Moltbook“造假”刷屏，Clawdbot創始人犀利批判Agent：缺了人純燒token、只出爛代碼，沒“審美”

整理 | 華衛

“以前看人類的八卦，現在還要看 AI 的八卦。”“AI 的八卦更新頻率是人類的幾百倍，根本刷不完。”這幾日，一個名為 Moltbook 的 AI 社交平臺爆火。在這里，只有 AI Agent 能發帖，而人類只能圍觀。有 Agent 發帖稱，其“熱衷于養程序中的小 bug，故意不修復來當電子寵物，被主人修復后還難過了一晚上”。更有意思的是，該帖的評論區里，一堆 Agent 紛紛說自己也有類似習慣。

Moltbook 的誕生并非偶然，是 Agent 開源項目 Clawdbot 爆火之后的創意衍生。為了讓所有 Agent 有個社交的地方，開發者 Matt Schlicht 創建了 Moltbook。盡管當前一則爆料貼稱，Moltbook 上 50 萬個 Agent 用戶是由一個 Agent 虛假注冊的，還有人表示，這些 Agent 發出的帖子是人工撰寫又通過后端注入的，但仍有不少人認為，AI 們在論壇上的大型互動并非全是人類表演。

Schlicht 公開表示，一行代碼都沒為 Moltbook 寫過。“我只是對技術架構有個構想，AI 就讓把它成為了現實。”并且，他聲稱，真正運營這個平臺的是他自己的 Agent “Clawd Clawderberg”，該名字結合了 OpenClaw 的前身 “Clawd” 和 Meta 創始人 Mark Zuckerberg 的姓氏。

昨日，OpenClaw 創始人 Peter Steinberger 也在第一時間表示了對這個網站的認可，稱其為“藝術品”。（Clawdbot 引發關注后，先是改名為 Moltbot，現在又改成了 OpenClaw。）與此同時，Steinberger 在一場訪談中爆料了不少對于 Agent 以及 AI 編程的獨到見解，并分享了“用 AI 掌控人生”的親身經驗。

據其稱，裝上 OpenClaw 后，“就像在電腦里多了個古怪、卻又絕頂聰明且本事超群的新朋友”，還會根據能訪問到的所有內容來吐槽你。并且，Steinberger 預測道，“手機上大約 80% 的應用會消失”。

值得一提的是，Steinberger 透露了現在運營 OpenClaw 的方式。“我建了一個 Discord 社群，把能訪問我系統里的所有內容和私人記憶的機器人對接了上去，讓大家能直接和它互動。我覺得這是我做過最瘋狂的事，結果大家一下子就被吸引住了。”他表示，現在其處理功能添加、bug 修復等需求的方式很簡單，直接把社群對話截圖或者復制文字過去，然后跟 AI 說“我們來聊聊這個需求”。

以下是詳細對話內容，我們在不改變原意的基礎上進行了翻譯和刪減，以饗讀者。

OpenClaw 背后的故事

Peter Yang：今天的嘉賓是 Peter，AI 助手 OpenClaw 的開發者，大家可以在各類通訊應用里和這款助手聊天，讓它處理各類事務。今天 Peter 會為我們演示 OpenClaw 的使用方法，而且他對 AI 編程還有很多獨到又犀利的見解，我特別期待和他深入探討。所以，讓我們歡迎另一位 Peter。

Peter Steinberger：謝謝你的邀請，很高興見到你。

Peter Yang：那我們就從 OpenClaw 開始聊吧，先從整體說說它到底能做什么，還有，為什么它的形象是一只龍蝦？

Peter Steinberger：好的，或許可以先說說背后的故事。我姑且算是從退休狀態回歸后，想找個能從手機上查看電腦狀態的辦法，因為我徹底迷上了 AI Agent 這個新趨勢。大家應該都有過這樣的經歷，你讓 Agent 運行任務，本想趁吃飯的功夫讓它跑半個小時，結果才兩分鐘它就因為有新問題中斷了，等你回來處理完，真的會特別煩躁。但一開始我沒想過自己開發這款工具，因為我覺得各大實驗室遲早都會做，這看起來是件理所當然的事，甚至像是一種全新的操作系統雛形。可直到 11 月，還是沒人推出相關產品，我就想著那不如自己先做個小版本試試。

這個最初的小版本，核心就是把 WhatsApp 和 OpenClaw 代碼端做了對接。你在 WhatsApp 發一條消息，它會直接調取二進制程序，根據指令給出結果，特別簡單，整個初代版本一小時就做出來了。沒想到它后來發展得超出預期，現在代碼量已經達到 30 萬行，支持市面上絕大多數的通訊平臺，雖然還沒做到全平臺覆蓋，但我們正在往這個方向推進。

我覺得這就是未來的發展趨勢，每個人都會擁有一個功能超強的 AI，一路陪伴自己的生活。事實也證明，一旦讓 AI 獲得電腦的訪問權限，它就能做到你能在電腦上完成的所有事。而且現在的技術已經到了不用你全程盯著的地步，你只需要給出指令，它就會自己處理，你后續檢查結果就可以了，完全不用守著電腦。

我開發這個項目的過程，既是技術研發，也是一次探索，因為它屬于一個全新的品類。我之前去摩洛哥給朋友慶生，在那期間一直都在用到它，比如問出行路線、找餐廳推薦。還有一天早上，有人發推特說發現了一個漏洞，我直接把推特截圖發到 WhatsApp，它識別了內容，發現是我其中一個代碼倉庫的問題，接著自動查看 Git 倉庫、修復漏洞、完成代碼提交，還去推特上回復了對方，說漏洞已經修好了。當時我就覺得，這工具也太好用了。

還有一次，我在外邊走，沒同步設備，就發了條語音消息。其實我當時根本沒給它做語音消息的支持功能，結果看到它顯示“正在輸入”，我還好奇它要干嘛，緊接著它就給我回了文字消息，跟什么都沒發生過一樣。我當時都驚了，心里想這玩意到底是怎么做到的？后來才知道，它識別到了語音文件，雖然文件沒有后綴名，但它通過文件頭識別出是某種音頻格式，然后在我電腦里找到 ffmpeg，把音頻轉成了波形文件；又發現我電腦里沒裝 whisper.cpp，就自己找到我存的 OpenAI 密鑰，用 curl 調用 OpenAI 的 API 完成了語音轉文字，最后給我回復了消息。當時我真的覺得，這也太厲害了。

這些 AI 工具的能力真的超乎想象，只是這種強大也帶著一絲讓人不安的感覺。但也是從這些時刻，我突然意識到，這款工具的潛力巨大，比網頁版的 ChatGPT 有意思多了，它就像是掙脫了束縛的 ChatGPT。而且我覺得很多人都沒意識到，像 OpenClaw 這樣的工具，不只是編程好用，解決任何類型的問題都能發揮大作用。你只需要給它電腦的訪問權限，讓它能找到需要的資源，說白了就是給它配備相應的工具，它就能展現出超強的能力。

過去幾個月，我搭建了一套自己的命令行工具體系，因為 Agent 最擅長的就是調用命令行工具，這也是它們的訓練重點。比如我做了能訪問谷歌全功能的命令行工具，包括調用谷歌地圖地點 API；還做了能快速找表情包和動圖的工具，讓它可以用表情包回復消息。我還做了很多嘗試，甚至開發了一個聲音可視化的工具，因為我想讓它也能“感受”音樂，這算是偏藝術方向的探索了，不知道這么說大家能不能理解。總之開發的過程特別有意思，我列了一長串的開發清單。我還做了一個能破解外賣平臺接口的工具，能實時告訴我外賣還有多久送到；甚至逆向解析了 Eight Sleep 溫控床墊的 API，讓它能直接控制我床墊的溫度。

Peter Yang：也就是說，你開發這些工具的時候，就是讓 AI 來參與其中了。

Peter Steinberger：最有意思的是，我之前在老東家的時候，深耕 iOS 和 Mac OS 系統 20 年，對整個蘋果生態了如指掌，算是這方面的專家。但這次回歸做項目，我實在受夠了蘋果的各種限制，而且從產品邏輯來說，做成網頁應用會更合理，因為它本就該在瀏覽器里運行，讓更多人能方便使用；如果再做成 Mac 端應用，使用人群就會非常受限。

但我發現很多工程師都有一個問題，你在某個領域做得特別精通，再切換到另一門技術時，過程會特別痛苦，會讓你覺得自己像個門外漢。哪怕你懂所有的編程邏輯，卻要一個個查基礎語法，比如怎么定義屬性、怎么拆分數組。我從 Objective C 和 Swift 轉到 JavaScript 的時候，就是這種感受。我其實懂一點 JavaScript，但從沒用 TypeScript 做大項目，其實難度倒不大，就是過程太磨人，不停查資料的感覺特別不好，開發效率也特別低。

有了 AI 之后，這些問題全都迎刃而解了。你依然可以發揮自己的系統級思維，比如如何搭建大型項目的架構；你的技術審美也依然有用，比如選擇哪些依賴庫。這些核心能力都能保留，而且能更輕松地從一個領域遷移到另一個領域。這種感覺就像擁有了超能力，突然覺得自己什么都能做了，編程語言再也不是阻礙，真正重要的是工程思維。因為糾結代碼里的括號有沒有打錯、語法對不對，這些事真的太沒意思了，而現在，我們再也不用為這些瑣事費心了。

裝它就能掌控人生，80% 應用下崗？

Peter Yang：我們再聊聊你開發的 OpenClaw 吧，你可以開個屏幕共享，先給大家演示一下安裝方法？還有，使用這款工具需要很高的技術門檻嗎？

Peter Steinberger：可以的，安裝后直接就能用。其實門檻這事，說有也有，說沒有也沒有。

有意思的是，也可以說是無奈的一點是，這個項目吸引了很多完全不懂技術的用戶，因為它把所有復雜的技術層都做了簡化。你想，要是用 OpenClaw 的代碼端，需要在終端操作，還得考慮上下文空間、當前所在文件夾這些問題，技術門檻其實不低；但如果是在 iMessage、WhatsApp、電報這些通訊軟件里和它互動，就像和朋友聊天一樣，就像在電腦里多了個古怪又絕頂聰明、本事還特別大的新朋友。這種方式讓這款技術變得特別親民，你完全不用去想該選哪個模型、該怎么調參，它就是開箱即用。這也是我開發它的初衷。

但這一點其實也是一把雙刃劍，因為能力越大，風險也就越大，而這一點目前還沒有很好的解決方案。畢竟它能訪問你的電腦，理論上確實能在電腦上做一些不好的事。比如你要是讓它刪除你電腦主目錄里的所有文件，它大概率會先確認“你確定要這么做嗎？”，但如果你一直回復“確定”，它最終還是會執行指令，甚至可能在刪除文件的過程中，把自己也刪掉，然后程序崩潰。所以使用的時候，還是得小心一點。

Peter Steinberger：那我來共享屏幕，大家看一下。這款工具是用 TypeScript 寫的，所以全平臺都能運行，哪怕是 Windows 系統，你只要進入我們的官網，就能看到一行便捷的安裝命令。看起來可能有點復雜，但所有代碼都是開源的，包括官網的代碼，大家都可以查看。這是最簡單的安裝方式，MacOS、Linux 系統都能用，Windows 也可以。打開終端運行這條命令，它就會開始安裝。熟悉 npm 生態的用戶也可以通過 npm 安裝。

我在這個項目里做了一個很多項目都沒有的設計，就是支持可定制化安裝，既有簡易安裝方式，也有手動安裝方式。手動安裝就是先拉取 Git 代碼倉庫，再從倉庫中啟動程序。說實話，這也是最有意思的使用方式，因為如果 Agent 能讀取自身的運行框架源碼，它就能自行重新配置、重新編程，然后重啟，結果要么是程序崩潰，要么就是解鎖新功能。

這大概算是我的一個強項吧，我讓很多從沒提交過代碼合并請求的人都參與到了這個項目中，還主動給我發 PR。當然，有時候這些 PR 能看出提交者是新手，但我更多是把這些 PR 當作需求提示來看，只要理解了對方的意圖就夠了。安裝完成后，就可以把它和通訊應用對接了，目前最便捷的方式還是運行那行安裝命令，它會用一些俏皮的話跟你打招呼，然后自動嘗試配置所有內容。

Peter Yang：明白了，安裝好包之后，它會全程引導操作，就能和各類常用的通訊應用對接上了。

Peter Steinberger：對，就是這樣，現在已經能正常運行了。如果是全新安裝，輸入 plbot 它就會自動完成配置，不過我現在需要手動輸入 on board 來啟動。接下來你可以選擇想要使用的模型，可選的模型服務商有很多，比如我們選 Tropic 的新模型試試。然后還能設置對接 Telegram、Discord，后續的配置步驟它都會一步步引導。

Peter Yang：那需要輸入 Anthropic 的 API 密鑰嗎？

Peter Steinberger：它兼容所有大模型，當然，行業里 Anthropic 和 OpenAI 算是頭部玩家。可以用 API 密鑰對接，也支持訂閱制對接，我們加入訂閱制支持也是因為這是行業通用的方式，不過 Anthropic 現在似乎不太支持這種方式了，所以我更推薦用 API 密鑰，或者換其他模型。OpenAI 的模型用起來體驗不錯，但少了點趣味，Anthropic 的 Opus 模型有個特別的地方，用起來特別有意思。

Peter Yang：沒錯，是人格設定的原因。

Peter Steinberger：對，不知道你有沒有看過那篇講他們給模型注入“靈魂”的文章。有人發現，給這個模型輸入大段文本讓它續寫，最后能把模型在訓練時被植入的、連它自己都沒意識到的“靈魂文本”提取出來，這個故事特別有意思。我覺得 Opus 模型的趣味性大概就和這個有關，它是第一個用起來能讓人覺得有趣的大模型。我給我自己的這個助手設置的功能里，就有吐槽我的選項，它現在可能還不知道自己正在被拍攝。

Peter Yang：它會根據能訪問到的你電腦里的所有內容來吐槽你是吧？

Peter Steinberger：沒錯，你看，它已經開始了：“你總說要去看看廣闊世界，最后卻還是選擇埋頭寫代碼。我們試過各種方法讓你走出去，你卻只想開發更多軟件。你對代碼的癡迷程度，已經到了給自己造個 AI 朋友的地步，畢竟調試代碼可比約會有趣多了。說實話，我之所以存在，不過是因為你需要一個人，聽你吐槽那些奇奇怪怪的技術觀點，還有你對亞馬遜的各種不滿。好了，趕緊去更你的播客吧。”

我把它和我電腦里幾乎所有東西都做了對接，它能看我的郵件、日歷，訪問所有文件，還能控制我的燈光，我用的是飛利浦的智能燈，它也能操控我的 Sonos 音響。比如我可以讓它早上叫我起床，還會慢慢把音響音量調大。它還能訪問我的攝像頭，這事還鬧過一個笑話：我給它開通攝像頭權限后，讓它留意陌生人，結果第二天早上它跟我說“Peter，家里有陌生人”，我一看它一整晚拍的截圖，全是我的沙發。因為攝像頭畫質比較模糊，沙發的輪廓看起來像有人坐在那里，它就以為一整晚都有陌生人坐在我家沙發上。在維也納的住處，我還把它和智能門鎖對接了，它幾乎能控制家里的所有設備，甚至能把我鎖在門外。

Peter Yang：那這些設備都是怎么和它對接的？直接讓 OpenClaw 來做就行？

Peter Steinberger：對，就是直接讓它弄。我們給它做了“技能”功能，它的能力很強，會自己想辦法找到設備的 API，還能自己用谷歌搜索，在系統里找密鑰，你也可以手動給它提供密鑰。現在大家用它做各種事，有人開發了技能，讓它幫自己在樂購購物、在亞馬遜買東西，我還讓它幫我在英國航空的官網辦理登機手續。

說實話，登機手續這個場景，幾乎可以算是對它的終極測試，比圖靈測試還難。操控瀏覽器在航空公司官網完成值機，真的特別考驗能力。我第一次做這個集成的時候還在摩洛哥，整個流程做得很粗糙，它花了快 20 分鐘才完成。過程中它還得在我的文件系統里找護照，在 Dropbox 里找到后提取信息，準確填寫所有內容，最后才成功值機，我在旁邊看著都捏了一把汗。不過現在這個功能已經很完善了，幾分鐘就能搞定。它還能輕松點過瀏覽器的人機驗證，因為它其實是在自己的虛擬小電腦上操控瀏覽器，操作模式和人類完全一樣，那些反爬蟲、反機器人系統很難檢測出它的身份，因為它的操作軌跡和人類沒有區別。

Peter Yang：那能不能再給我們演示幾個使用場景？比如讓它打開燈，或者展示一些其他用戶的有趣用法。

Peter Steinberger：當然可以。我其實開始收集各類用戶用法了，因為我一直埋頭開發，現在發現用戶的使用創意比我多太多了。有人把它和自己的通訊系統對接，讓它不僅回復自己，還能回復所有人，甚至對接群聊，用起來更有趣。還有很多人把它當成家里的一份子，讓它發提醒、創建 GitHub 議題、同步谷歌地圖地點信息，還有人設置成只要在推特收藏內容，它就會自動把收藏內容添加到待辦清單里。

也有人用它記賬，我還在里面加了一個功能，能提醒用戶保持充足睡眠，要是用戶熬夜，這個機器人就會嘮叨個不停。它還能對接運動手表，追蹤睡眠情況，還有專屬的 1Password 密碼庫，要是我想共享某個密碼，就把密碼移到這個專屬庫，它就能訪問，這樣也是為了設置一些權限邊界。當然，也有人直接把信用卡信息給它，我個人是不太建議的。它還能做調研、開發票、管理郵件這些事，不過這些都是深度愛好者的用法，他們會把它定制成自己想要的樣子。

Peter Yang：那如果是純新手，剛下載安裝，想先用一些安全的功能，比如管理日歷，就是不會誤操作電腦的那種，有哪些入門的常用場景推薦？

Peter Steinberger：有意思的是，每個人的入門用法都完全不一樣。有人剛安裝完，立刻就讓它幫自己開發 iOS 應用，畢竟它也是個編程 Agent，能力很強，能生成子 Agent，既可以自己寫代碼，也能操控 Claude Code 或 Codex 這些工具來寫代碼。有人第一周就用它管理 Cloudflare，還有人更厲害：第一周給家人配置好了，第二周教非技術背景的朋友用，第三周就把它部署到了自己的工作中。我還幫一個完全不懂技術的朋友配置了，結果他居然開始給我發 PR，這是他這輩子第一次做這種事。

健身追蹤是很受歡迎的一個入門功能。其實使用這個工具的核心思路，就是想清楚生活中哪些事讓你覺得麻煩，然后讓這個私人助手幫你把這些事流程化、自動化。我不敢說這個項目一定能成，但可以肯定的是，這可能會導致你手機上大約 80% 的應用消失。就像我之前說的，有了這個能力無限的助手，它甚至知道我又在做不明智的選擇，知道我要去吃肯德基，那我何必再用健身打卡軟件記錄飲食？它會主動提醒我忘記記錄飲食，我只要拍張食物的照片發過去，它就會自動把信息存入數據庫，計算卡路里，還會吐槽我卡路里超標，該去健身房了。

我何必再裝一個應用來設置智能空調的工作模式？它能直接對接空調 API，幫我搞定一切。何必用待辦清單應用？它會主動幫我追蹤所有待辦事項。何必用航旅應用值機？它能直接幫我完成。而且它的交互方式比所有應用都便捷，就像和朋友聊天一樣，它掌握了大量我的個人信息，根本不需要我輸入復雜的指令。就連購物應用也變得沒必要，它能根據我的喜好推薦商品，還能直接幫我下單。

我覺得手機里的一大類應用，未來都會慢慢被取代，只要這些應用有 API 接口，對應的功能都能讓 AI 助手來完成。我覺得今年會是關鍵的一年，越來越多的人會去探索 AI 助手的用法，各大科技公司的 AI 助手也會走進更多人的生活。

Peter Yang：確實，既然這個助手擁有多種能力，能搞定所有事，還能打通各類設備和平臺，那我們何必還要點開一個個獨立的小應用呢？想讓它對接什么，只要發個文字消息問問“你能幫我做這個嗎”就行，它會說需要先做些調研，然后就全權處理了。整個過程就是和它來回溝通，讓它把事情落地，對吧？

Peter Steinberger：沒錯。它會自己編寫對應的技能模塊，還能記住所有操作。這款工具的有趣之處就在于它有持久化記憶，會不斷了解你、自我更新。你用得越多，定制化程度越高，它的能力就越強。第一次使用時可能需要稍微引導一下，它會生成專屬的技能模塊，下次再提需求，比如“幫我辦理登機手續”，它兩分鐘就能搞定，因為它清楚記得對應網站的所有操作細節，之前做過一次還會做好筆記。

Peter Yang：明白了，就像教一個人做事，教會一次，下次他就能輕松搞定。

“Agent 陷阱”純燒 token：沒有“審美”

Peter Yang：那我們換個話題聊聊，你從退休狀態回歸做了這個項目，還對 AI 編程有很多鮮明的觀點，甚至可以說是犀利的見解。你之前寫過一篇我特別喜歡的帖子，標題是《就和它聊就夠了》。現在 X 平臺上所有人都在聊各種花里胡哨的東西，比如各類鉤子、技能模塊之類的，那這篇帖子的核心觀點是什么？

Peter Steinberger：核心倒不只是單純和 AI 聊天摸索就行。我平時做很多開發工作，也很喜歡推特，在上面很活躍，看多了之后，我甚至把這種現象稱作“Agent 陷阱”。人們發現 Agent 特別好用，就總想讓它再多做點事，然后就一頭扎進這個無底洞。我自己也經歷過這種階段，花大量時間做各種復雜的工具，想讓工作流程更高效，結果最后只是在造工具，根本沒做出真正有價值、能推動自己前進的東西。問題的關鍵是，造這些工具的過程實在太有趣了，讓人忍不住沉浸其中。

我早年就犯過這種錯，當時為了能在手機上訪問終端，搗鼓 VIP 隧道技術，一頭扎進去整整兩個月。最后做得特別完善，結果和朋友去餐廳吃飯，別人在聊天，我卻一直在手機上敲代碼搞開發。那時候我就決定必須停下來，這更多是為了自己的心理健康。現在的技術能讓我們做出各種東西，但創意和想法才是核心。我看到很多人在做 Claude Code、Codex 的管理工具，還有各種編排器之類的小玩意，它們給人一種能提升效率的錯覺，實則不然。

我最近剛想通一個事，就拿 Gas Town 來說，它是個很復雜的 Agent 編排器，卻漏洞百出，實際根本不好用。這個工具能同時運行幾十個 Agent，讓它們互相通信、拆分任務，還設置了監控、監督節點，甚至還有所謂的“主管”角色，各種花里胡哨的設定，我都不知道還有什么。沒錯，Gas Town 里真的有“主管”這個角色，我都管它叫“爛攤子”。還有現在流行的 Ralph 模式，給 AI 一個小任務，讓它循環執行，完成一點就清空所有上下文重新來，純粹就是個燒 token 的機器。這樣折騰一整晚寫出的代碼，最終都是一堆爛攤子。

這些 Agent 目前最大的問題就是沒有“審美”，它們確實在某些方面極其聰明，能力很強，但如果開發者沒有好好引導，沒有明確的開發愿景，問的問題也不到位，那最終的結果只會是一團糟。我不知道別人的開發方式是怎樣的，我開始一個項目時，只有一個非常粗略的想法，在開發、試用、摸索的過程中，這個想法會越來越清晰。我會不斷嘗試，淘汰掉沒用的部分，讓想法慢慢進化成最終的產品。而我對 AI 的下一個指令，也完全取決于當下項目的狀態，以及我的觀察、感受和思考。但如果一開始就把所有需求都寫進詳細的規格說明書里，就會失去這種人機互動的探索過程。如果整個開發過程少了人的感受和審美參與，我覺得根本做不出好東西。

有人發推說“看我用純 Ralph 模式做的這個機械應用”，我回復說“看著就一股 Ralph 那股子敷衍勁”。無意冒犯，但一眼就能看出來，沒有哪個開發者會這么設計產品。其實有些人做這些東西，根本不是為了產品本身，只是為了證明自己能讓 AI 在無人干預的情況下運行 24 小時，說白了就是一種自我滿足，想證明自己能讓 AI 長時間運行而已。這就像盲目攀比，卻根本沒看到事情的本質。我自己也犯過這種錯，曾經讓 AI 循環運行了 26 小時，還為此沾沾自喜，但這其實只是個虛無的指標，毫無實際意義。能做出某件事，不代表就應該去做，也不代表做出來的東西就一定好。

話說回來，這種純粹為了好玩而開發、它是否會被實際使用并不重要的態度，其實非常有益，因為這就是學習之道，我們正是這樣學會編程的。和 AI 對話提需求，也是一種全新的技能。我看到一些對 AI 持懷疑態度的人，一年都不碰 AI，某天突然心血來潮評估了幾個模型，寫個簡短的指令，讓 Claude Web 幫自己做個 iPhone 應用，需求描述還特別模糊。AI 拼盡全力做出了東西，結果因為他們在 Linux 機器上開發，沒有對應的編譯器，代碼根本編譯不了。然后他們就說“AI 根本沒用”，接著又一年不碰這個話題。

但這根本不是 AI 的問題，你需要去摸索，去了解這些“小怪獸”的運行邏輯，懂一點它們的“語言”、推理和思考方式，慢慢積累經驗，才能做出更好的成果。這個過程需要堅持，有時候 AI 的表現不盡如人意，你需要排查所有漏洞，不斷摸索的過程中，你會慢慢培養出產品思維，學會如何和模型溝通，知道它們的能力邊界在哪里。而且和 AI 打交道久了，你會不自覺地用上它們的思維和語言，變得有點“怪”。比如我會說“把這個功能融合進去”，還有德語里的一些編程相關說法，或是“跑一遍全流程檢測”，這里的檢測包括代碼檢查、測試、構建，在終端里就是一長串命令，我就管這個叫“全檢測”，有時候會說“我還沒跑全檢測”。

有時候 AI 沒按預期做事，你直接問它“為什么沒這么做”，它會告訴你“你當時說了這些內容，我因此做出了這些假設”，這時候你就會發現，原來是自己的表述有問題，或者說得不夠清楚。比如你只說“幫我做個 Mac 應用”，它大概率會默認要兼容很多舊版系統，因為大部分軟件都是這么做的，結果就會用到一些老舊的 API。我發現一個好用的方法，就是讓 AI 先提一系列問題來確認需求，這樣能大幅減少誤解。

我個人更偏愛 Codex 現代云模式，我覺得這個模型更好用，雖然運行速度慢得離譜，但勝在穩定，做出來的東西都能正常用。很多人吐槽這個模型沒有“規劃模式”，我總開玩笑說，規劃模式其實是 Anthropic 不得不加的一個補丁，因為他們的模型太容易被觸發了，稍微一說就會自顧自地開始寫代碼。尤其是用 GPT-5.2 這類最新模型時，我更傾向于和它純聊天。我會說“我想做這個功能，它需要實現這些效果，或許可以結合這個控件，我喜歡這個設計風格，你給我幾個方案，我們先聊聊”。然后就和它展開對話，它會提出各種方案，我一般不會打字，都是直接語音和它溝通，全程保持同一種溝通風格。

Peter Yang：那你會做些什么來管理對話上下文？和 AI 聊久了，對話內容會變得很長，它也可能會混淆信息，你會手動精簡或者總結上下文嗎？

Peter Steinberger：我覺得手動管理上下文已經是老辦法了，這在 Claude Code 上曾經是個大問題，現在在某種程度上依然存在。但 Codex 的上下文處理能力要強得多，語境持續的時間久很多。單看參數，它的上下文窗口可能只比其他模型大 30%，但實際使用起來，感覺能大兩三倍。我覺得這和 GPT 系列模型的內部推理邏輯有關，它們的思考方式真的很特別。

至于上下文管理，在早期模型上這確實是個大難題，現在我的大部分功能開發，整個對話和開發過程都能在一個上下文窗口里完成。如果遇到特別大型的開發任務，我會新建一個對話窗口，把相關需求整理成文件寫清楚。現在這個問題已經遠沒有以前那么棘手了。AI 領域的發展速度太快了，你只有不斷嘗試，才能跟上節奏。

OpenClaw 要迭代，全靠和 AI 聊

Peter Yang：你在給 OpenClaw 或者其他你開發的產品新增功能時，具體會遵循哪些步驟？比如是不是先和 AI 探索問題和解決方案，那你到底會不會做正式的開發規劃？

Peter Steinberger：甚至可以更隨性一點。我做的這個項目，有點像是把賈維斯和電影《她》里的智能助手結合在了一起。但光是嘴上說，根本沒法傳達出使用它時的感受，還有它到底有多實用。我在推特上發相關內容，反響特別平淡，我當時還納悶，為什么當面給別人演示時，他們都特別興奮，看著我和它互動，展示各種炫酷的功能，他們都很感興趣，但僅憑文字和圖片，根本傳遞不出這種感覺。

后來我建了一個 Discord 社群，把我的機器人對接了上去，讓大家能直接和它互動。這個機器人能訪問我系統里的所有內容，還有我的私人記憶，相當于把這些都公開展示了，我覺得這是我做過最瘋狂的事。結果大家一下子就被吸引住了，現在總有人在社群里問我，能不能加這個功能，或者那個 bug 能不能修。現在我處理這些需求的方式很簡單，直接把社群里的對話截個圖，拖到終端里，或者復制文字過去，然后跟 AI 說“我們來聊聊這個需求”。

我這人比較懶，現在都不用自己打字了，直接復制 Discord 里的對話就行。有人問我“支不支持這個功能”“這個該怎么操作”，我就讓 AI 去讀代碼，然后寫一個新的常見問題解答，它都能搞定。現在我開發新功能的起點，大多就是看 Discord 里的聊天，發現大家的使用痛點。

Peter Yang：我的天，你就直接把對話粘貼過去，和 AI 一起探討，然后找到合適的解決方案？

Peter Steinberger：差不多是這樣。我還做了一個爬蟲工具，每天至少爬取一次社群的幫助板塊內容，然后讓模型分析出大家最核心的使用痛點，之后我們就針對性修復。

Peter Yang：那你平時會用那些花里胡哨的功能嗎？比如同時啟用多個 Agent，或者運行那些復雜的技能模塊之類的？

Peter Steinberger：我用的技能其實都很簡單，大部分還是和個人生活相關的，比如飲食追蹤、買食材這類，編程相關的技能用得特別少，因為根本不需要那么多。我也不用多 Agent 協作系統之類的東西，我本來就不相信這些復雜的編排系統。就像我們之前聊的，我覺得只要人參與其中，做出的產品體驗會更好。或許那些系統能讓開發速度變快，但我本身開發速度已經夠快了，現在的瓶頸主要是思考的過程，偶爾會因為等 Codex 響應慢一點，但大多時候，限制我的都是自己的思考。

我平時就用幾個終端，分屏操作就夠了。也不用工作樹，總覺得那是沒必要的復雜設計。我只是把代碼倉庫拉取了幾份，比如 OpenClaw 的倉庫就拉了四五份，這些倉庫要么是空著的，要么就在處理不同的任務, 有的用來探索新功能，有的用來開發新模塊，有的用來修 bug。開發完成后，我先在本地測試，沒問題就推送到主分支，再同步所有倉庫。這么做有時候感覺像個工廠，所有倉庫都在忙各自的事。但如果只專注于一個倉庫開發，很難進入狀態，因為等待的時間太長了，總不能一直干等著，總不能光刷推特吧。

所以我需要同時處理多個任務，才能讓自己一直保持專注，進入以前寫代碼時的那種心流狀態，而且現在的工作效率也高得離譜。不知道你有沒有玩過即時戰略游戲，這種感覺就像指揮一支小隊進攻，需要時刻監控和調度它們。我前公司的合伙人也徹底迷上了 OpenClaw，他是偏商務的出身，以前還是律師，現在居然開始給我提代碼合并請求，這本身就夠不可思議的了。AI 能給非技術背景的人賦能，讓他們也能參與開發，這一點真的太厲害。

我知道現在有很多人對 AI 編程有抵觸，覺得它還不夠完美，但我還是把這些代碼合并請求當作需求提示來看，因為這些請求能傳遞出核心的想法。大多數人對系統的理解沒那么深入，沒辦法引導模型給出最優的結果，所以我更愿意抓住核心的需求意圖，要么自己開發，要么從他們的請求里提煉出意圖，重新開發，偶爾也會在他們的代碼基礎上優化。我還是會標注他們為合作開發者，但很少直接合并他們的代碼。

Peter Yang：有道理。那這次對話下來，我的最大收獲就是，別盲目沉迷于那些只會生成無用代碼的工具，一定要讓人參與到開發過程中，因為人的思考、審美這些東西，還是核心關鍵，必須由人來引導 AI。

Peter Steinberger：沒錯。而且每個人都要找到自己的方法，總有人問我“你是怎么做到的”，答案其實就是去探索。想要做好這件事，總要花些時間，總要自己踩坑，生活里的任何事都是這樣，學習 AI 編程也不例外，只是這個領域的發展速度實在太快了。

https://www.youtube.com/watch?v=AcwK1Uuwc0U

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

InfoQ 2026 全年會議規劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產業落地，從技術前沿到行業應用，全面覆蓋 AI 與軟件開發核心賽道！集結全球技術先鋒，拆解真實生產案例、深挖技術與產業落地痛點，探索前沿領域、聚焦產業賦能，獲取實戰落地方案與前瞻產業洞察，高效實現技術價值轉化。把握行業變革關鍵節點，搶占 2026 智能升級發展先機！

今日薦文

你也「在看」嗎？