新加坡外長的 AI 第二大腦：沒親手用過，就無法替國家做對決策
2026 年 5 月一個下著雨的週六早上，新加坡 Capitol Kempinski 會場的舞台上，站著一位看起來不太像科技演講者的人。他先自我介紹，說自己是個退休的眼科外科醫師，繞進政壇大概繞得太久了，接著又補一句，站在這個場子裡，他覺得自己像個冒牌貨。
台下坐的是 AI Engineer Singapore 大會的觀眾，絕大多數是工程師、開發者、前沿模型團隊的人。而這位「冒牌貨」是新加坡現任外交部長 Vivian Balakrishnan。三個月前，他親手組了一套自己的 AI 助理，跑在一台兩三年前買的 Raspberry Pi 上，那台機器只有 8GB 記憶體。用了三個月之後，他在台上講了一句已經被很多媒體引用的話，說他老實講，已經不敢把它關掉了。
一個外長自己動手做 AI 工具，這件事本身就夠少見了。但他在台上講的那番話，比那套工具更值得記下來。他把整場演講收斂成三個訊息，說就算把他講的其他東西全忘掉，記住這三件事就好。這篇文章就從這三件事談起，中間穿插他到底組了什麼、又是怎麼組的。
從 OpenClaw 到 NanoClaw
Balakrishnan 的個人 AI 助理差不多在三個月前誕生，也就是 2026 年 2 月前後。他說自己一開始也被 OpenClaw 的熱潮捲了進去，但很快就判斷那條路對他不可行，因為以他的職務，安全是繞不過去的問題。後來有人向他介紹了 NanoClaw。
NanoClaw 是一個開源的 AI 代理框架，建在 Anthropic 的 Claude Agent SDK 上，可以接上 WhatsApp、Telegram、Slack 這些通訊軟體，有記憶，也能排程。它最大的特色是「小」，整個專案的程式碼短到大約 500 行，全部塞進去也只佔 Claude 上下文視窗的一小部分。對 OpenClaw 來說，NanoClaw 像是一個瘦身過的後繼者，功能類似，但程式碼少到一個人可以完整讀懂。
對 Balakrishnan 來說，「讀得懂」這件事是關鍵。他說 NanoClaw 的程式碼短到連他這種笨蛋都能讀，而且是容器化的。他用外科醫師的經驗解釋這個選擇，說手術台上沒有所謂的例行手術，東西一定會出錯、一定會壞，而當它壞掉的時候，你會希望它壞在邊界之內。容器化把代理關進一個個隔離的盒子裡，正好對應他這套「出錯也要可控」的直覺。
NanoClaw 還有一個他喜歡的地方，就是幾乎沒有設定檔。所有客製化的工作都交給 LLM 去做，所以每一個跑 NanoClaw 的人，跑的其實是一套被自己調出來、長得不一樣的系統。他說這件事有它的好處，也有它自己的麻煩，但對一個想把工具變成自己延伸的人來說，這正是他要的。
一個外交官的第二大腦怎麼組起來
要理解他為什麼需要這套東西，得先看他的日常，光是這個月，他就要造訪 12 個國家，見上百個人，每到一個地方都得掌握那個國家的經濟、地理、文化、歷史，還有它的戰爭與和平。每一個外交官身上都壓著巨大的認知負荷，他想解決的就是這個過載。他要一套系統，讓他需要一個事實、一條資訊的時候隨時拿得到，需要深究的時候還能順著線一路追下去。
NanoClaw 提供的是底層平台，讓他可以透過 WhatsApp 跟自己的代理對話。這部分靠的是一個叫 Baileys 的軟體，它的作法是模擬 WhatsApp 在瀏覽器或筆電上運作的方式，等於一個偽終端機。Balakrishnan 自己也半開玩笑說，這大概不完全符合 Meta 希望大家使用 WhatsApp 的方式。
他認為對他這種人來說，真正的前沿是記憶，於是他找到一個冷門的軟體叫 Mnemon，是一套用圖譜結構建的記憶系統，裡面有實體，實體跟實體之間的連結記錄的是因果、時間先後、語意關係。他到演講當下都還沒見過開發者本人。為了不被關鍵字搜尋綁死，他在本機跑 Ollama 配一個嵌入模型，這樣整套系統就內建了語意搜尋。語音的部分交給 Whisper，因為他不想只能打字，他要能用講的，也要代理能講回來。
把這些拼在一起之後，他開始餵資料，把自己的講稿、逐字稿，特別是他自己在國會的發言，整理進那個記憶資料庫，讓系統消化、抽取、存進記憶。差不多同一時間，Andrej Karpathy 提出了用 LLM 監督式生成 wiki 的作法，他也一併加了進去。介面這一層他用的是 Obsidian，部分原因是 Obsidian 可以接上 Apple 的 iCloud，這等於讓他有了一朵個人雲，所有從這個私人資料庫抽出來的 wiki，走到哪都帶得走。
LLM 在這套系統裡負責的是分析、抽象、表達，還有起草。起草簡報、起草講稿、擬答覆，包括國會質詢的答覆。他說三個月前他做過一個測試，把整場國會辯論丟給 AI，結果生成出來的提問和答覆都讓他印象深刻，他還帶點玩笑地說，對國會裡的同僚們不太好意思，有些 AI 生成的辯論比真人犀利。他甚至講了一個夢想，希望有一天能讓代理在國會回答補充質詢，雖然他自己也承認不確定這在法律上行不行得通，還說如果哪天真的發生了，大家就會知道這個點子是他先在這裡講的。
實測三個月下來，他說這套東西在見人、出差、寫初稿、擬講稿初版這些事情上都極為有用，連這場演講的投影片本身都是 Claude 生成的。一個小細節能說明這套系統在他生活裡有多日常。NanoClaw 從第一版升到第二版的時候轉換並不順，他乾脆讓第一版繼續在原本那台 Raspberry Pi 上跑著，第二版另外裝到別台電腦。他每天用得最兇的那個代理，就在那台只有 8GB 記憶體、兩三年前買的 Raspberry Pi 上。
你的理解無法外包
工具講到這裡，把鏡頭拉回他真正想留下的那三句話。第一句是關於外包的界線。
Balakrishnan 說，我們現在活在一個可以把很多事情外包出去的年代。計算、運算、記憶、複製、知識的傳播，這些都可以交給機器。但有一樣東西外包不掉，就是你自己的理解。他接著把這個區分推到一個更尖銳的地方，如果你身處一個有權力的位置，你可以把工作授權出去，但你沒辦法把問責授權出去。
這個區分對工程師圈聽起來可能有點抽象，放回他的職位上就很具體。一個外長可以讓 AI 幫他擬答覆、整理一國的背景、抽出談判對手的資料，可是當他真的坐上談判桌，當他在國會被追問，扛責任的是他本人，不是那台 Raspberry Pi。AI 能把資訊整理到他面前，但把資訊變成判斷、把判斷變成決定，這一段路沒有人能替他走。
這也解釋了他為什麼那麼在意「讀得懂程式碼」，因為 NanoClaw 每次要給代理 bash 權限，都會要求他核可一次，他說他真的會去掃過那段程式碼。他講了一句蠻關鍵的話，說就算你不會寫程式，能看懂發生了什麼事，也已經有差。看懂跟親手寫不是同一件事，但看懂讓他保住了那份理解，也就保住了問責的底氣。
真正的價值在地面層
他的第二個訊息，是關於價值到底在哪裡被創造出來。
Balakrishnan 提到劍橋大學機器學習教授 Neil Lawrence 寫給《金融時報》的一封信。他說現在關於 AI 的討論，很多聲音集中在模型、資料中心、由上而下的系統、規則、政府，這些都是「宏觀」層次的東西。但 Lawrence 的假設是，真正為經濟和社會創造價值的地方在地面層，是一個工作流程接一個工作流程，一個產業接一個產業，一個部門接一個部門，最後落到個人身上。
他把這個意思講得更白，說他知道台下這群人很強，也知道做前沿模型的人很厲害，可是真正的回報，是當一般人開始用這些工具的時候才出現。老師、律師、技師、經理、醫生，甚至部長，這些懂自己這份工作、又被工具加持的人，才是替社會和經濟創造真實價值的人。而這些工具，多半早就被發明出來、早就擺在那裡了。
所以他說他看的方向是去中心化、個人化、客製化的模型。他要傳達的事情其實很單純，把自己現在這份工作做得更好，再進一步，去重新設計你生活裡那些工作流程，真正的價值跳升就在那裡。
這跟他做的事是同一個邏輯，他沒有去訓練新模型，他做的是把一個外交官的工作流程，用現成的工具重新接過一遍。記憶怎麼存、資料怎麼進、語音怎麼轉、wiki 怎麼長出來，每個環節他都重排過。他站的位置很清楚，就在 Lawrence 講的那個地面層上。
進入門檻已經塌了
第三個訊息，也是他說他之所以要做這場演講的原因。他真心相信，要做到這一切，門檻已經塌了，工具早就被備好了。
他把自己當成證據，說這套系統他做出來了，而他沒有寫 Claude，沒有寫 Baileys，沒有寫 Mnemon，沒有寫 Whisper，也沒有寫那套憑證系統。外界很愛談 vibe coding，他說他連 vibe coding 都不敢自稱，他做的事情就是組裝工具。他甚至更正自己，說他連黏合用的 glue code 都沒寫。
他用「組裝」這個詞是有意義的，OpenClaw 太大、太難掌握，NanoClaw 把同樣的功能壓進一個人讀得完的程式碼裡，於是「組裝」變成可能。他下載、接上、核可權限、掃過程式碼，然後讓 LLM 去做那些客製化的細活。他形容自己的方法是「邊做邊學」，說光是坐著讀、看標題、看摘要是不夠的，你對什麼有興趣，就去把手弄濕，學習這件事是靠做學會的。
正因為入門的門檻掉得這麼厲害，他說每個人都應該展開自己的個人實驗。對 AIE Singapore 這個場子的觀眾來說，這句話幾乎是多餘的，但他講這句話的時候，心裡想的顯然不只是台下這群工程師。
別把每個問題都丟給 LLM
把三個訊息講完之後，Balakrishnan 花了一段時間講這套東西的限制，這部分反而是整場演講裡最像一個資深決策者會說的話。
第一個限制是成本，他說大家現在依賴 LLM，而以 AI 巨頭目前的收費來看，我們其實是在享受一種補貼。Token 並不便宜，算力是有限的，電價在漲，戰爭也幫不上忙。他提醒，不要把每一個問題、每一個步驟都丟給 LLM，還引了一句老諺語，說手裡拿著鎚子的人，看什麼都像釘子。
接著他講了一個更技術、也更有他個人色彩的判斷，他說用 LLM 沒問題，但別忘了確定性的系統還有它的角色，專家規則系統也還有它的角色。身為一個生物學家，他相信最後的答案會是某種神經符號系統。他說他對 Yann LeCun 有幾分同感，LeCun 的意思是 LLM 很好，但這不是大自然解決問題的方式。
他用眼科醫師的身分補了一個觀察，說他懷疑人腦裡的運算層數，搞不好比今天很多大型語言模型還少。大腦處理視覺、語言、認知用的皮質結構，往往比今天這些吃電怪獸有效率得多。他把這串話收在一個態度上，說這個領域還在爆炸性地長，所以面對它要帶著謙卑。他也說了一句蠻動人的話，說我們這一代，搞不好是史上最幸運、能親身活過一場革命的世代之一。
他還丟了一句口號式的判斷，說工具比模型重要，甚至公開對台下的 NanoClaw 開發者下了一個期限，要 NanoClaw 在 6 月 15 日之前，讓所有模型都變成一等公民。至於記憶，他說那是這個前沿裡最大、也還沒被解決的那塊難題，而記憶這件事「非常人性」。
安全的部分他沒有多談，只開了個玩笑，說就算有人駭進他的系統，最多也只能拿到他的電話號碼，還有一些外交政策的摘要，而那些政策都是他公開講過的，資料也是他自己挑進去的，駭走了系統，跑出來的大概還是新加坡的外交政策。他用這個說法帶出一個正經的安全原則，你只放已經公開、已經發表的東西進去，再讓系統接受夠高的透明度和檢視。他也強調，安全始終是第一位的，AI 擴散真正的阻礙會是商業競爭、國家安全、網路安全，還有超級強權之間的角力，這些政治因素會決定未來 AI 能跑多快、傳多遠。
為什麼一個外長要親自動手
回到最開始那個問題，一個外交部長，為什麼要花三個月親手組一套 AI 助理。
答案藏在他引的一句話裡，他說 Claude 幫他生成了一句他一開始還半信半疑的話，那句話說，你沒辦法治理一個你只被簡報過的技術。Balakrishnan 把這句話特別丟給他在政府裡的同僚。一個只讀過簡報的官員，跟一個親手把代理跑起來、掃過程式碼、被 bash 權限提示打斷過的官員，他們對這項技術的理解不在同一個層次上。前者知道 AI 的存在，後者知道 AI 的潛力、極限，還有它會在哪裡出錯。對一個要替國家做 AI 決策的人來說，這個差別很要命。
這也接上了新加坡的國家戰略，Balakrishnan 引了副總理顏金勇在經濟戰略檢討委員會講的定位，說新加坡大概不會站在模型開發的前沿，但可以站在大規模部署的前沿。他自己信奉的是「邊緣部署」，他說他是個外科醫師，他相信動手，相信修東西，因為那才是真正能救命、能創造價值的地方。
順著這個邏輯往下，公共政策的目標就變成把這些工具民主化。如果你相信價值是在地面層、在每個個人身上被創造出來的，那推動的方式就只能是去中心化、由下而上。他說這也是他人在現場的原因。他發現這場 AIE Singapore 大會，是在不到三個月前才被組起來的，主辦的 65 Labs 是新加坡一個草根的開發者社群，他特別點出，現場這些人做這件事連本業都不是，是一場 hack。
把一個外長、一台 Raspberry Pi、一個草根社群擺在一起看，會看到一個還算一致的主張。AI 真正的重量，要看有多少個普通人願意親手去組、去試、把自己的工作流程重接一遍。最大的那幾個模型決定的是這項技術的上限，但能不能變成真實的價值，是在地面層決定的。Balakrishnan 用三個月證明了這條路一個 65 歲、不會寫程式的人也走得通，而且他不是把這套系統當成展示品，他每天都在用，照他自己的說法，已經不敢把它關掉。對一個整天在跟未來打交道的外交官來說，這大概是他能給出的、關於 AI 最誠實的一個推薦。
相關資料：
AIE Singapore Day 1 ft. Minister, NanoClaw, OpenAI, Google, Vercel, Cursor & more（主題演講段落 34:05–1:05:00）
https://www.youtube.com/watch?v=_xQnSNlBP_w
最後更新：2026-05-17
