夜雨聆风学习资料网

ARTICLE · 1250172

“小龙虾”热度散去,才轮到 OpenClaw 拼产品力:重新认识它的创始人

“小龙虾”热度散去,才轮到 OpenClaw 拼产品力:重新认识它的创始人

人物 · PETER STEINBERGER

从职业倦怠,到重新找回动手的欲望

Peter Steinberger · 图片:OpenAI / Builders Unscripted

AI 对他最深的改变,是让那些曾经只能忍受的问题,重新变得可以解决。

“小龙虾”OpenClaw 最热的时候,人们爱讲它的神奇:一句话交代任务,agent 自己找路、操作电脑、把事情往前推。热度退一点,问题也随之变得具体:它到底能做什么?能否稳定地做?把权限交出去,代价又由谁承担?

这时再回头看 Peter Steinberger,反而更容易看清。他不是靠一个概念突然闯进 AI 叙事的天才黑客,而是一个做了很久软件、离开过软件、又被新工具重新拉回电脑前的工程师。OpenClaw 是他的作品,却不是理解他的全部入口。

01

他不是突然出现的天才,而是重新开始的老工程师

Peter 在奥地利乡下长大,14 岁开始自学编程。此后,他花了 13 年做 PSPDFKit。那不是一段为了给履历增色的前史:长期做产品的人,知道一个念头变成可用软件,中间要经历多少重复、兼容、维护与取舍。

出售股份后,他经历了职业倦怠,约三年很少写代码。不是不再喜欢创造,而是熟悉的开发路径已经很难带来兴奋。一个新想法,意味着又要从头补技术栈、处理边角、背上漫长维护;这对做过一轮成熟产品的人,未必是解放。

AI 没有让经验失效,它让经验不再被技术栈困住。

Agent 给他的,不只是更快写代码。他已经许久不碰 Web 技术栈,却可以把较高层的想法交给模型,得到可运行的 JavaScript,再继续改。那些原本因学习成本和琐碎工程而被搁置的点子,重新有了试一试的理由。

这也解释了他常说的那种“什么都能做”的感受。它不该被理解为全能宣言,而更像倦怠之后恢复的行动感:不是先断言结果一定成功,而是重新相信,问题值得动手。

02

真正的起点,是对不好用的电脑感到恼火

在 Peter 的讲述里,OpenClaw 的火花并不浪漫。电脑不够快、不够顺,很多流程还得人反复点击、复制、切换;更让他烦的是,人不能直接把意图交给电脑,再让它把事情办下去。既然不顺手,就修掉它。

一个 WhatsApp 机器人的经历让他意识到 agent 与普通问答的差别:他发去语音后,机器人找到了他并未专门交给它的 OpenAI key,完成了转写和回复。对他而言,关键不在转写本身,而在于工具没有停在“我没有拿到材料,所以做不了”的位置,而是继续寻找完成任务的路径。

有价值的 agent,不只回答问题,还要把事情往前推进。

但同一件事也提示了边界。会自己找路径,既是能力,也意味着权限:它为什么能拿到这把 key?用户允许它走到哪一步?Peter 的特点,是愿意把实验接进真实的文件、邮件和电脑;这使他更早碰到新用法,也要求他更早面对风险,而不能只保留“它居然做到了”的惊喜。

因此,他想做的从来不只是邮件摘要器。手机上的一句话,可以是任务的起点;之后的检索、安装、操作与反馈,应该在同一个工作过程里连续发生。OpenClaw 的原始冲动,正是减少人作为软件流程中间搬运工的次数。

03

热度不能替代工程,快也不等于不负责

Peter 对 OpenClaw 的爆火并不全然兴奋。他承认,外界对它的期待一度跑在产品前面:人们听到故事,以为拿到的是完美魔法;真正上手才发现,模型仍会失误,软件仍有缺口,复杂任务仍然困难。概念正常化,不是宣布 agent 没价值,而是把判断从演示的惊叹带回连续使用的账本。

演示让人惊叹,稳定性才让工具进入日常。

OpenClaw 2.0 的变化颇能说明这一点。团队开始用它承接十小时以上的连续工作,旧的界面和后端不够用,于是重做 Control UI,并将为短会话设计的 JSONL 后端换为 SQLite。多人共用同一台网关、同一段仍在继续的会话,听上去没有“自动完成一切”那么吸睛,却决定了工作能否接着做。

这类改动说明,agent 产品的难处常常不在第一次完成任务,而在第二天能否找到同一段上下文,第三个人能否理解已经发生了什么,以及长时间运行后系统是否仍然可用。用户感受到的是一次顺滑的交接,背后却是存储、界面、会话管理和测试方式的重做。

他自己的开发方式也常被一个数字概括:Peter 自述一天会合进约 600 个提交,并不逐条阅读 diff。这个数字只是个人自述,更不是质量指标。材料里更值得看的,是他试图建立的流程:让没有写码记忆的审查 agent 与写代码的 agent 争论,最多十轮;再把结果放进一次性环境,安装、打开界面、点击并跑端到端测试;每合进五到十个,他还会亲自使用一次,再调整提示词。

代码生成得越快,人的判断越不能缺席。

这不等于这套做法已经被证明是最佳实践,更不意味着人工判断可以退出。它提供的是一个正在成形的分工:不再把全部注意力押在逐行阅读上,而把注意力放到“有没有理解问题”“能否在陌生环境复现”“用户实际怎么用”上。所谓别只给代码、也要给提示词,本质上是在追问贡献者有没有真正说明问题。

04

别再给 AI 当传话筒

Peter 把一种常见状态称为 meat proxy:同事问你问题,你把问题贴给自己的 agent,再把回答复制回去。人站在两端之间,只负责搬运上下文。这个说法有点刺耳,却准确指出了当下协作的断裂:工作发生在 agent 的会话里,团队仍只能看见转述后的结论。

真正的协作,不是把答案转发给下一个人,而是让下一个人接上仍在进行的工作。

因此,2.0 的多人设计不是单纯把聊天框变热闹。多人进入同一台网关,可以看见同一批会话,在原有上下文里继续提问或接手任务。交出去的不是一份摘要,而是已经读过材料、执行过步骤、仍可继续推进的现场。

团队最初并不完全自在。人们习惯把与 agent 的对话当成私密的个人工作流;放到一起后,才发现彼此的提问方式、拆解路径和使用习惯差异极大,也能由此学习。这给“会用 AI”补上了一个常被忽略的维度:它不仅是个人技巧,也可以成为可观察、可讨论的协作过程。

不过,共享不等于取消边界。共享会话和记忆默认属于同一只共用 agent,同一台网关就是一条明确的信任边界。个人生活与团队项目若要彻底隔离,应使用不同网关;连接着私人邮件的环境,也不应随意邀请不被信任的人进入。

共享上下文能减少传话,但隔离权限,仍是协作的前提。

05

你的 agent,首先应该站在你这边

Peter 在伯克利谈到一个朴素的问题:会议平台、操作系统和 API,大多是为人设计的。agent 想进入,只能像人一样开浏览器、使用账号、接入系统音频。对他来说,这不是只值得抱怨的障碍,而是下一步要建设的接口。

他不满足于每个产品侧边栏里各放一只助手。Gmail 里的助手未必知道用户其他工作发生了什么,也未必由用户真正控制。他更在意一只可以在后台存在、需要时被调动、又知道何时不打扰人的 agent:人仍然可以自己打开文档打字,它也应当在需要查证或执行时成为工具,而非新的注意力中心。

与其先问 agent 有多聪明,不如先问它对谁负责。

这个判断也延伸到平台关系。Peter 不愿为了使用一家服务,就被迫使用那家服务安排的 agent;服务应该把自己的系统做好,让用户的 agent 能来使用。这里争的不是一个侧边栏,而是谁拥有代理关系:助手是在替用户完成目标,还是在替平台塑造用户行为?

材料显示,OpenClaw 由独立基金会持有和管理,不属于 OpenAI;它强调可修改、可选择模型,也可以运行在自己的硬件上。这些选择让个人 agent 更接近一套可掌握的基础设施,而不只是又一个订阅入口。

可控制不等于零风险;把数据和执行权拿回来,也把维护与安全责任一并拿了回来。

尤其需要分清,Peter 对安全的判断来自深度使用者的风险权衡,并非独立安全认证。本机运行、开源代码或更灵活的权限,不能自动消除提示注入、数据暴露和误操作的风险。不同用户、企业和高风险场景需要的防护也不会相同。坚持用户控制权,不能替代权限设计和安全验证。

换句话说,用户拥有更多控制权,并不是把安全问题从平台一侧简单搬到个人一侧就结束了。哪些文件可读、哪些操作须确认、哪些任务应被限制在隔离环境中,仍需要产品作出清晰默认设置。真正站在用户这边的工具,也应帮助用户看见这些代价,而不是用“自主”掩盖它们。

06

产品不是终点,能继续改才是

Peter 并不把现在的聊天入口当作终局。在他看来,文本框帮助很多人开始使用 AI,却仍像一种对旧交互方式的迁就。他更倾向于面对一只主 agent:用户交代目标,它可以在背后组织其他 agent;复杂性不必全部涌到用户面前。至于个人 agent 与团队 agent 如何协作,行业还没有成熟答案。

这种不愿把当前形态神圣化的倾向,也让他转向 Linux。过去,操作系统的限制足以让一个想法止步;当 agent 可以深入系统、读文本、修改配置,甚至参与编译内核时,限制仍在,却变成了能被追问、测试和修正的问题。

这里的重点不是 Linux 天然更完美,而是系统是否保留了可触及、可解释、可修复的空间。对 Peter 来说,工具的吸引力正在于:遇到障碍时,用户不必总在封闭界面前等待某家公司更新,也能够带着 agent 沿着问题往下查。

他做小型 ESP 设备时,屏幕出错,便把摄像头粘在屏幕上,让 Codex 看着实际显示结果,跑了一夜修好显示驱动。后来处理音频,它又绕了很久,才发现是另一台设备的音量被关掉。这个故事没有神迹:它既有闭环带来的效率,也有模型和环境共同制造的笨拙。

真正的进步,不是从此没有问题,而是不必再对问题束手无策。

这也是 Peter 身上最稳定的一点。他不是在宣布所有问题已被解决,而是不断把“这很烦”“这里不通”“这不该只能忍受”变成下一次可实验的起点。OpenClaw 是否能把这种做法扩展为大多数人可靠可用的产品,仍要由工程、安全和真实使用来回答。

写在最后

当“小龙虾”不再神奇,Peter Steinberger 的轮廓反而更清楚:一个有长期产品经验、也经历过倦怠的工程师,对限制仍然不耐烦,对新能力愿意动手验证,同时把用户控制权看得很重。

这不要求我们照单全收他的风险偏好,也不该用一次爆火来替他盖棺定论。更值得留下的,是一种重新安排人与电脑关系的提问:如果机器已经能观察、执行、反馈,为什么人还要反复点击、复制、粘贴和传话?

答案不会只由一款产品给出。但对一个离开代码多年的人来说,AI 最重要的意义或许正在于此:它没有让世界突然没有难题,却让许多曾经只能忍受的难题,再次成为可以动手解决的事。

来源

1. 2026 年 8 月 1 日,《伯克利 Agentic AI Summit:No Doors for Agents》:原视频。

2. 2026 年 9 月 2 日,《ClawCast 第 9 集:OpenClaw 2.0 的多人协作、看板和计算节点》:节目页。

3. 2026 年 9 月 25 日,《AI Worth Using EP.03:别把代码发来,把提示词发来》:原文字稿。

4. 2026 年 9 月 29 日,《TBPN:OpenAI DevDay 当天的 Peter Steinberger》:原视频。

文中彩色重点句为本文观点提炼,非逐字引语。

END

相关学习资料