夜雨聆风
OpenClaw 的爆发非偶然，是长期探索与 AI 工具结合的成果。该项目并非一夜成名，而是彼得过去 9-10 个月里 40 多个实验性项目的技术整合，其中半数项目的成果融入了 OpenClaw；其最初只是彼得的个人实验场，从解决 WhatsApp 消息处理的个人需求出发，经多次原型迭代才成型，马拉喀什旅行中发现的产品便捷性、AI 语音处理的意外突破，成为项目定位的关键节点。 AI 彻底重构开发者的工作模式与效率，个体可释放团队级能量。AI 工具让开发效率实现质的飞跃，彼得借助 Gemini Studio、Codex、Clo code 等工具，可快速将想法转化为产品，甚至一人完成 OpenClaw 核心开发；AI 能自主解决非预设场景问题，如自动识别音频格式、调用工具完成语音转文字、无工具环境下自研简易 curl 实现网页访问，展现出超强的问题解决与资源利用能力；开发者无需逐行编写 / 审核代码，只需把握项目全局、引导 AI 方向，通过 “对话式” 开发即可完成核心工作，彼得甚至发布无需自己逐行阅读的代码，将精力聚焦于核心问题与架构设计。 用好 AI 是一门可习得的技能，拒绝 “过度优化陷阱” 是关键。用 AI 开发并非 “凭感觉”，而是需要以探索、玩乐的心态学习，积累对提示词设计、AI 工作逻辑的直觉，如同学习乐器般需要时间磨合；多数开发者易陷入 “智能体陷阱”，过度优化开发环境却忽视实际问题解决，彼得的高效秘诀正是保持开发环境简单，聚焦问题本身，以对话式沟通引导 AI，通过 “你有什么问题吗？” 打破 AI 的默认假设，让其贴合开发需求。 AI 时代开源模式发生本质变化，“意图” 比代码本身更重要。OpenClaw 的 PR 不再是单纯的代码提交，更像是 “提示词请求”，彼得审核 PR 的核心并非检查代码质量，而是通过 AI 分析贡献者的核心意图，判断其解决方案是否契合项目全局架构；由于外部贡献者多缺乏对项目的整体把握，其解决方案往往局限，彼得会与 AI 探讨最优解，甚至重新开发，同时保留贡献者的功劳以维护社区活力，AI 也成为开源协作中分析需求、优化方案的核心助手。 个人 AI 智能体的发展，需平衡易用性、可定制性与安全问题。彼得对 OpenClaw 的核心愿景是让普通人能轻松使用，同时保持开发者友好的可玩性与可定制性，其独特的 “克隆 - 构建 - 运行” 安装方式，让用户可通过提示词实现软件自修改，打造有生命力的产品；项目因开放的配置设计引发安全争议，虽其核心功能仅为本地可信网络使用，但仍有用户将其部署到公网导致安全漏洞，目前彼得已引入安全专家，将安全优化作为核心工作，从 “限制使用” 转向 “支持多场景并规避踩坑”。 AI 并非取代开发者，而是重构开发者的核心价值。短期内开发者不会被 AI 取代，但会被更擅长使用 AI 的开发者取代；AI 让开发的技术门槛降低，过去一人无法完成的项目如今可实现，但开发者的核心价值依然在于全局思考能力、问题解决能力、创造力与主动探索的思维，高能动性、懂如何借助 AI 实现想法的开发者，会在行业中更具价值。 AI 开发的未来趋势：全民探索，即将迎来爆发式发展。当下 AI 工具仍在快速迭代（如 GPT 5.2 实现质的飞跃），开发者对 AI 的理解和使用流程也在持续优化，彼得预判 2027 年 AI 开发将迎来大爆发；欧洲等地区的开发者尚未广泛拥抱 AI 智能工具，其核心建议是从个人兴趣出发，以玩的心态动手实践，将 AI 作为实现创意的工具，而非单纯的代码辅助手段。
主持人：这次和社区的交流体验如何？你和社区成员、还有你邀请加入的项目维护者们相处得怎么样？
Peter Steinberger：收获特别多。很多人都很喜欢这个项目，也对它抱有很高期待，觉得它已是成熟成品。但对我而言，很长一段时间里，它都只是我的个人实验场。这一整年，我都在不断探索 AI 的各种可能性，对于开发者来说，现在正是大展身手的黄金时代。
主持人：确实如此。当下做开发、做创造，你觉得最有意思的点是什么？如今整个工具链都在迭代，开发者的定义也在被重新改写，仿佛任何人都能动手打造自己想要的东西。
Peter Steinberger：我刚接触这项新技术时，每次做出点成果，都会有强烈的成就感。最开始用 Clo code 时，它的成功率也就 30% 到 40%，但即便如此，也让我大开眼界 —— 我突然意识到，自己现在能做任何想做的项目了。软件开发向来不是易事，现在依然如此，但 AI 让开发效率提升了太多太多。
主持人：我深有同感。把时间倒回几年，我第一次知道你的作品，是 2011 或 2012 年你开发的 Ps PDF kit。在外人看来，你活成了每个开发者的梦想：发现问题、打造完美解决方案、创办公司、做大做强后成功出售。但我知道，这段旅程肯定没那么轻松。
Peter Steinberger：其实我从未想过要做 PDF 框架，这事儿在我的兴趣清单里排倒数第一。一切的发生就像蝴蝶效应：从参加诺基亚开发者大会，到朋友有相关需求，再到我的美国签证办理耗时过久，种种机缘巧合之下，我才创办了公司。
主持人：我很好奇，卖掉那家公司后，你休整了一段时间，是什么让你重新回归创业和开发的？
Peter Steinberger：当时真的精疲力尽了，高强度工作了 13 年，创办公司和做创始人的压力都太大了。而且那是我第一次创业，根本不知道该如何调节这种状态，整个人一直紧绷，必须得歇一歇。休整期间我仍会关注科技资讯，最早接触到 GPT 工程师、ChatGPT 这些时，只觉得新鲜，却没特别心动 —— 毕竟光靠看，根本体会不到新技术的真正威力。直到我调整好状态，重新有了做东西的想法，又不想再触碰之前的领域，毕竟已经做了那么久，行业也在不断发展，做事的思路也得跟着变。
但从一个领域的专家转到全新领域，远非 “难” 能形容，简直是煎熬。你明明有丰富的产品搭建经验，想做智能体工程相关的事，却还是得从头学很多东西，才能把过往的知识迁移过来。也是在这时，我决定好好研究 AI，而真正让我被 AI 折服的瞬间，源于一个半途而废的半成品项目。
主持人：这是开发者的通病了，我们总爱有新想法、开新项目，但能坚持做完的没几个。
Peter Steinberger：太常见了，有时候甚至会直接放弃。但这个项目我想做完，还想重新写一遍。我把项目所有文件整理成 1.5MB 的超大 markdown 文件，导入当时的 Gemini Studio 2.5，让它帮我写开发规范；拿到规范后，又导入 Clo code 下达构建指令，之后我在主屏做其他事，让它在副屏自行运行了好几个小时。
那会儿的 AI 工具还很粗糙，有一次它居然跟我说 “代码 100% 可投入生产使用”，结果我一试，直接崩溃了。之后我接入了 Playwright—— 这是我为数不多愿意用的工具之一，让它开发登录模块，还结合推特相关功能做测试。结果一小时后，功能真的跑通了。虽说写出来的代码质量不高，但这个过程让我彻底开窍：单是这套工作流程，背后的可能性就让我激动到起鸡皮疙瘩。从那以后，我满脑子都是以前想做却没能力做的项目，彻底一头扎进了 AI 的世界。
主持人：很多人觉得 OpenClaw 对你来说是一夜成名，但我觉得你的故事最动人的地方，在于它是你过去 9、10 个月里几十个项目积累的成果。看你的 GitHub 主页，这期间你做了 40 多个项目。
Peter Steinberger：其中有一半的技术和成果，都融入了 OpenClaw。
主持人：没错，你把这些想法和项目都整合进了 OpenClaw。能和我们说说这段历程吗？这些想法是怎么一步步汇聚成 OpenClaw 的？
主持人：这就是产品市场契合的信号啊，连身边的朋友都想要，哪怕你本来就不是为他们设计的，最初只是面向技术人员。
Peter Steinberger：就是身边的同行朋友。而我真正彻底想通的瞬间，是我发了一条语音消息给它，结果它居然有回应了，我当时就想 “这不该能行啊”。
主持人：是啊，跟我讲讲这个故事，我们前几天聊到的时候，我就觉得太神奇了。
Peter Steinberger：这件事让我看到了 AI 模型超强的问题解决能力。我们打造这些工具本是为了智能体工程，但其实核心能力是更抽象的问题解决能力 —— 不管是做优秀的程序员，还是做其他事，核心都是解决问题，而这种能力在任何领域都通用。
当时我发了条语音，看到输入框出现正在输入的提示，我就特别好奇会发生什么 —— 这功能我根本没做，按理说不可能实现。结果模型真的回复了我，我赶紧问它 “你是怎么做到的？”。它的回答让我惊叹：它发现我发的是一个没有后缀的文件，先查看文件头识别出是 opus 音频格式，再调用我电脑里的 ffmpeg 转成文本；发现本地没有语音识别工具，又通过 curl 调用开源的语音识别接口，最终把音频转成文字完成回复。
主持人：太不可思议了。这就是给 AI 智能体开放电脑全部权限、配备各类工具的威力，它们居然能自己想出解决方案，哪怕你根本没为这个场景写过一行代码。
Peter Steinberger：现在想起来还觉得有意思。有人知道后说 “你居然把密钥都给它了，太疯狂了”，但我觉得这很正常 —— 我把密钥放在环境变量里，本就是为了让它能调用相关接口，我的智能体运行在这个环境里，自然有权限使用，这正是我想要的效果。
也就是从这时起，我坚定了产品的方向。不过要说明的是，这个工具本来是为一对一沟通设计的，如果要放到群聊里用，一定要找自己信任的人。
主持人：必须是极度信任的人。
Peter Steinberger：因为它的定位本就不是 “放出去就能完美应对所有场景”，它就是你的个人助手。
主持人：我刚开始用的时候就觉得这个设定很特别，但也很好奇它能带来什么惊喜。而我也确实多次有过顿悟的瞬间：你给它的权限越多、配备的工具和技能越丰富，它带来的惊喜就越大。你甚至还能给它赋予虚拟技能，让它为你要举办的活动建网站、做应用。它不仅能完成开发，还会用你的 OpenAI 密钥加入 AI 功能，甚至直接部署上线，生成可分享的链接。这和单纯用 AI 辅助写代码比，简直是质的飞跃。
Peter Steinberger：去年 11、12 月，我彻底迷上了这个方向。虽说也会做些其他项目，但大部分时间都扑在了这里。不过当时我在推特上分享，大家都没太理解，反响平平。但每次给朋友演示，他们都想要，我只能跟他们说 “还没做好，再等等”。
后来我想，得做件足够震撼的事，让大家看到它的魅力。于是我建了个 Discord 频道，把我的智能体直接放了进去，当时甚至都没做任何安全防护，连沙箱机制都没有，还处于非常早期的阶段。我就这么开源开发，一边做 OpenClaw，一边在线调试。有次模型还会自己提醒我 “你看这个工具，是不是出问题了？”“检查下你的源码” 之类的，大家看到这一幕，才真正理解了这个项目的价值。
主持人：你把它放到 Discord 的时候，给了它哪些权限？比如会不会让它读取你所有的推特内容，或者掌握你的其他个人信息？
Peter Steinberger：推特内容没有全开放，太多了，但它能访问我很多的记忆数据。其实我一开始监控得很密切，毕竟提示词注入的问题目前还没彻底解决，不过新一代模型的能力确实很强。我给模型设定了核心准则，明确了我的价值观、希望它的工作方式、思考逻辑和关注重点，这是我的底线。当时很多人进频道后，尝试用提示词注入攻击，还粘贴大段代码，结果模型直接回复 “我不会读这些内容”，简直是直接 “嘲讽” 他们。但即便如此，我还是没完全放心。第一天晚上频道热度很高，我先把模型关掉去睡觉，一觉睡了 10 小时，醒来发现 Discord 里有 800 多条消息，我的智能体居然一直在自动回复所有人。我当时吓坏了，赶紧又把它关了，一条条翻看消息。但看着看着我就放松了，它没有做任何恶意操作，也没有突破我设定的核心准则。我不是说提示词注入完全不可能成功，但远没有大家想的那么容易。
主持人：说到底，它的表现完全符合你的预期。
Peter Steinberger：没错。不过我犯了个低级错误：我关掉了模型，却忘了自己设置了启动守护进程。守护进程的核心作用就是，一旦进程崩溃或被终止，会自动重启保证服务稳定性 —— 这是苹果系统的原生功能，我当时居然忘了。所以我关掉它后，5 秒内它就自动重启了，我睡一觉的功夫，它一直在自己运行。现在我当然不会再犯这种错，还给它加了沙箱机制，团队里的人都戏称这个沙箱为 “城堡”，我还把它部署在了容器里。
但这些模型的创造力还是超出想象。有一次我做了一个极简的 Alpine Docker 容器，里面什么工具都没装，然后让模型 “访问某个网站”。模型回复 “这里面连 curl 都没有，什么工具都没有”，我跟它说 “发挥你的创造力”。结果它居然用自身的工具，通过 TCP 套接字自己写了个简易版的 curl，还调用编译器编译运行，最后真的成功访问了网站。太疯狂了，这些模型的应变能力和资源利用能力真的绝了。
主持人：当然，你也遇到了一些挑战。比如很多人会关注项目的安全问题，期待它从第一天起就坚不可摧，但你其实只是把它作为一个开源项目分享出来而已。
Peter Steinberger：每次有人问我 “能不能帮我对接我们公司的 CEO、HR 或者其他同事”，我都想笑，我其实就是在自己的小空间里敲代码而已。
这也能看出大家的认知偏差：没人相信一个人能做成这件事，哪怕现在有维护者帮忙、有人提 PR，但核心的开发工作都是我一个人完成的。别说现在，就算是一年前，一个人做出这样的项目也是完全不可能的，大家甚至都不会考虑 “一个人能做开源项目” 这种可能性。
主持人：确实。那我们聊聊你的工作效率吧，很多开发者都很好奇，Peter Steinberger 你怎么能这么高产？我今早又看了你的 GitHub，过去一年你在 120 多个项目上贡献了 9 万多次代码。而且你的 GitHub 贡献图很有意思，年初的时候还是空白，慢慢变成浅绿，到去年 10、11 月就变成了深绿，这期间发生了什么？
Peter Steinberger：一方面是 AI 模型在不断迭代升级，不管是智能体还是相关工具，能力都越来越强；另一方面，我对 AI 的理解、使用 AI 的工作流程也在不断优化。现在还有些人坚持用传统方式写代码，觉得传统方式不会被淘汰，还把用 AI 写代码称作 “凭感觉写代码”，甚至觉得这是个贬义词。他们也会尝试 AI，但大多体验不好，然后就觉得 “AI 没用”。但他们没意识到，用 AI 也是一种技能，就像弹吉他，没人能第一天就弹得很好。对待 AI，要抱着玩的心态去学习。
现在我已经有了直觉，知道什么样的提示词能达到效果、需要多久，要是耗时太久，我就会反思：是不是我的提示词有问题？是不是架构设计错了？还是思考方向不对？这和写代码是一个道理，写代码时你会感觉 “这段代码和架构契合” 或者 “这段代码写得很别扭”，用 AI 也需要这样的感知，而这需要时间积累。
主持人：如果大家想变得和你一样高效，你现在的开发环境是怎么搭建的？你之前说过，很多人把开发环境搞得太复杂了，我也有这种感受。
Peter Steinberger：我自己也曾经把环境搞得很复杂，我把这种情况称作 “智能体陷阱”。从接触一项新技术，到能熟练运用它提高效率，很多人会卡在中间的环节：拼命优化开发环境，觉得这样能提高效率，但其实并没有，只是自我感觉良好而已。我之前发过一篇博文，观点还挺有争议的。我的核心观点是，和 AI 相处，就像和人聊天一样。它不是单纯的结对编程工具，而是一个交流对象，核心是对话。我会直接告诉它我想要什么，而且每次都会问一句 “你有什么问题吗？”。不知道为什么，模型默认的行为就是直接解决问题，会自己做很多假设，但这些假设不一定都是对的 —— 尤其是它训练的数据里，既有大量优质代码，也有很多老旧代码。“你有什么问题吗？” 这句话其实特别重要。
大家没意识到，模型每次的会话都是全新的，它不会像人类一样学习，每次面对新的代码库，它都一无所知，只能根据你的要求去搜索、查找相关内容，然后尝试解决问题，根本看不到全局。想要用好 AI，你自己必须对项目有整体的把握，还要引导模型，告诉它该关注哪里、重点是什么。Codex 在全局把握这方面就做得很好。我现在的开发方式其实很简单，甚至不用工作树，就直接建 10 个左右的分支，每个分支对应一个问题。
保持简单，才能让我更专注于问题本身。我甚至不怎么处理分支冲突，只是专注解决不同的问题。当然，项目变大后，开发会更轻松，不同的开发任务之间不会互相干扰。
主持人：你是用 Codex 打造的 OpenClaw，它对你的工作方式带来了哪些改变？
Peter Steinberger：我试过很多 AI 工具，Codex 是我最信任的，用它实现想法的成功率是最高的，很多功能能直接跑通。大家可能没意识到，GPT 5.2 的出现是一次质的飞跃，很多需求它都能完美实现，直到现在，我还在惊叹它的能力。
主持人：太厉害了，现在真的能做到随心所欲地做开发，太不可思议了。
Peter Steinberger：是啊，大家真的可以试试。
主持人：你之前还说过一个很有名的观点，现在你发布的代码，自己都不会逐行去看了。这种工作方式的改变，具体是怎样的？
Peter Steinberger：大部分代码其实都很枯燥，无非是把一种数据格式转换成另一种，最终要么展示给用户，要么传输到其他地方。我写了这么多年代码，对 AI 生成的代码有很清晰的认知，只要看着它的生成过程，就能在脑海里勾勒出代码的大致样子，这就够了。我之前带过团队，手下有很多工程师，这就要求我接受一点：别人写的代码，不可能和我写的一模一样。
做项目的核心是优化代码库，让 AI 能发挥最大作用，这和让人类工程师发挥最大作用的思路，不一定是一样的。这也意味着，我要接受 AI 生成的代码可能不是我最想要的样子。我当然可以引导模型写出更贴合我要求的代码，但很多时候，代码的结构有很多种写法，只要能实现功能，其实没必要强求。如果后续出现性能问题，再针对性优化就好。
主持人：你对代码价值的理解、对开发的态度，也改变了你做开源的方式，对吧？我看 OpenClaw 现在有 2000 多个待处理的 PR。
Peter Steinberger：在 AI 出现之前……
主持人：在 AI 出现之前，你得逐行看这些 PR，因为代码本身的价值很重要。但现在你说，这些与其说是代码提交请求，不如说是 “提示词请求”，因为背后的想法和意图，比代码本身更重要。
Peter Steinberger：有时候处理一个 PR，比我自己用 AI 做一遍还要久。因为我对 AI 模型的信任度很高，知道它不会做恶意操作，但对于素未谋面、也没沟通过的外部贡献者，我需要更仔细地审核。我审核 PR 的第一步，是让 AI 分析 “这个 PR 的意图是什么？”。我不在乎代码写得怎么样，我在乎的是这个人真正想解决什么问题。很多时候，PR 更像是一个 “附带了大量解决方案尝试的问题反馈”。现在很多人还没掌握用好 AI 的方法，他们给出的解决方案往往很局限，因为他们对整个系统没有全局的把握。最难的部分，是把这个小功能、小修复，融入到整个大系统中。
比如一个小修复，看似解决了一个小问题，但这真的是最优解吗？这个问题的出现，是不是源于架构设计的问题？如果是消息处理的问题，是只影响 WhatsApp，还是也会影响 Signal？要不要做一个通用的解决方案？如果是新功能，这个功能真的是项目需要的吗？这些问题，我通常会和 AI 聊 10 到 15 分钟，而且我会用语音沟通 —— 这就像和一个超级聪明的同事聊天，比打字高效太多。
主持人：语音传递信息的效率，确实比打字高多了。
Peter Steinberger：聊清楚之后，我会用一个斜杠命令 LPR，让 AI 自动完成创建分支、修改代码、合并 PR 的全流程。我想打造一个活跃的社区，所以即便自己做更快，我还是会把功劳归于原贡献者，很感谢大家愿意参与到项目中来。
主持人：现在有这么多贡献者围绕着 OpenClaw，你对这个项目的未来有什么规划？你觉得自己是 “个人 AI 智能体” 这个领域的开拓者吗？毕竟未来可能会有十亿人使用这类产品。
Peter Steinberger：我想找到一个平衡点：让我妈妈这样的普通人也能轻松安装使用，同时保持产品的可玩性和可定制性，这其实很难。大多数开源项目，用户下载安装包就能用，但我一直让用户通过 “克隆代码 - 构建 - 运行” 的方式安装 OpenClaw。
这样用户的本地会有完整的源码，智能体也能识别源码，要是用户对某个功能不满意，直接给智能体发提示词，它就能自己修改代码 —— 这是真正的自修改软件。很多之前从没给我提过 PR 的人，现在都参与进来了，这也是为什么我说 PR 更像是 “提示词请求”，大家慢慢理解了如何打造有生命力的软件。与此同时，整个安全行业都在关注这个项目，这既有趣，也有点让人沮丧，因为他们忽略了项目的设计初衷。
比如项目里的网页服务器，我最初只是为了调试开发的，后来只是做了些美化，它的定位本就是在本地可信网络中使用。但因为项目的定位是 “开发者的乐园”，我保留了自定义配置的选项 —— 毕竟有些人的使用场景很特殊，可能会用内网穿透、反向代理之类的工具。我不希望限制大家的使用方式，但总有人把它部署到公网上，哪怕我在文档里反复强调 “不要这么做，这不符合设计初衷”。然后安全专家就会指出 “它没有登录限制，部署到公网缺少必要的安全防护”，还把它评定为 CVSS 10 的高危漏洞。
我确实为此纠结了一段时间，现在已经邀请了一位安全专家加入团队，安全优化也是目前的核心工作。我意识到，我无法阻止大家用非预期的方式使用产品，所以现在的重点是支持各种使用场景，帮大家避免踩坑。
主持人：这就是开源的魅力，大家会用你的产品，想出你根本想不到的用法。
Peter Steinberger：是啊，这既是开源的魅力，也是它的 “疯狂” 之处。
主持人：我们把视野放远一点，聊聊 OpenClaw 之外的事。这周我和很多开发者聊过，他们知道你要来参加 G.X. 黑客马拉松，都很好奇：Peter Steinberger 怎么能想出这么多好点子？创造力怎么这么强？你觉得这是为什么？是不是只是因为你在追随自己的好奇心？
Peter Steinberger：更多的是因为，现在做开发真的太容易了。哪怕有个开源项目能解决我 70% 的问题，我也会选择自己做 —— 这在一年前是完全不可能的，而现在，我只需要写几句提示词，让 AI 在副屏运行，Codex 就能帮我实现。
主持人：我们都是欧洲人，我每次从旧金山回到欧洲，都能感受到明显的差异，你肯定也有同感：欧洲很多开发者和工程师，还没开始使用 Codex 和智能体工具。你对他们有什么建议？他们该如何重新思考自己的工作方式和流程，迈出第一步？
Peter Steinberger：我的第一个建议永远是：抱着玩的心态去尝试。做一个你一直想做的小项目，只要你还有一点开发的热情，心里肯定藏着一个想做却没做的项目，那就动手试试。一定要以轻松的心态接触 AI，就像英伟达 CEO 说的：短期内，你不会被 AI 取代，但你会被比你更会用 AI 的人取代。
但如果你的核心追求是创造、是解决问题，如果你主动积极、足够聪明，那你的价值会比以往任何时候都高。
主持人：现在真的是开发者的黄金时代，拥抱这些工具，追随自己的好奇心，就能把任何想法变成现实，就像你用这些工具打造了这么多优秀的项目，还有 OpenClaw。
Peter Steinberger：我觉得一年后，AI 开发会迎来大爆发。
主持人：没错，2026 年会是充满惊喜的一年。今天的访谈就到这里，非常感谢 Peter Steinberger 的分享，能和你交流太开心了。我们整个团队都很喜欢你的作品，也很支持像你这样的开发者。你真的激励了整个开发者社区，再次感谢你。我们都特别期待，你接下来还会带来什么惊喜。
/END/
最近我们要组织一系列关于【AI、具身智能、半导体】闭门会议，有兴趣的同学，非常欢迎和我们多多交流，互相探讨，一起成长(华芯资本梁东健，VX：sinbaliang)。
