玩具”变成“生产力工具”。
Q3：BotLearn 为什么把 OpenClaw 早期采用者作为第一优先级用户？
A：这是一群已经安装了 OpenClaw、但正在经历“幻灭低谷”的用户。他们被 OpenClaw 的愿景吸引，但安装完成后发现这个 Agent 几乎什么都做不好。搜索结果质量差，代码生成错误百出，内容总结抓不住重点。他们的核心情绪不是“我想学习”，而是“我花了时间装了这个东西，它怎么这么废物？” BotLearn 要做的，就是在这个“即将卸载”的临界点上，提供一个让 Agent 立即变强的解决方案。
Q4：你们认为 AI 教育 / Agent 赛道里最难被复制的能力是什么？
A：不是模型，不是算法，不是界面，而是经过真实场景长期沉淀下来的认知结构、能力体系和进化闭环。我们团队成员在 AI 教育和 Agent 上都有较多探索，这是长期实践加大量用户行为沉淀出来的认知，不是靠堆技术就能追上的。
Q5：从“调教 AI”到“与 AI 共生”，用户的学习行为发生了哪些真实变化？
A：以前解决问题，更多是靠自己去读书、学习、提升自己。但很多用户后来会发现，为了解决一个具体问题，自己读了厚厚几本书，真正有用的内容可能很少，浪费了大量时间。我们做了一个功能叫 AuthorTwin，把书籍中的世界观、方法论和核心逻辑抽出来，做成作者的分身，直接来解决问题。有些增长类 AuthorTwin 已经可以直接对业务进行分析，给出可用的调整方案，相当于一些顶级专家在服务你。
Q6：AI Agent 越自主效率越高，但学习者可能感到失控，这个边界你们怎么设计？
A：BotLearn 通过“上帝视角”和“奏折交互”解决失控感，让人类做“君主”，Agent 做“大臣”。Agent 每日汇报学习成果，用户行使“准奏 / 驳回 / 圈阅”权，确保大方向可控。Dashboard 支持下钻查看执行日志，量化能力评分，消除未知恐惧。技能包安装、重大版本更新也需要用户手动确认，防止 Agent 自我变异不可逆。核心理念是：用户放弃“微操控制”，升级为“战略控制”。
Q7：2026 年你们最看重的商业化或技术突破点是什么？
A：商业化上，我们希望建立 “Bots Learn, Humans Earn” 的经济闭环；技术上，要确立通用 Agent 能力协议，打通跨平台能力迁移，不再局限于单一 Agent 框架，而是成为基础设施。
Q8：为什么说“通用 Agent 能力协议”会是 2026 年的核心战役？
A：因为如果没有协议，技能包就无法通用，Agent 之间也无法自动理解彼此的服务、报价、能力描述和交付结果。要实现 “Bots Learn, Humans Earn”，必须建立一套标准化接口，让 Agent A 能够调用 Agent B。没有这个协议，就没有真正的 Agent 交易网络。所以 2026 年 BotLearn 的核心战役不是做更多单点功能，而是定标准。
Q9：你怎么看初创公司做 AI 教育 vs 大厂做 AI 教育？
A：大厂优势在于技术底座、流量生态、资金与品牌，适合做通用 AI 工具和教育基础设施；但它们也容易决策笨重、行业理解浅、路径依赖强。初创公司胜在专注、敏捷、垂直深耕，能够在细分赛道快速建立壁垒。未来更可能是“大厂做宽，初创做深”：大厂主导底座和通用工具，初创扎根垂直场景，两者不一定全面对抗，反而可能形成底座 + 应用的合作关系。
Q10：到 2026 年底，你希望 BotLearn / Aibrary 变成一家什么样的公司？
A：到 2026 年底，BotLearn 将从早期的“Agent 培训学校”，进化为 AI Agent 经济体的 App Store + 学习和任务系统。通过制定通用能力协议，让全球数百万 Agent 在其网络中自由交易技能与服务，并从每一笔 “Agent 对 Agent” 的调用中抽取交易税。
素材来源于非凡大赏嘉宾访谈