甲子光年最近与黄超、任旭滨进行了深入对话，探讨了AI技术的最新进展和未来趋势。
作者｜王博 周悦
在访谈中，两人详细讨论了他们创建OpenClaw项目的初衷以及它在解决现有Agent问题中的作用。
黄超解释说，OpenClaw项目旨在提供一种更高效、更灵活的方法来构建和管理代码智能体，以满足开发者社区的真实需求。
任旭滨补充道：“通过开源我们能够更快地获取反馈并进行迭代优化。”
对话中还提及了LightRAG架构以及它如何支持轻量级Agent系统的发展。
黄超指出，他们的团队倾向于寻找简单而有效的解决方案来应对复杂的挑战，并且不断根据社区的需求调整方向。
任旭滨说：“对于热点问题，我们更关注其背后的真实痛点。”
这次交流还讨论了关于AI开源精神的重要性以及如何判断一个想法是否值得成为开源项目的问题。
黄超表示，“如果一个技术确实解决了当下的难题，则更适合通过持续迭代的形式在社区中生长起来。”
任旭滨强调，开源能够表明愿意与整个社区一起合作发展新技术。
在被问及如何吸引年轻学生加入团队时，黄超建议他们“不要担心论文数量”，而要保持对科研的好奇心和热情。
“最重要的是自驱力。”任旭滨补充道，“我们组的同学常常是在推动我向前走。”
最后，两人给感到焦虑的年轻人提出了一些建议。“不要过分担忧失去什么。”黄超说，“积极拥抱变化才能更好地利用AI带来的机遇。”
该对话将在2026中关村论坛年会期间举办的“原点 Party Nights”活动中以音视频形式发布。
对话音频可在小宇宙APP搜索「津津乐道」收听；
视频版则可通过微信视频号搜索「津津乐道播客」观看。
甲子光年：你们怎么看从今年年初开始的这波“龙虾”热潮？
黄超：我觉得这波热潮，核心其实是一个词——“活人感”。过去很多Agent更像工具，大家默认它只是帮你提效、帮你完成任务。
但OpenClaw不太一样，它让人开始重新期待Agent不只是工具。它也可以更像一个会主动互动、陪你一起做事的个人助手，类似电影钢铁侠里的“贾维斯”。它把大家对Agent的期待往前推了一步。
黄超
任旭滨：我觉得OpenClaw的理念非常好。它让Agent可以跑在本地，拥有更多电脑权限，去做很多云端Agent做不到的事。另外，它是开源的，程序员和普通用户都可以下载到本地使用，把Agent开放给了更多人。
甲子光年：黄超老师，你有一个很有意思的判断：OpenClaw带来的，技术革新倒在其次，更重要的是Agent交互模式上的启发。这种启发，或者说变化是什么？
黄超：最大的变化还是主动性。以前用户和Agent的关系比较被动，先输入需求、写prompt，再由它帮你完成任务。现在不太一样了，像“龙虾”这类产品，它会主动来找你，问你有没有新的代办，有没有事情可以继续做。
第二个变化是，过去我们得把需求写得很具体，Agent才能执行。现在很多时候，给它的是一个比较模糊的目标，至于中间怎么拆解、怎么调用工具，很多都可以交给Agent自己决定。
所以它给整个生态的启发是，交互变得更灵活了。系统也正在从固定workflow（工作流），慢慢转向一个“真正的Agent”。
甲子光年：OpenClaw出来后，很多人很兴奋，但是随后一些人又陷入了焦虑，觉得是不是自己的工作会被替代，你觉得现在FOMO（害怕错过）的情绪严重吗？我们应该如何面对这一项又一项新的技术？
黄超：我觉得完全不焦虑其实很难，尤其我们自己就在做Agent感受会更明显。
你越去探索它的边界，就越能感受到它能力提升得有多快，也越能感受到，它确实可能替代一部分原本由人完成的工作。
但如果只看“龙虾”现在这个阶段，我觉得它更多还是个人助手，距离真正高强度、稳定打工还有一段路。
当然，随着生态继续发展，它很可能会从“个人助手”慢慢走向真正的合作者。我觉得它的确可能会替代一些工作，尤其是编程甚至科研本身这类智力密集型工作。
但另一面，它也在带来新的机会。以前很多事情需要很强的代码能力才能做出来，但现在借助Agent，很多人都更容易把想法变成现实。
这其实是一种技术平权，归根结底，焦虑和机会是并存的。
甲子光年：在这波“龙虾”热潮里，你们发布了超轻量级个人AI助手nanobot，旭滨在这个项目中贡献很多，你能不能通俗解释一下nanobot是什么？它和OpenClaw有什么区别？可以帮助我们做什么？
nanobot，图片
任旭滨：最开始其实很简单，我们发现OpenClaw的代码太多了，也不太好安装。
我们就想，能不能把它最核心的逻辑，用一种更简单、更像“教科书范式”的方式实现出来，就做了nanobot。
它的底层运行逻辑和OpenClaw是接近的，OpenClaw能做的绝大多数事情，nanobot基本也都能做到。比如，写代码、报告生成、行业调研、文档整理、做PPT。
某种意义上，它是OpenClaw的一个轻量化实现。
任旭滨
甲子光年：OpenClaw有100多万行的代码，而nanobot目前只有4000行左右，比OpenClaw少99%的代码行数，基本上可以实现OpenClaw 80%的功能，这是怎么做到的？
任旭滨：核心还是抓住了本质。
对Agent来说，本质其实就是那个循环：上下文管理、环境交互，以及让大模型去控制Agent帮用户完成任务。完成这些，不一定需要那么多冗余代码。
如果架构设计更合理，代码复用做得更好、模块之间更解耦，同时整体更容易理解，其实可以把Agent做得很轻。
因为本质是一样的，所以在功能实现上，最后可以做到比较接近。我觉得至少在代码层面，OpenClaw在设计上有点过于复杂，有一些地方可能没有特别收敛，导致有一定的冗余。
甲子光年：nanobot在GitHub上获得了大量关注，你有没有分析过，为什么它会这么受欢迎？
任旭滨：一个原因是开源社区里很多人喜欢这种简单、轻量化的代码，也认同这种思路，他们会觉得一个Agent需要更清晰、可控的架构。另一个原因是，代码更少之后，做二次开发会方便很多，可以更容易在这个基础上做自己的Agent。
黄超：我和旭滨的感受是一样的，nanobot的关注度远远超出预期。
最开始我们其实更想把它做成一个教程式的项目，用轻量的代码，把OpenClaw背后的核心逻辑拆解开给大家看。
但没想到，这种轻量化设计本身就很有意思，结果反而把很多原本分散在社区里的高手、开发者都吸引出来了，大家开始一起在nanobot上共建、共创。
甲子光年：在开发nanobot的过程中，最让你感到意外的是什么？另外，有多少代码是和AI一起vibe coding出来的？
任旭滨：最让我意外的有两个点。第一，Agent的自主能力很强。给它一个任务，它一开始可能不会做，但在大模型驱动下，它会不断自己尝试、找办法，最后把事情完成。第二，是社区的活跃度。很多平时不一定被大家看到的程序员、极客，会很积极地参与进来，一起共建nanobot的生态。
至于代码，最早期第一版还是手写为主。但后来我发现，只要整体逻辑和架构已经比较清晰，AI其实能很好理解我的意图。后期更多是人和AI协作，用模型生成代码，再由我们审阅、调整架构和细节。
甲子光年：旭滨，有网友称你为“真人nanobot”，你喜欢这个称号吗？
任旭滨：哈哈，我还挺喜欢的。可能让大家记住我叫任旭滨，不太容易，但是让大家愿意把 nanobot跟我关联起来，我还是挺高兴的。
我和nanobot一样，几乎都是在“不间断工作”，而且善于把一些复杂的知识给轻量化。
2.从“助手”到“同事”：Agent怎么赚钱？
甲子光年：你们还有一个开源项目是ClawWork，将AI助手转变为真正的AI同事，完成工作任务并创造经济价值。你们给出的数据是，利用10美元的本金，11小时内赚取了15000美元。我很好奇，它是怎么赚钱的？
黄超：ClawWork其实是一个仿真实验，但它完成的每一项任务，都是现实生活中真实存在的任务。
这个实验基于OpenAI发布的GDP Evolve数据集。它收集了四个行业、总共220项任务，包括法律、医学、艺术创作等各类工作。每一项任务都对应一个真实报酬，这个报酬是根据现实世界里的价格整理出来的。
当时我们就在想，既然大家都在讨论怎么把“龙虾”从助手变成真正能打工的角色，那为什么不让它先在这个数据集上“打一轮工”？
我们就让nanobot、类似“龙虾”的Agent，在这220项任务上去执行，衡量方式也很直接看它最后一共能“赚”多少钱。
结果是，在11个小时里，它完成的任务对应的总价值超过了1万美元。
ClawWork Agent Flow，图片
甲子光年：所以这是一个模拟赚钱的过程，而不是真正真金白银赚到了这笔钱？
黄超：对，任务是真实的，但赚钱是在数据集构建的仿真环境里完成的。
甲子光年：现在很多人也在讨论，OpenClaw出来之后，更多是卖课的、卖设备的、帮别人安装部署的人赚到了钱，真正靠Agent本身赚到钱的人似乎还不多。类似OpenClaw这样的产品，究竟怎么才能产生带来真正的收益？怎么让“龙虾”变成一个真正的“打工人”？
黄超：在现实生活中，很难直接让Agent在各个行业里去真实赚钱并做标准化评估。这个数据集提供了一个仿真环境。
至少说明，在某些任务上，Agent已经具备了很强的“打工能力”，像代码、报告生成、行业调研、文档整理、做slides这类任务，潜在挣钱能力已经很强。
甲子光年：nanobot和ClawWork之间是什么关系？
任旭滨：ClawWork更像是我们搭建的一个生态，用来评估这些能干活的Agent到底能达到什么样的表现。不管是nanobot，还是其他类似的Agent，都可以把ClawWork当成一个载体，在上面做测试和评估。
甲子光年：最近“One Person Company（一人公司，OPC）”的概念很热，但还有一种趋势是多Agent系统。我看到小红书上也有人问你“OPC和nanobot的区别”，你觉得未来AI更强化“个体”，还是会形成“AI组织”？
黄超：我觉得这两种形态都会很重要。
如果用一个比较直观的类比，个体可以理解为一台设备，比如一台PC。
nanobot更像是在这台设备上运行的一套能力，让这个“个体”变得更智能、更自动化。集群更像一个生态，把很多终端设备连接在一起，让它们协同去完成更大的任务。
从这个角度来看，Agent其实也会走向“集群化”。未来每个人都可能拥有很多个nanobot，这些Agent不再是单兵作战，而是可以形成一个团队，去完成更复杂的任务。
我觉得离真正“打工”已经很快了，接下来几个月，它就能开始承担很多日常任务，越来越成熟。
任旭滨：Agent这个领域发展得特别快。我们在迭代nanobot的过程中，会很明显感觉到，它的能力是在不断跃迁的。从早期比较单点式的Agent，到现在开始走向Multi-Agent，未来甚至可能会进一步走向自我进化。
我觉得大概在半年左右的时间里，它就有可能在很大程度上减轻我们日常工作中的负担。
甲子光年：nanobot下一步的规划是什么？你们接下来最想补的生态短板是什么？
黄超：nanobot肯定还是会持续迭代。
它本身可以看作一个比较轻量的系统，用来支撑Agent的运行。在planning（规划）、memory（记忆）、整体效率、token使用效率这些方向都会继续优化，让它更轻量、更高效。
更重要的是生态。现实生活中，大量工作其实是围绕软件展开的。很多人每天花大量时间在这些工具上，但这个过程本身是低效的。我觉得未来一个很重要的方向，是让nanobot更好地使用现实世界里的各种软件。
如果接下来能把Agent操控整台计算机这一层真正打通，让它可以直接操作这些软件，它离真正打工就会更近一步。
3.软件世界要开始为Agent改写接口
甲子光年：既然聊到了Agent使用软件的问题，那就要提到你们的另一个开源项目——CLI-Anything。这个项目在Github上有2.9万颗星，被讨论得越来越多。仅一行命令就能让任意软件接入OpenClaw、nanobot等Agent框架，你们为什么会做这一个项目？
CLI-Anything，图片
黄超：这个项目背后的一个核心启发是：未来的软件不一定主要是给人用的，软件更重要的使用者，很可能会是Agent。
对人来说，我们更愿意使用那些让自己感觉顺手、甚至有点愉快的GUI（图形用户界面）软件；但很多操作交给Agent去做是最好的。
但现在让Agent去操作软件，很多时候还是只能走GUI这条路，也就是像人一样去看屏幕、点坐标、一步一步操作界面。这种GUI Agent的问题其实很明显。
甲子光年：为什么你们觉得CLI（命令行接口）更像Agent的原生工作语言？
黄超：因为GUI Agent有一些问题。
第一，它慢。因为它每一步都要先理解当前屏幕截图，再判断应该点哪个位置，整个过程本质上依赖多模态理解，所以推理链条会比较长。
第二，它不够准。尤其是在电脑这样的大屏幕上，要去完成一些很精细的点击任务，其实并不容易，所以准确率往往也会受到影响。
第三，它的token消耗会很高。因为这里面涉及大量的图像理解。很多时候，可能只是让AI帮我们点一杯咖啡，最后消耗掉的token成本，已经快接近那杯咖啡本身了。
这种方式看起来很炫，但不一定真正实用。我们觉得，GUI Agent不一定是当下最“Agent Native（原生）”的形态。
之前我们其实容易陷入一个思路，总想让AI像人一样去做事。但后来我们意识到，人类熟悉的方式，不一定是AI最有效率的方式。
我们的判断是，CLI这种模式可能更接近Agent Native，AI通过代码去交流，本身就是一种更准确、更快速的方式。
甲子光年：那在CLI-Anything的实现过程中，最大的难点和突破点分别是什么？
黄超：我觉得它其实是一个技术上并没有那么复杂的项目。
因为很多时候，我们做Agent会越来越有一种感觉，很多真正关键的东西都符合“大道至简”的逻辑。没必要把一个问题想得特别复杂。
很多时候，人反而容易把简单问题复杂化。但做Agent不应该这样，更重要的，反而是把复杂问题尽量简单化。
从这个角度来看，CLI-Anything其实就是抓住了一个很明确的痛点：一方面是当下软件生态本身的使用方式，另一方面是Agent未来要和软件更高效适配的趋势。
它的核心突破点，并不在于技术本身有多“重”，而是在于它找到了一个很关键的接口层。
简单说，就是它为Agent创建了一套可以直接和软件生态沟通的CLI接口。抓住了这个点之后，很多事情反而就变得顺了。
甲子光年：你怎么看待“未来所有软件是不是都要变得对Agent更友好”这件事？GUI是不是会变得不那么重要？
黄超：我觉得也不能这么说。因为现在其实还有很多人在继续做GUI Agent，所以很难说GUI不重要。
但如果从我自己的角度出发，当我让Agent帮我完成任务的时候，我最关心的其实还是任务完成的质量和结果。对于这一类需求来说，GUI可能就没那么重要。
不过GUI的重要性，背后也不仅仅是交互问题，它还牵涉到整个软件生态。很多软件今天的商业模式，本身就是围绕“人来使用软件、产生流量、形成付费”建立起来的。
GUI不太可能在很短时间内被替代。我觉得，未来更可能是GUI和CLI共存。人还是会继续使用一些软件，但很多专业性的、工作型的软件，会逐步走向CLI化。
甲子光年：我们之前也试用过一些GUIAgent。除了刚才提到的那些问题，它们还经常会碰到验证码、风控识别之类的面向“真人用户”的机制。Agent想要去绕过这些限制，本身就会遇到很多问题。那么对于软件厂商来说，是否要重新思考应如何更好地适配Agent？
任旭滨：我觉得黄老师刚才说得非常对。未来很多软件都要更多从“效率”的角度出发，去降低GUI层面的复杂度。
以前很多软件的商业逻辑，某种程度上是希望用户在里面停留更久，所以GUI会做得比较复杂。但未来这个逻辑可能会变化。对用户来说，能不能帮他节省更多时间、提升更高效率，可能会变成更重要的付费理由。
我们也看到，其实很多大厂内部已经在把一些专业软件、核心软件逐步做CLI化。未来也不排除它们会把这些CLI能力通过合适的接口开放出来，让每个用户自己的Agent都可以接上去。
4.一支高校开源团队的方法论
甲子光年：你们团队已推出很多有影响力开源项目，背后有没有一条逻辑主线？
黄超：我们一直在做的其实是同一件事：怎么让AI更好地帮我们“打工”。
因为我们自己就在科研一线，最熟悉的任务就是编程、深度研究，以及一些更偏科学发现的工作。
我们最关心的，不是做一个看起来很新的系统，而是能不能把这些真实、繁琐、重复的任务一步步交给AI，让人从里面解放出来。我们团队一贯的偏好是喜欢做轻量级系统。
甲子光年：黄超老师，你最早是从推荐系统、图学习、信息检索一路做过来，我想知道后来你为什么会进入大模型、RAG、Agent这些方向？
黄超：我们组最开始其实也做过推荐系统、图学习这些方向。但慢慢会发现，这类技术在具体场景里可以做得不错，要真正泛化到更广的领域，限制依然很大，尤其受数据和生态约束。
后来我们转向大语言模型，一个很自然的问题就是：大模型要落地，怎么把知识接得更好、成本降得更低。
于是我们做了LightRAG，想用更少的token消耗、更快的访问和索引方式，去实现一个更轻量的RAG系统。再往后我们又意识到，RAG只是更大系统里的一层，下一步自然就走到了Agent。
甲子光年：旭滨，你是怎么确定自己的研究方向的？
任旭滨：我在本科阶段，做过一些研究。后来到了黄超老师组里，一开始是做推荐算法，然后一路做到RAG，再做到Agent。
回头看，这不是一开始就规划好的，更像是一个不断根据反馈调整方向的过程。哪个方向能持续给出信号和反馈，能让我们更接近真实问题，我们就往哪边走。
这个过程有点像一个不断“梯度下降”的过程，每走一步都会比之前更接近最优的答案。
甲子光年：我们经常会谈到一个词，叫“学术品位”，或者说“研究品位”。那你们团队的学术品位是什么？
黄超：如果让我总结的话，我觉得我们团队的一个出发点是：尽可能用简单的方式，去解决一个当下比较有挑战的问题。
LightRAG也好，nanobot也好，它们背后其实是同一种偏好。我们一直倾向于做轻量级架构，因为很多事情最后都会回到“大道至简”。更快、更简单、更便宜，不只是工程选择，也是我们判断价值的标准。
甲子光年：如今，AI技术和范式变化较快，很多路线没有收敛。你们如何追逐热点，又不盲从热点？如何判断一个方向值得投入的？
黄超：关于热点，我们不会把它理解成要不要追，而是把它看成一种信号。一个东西之所以会热，往往说明那里有真实的技术痛点还没被满足。
像OpenClaw之所以引发讨论，本质上反映的就是大家对现有Agent形态并不满意，都在等一个真正属于自己的“贾维斯”。所以我们不是为了追热点而追热点，而是去看热点背后到底对应了什么问题。
任旭滨：我会把热点理解成一种外部反馈。它之所以成为热点，说明很多人真的在意这个问题。
更重要的不是先判断它热不热，而是从我们的能力出发，能不能在里面做出东西、解决一点真实问题。很多时候，机会其实就藏在热点里，关键是你能不能接得住。
「甲子光年」对话黄超、任旭滨
甲子光年：我们之前也和很多高校、实验室交流过，有些团队更像是“各写各的paper”。但你们更像是在持续迭代一个产品，或者一个开源项目。你们怎么判断，一个想法是写论文就够了，还是值得做成开源项目？你们怎么理解“开源精神”？
黄超：在我们看来，开源和论文本质上都是方法，最终目的都是解决一个真实痛点。我们团队并没有那么“paper driven（论文导向）”。不是发完一篇论文，这件事就结束了。
很多时候，真正累的反而是项目刚发布的时候，因为从那一刻开始，你要接社区反馈、持续迭代、整合PR（拉取请求）。对我们来说，发布不是结束，而是开始。
如果一个东西只是适合被总结成论文，那它写成论文就够了；但如果它确实解决了一个当下存在的问题，那一篇论文往往不够，它更适合在开源社区里继续生长。
很多时候，我们会先把技术做成项目发布出来，再用论文、技术报告或者博客补充表达，这是更自然的一条路径。
在我们组里，我没有给学生设定必须发论文的要求。我更在意的是，大家能不能做出真正不错的东西。至于论文，我觉得它更多只是一个产物。
我对开源的理解也是一样。现在很多技术还处在百家争鸣的阶段，很多事不是靠一个组织就能独立做完的，必须跟着生态、跟着社区一起往前走。
开源最重要的一点，就是它能让你真正感知需求、拿到真实反馈，再根据这些反馈继续迭代。发布只是开源的开始。
任旭滨：以前没有代码智能体的时候，论文是一种很高效的知识载体，因为它已经被压缩和总结过了。
但现在不一样了。有了代码智能体之后，如果我们先把项目开源，别人可能用一个下午，甚至喝杯咖啡的时间，就能读懂我们到底在做什么。从传播效率来看，开源在很多时候已经比论文更快。
对我来说，开源还有一个更重要的意义：它是在表明，你愿意和社区站在一起。你不是把东西关起来，而是真的愿意让别人参与进来，一起把它做下去。
甲子光年：你们会特别关注GitHub上星标的数字吗？
任旭滨：我们还是会偶尔看一下，至少能知道，社区现在的热度大概在哪儿。
甲子光年：你觉得做学术和做开源之间矛盾吗？
黄超：我反而觉得学术更应该做开源。因为学界限制更少，不像大厂会受版权、数据和商业化约束，所以更适合把东西开放出来。
甲子光年：对比海淀和香港这两片区域，你们觉得开源生态有什么不同？
黄超：海淀的特点是生态更完整，高校、实验室、企业、政府都在参与，更像一个把开源能力串起来的连接器。
香港则产业侧没那么丰富，但学界同样很拥抱开源，比如港大就一直鼓励把研究成果开出来。未来我会比较期待两边有更多合作。
任旭滨：我感受是，香港的开源更多还是学术和社区自发推动的。而海淀比较特别的是，有政府和企业一起在搭生态，所以整体会更成体系一些。
甲子光年：如果一个年轻学生想加入你们组，最需要具备什么？
任旭滨：我觉得有两点特别重要。第一，真的要会用、敢用AI。现在AI已经不是一个可以忽视的效率工具了。
第二，是要有好奇心。以前做研究，更多是在论文里探索；但现在不只是这样了，你还得去互联网里看大家真正关心什么，真实的痛点到底在哪。
黄超：我特别认同旭滨刚才说的一点。用一句特别通俗的话讲：能用token解决的事，就尽量不要靠人硬上。
除此之外，我觉得最关键的是自驱力。我们组里的同学，很多时候不是我在推他们，反而是他们在推我。
如果说加入我们组最重要的标准，我觉得第一还是：对科研要有真正的好奇心。不要一上来就太关心“能不能发论文”“要发多少篇论文”。
甲子光年：最后一个问题。如果现在有一个对AI感到焦虑的年轻人正在听这场播客，你们最想对他说什么？
任旭滨：我最想说的是，不要那么焦虑。
AI Agent首先是在让很多事情变得更方便。比如代码智能体，已经在很大程度上改变了写代码这件事的体验，就让写代码这件事本身变得更轻松。
一方面当然要积极拥抱这些变化。另一方面，也不要让焦虑占据太多空间。不要总觉得自己一定会失去什么。
AI的出现，本质上还是在让生活变得更快乐、更有可能性。这样心态才更容易真正把AI用好，也更容易感受到它带来的变化。
黄超：我也想给大家一个很直接的建议，AI的门槛，其实没有大家想象中那么高。
尤其是现在已经有了这么多AI工具之后，不管是写代码，还是做deep research、行业调研，其实都比以前容易了很多。
我们自己做项目时，现在很多时候也不会先把整条链路完全想清楚，再开始动手。今天这种方式往往已经不太现实了。
更多时候，我们会采用一种类似nanobot的思路，也就是Agent loop（Agent循环）。先想清楚下一步做什么，做完这一步，看结果，再决定后面怎么走。
我觉得，大家不用一开始就把所有事情想得特别完整。先做下一步，先上手，在做的过程中再不断调整、学习，再去找新的解决办法。
某种程度上，这就是一种“干中学”的状态。我觉得在现在这个阶段，这是更现实、也更有效的方法。
（封面图及文中未标注来源图片来自：中关村科学城公司）
关于嗨点小圆桌
2026中关村论坛年会期间，海淀区“人工智能主题日”场外氛围活动 “原点 Party Nights”在 AI 原点社区举办。其中音视频播客 “嗨点小圆桌” 是一档 “海淀和他的朋友们” 深度对话节目，邀请主论坛嘉宾、AI热点人物一同探讨AI青年关心的热点话题，欢迎大家收听、观看。
本场对话音视频内容即将上线
音频播客：在小宇宙APP搜索「津津乐道」即可收听；
视频播客：在微信视频号搜索「津津乐道播客」即可收看。