KakaClaw负责人聊如何评价李想对车载Agent的理解？作者是群友，以下为正文:

了解我的朋友都知道，我是理想的粉丝。

kakaclaw在车展期间得到很多同行认可，我很感激，团队的工作终于被看到了。不过我作为个人，心里一直期待李想能来体验一次，听一听他如何评价kakaclaw，以及他心中想要的车载voice Agent还有哪些差距，遗憾未能实现。

昨天，李想在老罗的访谈中提到了理想即将随L9 Livis上线的Agent。他说他认为车载Agent要解决的交互需求有五类：

1. 泛化的任务：Agent2. 泛化的信息获取需求，跟豆包比较相似：Chatbot3. 精确的功能控制。李想说的知识图谱，实际就是指规则系统4. 必要信息的记录5. 个性化

具体时间大概在采访视频的1:06:00之后。

下面我来分别谈谈。

一、泛化的任务

一种泛化是指跨轮次的任务。比如“导航去中新大厦”，系统识别成了中鑫大厦，用户可能会说：不是这个鑫，是新闻的新。这在传统的语音交互中是非常难处理的，而LLM天然可处理多轮上下文。二是一些任务需要推理和多步执行，且后续步骤要依赖于之前的执行结果。传统语音交互处理的都是单个指令，或是简单并列的多个指令；早年模型能力不够，只能靠噱头凑数，曾经有很多产品靠一口气识别几十个连续指令来标榜先进性，其实非常可笑。而LLM Agent，或者说function call loop，天然适合做这类任务。

李想提这一点，本质就是指Agent带来的交互能力升级。

Agent真正被大众广泛接触，是近一年多（尤其是去年底）随着LLM长任务持续执行能力提升，再加上Claude Code、Codex、OpenClaw、Hermes这类编码/工作Agent框架日趋完善，AI生产力才得到了真正的提升。

但其实行业内很早就都在探索车载Agent。比如我们在24年北京车展，就已经用GPT4作为LLM核心，基于ReAct范式，针对出行场景落地了车载Agent（也就是现在各家车企准备上线、对标Tesla Grok形态的Agent）。

举个例子：用户说「我要去史铁生写过的那个公园转转，然后找一家附近近的北京特色小吃店吃饭」。

24年我们开发这套系统应该是业内最早的车载Agent，只是我们没有公开展示。而且当时LLM本身能力偏弱、调用成本太高，我们做了大量提示词优化（那时候还不叫上下文工程），最终虽然能跑通链路，但响应速度很慢、调用成本高昂。

当时积累的大量场景认知，也是今年做kakaclaw时开发效率特别高的关键原因之一。

有些人觉得：车载Agent无非就是在车上移植一套OpenClaw，框架都是现成的，有什么难的？实际上远没有这么简单。车载Agent要处理出行场景专属的工具设计、UI联动、时延约束、语音对话链路适配等特有问题；另一方面，LLM预训练数据里充斥着大量代码、办公场景知识，也一直在为code/work Agent持续优化，但从来没有为车载出行场景做过专项优化，这部分需要投入大量场景prompt适配与调优。

另外，车载场景下真正的长链路、长周期任务并不多，目前落地最多的就是出行规划、周边订餐这类场景。所以现在各家落地的车载Agent产品，基本也都围绕这两个核心场景在做。

二、泛化的信息查询李想说就像豆包这类Chatbot，很好理解。依托LLM自身的推理与通识知识回答用户问题，这是ChatGPT最早的原生能力；再叠加联网搜索工具，就能获取实时资讯、专业外部信息。

虽然李想把这两类能力拆开来讲，但我认为理想新系统里，对用户而言这两种能力不会做入口区分，是无感融合的。

三、精确的功能控制靠Agent固然能完成复杂多轮任务，处理简单单指令自然也没问题。

但用通用Agent框架做精细功能控制，存在两个硬问题：一是模型输出的不确定性，二是推理成本与时延偏高。

所以李想提到的知识图谱，本质还是沿用规则式NLU系统，用来确定性、低成本、低时延地处理车机精准控制指令。

把精准控制从通用Agent里拆离出来独立处理，至少要解决意图分发和多轮上下文同步两大问题。

未来等到Token成本、推理速度再上一个台阶，进入Token的4G时代，这种「规则+Agent」的缝合架构就不再必要了，完全可以由原生Agent统一承载所有交互。

四、记录李想没有具体说明这项功能在车上的最终产品形态。

李想特意强调不是普通记忆，这类记录可以理解为主动记忆：用户明确指令「帮我记一下xxx」。

确实很多人有随时记录的需求：记待办、灵感、日常琐事。老罗也说他在浴室放蓝牙麦克风随时记录想法。其实“语音记录”本身已经是一个独立产品赛道，除了录音卡片、录音笔这类产品，AI项链、AI戒指、AI耳机、AI眼镜这类穿戴设备，也都会把语音记录、智能整理作为核心功能之一。

五、个性化李想提到类似OpenClaw里的Soul个性化设定。

个性化其实分两层：一层是用户自定义：可以定制Agent人格、对话风格、说话语气等；另一层是用户理解与画像记忆：沉淀用户偏好、习惯、用车场景，从而提供千人千面的个性化服务。

六、还缺了些什么整体看下来，李想作为企业CEO，能清晰拆解车载Agent的五个核心能力维度，认知水平确实很高，甚至很多车企座舱负责人都未必能讲得这么透彻。

但他目前的论述，更多还是围绕功能模块展开，缺少我认为非常关键的一点：情绪价值。

（李想深度用过OpenClaw/Hermes，但大概率没用过colaOS，也没用过kakaclaw）

当下每个人都被行业内卷、职场压力、AI工具裹挟着疲于奔命，情绪价值的需求被无限放大。

语音Agent对比文本交互，天然承载更丰富的情绪信息。老板们或许期待车机变成移动办公会议室，但对普通打工人而言，深夜加班返程的路上，车机能轻声问候、承接一天积压的情绪与疲惫，或许才是车载语音Agent最动人的价值慰藉。

我就分享这么多，欢迎对车载智能感兴趣的同学加入kakaclaw团队！

理想汽车理想汽车