Snapchat 工程师实测：躺在沙发上发条 Slack，多个 agent 就并行把代码写完
Develop at Idea Velocity - Jeffrey Lee-Chan, Snapchat · Jeffrey Lee-Chan
全片 15 分钟·真正值得盯屏约 6 分钟·3 个必看点
- 0:01 – 3:10听
开场：什么是想法速度
讲者介绍自己在 Snapchat 的日常工作流全貌：从 Slack 随时下发任务，由 OpenClaw 编排 Claude Code worker 异步完成开发。
无摩擦沟通是高吞吐的前提——不用坐在电脑前、不用重复解释背景，一条短消息就能开工
纯口头铺垫，无演示画面，适合当播客听▶ 跳到 0:01讲者 · Jeffrey Lee-Chan - 3:17 – 5:30听
编排谱系与管理者模式
讲控制方式的谱系：放手时用 OpenClaw 编排管理器管 worker，想亲手控制时用 Cmox 终端；并解释为何用独立上下文的管理者做评估。
直接编码的 agent 会自夸工作正常，独立上下文的管理者才能客观判断，甚至会建议关掉被取代的 PR
以概念论述为主，252 秒处的谱系讲解值得留意但不依赖画面，重在听懂分层逻辑▶ 跳到 3:17讲者 · Jeffrey Lee-Chan - 5:30 – 7:33听
为什么不直接用 Claude
解释选 OpenClaw 的核心理由：Claude 启动即加载 CLAUDE.md、skills、MCP 等实现细节，可能占掉约 25% 上下文，而决策层需要的是聚焦规格与目标的干净上下文。
上下文特化——让决策上下文只装规格、目标与任务历史，产出的 spec 质量更高
纯架构论述，没有值得看的画面，听清 25% 上下文这个量化论据即可▶ 跳到 5:30讲者 · Jeffrey Lee-Chan - 7:37 – 8:50看
实战一：AI RPG 网站
展示用这套工作流做出的 AI RPG 文字冒险站，重点是引入 D&D 式骰子判定系统，行动成败由掷骰而非模型顺从度决定。
对付 LLM 讨好倾向的办法不是调 prompt，而是引入外部随机机制约束它
现场产品演示（499 秒为关键视觉时刻），骰子判定的交互效果必须看画面才能体会▶ 跳到 7:37讲者 · Jeffrey Lee-Chan - 8:50 – 9:45看
实战二：多模型分析站
演示把“同一问题问多个模型、汇总后再让一个模型综合”的手工研究流程自动化成网站，答案通常优于单一模型。
多模型交叉综合是可以产品化的研究方法，不必每次手动复制粘贴
549 秒处的站点演示直观展示多模型汇总的输出形态，看一眼胜过听描述▶ 跳到 8:50讲者 · Jeffrey Lee-Chan - 9:45 – 12:21看
实战三：Cmox 管理式终端
演示 Cmox 如何用垂直标签页和完成通知管理多个并行 agent 会话，并坦承当前流程约 70% 顺畅、仍需人工介入，但人的回复已高度模式化、终将被 agent 替代。
人类监督的回复（如“跑一下测试”）模式化到可以被 agent 接管——下一步就是把自己也自动化掉
600 秒起的终端实操是全片最贴近日常使用的画面，标签页与通知的工作方式需要看界面▶ 跳到 9:45讲者 · Jeffrey Lee-Chan - 12:32 – 15:26听
答疑：可靠性与成本
回答三类问题：Docker 隔离与 staging 实例两种 sandbox 的区别、本地→staging→生产的分层验证流水线，以及额度紧张时从 Codex 5.3 降级到 Mini Max 的成本策略。
可靠性靠分层流水线兜底，模型选择是成本驱动的够用主义，不是能力崇拜
问答环节无画面依赖，信息密度高但全在口头，适合倍速听▶ 跳到 12:32讲者 · Jeffrey Lee-Chan