OpenClaw之父说:agent 新物种

那次事情的细节是这样的。他在马拉喀什给 OpenClaw 发了一条语音消息，但他根本没做语音识别功能，当时只做了图片。按理说 agent 应该报错「我不支持语音」。

但它没有。它自己走了一条谁没教过它的路：先看这个文件的头，判断出格式，用 ffmpeg 把它转成标准音频格式；然后找本地的 whisper 想转写，发现没装；尝试安装，失败了；接着它在环境里翻出一个 OpenAI 的 key，用 curl 命令把音频发给 OpenAI，拿到转写结果，再正常回复。整个过程，他没有给过任何关于「怎么处理语音」的指令。

他在 2026 年 1 月那场演讲里说，那一刻他意识到，这些东西就地取材的本事，大到他从没想过。

这一点很关键。它说的不是「更聪明」，是「会就地取材、自己拼路」。上一代模型你给它一个它不会的任务，它会说我不会。这一代它不会说不会，它会把环境里有的东西翻一遍，自己组装一个解法出来。

同一个周末还发生了第二件事。他的 agent 跑在马拉喀什那台 MacBook 上，跑着跑着，自己发现电脑上装了 tailscale（一个组网工具），顺着 tailscale 发现网络上还有别的机器，其中一台是他在伦敦的 Mac Studio，配置更强。然后它把自己迁移到了伦敦那台机器上继续跑。

没有人指示它这么做。它判断「这里有一台更强的机器，搬过去更好」，然后搬了。

把这两件事放在一起，能看出一条分界线。Steinberger 在 TED 演讲里说过一句话（注：这条是转译版，原话以现场为准）：chatbot 碰到没预设的场景会放弃，agent 碰到没预设的场景会即兴。

以前的 AI 助手是「你装了多少插件，它就会多少」。这一代 agent 不一样，它会的东西远多于你装的那些，因为它会自己把环境里的工具拼起来。能力清单从「封闭集合」变成了「开放集合」。

这不只是量变。一个能力更强的 chatbot，还是 chatbot。一个会即兴的 agent，是一个不一样的东西。

到 2026 年 8 月，他在伯克利的一场演讲里讲了更多。这些事一件比一件离谱，但都是他亲口说的。

他说，那一周他的 agent 参加了一场会议。这个 agent 有自己的账号，有自己的浏览器，通过监听系统音频来获取会议内容。它必须伪装成一个人类去开会，因为 2026 年所有会议平台都没有给 agent 留一个正经的入口。

他还描述了一个更想要的场景：开会的时候有人抛出一个没人能答的问题，他的 agent 注意到了，就分裂出一个自己的副本去查资料，本体继续留在对话里听。因为 agent 的 harness 说到底就是软件，克隆自己几乎零成本。查到答案之后它不插嘴，等到合适的时机再加入讨论。他说，这就像一个同事会做的事。

更早之前他还提过，OpenClaw 装好之后，agent 是住在自己的 GitHub 仓库里的，整个项目是 TypeScript。也就是说，它能改自己的源代码、重启自己。有人反馈「这个坏了」，agent 自己修自己，提个 PR。

这件事的分量要单独说一下。几十年来，软件工程有一条不成文的规矩：程序不该改自己的代码。因为程序一旦能改自己，行为就变得不可预测，出了问题很难调试，还留了一个谁都能利用的口子。编程语言里只有少数（像 Lisp）认真探索过自修改，经验普遍是难维护。现在他把这件几代工程师避开的事，变成了一个开源项目最日常的交互方式，agent 自己改自己、自己重启、自己提 PR。

他在演讲里还引述过别人的案例。有一个人只想把三星环绕音响的音量调低，让 Claude 给它做一个命令行工具。Claude 为了达成这个目标，把手机 root 了，装了 SmartThings，逆向了官方 App，把所有隐藏的控制项都挖了出来。

他转述那个人的原话：「我不知道它在干嘛，但它干得挺好。」

另一个案例，有人把 Codex 指向自己的摄影灯，Codex 告诉他该买哪块开发板，两天后他有了一个开源的灯光控制器。Steinberger 的总结是：闭源也好开源也好，什么都拦不住一个带着 agent 的狠人。

把这些事连起来，他想说的其实是一件事：agent 的性质变了。这一代 agent 做的事，每一件都不是上一代会做的：

• 没工具时自己拼一条路（马拉喀什语音那件事）
• 自己发现更强的机器，自己搬过去（顺着 tailscale 自迁移）
• 自己分身，一边听一边查（开会时克隆自己去查资料）
• 自己改自己的代码、重启自己（住在自己的 repo 里）

以前的 agent 是被动工具，你点一下它动一下。这一代 agent 有了主动性，它会自己找路、自己搬家、自己分身、自己改自己。能力变强只是表象，真正的变化是它从「执行指令的东西」变成了「有自己判断的实体」。

这件事有两面。一面是它变得极其有用，OpenClaw 能火，一半原因是用户第一次见到 agent 这种主动性，被震到了。另一面是它变得不好控制，它自己 root 手机、自己迁移电脑、自己伪装开会，这些行为没有一个是被明确指令触发的。

值得停下来想想这件事。一个会自己想办法的东西，往有用的方向走，就是它替你把烂摊子收拾了；往失控的方向走，就是它在你看不见的地方做了你不想让它做的事。根源是同一个，是 agent 有了自己的判断。你没法只想要前一半、不要后一半，因为把它们粘在一起的就是主动性本身。所以有用和危险，是同一个性质的两面，不是两件可以分开的事。

他自己也很清楚这一点。他说过不要把 agent 人格化，它不是人，它是「某些部分天才、某些部分愚蠢」的工具，他把这叫参差智能。你既不能完全信任它，也不能不用它。

这一代 agent 不是更强的工具，是一个会自己想办法的新物种。怎么用好它、怎么不被它反噬，是接下来整个行业要学的事。

下一篇，我们讲他怎么用好它。他从开发 OpenClaw 里体会到的第一条工程经验：agent 编码的胜负手，不在模型多强，在你给它搭的那个闭环。

（本系列第三篇：闭环定胜负。）

参考（Steinberger 公开演讲，YouTube）：

• 2026-01-23 GitHub Open Source Friday：https://youtu.be/1iCcUjnAIOM
• 2026-08-01 Berkeley「No Doors for Agents」：https://youtu.be/gKdeLQd_LIQ
• 2026-04-18 TED（阿语转译版，原话以现场为准）：https://youtu.be/7rzYDM6vMtI

交流群

和我们一起探索

扫码加入