夜雨聆风每天8:30为你带来全球最新的AI产品、设计、技术领域的播客和大会洞察，让你时刻与最新的认知保持同频。全文超3000 字，可以路上听，也可以先收藏稍后再读。
AI 把开发成本压低之后，产品竞争的瓶颈正从“能否做出来”转向“能否持续判断什么不该做”；OpenClaw 的爆发与失控说明，创始人最不能外包的是产品边界、依赖选择和对用户真实体验的感知。
去年 11 月的一个雨天，Peter Steinberger 只是想去厨房找点吃的。
但当时的编码 Agent 只能留在电脑里工作。他离开座位后，无法从手机查看 Agent 做到了哪一步，也不能在它卡住时继续下达指令。
于是，他打开一个新的终端，把自己的不满讲给模型听。
大约一个小时后，一个连接 Mac 与 WhatsApp 的消息中继工具出现了。Peter 可以用手机给电脑上的 Agent 发消息，Agent 也可以主动联系他。复杂的模型、上下文和会话管理被藏到后台，交互第一次不像操作开发工具，更像在和一个随时在线的伙伴聊天。
这就是后来 OpenClaw 的起点。
八个月后，这个原本为自己制作的小工具，成为全球最受关注的开源 AI 项目之一：近 3000 人向代码仓库提交过代码，超过 1.8 万人创建过 Issue 或 Pull Request；周下载量曾跌到 83.5 万，又在被宣布“死亡”之后冲到 470 万的峰值。
但这不是一个单纯的成功故事。
项目爆红后，Peter 被媒体、安全报告、社区需求、法律事务和无数新功能包围。配置选项一度膨胀到约 9500 个。他忙着为所有人修产品，却渐渐不再使用自己最初热爱的那个产品。
OpenClaw 让他重新找到创造的快乐，也差一点再次把他拖进职业倦怠。
这段经历揭示了 AI 产品时代一个反常识的变化：
当功能越来越容易生产，产品并不会自动变得更容易做。恰恰相反，真正稀缺的能力从开发变成了选择。
01 好产品的起点，往往不是洞察市场，而是无法忍受
Peter 的判断
我的灵感通常来自被某件事惹恼。
当时我同时运行多个编码 Agent，却没有一个好办法让我离开电脑后继续管理它们。我去厨房回来，发现 Agent 因为一个很小的问题停住了。这让我很不爽，于是我把想法讲给另一个 Agent，让它帮我做一个 WhatsApp 中继。
一小时后，我已经可以从手机给 Mac 发消息。
技术本身并不神奇。我们早就在终端里输入文字、等待模型回答。真正不同的是感受：回复简短，系统会主动联系我，我不必考虑使用哪个模型、上下文有多长、什么时候该开新会话。
它不像一个终端，而像一个一直存在、知道如何帮我的伙伴。
我在使用过程中反复产生“这就是未来”的感觉，但一开始几乎没有人理解。我不断在社交媒体上解释，还是失败。后来我把它加入朋友群聊，让大家直接和它互动。每次都能获得很强烈的情绪反应：有人惊喜，有人害怕，也有人非常想立刻拥有它。
尤其当我告诉非技术朋友“它现在还不适合你”时，他们会生气。在我看来，这已经是非常强的产品市场匹配信号。
爽爷观点
真正的早期需求，不是用户说“这个功能不错”，而是产品被拿走时他会不高兴。
Peter 没有先研究“个人 Agent 市场有多大”，而是先解决一个自己每天都会遇到的具体摩擦：Agent 可以工作，但无法跟着人移动。
更关键的是，他优化的不是功能清单，而是心理体验。他把模型选择、会话和上下文藏起来，让用户感觉自己面对的是一个持续存在的行动者。
AI 产品的价值经常不在模型多做了什么，而在用户少操心了什么。
02 产品市场匹配，常常先表现为情绪，再表现为数据
Peter 的判断
我最初在网上反复宣传，几乎没有效果。只有当人们进入 Discord，亲自和 Agent 互动，看着我公开修改产品，甚至试图攻击它时，他们才终于理解这种体验。
那个晚上，大家不断加入服务器，与 Agent 对话、测试边界、观察它做出带有个性的回答。我通宵守着系统，随时准备拔掉电源。
早上七点，我按下 Ctrl+C，以为已经关闭服务，然后去睡觉。但我忘了自己把程序做成了自动重启的后台服务。五秒后，它又启动了。
我睡了十个小时。醒来时，服务器里多了大约 800 条消息。很多人尝试入侵它。我立刻关闭服务，逐条查看，最后发现并没有发生严重事故。
但就在这一晚，项目开始病毒式传播。
爽爷观点
OpenClaw 的爆发不是因为 Peter 找到了一句更好的宣传语，而是因为他把“解释产品”改成了“让用户进入产品”。
这类新交互很难靠功能描述传播。只有亲自体验 Agent 的主动性、连续性和人格感，用户才会建立新的认知。
因此，早期 AI 产品可以关注三种比问卷更诚实的信号：
用户是否产生明显情绪； 用户是否主动测试产品边界； 用户是否想把它带入自己的日常关系与工作流。
用户开始和产品“相处”，通常比用户说“我愿意使用”更接近真实需求。
03 当制造产品变得容易，获得注意力就成了新成本
Peter 的判断
项目爆红之后，我的邮箱像瀑布一样涌入消息。记者半夜反复打电话，播客邀请超过我此前 39 年收到的总和，Mac mini 一度卖到缺货。
八个月里，超过 1.8 万人创建过 Issue 或 Pull Request，总数超过 11.1 万，接近 3000 人真正向代码仓库提交过代码。
与此同时，很多人说自己早就做过类似产品，指责我偷了他们从未被我看到的想法。有人把我当成 AI 世界的救世主，也有人把我视为威胁。
这股注意力差点压垮我。我不再回复朋友，也不想看手机，因为每次打开都是新的信息洪流。甚至有人泄露了我的电话号码和私人信息。
后来大公司开始联系我时，我意识到一件事：产品可以被复刻，代码可以被 Fork，但你的名字无法被 Fork。个人品牌比任何一个单独产品都更难复制，所以要在真正需要它之前就开始建设。
04 开源能带来惊人速度，也会制造没有边界的产品
Peter 的判断
OpenClaw 爆发后，社区维护者不断加入，每个人都带来一点新功能。
这些人免费贡献时间，我一度觉得自己没有资格拒绝他们。再加上我的注意力被媒体、法律事务、基金会建设和安全问题分散，项目很快增加了大量功能。
新功能很有趣，而且现在只需要一个提示就能做出来。但真正的成本发生在合并之后。
为了不破坏任何人的现有设置，我们几乎给每个功能都增加一个配置项。项目最多时出现了大约 9500 个配置选项。考虑到它们之间的排列组合，再多测试也无法覆盖所有情况，产品开始频繁出现兼容与稳定性问题。
我后来意识到，维护开源项目必须更坚定地说“不”。现在我会为新项目写一份 vision.md，说明产品是什么、准备走向哪里。它不可能永远正确，但至少提供了一条拒绝随机需求的依据。
爽爷观点
AI 时代最危险的技术债，不是旧代码，而是廉价功能。
开放不等于没有主张。健康的开源项目需要开放贡献，但必须集中决策。否则社区贡献的速度越快，产品失去方向的速度也越快。
05 你的上游如何赚钱，决定了你的产品能不能活
Peter 的判断
OpenClaw 最让我受伤的一次，并不是改名，而是我过度依赖了一个模型供应商。
我最初用 Codex 和 GPT 构建产品，但很长一段时间里，整个 Agent 框架对 Claude Opus 的适配最好。当对方只提前大约 24 小时通知，准备停止相关订阅使用方式时，我们没有足够时间调整。
我们支持开放权重模型，也做了很多工作，但当时这些模型还不够好，一些早期模型也缺少我想要的“性格”。等我们补齐多模型支持、改进 Agent 框架时，部分用户已经离开。
我从中得到的教训是：你的依赖方采用什么商业模式，最终也会成为你的商业模式。
现在情况已经改善，开放权重模型变得更强，我也学会了更多 Agent 框架工程。但那次冲击真实地改变了项目的发展轨迹。
爽爷观点
调用外部模型不只是技术选型，也是商业结构选择。
如果产品的成本、可用性、能力和用户权限都由一家上游公司决定，团队实际上继承了对方的定价逻辑、风险偏好与战略变化。
这不意味着所有 AI 公司都要训练模型，而是至少要拥有三项能力：
可以切换模型，而不必重写整个产品； 可以解释不同模型之间的体验差异； 可以在关键能力被限制时，维持最低可用服务。
模型可以租，产品的生存权不能一起租出去。
06 安全不是越多越好，关键是明确产品承诺什么
Peter 的判断
项目发布后，我们收到大量安全报告。媒体曾声称 20% 的技能存在恶意行为。后来我们扫描了全部约 6.7 万个技能，得到的数字接近 0.3%，并发布了一篇论文说明结果。
但纠正信息永远没有恐慌传播得快。
我感受到巨大的责任，于是投入大量时间强化安全：沙箱、允许列表、带权限的 Web 协议、安全文件操作和原子化配置写入。
这些工作很重要，但大多数用户只在抽象层面支持安全。实际更新时，他们感受到的是已有功能被破坏、运行速度变慢、升级更加困难。
回头看，我不应该被每一份安全报告牵着走。很多报告由 Agent 自动生成，提交者甚至没有实际验证。我应该更早说明：哪些部分属于我们承诺的安全边界，哪些风险不会由项目负责解决。
爽爷观点
安全工作最容易掉进两个极端：为了增长弱化风险，或者为了回应所有风险，把产品做得无法使用。
成熟的做法不是承诺“绝对安全”，而是明确四件事：系统保护什么、默认信任什么、用户必须承担什么，以及出了问题如何隔离和恢复。
没有边界的安全责任，会把团队拖入无限响应；没有清晰说明的安全边界，则会把风险转嫁给用户。
对 Agent 产品尤其如此。它能读取文件、调用工具、代表用户行动，权限越强，产品越需要把授权、确认、日志和撤销设计成基础体验，而不是安装文档里的一段免责声明。
07 他为所有人做产品，最后却不再使用自己的产品
Peter 的判断
大约从二月开始，OpenClaw 不再有趣了。它从一个我喜欢的东西，变成了一份责任。
我原本不想再经营一家公司，却突然同时拥有一份工作和一种使命。我开始忙于修复 Bug、处理安全问题、支持用户、建立基金会和协调社区。
最糟糕的是，我不再使用自己的产品。
我试图为“所有人”做一个系统，却越来越难描绘这个“所有人”到底是谁：有人用它管理杂货，有人试图对它做社会工程攻击，每个维护者又不断加入自己的功能。
直到后来成立非营利组织、获得企业捐助、找到合适的人接手部分责任，建设产品的快乐才逐渐回来。
我的体会是：Fun is velocity——快乐就是速度。
我享受建设的那些星期，产品会明显变好；我失去兴趣的那些星期，增加的往往只是更多配置项。
爽爷观点
Peter 所说的“快乐”，不是要求创始人每天保持愉悦，而是衡量他是否仍然贴近问题、用户和创造过程。
当创始人每天都在处理舆论、组织和兼容性，停止使用自己的产品，他失去的不只是心情，而是产品最敏锐的反馈回路。
因此，“快乐就是速度”可以进一步理解为：
创始人对问题的兴趣 × 使用产品的频率 × 做出判断的自主性 = 产品迭代速度
创始人不是必须亲自做完所有事情，但必须保护自己与核心产品之间的直接联系。
08 AI 编程越强，团队越需要改变协作方式
Peter 的判断
我现在希望 Agent 更主动地完成工作。
当我把注意力切换到一个问题时，我不想先读一堆 Issue，而希望看到已经完成评审、测试和验证的 Pull Request。一个同事如果只有功能想法就来找我，我可能会生气。因为他完全可以先与 Agent 讨论、做出原型、生成截图，再让我直接体验。
如果想法不错，我们可以立刻迭代；如果想法有问题，很多人会在制作过程中自己发现，根本不必占用其他人的注意力。
代码评审也越来越像风险管理。我不会用同样的力度检查所有代码。涉及危险系统时，我会仔细阅读；如果只是一个界面调整，结果看起来正确，改动规模也合理，就没有必要逐行检查。
现在的模型还不能自动完成所有质量保障，仍然需要人手动点选和体验。但我们已经可以让多个子 Agent 分工理解项目、审查不同功能、交叉通知测试重点。
爽爷观点
当原型制作趋近于零成本，“把想法说清楚”已经不再是合格的协作交付。
未来团队内部的最小沟通单位，会从需求描述升级为可体验的证据包：原型、截图、测试结果、风险说明和待决策问题。
这会改变管理者的工作。过去，负责人分配制作任务；未来，他更需要管理判断风险、注意力和验收标准。
AI 没有取消评审，只是把评审从“代码是否写对”，推向“问题是否值得解决、结果是否真的成立”。
09 永久在线 Agent 的瓶颈，已经从能力转向经济性
Peter 的判断
我们还没有真正实现一个始终在线、持续同步、主动工作的 Agent，但技术已经越来越接近。
现在 Agent 可以理解长期会话，也能编排子 Agent，使用浏览器和电脑。语音与多模态正在替代纯文本交互，我们甚至做出了让 OpenClaw 通过 FaceTime 联系用户的实验。
问题不再只是模型能不能做到，还包括如何管理计算和 Token。
如果一个拥有巨大上下文的会话每小时进行一次心跳检查，在缓存已经失效的情况下，系统可能需要重新发送几十万个 Token，只为了完成一次价值很低的巡检。多个 Agent 同时测试，还会争夺本地算力，导致超时和重复执行。
因此，永久运行不是简单地让 Agent 不停思考，而是要判断什么时候应该唤醒、读取什么信息、调用什么模型、花多少成本，以及何时保持沉默。
OpenClaw 希望成为实验这些可能性的开放替代方案：运行在不同设备上，支持不同模型，也允许用户在本地模型上保留自己的数据。
爽爷观点
主动 Agent 的核心能力，不是一直在线，而是知道什么时候值得行动。
如果系统只会定时唤醒、重复读取全部上下文，它得到的不是主动性，而是一张不断增长的账单。
下一阶段 Agent 产品的竞争，将从“能完成任务”进入“能以合理成本持续关注任务”。记忆压缩、事件触发、模型路由、算力调度和中止条件，会成为产品体验的一部分。
真正聪明的 Agent，不仅会做事，也知道什么时候不该浪费资源。
10 AI 产品团队，可以从 OpenClaw 带走这七条原则
1. 一号用户必须是自己
如果创始人自己都不兴奋、也不会频繁使用，产品很难通过高频反馈快速变好。但这条原则更适合创始人熟悉的工具型产品，不代表所有企业软件都能跳过客户研究。
2. 先观察强烈行为，再相信礼貌反馈
主动索取、持续使用、尝试突破边界，比一句“这个想法不错”更能说明需求。
3. 每增加一个功能，都计算维护成本
开发时间只是最小的一部分。测试、兼容、安全、文档、支持和未来迁移，才构成功能的完整成本。
4. 为产品写清“不做什么”
愿景不仅用来鼓舞团队，也用来拒绝偏离主线的好点子。AI 越容易生成方案，拒绝标准越需要清晰。
5. 提前绘制关键依赖
列出哪些模型、平台、订阅政策和接口一旦变化，就会让产品失效，并为核心链路准备替代方案。
6. 把安全边界做成产品，而不是声明
权限、确认、日志、撤销与隔离需要进入默认流程。用户没有义务读完免责声明才获得安全。
7. 保护创始人与产品的直接反馈回路
可以交出支持、运营和治理工作，但不能长期失去亲自使用产品、观察用户和做关键取舍的时间。
写在最后：AI 时代，做得快只是入场券
OpenClaw 的故事很容易被写成一段传奇：一个开发者因为生活中的小烦恼，用一个小时做出原型，随后获得数百万周下载量，并让近 3000 名贡献者共同参与。
但更值得关注的是传奇背后的代价。
当每个人都能快速生成代码，功能会自然增殖，项目会自然膨胀，类似产品也会自然出现。真正不会自然发生的，是持续保持一个清晰、克制且让人愿意使用的产品。
Peter 最有价值的经验，不是“如何让模型 Cook”，而是当成千上万的人和 Agent 同时开始 Cook，谁来决定厨房最后端出什么。
这也是我持续关注 AI 产品、设计与组织变化的原因。
过去，产品团队最大的约束是资源有限，因此必须排序；今天，AI 让执行资源突然充足，反而暴露出更深的问题：我们是否真的理解用户，是否拥有清晰判断，是否敢于拒绝那些做起来容易、维护起来昂贵的功能？
AI 让“做出来”变得便宜。
但方向不会自动生成，责任不能交给社区投票，产品品味也无法依靠更多 Token 获得。
做得快，只是入场券。
知道什么值得做、什么必须拒绝，才是 AI 时代真正的产品能力。
素材说明
本文基于 OpenClaw 创始人 Peter Steinberger 在 YC Startup School 2026 的分享《What Happens When 4.7 Million People Let It Cook》整理与分析。标题中的 470 万依据演讲所述的单周下载量峰值，并非独立用户人数。Peter 的观点在忠于原意的基础上做了书面化表达；“爽爷观点”为结合 AI 产品、开源治理与组织协作所做的延伸判断。