对话 ClawdBot 创始人：AI 是杠杆，不是替代品

整理：宝玉

这是 ClawdBot/OpenClaw 作者 Peter Steinberger 的另一个 40 分钟访谈，Peter Yang 主持。

Peter 是 PSPDFKit 的创始人，有差不多 20 多年 iOS 的开发经验。2021 年公司被 Insight Partners 以 1 亿欧元战略投资后，他选择“退休”。现在，他开发的 Clawdbot（现在已经改名 OpenClaw）爆火。Clawbot 能通过 WhatsApp、Telegram、iMessage 跟你聊天的 AI 助手，背后连着你电脑上的各种应用。

Peter 是这么描述 Clawbot 的：

这期访谈里，他分享了不少有意思的观点：为什么复杂的智能体（Agent）编排系统是“slop 生成器”，为什么“让 AI 跑 24 小时”是虚荣指标，以及为什么编程语言已经不重要了。

一小时原型，30 万行代码

Peter Yang 问他 Clawbot 到底是什么，为什么 logo 是只龙虾。

Peter Steinberger 没直接回答龙虾的问题，而是讲了个故事。“退休”回来后，他全身心投入凭感觉编程（vibe coding）——就是让 AI 智能体帮你写代码的那种工作方式。问题是，智能体可能跑半小时，也可能两分钟就停下来问你问题。你去吃个饭回来，发现它早就卡住了，很烦。

他想要一个能在手机上随时查看电脑状态的东西。但他没动手，因为他觉得这事太显然了，大公司肯定会做。

最初的版本极其简单：把 WhatsApp 接到 Claude Code 上。发条消息，它就调用 AI，把结果发回来。一个小时就搭完了。

然后它“活了过来”。现在 Clawbot 有大约 30 万行代码，支持几乎所有主流消息平台。

他说，”一旦你给 AI 访问你电脑的权限，它基本上能做任何你能做的事。”

摩洛哥的那个早上

Peter Yang 说，现在你不用坐在电脑前盯着它了，给它指令就行。

Peter Steinberger 点头，但他想讲的是另一件事。

有一次他在摩洛哥给朋友过生日，发现自己一直在用 Clawbot。问路、找餐厅推荐，这些都是小事。真正让他惊讶的是那天早上：有人在 Twitter 上发了一条推文，说他某个开源库有 bug。

AI 读懂了推文内容，理解这是个 bug 报告。它 checkout 了对应的 Git 仓库，修复了问题，提交了代码，然后在 Twitter 上回复那个人说已经修好了。

还有一次更神。他在街上走着，懒得打字，就发了条语音消息。问题是，他根本没给 Clawbot 编写语音消息的支持。

他后来问 AI 怎么做到的。AI 说：我收到一个文件但没有扩展名，所以我看了文件头，发现是 Ogg Opus 格式。你电脑上有 ffmpeg，我就用它转成了 WAV。然后我找 whisper.cpp，但你没装，不过我找到了你的 OpenAI API 密钥（key），就用 curl 把音频发过去做了转录。

Peter Yang 听完说：这些东西真的很有办法，虽然有点吓人。

命令行工具（CLI）军团

Peter Yang 问他那些自动化工具都是怎么建的，是自己写还是让 AI 写。

Peter Steinberger 笑了。

这几个月他一直在扩充自己的“CLI 军团”。智能体最擅长什么？调用命令行工具，因为训练数据里全是这个。

他建了一个访问整个 Google 服务的 CLI，包括 Places API。建了一个专门查表情包和 GIF 的，这样 AI 回复消息时能发 meme。他甚至做了一个把声音可视化的工具，想让 AI“体验”音乐。

【注：Eight Sleep 是一款智能床垫，可以调节床面温度，官方未开放 API。】

Peter Yang 追问：这些都是你让 AI 帮你建的？

问题是，从一个精通的技术栈换到另一个，过程很痛苦。你懂所有概念，但不知道语法。什么是 prop？数组怎么拆分？每个小问题都要查，你会觉得自己像个白痴。

他顿了一下：

控制现实世界

Peter Steinberger 开始演示他的设置。他给 AI 的权限清单令人咋舌：

邮件、日历、所有文件、Philips Hue 灯光、Sonos 音响。 他可以让 AI 早上叫醒他，慢慢调高音量。AI 还能访问他的安防摄像头。

在维也纳的公寓里，AI 还能控制 KNX 智能家居系统。

Peter Yang 问：这些是怎么接上的？

用户们的玩法更疯狂：

• 有人让它去 Tesco 网购
• 有人让它在 Amazon 下单
• 有人让它自动回复所有消息
• 有人把它拉进家庭群聊当“家庭成员”

第一次花了快 20 分钟，因为整套系统还很粗糙。AI 需要在他的 Dropbox 里找到护照，提取信息，填写表格，通过人机验证。

80% 的 App 会消失

Peter Yang 问：对于刚下载的普通用户，有什么安全的入门用法？

Peter Steinberger 说每个人的路径都不一样。有人装完立刻开始用它写 iOS app，有人马上去管理 Cloudflare。有个用户第一周给自己装，第二周给家人装，第三周开始给公司做企业版。

但他真正想说的是更大的图景：

为什么还要用 MyFitnessPal 记录饮食？

为什么还要用 app 设置 Eight Sleep 的温度？AI 有 API 权限，直接帮你调。为什么还要用待办事项 app？AI 帮你记着。为什么还要用 app check in 航班？AI 帮你做。为什么还要用购物 app？AI 能推荐、能下单、能追踪。

他预测 2026 年会是很多人开始探索个人 AI 助手的一年，大公司也会入场。

Just Talk to It

话题转向 AI 编程方法论。Peter Yang 说他写过一篇很火的文章叫“Just Talk to It”，想听他展开讲讲。

Peter Steinberger 的核心观点是：别掉进“智能体陷阱”（agentic trap）。

他自己也掉进去过。早期他花了两个月建 VPN 隧道，就为了在手机上访问终端。做得太好了，有一次跟朋友在餐厅吃饭，他全程在手机上 vibe coding 而不是参与对话。

Slop Town

他最近让他抓狂的是一个叫 Gastown 的编排系统。

Peter Yang：等等，还有市长？

还有 RALPH 模式（一种“用完即弃”的单任务循环模式，指给 AI 一个小任务，做完就扔掉所有上下文记忆，一切清零重来，然后死循环）……

问题的核心是：这些智能体还没有品味。它们在某些方面聪明得吓人，但如果你不引导它们，不告诉它们你想要什么，出来的就是垃圾。

如果你试图把一切都写进前期规格说明，你就错过了这种人机循环。

有人在 Twitter 上炫耀一个“全 RALPH 生成”的笔记 app。Peter 回复说：是的，看起来就像 RALPH 生成的，没有正常人会这么设计。

Peter Yang 总结：很多人跑 AI 24 小时不是为了做 app，是为了证明自己能让 AI 跑 24 小时。

Plan Mode 是个拼凑（Hack）

Peter Yang 问他怎么管理上下文。对话长了 AI 会糊涂，需要手动压缩或总结吗？

Peter Steinberger 说这是“旧模式的问题”。

他不用 worktrees，因为那是“不必要的复杂性”。他就简单地 checkout 好几份仓库：clawbot-1、clawbot-2、clawbot-3、clawbot-4、clawbot-5。哪个空闲就用哪个，做完测试、推到主分支（main）、同步。

Peter Yang 说这像即时战略游戏，你有一队人在进攻，得管理和监控他们。

关于 plan mode，Peter Steinberger 有个争议性观点：

他不打字，他说话。

Discord 驱动开发

Peter Yang 问他开发新功能的流程是什么。先探索问题？先做计划？

Peter Steinberger 说他做了一件“可能是我做过最疯狂的事”：他把自己的 Clawbot 接到了公开的 Discord 服务器上，让所有人都能跟他的私人 AI 对话，带着他的私人记忆，在公开场合。

用户们在 Discord 里问问题、报 bug、提需求。他现在的开发流程是：截个 Discord 对话的图，拖进终端，跟 AI 说“我们聊聊这个”。

他还写了个爬虫，每天至少一次扫描 Discord 的 help 频道，让 AI 总结最大的痛点，然后他们就修。

没有 MCP，没有复杂编排

Peter Yang 问：你用那些花哨的东西吗？多智能体、复杂 skill、MCP（Model Context Protocol）之类的？

他不相信复杂编排系统。

他的前 PSPDFKit 联合创始人，一个前律师，现在也在给他发 PR（pull request，代码提交合并请求）。

他会标记他们为 co-author，但很少直接合并别人的代码。

找你自己的路

Peter Yang 总结：所以核心要点是，别用 slop generator，保持人在循环里，因为人的大脑和品味是不可替代的。

Peter Steinberger 补充了一句：

Clawdbot 在 clawd.bot 和 GitHub 上都能找到。Clad 带 W，C-L-A-W-D-B-O-T，像龙虾钳。

（注：ClawdBot 已经改名 OpenClaw

Peter Yang 说他也得试试了。不想坐在电脑前跟 AI 聊天，想在外面带孩子的时候随时给它下指令。

Peter Steinberger 的核心观点可以总结为两句话：

1. AI 已经强大到可以替代你手机上 80% 的 app
2. 但如果没有人类的品味和判断在循环里，输出的就是垃圾

这两句话看似矛盾，其实指向同一个结论：AI 是杠杆，不是替代品。放大的是你原有的东西：系统思维、架构能力、对好产品的直觉。如果你没有这些，再多智能体并行跑 24 小时也只是在批量生产 slop。

他的实践本身就是最好的证明：一个 20 年的 iOS 老程序员，在几个月内用 TypeScript 建了一个 30 万行代码的项目，靠的不是学会了新语言的语法，而是那些语言无关的东西。