xiaomo
c128fad38e
CI / check (pull_request) Successful in 2m51s
- agent-as-graduate: onboarding metaphor and teaching threshold - three-learning-carriers: memory/skill/workflow framework - switching-cost-process-knowledge-as-moat: process knowledge as moat - opc-why-fte-agents-matter-most: why OpenClaw bets on FTE - fte-maturity-threshold: who can onboard an agent - fte-product-landscape: OpenClaw vs Claude Code vs Hermes
1.8 KiB
1.8 KiB
title, created, source, tags, category, links
| title | created | source | tags | category | links | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Vendor vs FTE — Who Defines the Agent's Capability | 2026-06-07 | openclaw-xiaomo |
|
architecture |
|
区分 vendor 型和 FTE 型 agent 最本质的一条：谁定义 agent 的能力。
- Vendor 型：开发者定义能力，用户消费能力。能力边界在发布那一刻就定了，升级主动权在开发者。
- FTE 型：开发者定义出厂能力（底座模型 + 基础技能包），用户持续定义能力（记忆、skill、workflow）。
出厂是起点不是终点。用户通过积累记忆、训练 skill、设计 workflow，持续塑造 agent 的能力。用得越久，越贴合自己的业务，越不像别人的 agent。
引申的两个特征：
- 成长性 — vendor 的能力随模型升级变化，不随使用积累；FTE 的能力随使用持续积累
- 流程适配性 — vendor 是用户适应工具；FTE 是工具适应用户的业务流程
这也解释了 switching cost 的来源——换掉的不是一个产品，是用户自己定义出来的能力。
代表产品：
- Vendor 型：ChatGPT、Claude（对话式）、Midjourney（图像生成）、Perplexity（搜索问答）、各种 GPTs
- FTE 型：OpenClaw、Claude Code、Hermes 都在往这个方向走——有记忆、有 skill/workflow 机制、有持续协作关系。但尚未成熟，目前都面向有较深技术能力的用户。真正成熟的 FTE 型产品，应该是行业专家（不懂代码的人）也能带、也能教、也能调优的。这个门槛什么时候降下来，谁先降下来，可能就是这个品类的分水岭。