Lü Cheng, Gründer von Rabbit: Menschen sollten ihre Denkweise nicht für Agenten ändern

Text｜Li Zhaofeng

Redaktion｜Zhang Yuxin

„Es heißt, das Licht solle entstehen – und so entstand das Licht.“ Wenn er von der ultimativen Vision des persönlichen Agenten spricht, ersetzt Lü Cheng, Gründer von Rabbit, das Wort „Gott“ in diesem alten Sprichwort durch „den Menschen“: In seiner Vorstellung muss der Mensch nur sagen, was er erledigen will, und der Agent findet selbst den Weg, dies zu erreichen.

Wenn man von Rabbit spricht, denken viele zuerst an das orange Handgerät r1 – ein tragbares KI-Gerät, das mit dem selbstentwickelten System von Rabbit läuft. Ursprünglich hoffte Rabbit, dass Benutzer nur die Aufgabe aussprechen müssen, damit das Gerät Anwendungen in ihrem Namen bedienen und die Aufgabe erledigen kann. R1 erregte nach seiner Vorstellung schnell Aufmerksamkeit, aber die praktischen Nutzungserfahrungen nach der Markteinführung erhielten einige kritische Stimmen. Lü Cheng räumte später ein, dass es eine Lücke zwischen den hohen Erwartungen der Benutzer und dem anfänglichen Softwareerlebnis gab.

Rabbit R1

Im vergangenen Monat hat Rabbit das neue Betriebssystem OS3 für Agenten eingeführt: Benutzer geben Aufgaben über eine Webseite oder Telegram an, das System ruft das von den Benutzern selbst ausgewählte KI-Modell auf, lässt den Computer Dateien durchsuchen, Software bedienen, Webseiten durchsuchen oder Code schreiben.

„Man darf nicht darauf setzen, dass der Benutzer am Ende nur ein einziges Gerät hat – das ist unrealistisch.“ Als er gefragt wurde, warum er geräteübergreifende Funktionen entwickelt, zählte Lü Cheng die Computer auf, die er normalerweise verwendet: einen privaten PC, ein Mac für die Arbeit und einen Bürocomputer, der auf das interne Netzwerk des Unternehmens zugreifen kann. Seiner Ansicht nach wechseln Benutzer häufig zwischen mehreren Geräten, und ein guter Agent sollte es dem Menschen ermöglichen, eine Aufgabe nur einmal zu nennen, bevor er selbst das entsprechende Gerät und die Lösung findet.

Auf der CES 2024 (International Consumer Electronics Show) stellte Rabbit das r1 vor. Aber die praktische Erfahrung mit diesem Produkt löste schnell Kontroversen aus. Das Technikmedium *Wired* bewertete das frühe Produkt mit 3 von 10 Punkten. Vor einigen Wochen sagte Lü Cheng in einem Interview mit *Wired*, dass weltweit mehr als 100.000 Einheiten des r1 ausgeliefert wurden und die Rücklaufquote unter 5 % liegt. Zu den damaligen Kritiken sagte er: „Aus technischer Sicht haben wir nicht die falsche Richtung eingeschlagen.“

Im Gespräch mit Smart Emergence erläuterte Lü Cheng die Lücke, mit der das r1 konfrontiert war, weiter: „Auf der Pressekonferenz sagten wir, dass das Gerät vier Dinge tun kann – dann versuchen die Benutzer, sechs Dinge damit zu tun.“ Frühe Agent-Produkte können die ständig wachsenden Erwartungen der Benutzer kaum erfüllen. Aber für Lü Cheng ist diese „Avantgarde“ des frühen Einstiegs in die Branche das grundlegende Gen von Rabbit. Das r1 hat Rabbit zumindest an der Diskussion über die frühen Formen von KI-Hardware teilnehmen lassen. Wenn man später über diese Produktkategorie spricht, werden die Menschen immer noch an dieses orange Gerät erinnern. Vom r1 bis zum OS3 hat Rabbit immer um die Definitionsgewalt der Agent-Produkte gekämpft.

Im letzten Jahr haben sich die Agenten allmählich vom Schreiben von Code und der Bearbeitung von Arbeitsaufgaben zu den täglichen Angelegenheiten der Menschen entwickelt. Seit September dieses Jahres hat sich der Wettbewerb in dieser Richtung deutlich verschärft.

Um die Zeit der Veröffentlichung von OS3 brachte Meta das persönliche Agent-Produkt Muse auf den Markt. Nach Schätzungen von Sensor Tower wurde Muse in den ersten zwei Wochen nach der Markteinführung etwa 2,8 Millionen Mal heruntergeladen. Anfang September kündigte Manus an, seinen unabhängigen Betrieb wieder aufzunehmen, und brachte anschließend das persönliche Agent-Produkt Cue auf den Markt. In China ist das Qwen von Alibaba mit dem Einkauf auf Taobao verbunden, und das Doubao von ByteDance hat eine Funktion zum Bestellen von Taxis per Konversation eingeführt. Mehrere Unternehmen verfolgen unterschiedliche Wege, aber alle versuchen, KI in die täglichen Angelegenheiten der Menschen zu integrieren.

Als er von der aufeinanderfolgenden Einführung persönlicher Agent-Produkte sprach, sagte Lü Cheng, dass Modelle besser im Schreiben von Code werden, was die Entwicklung von Agenten erleichtert; aber ob normale Menschen sie langfristig nutzen werden, ist noch ungewiss. Sie verständlich zu machen und die Menschen dazu zu bringen, sie lange zu nutzen, ist die nächste große Herausforderung.

Das erklärt auch das einfache Bedienkonzept von OS3. Bei der Interaktion unterscheidet sich OS3 von dem Arbeitsplatzmodell vieler Agenten: Es hat nur ein fortlaufendes Konversationsfenster. Wenn Benutzer einen Bedarf im Berufs- oder Privatleben haben, können sie ihn direkt aussprechen, ohne zuerst ein neues Projekt zu erstellen oder ihre Aufgaben nach Arbeit oder Privatleben zu klassifizieren. Auf der Ausführungsebene kann OS3 bis zu fünf bereits vorhandene Computer des Benutzers verbinden, die Dateien und Software auf jedem Gerät nutzen und entscheiden, auf welchem Gerät die Aufgabe erledigt wird.

Lü Cheng ist der Ansicht, dass persönliche Agenten in das Leben normaler Menschen eintreten müssen, zuerst die Nutzungshürden gesenkt werden müssen. „Die Art, wie Menschen denken, ist keine dateiorientierte Denkweise.“ Das ist eine Überlegung von Rabbit bei der Entwicklung von OS3: Benutzer müssen Arbeit und private Angelegenheiten nicht zuerst klassifizieren – sie können alles, was ihnen einfällt, direkt im selben Konversationsfenster mitteilen.

01｜Welchen persönlichen Agenten brauchen normale Menschen

Nach der Einführung von Metas Muse hat Lü Cheng dieses Produkt auch ausprobiert. Er ließ Muse eine Kiste Cola kaufen. Muse musste sich auf einem entfernten Computer bei einer Einkaufswebsite anmelden, aber weil es das Passwort vergessen hatte, musste es den Passwort-Manager öffnen, um es zu suchen. Dieser Prozess ließ ihn zweifeln: Ist der Bedarf an persönlichen Agenten bereits nachgewiesen?

„Was ist bequemer: Den Agenten auf Amazon eine Kiste Cola kaufen zu lassen, oder selbst auf dem Computer zwei Mal zu klicken, um eine Kiste Cola zu bestellen?“ Als er von diesem Boom von Produkten sprach, sagte Lü Cheng: „Ich glaube nicht, dass dieser Bedarf bereits nachgewiesen ist.“

Er erklärte die Vision von Rabbit mit der Beziehung zwischen einem Chef und seinem Assistenten: „Ich habe ein Problem, das gelöst werden muss – du hilfst mir, es zu lösen.“ In der Realität schreibt der Chef dem Assistenten nicht vor, in welchem Geschäft er einkauft oder mit welcher Zahlungsmethode er bezahlt; er will nur das Ergebnis. Lü Cheng hofft, dass Benutzer persönliche Agenten genauso nutzen können: mit einfacher Interaktionslogik, Zugriffsrechten auf das lokale System und der Fähigkeit, mehrere Geräte geräteübergreifend zu bedienen.

Bedienoberfläche von OS3

Wenn man OS3 öffnet, sieht man hauptsächlich das fortlaufende Gespräch und ein Eingabefeld, keine nach Arbeit und Privatleben getrennten Aufgabeneingänge. Dieses Design ist sehr einfach, kann neue Benutzer aber auch ratlos machen. Lü Cheng ist der Ansicht, dass das vorherige Einteilen von Kategorien die Benutzer zwingen würde, ihre Gedanken nach den Regeln der Software zu ordnen.

Lü Cheng sagt, dass das Denken der Menschen fließend ist: Während man über eine Arbeitsangelegenheit spricht, erinnert man sich plötzlich an eine private Angelegenheit, die man gestern nicht erledigt hat. Er nennt diesen Zustand „brain dump“: Alles, was einem in den Sinn kommt, einfach aussprechen. Er sagt, OS3 soll diese sprunghaften Gedanken durch Gedächtnis und Aufgabenplanung auffangen, dann entscheiden, welche Tools aufgerufen werden und welcher Computer die Aufgabe ausführt. Je einfacher das Eingabefeld ist, desto komplexere Entscheidungen muss das dahinterstehende System treffen.

Sobald der Agent anfängt, Aufgaben zu erledigen, reicht es nicht mehr, die Anweisungen nur zu verstehen – er muss auch in die Umgebung gelangen, in der die Aufgabe ausgeführt werden kann. Lü Cheng sagt, dass das frühe Konzept von Rabbit einen ähnlichen Ansatz wie Muse ausprobiert hat, aber man stellte fest, dass die Remote-Anmeldung leicht zu einer Überprüfung durch die Website führt oder sogar blockiert wird. Deshalb kann OS3, obwohl es immer noch einen Zugriff auf das Cloud-Modell benötigt, das Ausführungsprogramm auf dem ausgewählten Computer installieren und die bereits vorhandenen Dateien, Software und Arbeitsumgebung dieses Geräts nutzen. Lü Cheng betrachtet die lokale Ausführung auch als eine Datenschutzgrenze: „Solange die Dateien lokal sind, müssen sie nicht hochgeladen werden – die Ausführung erfolgt direkt auf dem lokalen Computer.“

Die Nutzungskosten sind auch eine Hürde. Einige Benutzer berichteten, dass bei der Verwendung desselben Modells der Token-Verbrauch von OS3 höher sein kann als der von OpenClaw, was Lü Cheng aufmerksam macht: „Wir werden definitiv eine tiefgreifende Optimierung durchführen, um den Token-Verbrauch zu senken.“

Der Token-Verbrauch ist nur ein Aspekt. Lü Cheng erwähnt, dass nach der Integration von OpenClaw in das r1 zu Beginn des Jahres die häufigste Hilfeanfrage lautete „Wie installiert man OpenClaw?“. Zuerst dachte er, man brauche nur den Anweisungen auf der offiziellen Website zu folgen; später stellte er fest, dass viele normale Benutzer noch nie das Terminal ihres Computers geöffnet haben, geschweige denn mit GitHub und Konfigurationen von Funktionen vertraut sind. Mit anderen Worten: Um persönliche Agenten für normale Benutzer zugänglich zu machen, müssen sie so einfach wie möglich sein und sehr niedrige Hürden haben.

Rabbit hat die Ersteinrichtung von OS3 in die Webseite integriert: Benutzer beantworten die Fragen nach den Anweisungen und geben dann den API-Schlüssel des Modells ein, das sie selbst beantragt haben, um die Nutzung zu starten. Wenn der Agent ihren Computer bedienen soll, müssen sie trotzdem das lokale Programm installieren und Berechtigungen erteilen. Er beschreibt die Webeinrichtung als eine „sichtbare Verbesserung“, aber es ist noch ein langer Weg, bis normale Menschen es sofort nutzen können. „Das Wichtigste, worauf ich mich jetzt bei dem Produkt konzentriere, ist, wie man die Nutzungshürden für die Benutzer senken kann.“

Als er gefragt wurde, warum OS3 das Modell „Bring Your Own Key“ (Benutzer bringen ihren eigenen Modells-Schlüssel mit) verwendet, sagte Lü Cheng: „Ich glaube nicht, dass irgendein großes Unternehmen in seinem geschlossenen System sicher sein kann, dass sein eigenes Modell das beste ist. Im Wettbewerb der Modelle hat niemand einen absoluten Vorteil, und es ist schwer, in kurzer Zeit einen endgültigen Sieger zu ermitteln.“ Seiner Ansicht nach ist das auch ein Vorteil von Rabbit gegenüber großen Unternehmen: Die Verbesserung der Fähigkeiten jedes Modells kann dem Agent-Produkt von Rabbit zugute kommen.

Lü Cheng hofft, dass Rabbit ein Produkt entwickelt, das die Menschen langfristig unterstützen. Er sagt, dass große Unternehmen gut darin sind, „nischen und nützliche Produkte schnell zu beseitigen“, aber es ist „schwer für sie, ein Produkt mit Überzeugung zu beseitigen“. Er nennt Linux (ein Open-Source-Betriebssystem) als Beispiel: Vielleicht nutzen nicht viele Menschen Linux, aber diejenigen, die es gewohnt sind, lassen sich kaum überzeugen, zu einem anderen System zu wechseln.

Aber als er gefragt wurde, ob Rabbit bereit sei, das „Linux des Agenten-Zeitalters“ zu werden, sagte Lü Cheng: „Es reicht nicht aus, nur Linux zu sein.“ Seiner Ansicht nach muss man nach der Fertigstellung der technischen Grundlage über dem komplexen System hinaus den normalen Menschen eine „einfach zu nutzende Lösung ohne komplizierte Einrichtung“ anbieten.

02｜Rabbit will die Definitionsgewalt für Agenten erkämpfen

„OS3 ist das Betriebssystem, das wir ursprünglich für Cyberdeck entwickelt haben“, sagt Lü Cheng. Cyberdeck ist das zweite Hardware-Produkt, das Rabbit nach dem r1 entwickelt hat: ein noch nicht auf den Markt gebrachter kleiner Computer, der mit einem Bildschirm und einer mechanischen Tastatur ausgestattet sein soll, damit Benutzer Agenten und Programmierwerkzeuge nutzen können.

Im Januar dieses Jahres hat Rabbit das Cyberdeck-Projekt zum ersten Mal öffentlich vorgestellt. Damals veröffentlichte Lü Cheng die Produktvorstellung in den sozialen Medien: ein kleines Gehäuse, eine austauschbare mechanische Tastatur und eine Umgebung, in der Benutzer Modelle und Agenten frei auswählen können. Er hat Medien mitgeteilt, dass der Zielpreis von Cyberdeck 500 US-Dollar beträgt.

In diesem Gespräch gab er ihm eine alltäglichere Definition: ein tragbares Eingabeportal für Aufgaben. „Dieses tragbare Ding dient als dein Eingabefeld, egal ob du per Spracheingabe oder tippst.“ Der Mensch kann hier Anweisungen geben, und OS3 ruft die bereits verbundenen Computer zu Hause oder im Büro auf.

Da Cyberdeck noch in der Entwicklung ist, hat Rabbit beschlossen, OS3 zuerst für normale Computerbenutzer freizugeben. Lü Cheng erklärt, dass er hofft, dass das Team vor der Fertigstellung des neuen Geräts Probleme aus der tatsächlichen Nutzung erkennen und die Zusammenarbeit von Software und Hardware weiter optimieren kann.

Zuvor nannte *Wired* OS3 eine Wende von Rabbit. Lü Cheng klärte in diesem Interview auf: „Das bedeutet nicht, dass wir uns von Hardware zu Software gewandelt haben.“ Er sagt, viele Medien hätten Rabbit fälschlicherweise als Hardware-Unternehmen eingestuft, aber in Wirklichkeit „ist Hardware für uns nur etwas, das wir unbedingt machen müssen“.

Seiner Ansicht nach liegt der Schlüssel darin, wie weit der Agent in die Systemumgebung eindringen kann. „Wenn du nur eine App entwickelst, ist dein Spielraum genau der Spielraum, den dir die App gibt.“ Wenn man selbst Geräte entwickelt, kann man die Ausführungsumgebung des Agenten auf Systemebene gestalten.

Aber da OS3 bereits normale Computer verbinden kann, warum brauchen die Benutzer dann noch Cyberdeck? Lü Cheng ist der Ansicht, dass das tragbare einheitliche Eingabeportal mehrere Geräte aufrufen kann und gleichzeitig sicherstellen kann, dass die Aufgaben in der bereits vorhandenen Arbeitsumgebung des Benutzers ausgeführt werden.

Dieses Design hängt mit den Einschränkungen zusammen, auf die der Agent bei der Ausführung von Aufgaben stößt. Lü Cheng nutzt das Einkaufen auf Amazon als Beispiel, um die Probleme der Ausführungsumgebung zu erläutern: Normalerweise meldet er sich von Los Angeles aus an, aber ein Cloud-Agent könnte sich von einem virtuellen Computer in Minnesota aus bei demselben Konto anmelden. Wenn die Website eine Anmeldung von einem unbekannten Ort erkennt, kann sie eine zusätzliche Überprüfung verlangen oder die Operation sogar blockieren. Deshalb ist es seiner Ansicht nach wichtig, dass der Agent den bereits vorhandenen Anmeldezustand und die Arbeitsumgebung auf den Geräten des Benutzers nutzen kann.

Lü Cheng leugnet nicht, dass der Wettbewerb im Agenten-Bereich dringend ist. Wenn er sich an die Vorstellung des r1 erinnert, erwähnt er, dass das Team damals nur sieben Personen hatte und versuchte, vor den Konkurrenten das Produkt auszuliefern: