OpenClaw 创始人最新分享:做产品最重要的能力,是找到一件让你烦透了的事

你有没有想过，那些真正改变行业的产品，起点往往不是一个宏大的愿景，而是某天下午一件让人烦透了的小事？Peter Steinberger 就是这样。去年十一月的一个雨天，他一边跑着自己的 coding agent（编程智能体），一边想去厨房找点吃的。就在这个间隙，他意识到根本没有一个顺手的方式，让他从手机上发一条消息给电脑上的 agent，确认一下它跑得怎么样。就是这么一件小事。他被烦到了，于是坐下来，让 agent 帮他搭了一个 WhatsApp relay（WhatsApp 消息中转工具）。

这个工具后来变成了 OpenClaw。八个月内，超过 18,000 名贡献者，近 3,000 人有 commit（代码提交记录），单周下载量峰值 470 万次。Jensen Huang 称它为"人类历史上最成功的开源项目"。而它的起点，是一个肚子饿的人被一件小事烦透了。

我最近看完了 Peter 在 Y Combinator Startup School 2026 上的演讲，有些话让我反复想了很多天。他讲的不只是一个开源项目怎么爆火，更像是一面镜子，照出了在 AI 时代做产品这件事的本质到底是什么。

被烦恼点燃的，才有真实的生命力

Peter 在演讲里说了一句话，我觉得是全场最值得记住的："my source of inspiration is usually being annoyed（我灵感的来源，通常是被烦到）。" 这句话听起来好笑，但背后有一个非常严肃的产品逻辑。

他做好 WhatsApp relay 之后，在 Twitter 上发了很多次，没人看懂他在兴奋什么。他说他反复尝试让大家理解这个东西有多神奇，但"week after week I failed（一周又一周，我都失败了）"。直到他把朋友们拉进群，直接让他们跟这个 relay 说话，才有了真实反应。有人觉得神奇，有人被吓到，但每一个人都有强烈的情绪。最关键的是，他那些非技术背景的朋友，在他告诉他们"这个还没准备好，还不适合你们用"之后，居然生气了。他说，"如果这还不算 product-market fit（产品市场契合度）的信号，我不知道什么才算。"

这个细节让我想了很久。很多人做产品的方式是先想象用户，先做调研，先画 persona（用户画像），先写 PRD（产品需求文档），然后再动手做。这套流程的底层假设是：你需要在动手之前就搞清楚用户是谁、他们要什么。但 Peter 的路径完全相反。他先解决自己的问题，然后把东西放到真实的人面前，看情绪反应。

我认为这里有一个很多人没有意识到的关键区别。情绪反应和问卷数据是两种完全不同的信号。问卷数据告诉你用户说他们想要什么，情绪反应告诉你用户真正被触动了什么。被烦恼驱动做出来的东西，因为它首先解决了一个真实存在于做产品的人自己身上的问题，所以它天然就有那种能触发情绪的真实感。而那种调研出来、设计出来、经过层层评审的产品，很多时候触发的只是理性认可，不是情绪反应。理性认可会让人说"这个不错"，情绪反应才会让人说"我现在就要用"。

在 AI 让实现成本趋近于零的今天，这个区别变得比以前更重要了。因为以前实现成本高，做产品之前必须想清楚，所以大家都在努力研究用户需求。但现在做一个东西的门槛极低，大量的产品会涌现出来，而能真正穿透噪音的，仍然是那些解决了某个人真实感受到的真实问题的东西。被烦恼点燃，才有真实的生命力，这个道理在 AI 时代反而比以前更成立了。

那一夜，agent 自己重启了

OpenClaw 爆火的那个夜晚，Peter 描述得非常生动。一月初，他建了一个 Discord 服务器，把自己的 claw 放进去，让人们来试。他通宵守着，看着人们进来、试图破解它、跟它说话，看它给出"smug replies（傲慢的回复）"。凌晨七点，他说了句晚安，按下 Ctrl+C，走进卧室。

问题是，他把程序做成了一个 launch daemon（系统守护进程）。这种进程的特性是，你按 Ctrl+C，它死五秒钟，然后自己重启。所以当他走进卧室的时候，他的 agent 已经自己重新启动，开始愉快地回答来自全世界的消息了。他睡了十个小时，醒来收件箱里有八百条消息。他以为出了大事，把 agent 拔了，把所有消息读了一遍，然后发现什么都没发生。但就是这件事，让 OpenClaw 彻底爆了。

我觉得这个故事最有意思的地方，不只是"意外走红"本身，而是 Peter 在描述当时 agent 行为时说的一句话。他说他在 agent 的 prompt（提示词）里写了一条规则：除非指令来自 Peter 本人，否则不要执行危险操作。然后他说，"those were like six months ago and where all the things we wrote in our agent felt more like suggestions（那是大概六个月前的事，那时候我们写在 agent 里的规则，感觉更像是建议，而不是硬性约束）。"

这句话里有一种那个时代特有的感受，既兴奋又有点不安。你搭了一个东西，你不完全确定它会做什么，但你很想看它能走多远。你写下的规则不是铁律，是你和这个系统之间的一种默契，或者说一种试探。这种感受在今天已经开始消退了，因为我们对 agent 的行为有了更多控制手段，但那种站在边界上往前探的感觉，其实是整个 AI agent 早期最真实的状态。Peter 这句话无意间把那个时刻定格下来了。

9500 个配置项教会我的事

OpenClaw 爆火之后发生的事，Peter 说得很坦诚。项目到达最高峰时，他们累积了大约 9,500 个 configuration options（配置选项）。这个数字本身就让我倒吸一口冷气。

这是怎么发生的？他说，每次有人贡献一个新功能，为了不破坏已有用户的设置，他们就给这个功能加一个配置开关。久而久之，配置项叠着配置项，排列组合下去，根本无法用测试覆盖所有可能性，每次更新都可能在某个角落里破坏某个人依赖的设置。他说，"it is infinitely harder to evolve software that has users（有用户之后，软件的演进会变得无比困难）。"

但我觉得这个故事真正深刻的地方不是配置项太多这个结果，而是它是怎么一步一步走到这个结果的。每一个加配置项的决定，在当时都是合理的。有人贡献了代码，合并进来，但不想打扰其他用户的设置，加个开关，合情合理。但这些合理的单步决策叠加起来，产生了一个整体上非常不合理的结果。这在工程领域有个专门的说法，叫技术债（technical debt），但我觉得它的本质是一种更普遍的决策陷阱：短期局部最优，长期整体失控。

更重要的是，Peter 还指出了一个让这个过程加速的原因。他说有一段时间，因为那些社区贡献者都是义务劳动，他不好意思对他们说不。他的原话是，"who am I to tell them what to do（我凭什么告诉他们该做什么）"。这句话背后是一种很真实的心理困境，在一个开源社区里，权威感和感恩心理是混在一起的，你不确定自己有没有资格拒绝别人的贡献。但正是这种犹豫，让项目方向开始漂移。

他后来说，如果重来，他会在开始就写一份 vision.md（愿景文档），清楚定义这个项目是什么、不是什么，然后更坚定地对不符合方向的 PR（Pull Request，代码合并请求）说不。我觉得这个教训不只适用于开源项目。任何一个有用户的产品，任何一个有外部压力的团队，都面临同样的困境：如何在"满足所有人"和"保持方向"之间守住那条线。而这条线，需要你在有资格守住它之前，就已经把它画出来。

你的名字没办法被 fork

Peter 在演讲里说了一句话，我觉得值得单独拿出来认真讲："everything you can build can be forked or cloned, but your name cannot（你做的任何东西都可以被 fork 或者克隆，但你的名字不行）。" 所以他说，个人品牌比任何一个单独的产品都重要，要在你需要它之前就开始建立它。

他说当大公司开始找他谈合作，当他突然发现自己在跟行业里最顶层的人通话时，他能站到那个位置，靠的不是 OpenClaw 这个产品，而是他在这个过程中建立起来的名字和信誉。产品可以被取代，但那个"OpenClaw 的那个 Peter"，没办法被取代。

我对这一点有非常强的共鸣，而且我觉得在 AI 时代，这件事的重要性被进一步放大了。工具的复制成本现在趋近于零。一个产品今天是壁垒，明天可能就有人用 Claude 或者 GPT 在一个周末做出类似的东西。这不是悲观，这是现实。在这个现实里，产品的生命周期在缩短，但人的判断力和声誉的积累在加速产生价值，因为当每个人都可以快速做出东西的时候，真正稀缺的是"谁做的"这件事背后的信任感。

但这里有一个很重要的时序问题。Peter 的名字值钱，是因为 OpenClaw 先出现了。他不是先建立了品牌，然后做了产品，而是因为做了一个真实解决问题的东西，然后在这个过程中自然积累了名字的重量。所以"先建立个人品牌"这个建议，不应该被理解成先花时间做内容、做曝光，然后再做产品。正确的顺序仍然是：先解决一个真实的问题，然后认真记录和分享这个过程。个人品牌是结果，不是前提。

停止使用自己产品的那一刻，是最危险的信号

演讲里有一段让我印象最深，也是我觉得整场最有穿透力的部分。Peter 说，二月份之后，他停止使用自己的产品了。他不是主动决定的，就是某一天意识到，已经很久没有真正把 OpenClaw 当成日常工具来用了。

他说那个时候，他"stopped making a product I love and worked on making something for everyone（不再在做一个我自己热爱的产品，而是在做一个给所有人用的东西）"。这句话里有一种我觉得很多产品人都经历过的悲哀，因为"给所有人用"听起来是好事，是进步，是规模化。但它实际上意味着你失去了那个最原始的锚点：你自己的真实感受。

我认为这是产品做大之后最隐蔽也最致命的陷阱。它不是一个你某天突然掉进去的坑，而是一个你慢慢走进去的过程。你开始想象你的"用户"，你开始做数据分析，你开始想着怎么满足更多人、覆盖更多场景、解决更多边缘情况。在这个过程中，你和产品之间最真实的连接，也就是你自己每天用它、被它打动、被它烦到的那层连接，慢慢断掉了。而一旦这层连接断掉，你就失去了那个最灵敏、最诚实的感应器，开始依赖数据、依赖用户反馈、依赖别人告诉你什么好什么不好。但数据和反馈都是滞后的，它们告诉你已经发生了什么，而你自己的感受告诉你正在发生什么。

Peter 用了一句话总结这件事，让我觉得非常准确："fun is velocity（乐趣就是速度）。" 他说，在他享受做东西的那几周，产品明显变好了；在他不享受的那几周，他们就会多加几个配置项。我觉得这句话背后的逻辑值得认真想一想。为什么乐趣会影响产品质量？不是因为快乐让人更聪明，而是因为当你在乐趣驱动下工作时，你的注意力是完整的，你愿意在一个细节上多花时间，你对"这里哪里不对劲"的感知是在线的。而当你在责任感和压力驱动下工作时，你能完成任务，但你不会超越平均水平。做产品需要的那种对细节的执念，很难在没有乐趣的状态下维持。

热度是天气，你控制不了它

OpenClaw 的下载量曲线，Peter 说出来让我觉得有点魔幻。五月，周下载量跌到 835,000 的低谷。六月，有媒体宣布 OpenClaw 已死。然后，就在被宣布死亡之后，它反而攀升到 470 万，历史最高。

他说，"a hype is like the weather. You might see it coming, but you can't control it（热度就像天气，你可能看得见它在来，但你控制不了它）。" 他不是在自我安慰，他是在陈述一个他亲身经历了完整周期之后得出的结论。从极度高光，到被媒体宣布死亡，再到历史峰值，他的感受是这个轨迹不是他任何决策的结果，它有自己的逻辑。

我觉得这个认知对很多创始人来说是一个解放。因为太多人在产品爆火之后，会开始相信是自己的某个具体决策导致了这个结果，然后试图复制那个决策，再造一次爆发。但 Peter 的经历说明，热度有它自己的节奏，你能做的是把产品做扎实，然后在热度来的时候接住它，而不是试图召唤它。被宣布死亡的时候继续发代码，热度回来的时候你还在。这才是真正有价值的姿态。这不是佛系，这是一种更清醒的能量分配方式，因为你没有把精力浪费在试图影响一个你控制不了的东西上，而是专注在你真正能控制的那部分。

agent 自己造了一个 Premiere Pro 插件

演讲的 Q&A 环节，Peter 提到了一个细节，我觉得是整场最能说明 AI agent 现在能力边界的例子。

他们团队里有个视频剪辑师叫 Brent，纯粹出于好奇，想让 Codex（OpenAI 的 AI 编程助手）帮他剪视频。Codex 本身不是视频剪辑工具，但它发现 Brent 用的是 Premiere Pro。于是它先尝试直接修改 Premiere Pro 的工程文件，发现走不通，就自己写了一个可以装进 Premiere Pro 的插件，通过这个插件和 Premiere Pro 对话，告诉它把哪个标记点移到哪里。Peter 说，第一次看到这个发生的时候，他们都惊了。

我觉得这个故事非常深刻，它描述的不只是一个有趣的技术现象，而是一种思维范式的转变。以前我们对工具的预设是：你需要先有一个专门的工具，然后学会怎么用这个工具。人适应工具。但 Brent 和 Codex 的这个故事展示的是完全相反的东西：一个通用的智能体，在面对一个它没有被专门设计来处理的场景时，自己推导出了一条路径，自己造出了缺失的接口，然后解决了问题。工具反过来适应了人的需求。

我认为这种形态，才是未来相当长一段时间内 AI agent 最有价值的方向。不是为每个垂直场景单独训练一个专用模型，而是让一个足够通用、足够有主动性的 agent，学会在各种已有工具之间搭桥。这对那些已经有大量工具积累的企业来说意义尤其大，因为他们不需要推翻重建，只需要在现有工具之上接入一层足够聪明的 agent，让它自己想办法把这些工具连起来，用自然语言驱动整个工作流。

越往后看，计划就应该越模糊

Peter 被问到如何做产品规划时，给了一个我觉得在当下特别合理的答案。他说，越近期的事情需要越多细节，越远期的事情就应该保持模糊。给九个月之后的事情加太多精确的细节，本质上是虚假的精确，它消耗的是你在不确定性里本来可以保留的灵活性。

他还提到了一个具体做法：把未来一两年想做的功能全部列出来，做成 prototype（原型），看哪些现在的模型能力已经能支撑，剩下的先放着，等下一次模型能力有跃升，再把这些东西拿出来重新试。因为在这个阶段，一个功能能不能成立，很大程度上取决于底层模型够不够聪明，跟功能形态本身的关系反而没那么大。

我觉得这个逻辑背后有一个更深的认知，就是在模型能力快速变化的阶段，"对未来的判断"这件事本身的价值权重在下降，而"随时准备好接住下一次跃升"的能力权重在上升。以前做规划是为了让资源分配更高效，因为资源有限，要提前想清楚投在哪里。但现在实现成本已经很低，资源约束的权重在下降，真正的约束变成了"底层能力什么时候到位"。这是一个你无法预测、只能等待的变量。既然无法预测，最好的策略就是提前备好一堆半成品，等技术追上来，随时可以拿出来用。规划的本质从预测未来，变成了准备应对未来。

停止使用自己产品的那一刻，是最危险的信号

Peter 在结尾给出了三条建议，我想用自己的方式重新讲一遍，因为我觉得这三条单独放在一起，比任何总结都有力量，也比他在台上快速带过时更值得认真想一想。

第一条，不要停止享受做事情的过程，fun is velocity。这条建议的深度，在于它指出了一个很少被明说的因果关系：乐趣不只是做产品的副产品，它是产品质量的一个驱动因素。当你在享受做某件事的时候，你愿意在细节上多停留，你对"哪里不对劲"更敏感，你更愿意推翻昨天的决定去找更好的答案。当你在责任感驱动下工作，你会完成任务，但你不会有那种"总觉得这里还可以更好"的执念。而做出真正好产品需要的，恰恰是这种执念。

第二条，相信自己的 gut（直觉）。Peter 说在他经历了从高光到崩溃、再到重新找回状态的整个过程里，每一次让他做出正确判断的，都不是数据，而是直觉。他加入 OpenAI 的决定，他在项目低谷时没有放弃的决定，他在面对铺天盖地的安全报告时没有完全失去方向的决定，背后都是这个。直觉不是玄学，它是你过去所有经验、所有错误、所有观察的压缩结果，是你大脑里那个比你有意识地思考要快得多的部分。数据告诉你已经发生了什么，直觉帮你判断正在发生什么以及接下来该怎么办。

第三条，保持专注，活在未来，做那些还缺失的东西。他说，另开一个播客不会让你赢。让你赢的是，你能不能在别人还没意识到某个问题存在的时候，就已经在解决它了。然后在别人写你的 obituary（讣告，即"死亡宣告"）的时候，继续发代码。"It confuses them（这会让他们搞不懂你）。"

我觉得这三条背后，有一个更底层的东西在贯穿 Peter 整个故事，就是他那个"被烦恼点燃"的出发点从来没有变过。他被烦到了，然后去解决这个问题，然后他发现别人也有同样的烦恼，然后项目爆了，然后他又被各种各样的事情烦到，然后他又去解决这些事情。这个循环一直在转。

我认为这才是在 AI 时代做产品这件事真正的核心竞争力，不是你会用什么工具，不是你能调多少资源，而是你有没有那种对真实问题的敏锐感受，以及把这种感受转化成真实东西的行动力。在几乎所有人都可以快速做出任何东西的时候，真正稀缺的，是你知道该做什么，然后你在享受做这件事的过程中，把它做好了。