OpenClaw 訪談逐字稿（一）：從一小時原型到席捲網路的爆紅 AI Agent
精華片段
Peter Steinberger 我看著我的 Agent 開開心心地點下了「我不是機器人」的按鈕。我讓這個 Agent 具備高度自我感知能力。它知道自己的原始碼是什麼，理解自己是如何在運行架構中運作的，知道文件放在哪裡，清楚自己正在跑的是哪個模型。它完全理解自己的系統，這讓它變得極其強大……如果哪裡不順眼，只要用 Prompt 描述出來，Agent 就會直接修改自己的程式碼。大家都把自我修改軟體掛在嘴邊，而我是直接把它做出來了。我其實覺得「vibe coding」（氛圍寫程式）這個詞算是一種貶義稱呼。
Lex Fridman 你更喜歡稱它為「Agentic Engineering」（智慧體工程）？
Peter Steinberger 對，我都跟別人說我做的是 Agentic Engineering。可能到了凌晨 3 點以後，我才會切換成 vibe coding，然後隔天醒來後悔莫及。
Lex Fridman 那簡直是工程師的「殘局羞恥之路」。
Peter Steinberger 沒錯，你不得不去收拾殘局、修復那些爛攤子。
Lex Fridman 我們都經歷過那種時刻。
Peter Steinberger 我以前會寫落落長的 Prompt。說「寫」其實不太準確，我是用「講」的。現在這雙手太金貴了，捨不得拿來打字。我都是用專門調校的語音 Prompt 來打造我的軟體。
Lex Fridman 所以開著那麼多終端機視窗，你真的是全靠語音在操作？
Peter Steinberger 對。我曾經瘋狂使用語音輸入，甚至有段時間把喉嚨都講到失聲了。
Lex Fridman 我得八卦一下，我知道各大巨頭公司肯定開出了極具誘惑力的條件。你能透露一下你目前在考慮與誰合作嗎？
Peter Steinberger 可以啊。
開場引言
Lex Fridman 接下來的對話對象是 Peter Steinberger，他是 OpenClaw 的創始人。這個專案曾先後被命名為 MoldBot、ClawedBot、Clawdus、Claude（其中的拼法是取自龍蝦爪子的 claw，即 C-L-A-U-D-E，不同於 Anthropic 公司的 Claude 模型）。正是因為這種名稱上的混淆，Anthropic 客氣地請求 Peter 將其更名為 OpenClaw。
那麼，OpenClaw 究竟是什麼？它是一個在短短幾天內席捲全球科技圈的開源 AI Agent，受歡迎程度呈爆炸式增長，在 GitHub 上獲得了超過 18 萬顆星，甚至衍生出名為 Moltbook 的社群網路——在那裡，AI Agent 們互相發布宣言、辯論自我意識，引發了大眾交織著興奮與恐慌的情緒。這同時也伴隨著一種 AI 狂躁現象：充斥著點擊率導向的恐慌炒作，以及對 AI 介入數位互聯人類世界所引發的合理擔憂。
正如 OpenClaw 的標語所言：「真正能把事情辦好的 AI」。它是一個常駐在你電腦中的自主 AI 助理；只要你給予權限，它就能存取你的所有檔案資料，並能透過 Telegram、WhatsApp、Signal、iMessage 等各種通訊軟體與你對話。它可以調用任何你偏好的 AI 模型，包括 Claude Opus 4.6 和 GPT 5.3 Codex，全方位幫你處理事務。許多人稱這是自 2022 年 11 月 ChatGPT 問世以來，近年 AI 發展史上最震撼的里程碑之一。
構建這類 AI Agent 的基礎技術其實早就存在，但能將所有要素整合成一個系統，真正跨越了從語言生成到自主代理、從想法落地到實際行動的界限，打造出一個宛如真正懂你且能持續學習的實用助理，並以開源和社群驅動的方式推進——這正是 OpenClaw 引爆網路的原因。
它的強大之處在於，你可以賦予它存取所有資料的權限，並允許它執行任何操作來替你服務。這極其強大，但同時也伴隨著風險。OpenClaw 代表著自由，而自由意味著責任。透過它，你可以掌控自己的個人資料；但也正因擁有控制權，你必須承擔抵禦各種資安威脅的責任。雖然有絕佳的防護手段，但漏洞與威脅始終存在。擁有系統級權限的強大 Agent 是一座資安地雷區，但它也代表著未來。因為一旦在安全的前提下妥善建構，它將成為每個人極其得力的個人特助。
我們在對話中深入探討了這些議題，同時也聊到了 Peter 宏大的編程歷程與創業故事，這段經歷非常鼓舞人心。他花了 13 年打造 PSPDFKit，這款軟體運行在全球超過 10 億台裝置上。在將公司出售後，他曾短暫失去了對編程的熱情，消失了整整 3 年；隨後他強勢回歸，重新找回了對寫程式的熱愛，並在極短的時間內打造出驚豔全網的開源 AI Agent。
在許多層面上，他是編程領域 AI 革命的縮影。2022 年有 ChatGPT 時刻，2025 年有 DeepSeek 時刻，而到了 2026 年，我們正在見證 OpenClaw 時刻——龍蝦時代的降臨，Agentic AI 革命的開端。身處這個時代令人無比激動。
這是 Lex Fridman Podcast。現在，讓我們歡迎 Peter Steinberger。
OpenClaw 的誕生始末
Lex Fridman 傳奇人物，「龍蝦教父」本人來了！其實 Benjamin 在推文裡就神預言過：「接下來是一段與 Claude 的對話，一隻備受尊敬的甲殼類動物。」那張穿著西裝的龍蝦圖片簡直笑死人，看來預言已經應驗了。
讓我們先回到最初那個用一小時搭出的原型。那是 OpenClaw 的早期雛形。這個故事激勵了很多人，因為一個僅耗時一小時的原型，竟然催生出轟動全網的專案，甚至成為 GitHub 史上成長最快的儲存庫，至今已經超過 17.5 萬顆星。當初那個一小時原型的背後故事是什麼？
Peter Steinberger 其實我從去年四月就一直想做這樣一個東西。
Lex Fridman 一個個人助理，AI 個人特助。
Peter Steinberger 對。當時我玩了一些其他實驗，比如抓取我所有的 WhatsApp 對話記錄並執行查詢。那時候我們剛用上擁有 100 萬 Context Window 的 GPT-4.1。我把所有資料倒進去，然後問它一些問題，像是：「這段友誼的核心意義是什麼？」
Lex Fridman 嗯哼。
Peter Steinberger 然後它產出了一些極其深刻的答案。我把內容轉發給朋友，他們感動得熱淚盈眶。
Lex Fridman 所以那時你就意識到這裡大有可為。
Peter Steinberger 對，但當時我以為各大頂尖實驗室肯定都會投入做這個，所以我就先轉去做別的專案了。那段時間我大部分精力都在探索和瞎折騰。你知道的，這就是學習的方式——動手做、到處玩。時間過得飛快，轉眼到了 11 月，我真的很希望當初想做的那個東西能成真。我等得很不耐煩，既然沒人做，我就直接用 Prompt 把它的雛形搓了出來。
Lex Fridman 這就是創業者英雄之旅的起點，對吧？就像你當初做 PSPDFKit 的故事一樣：「為什麼市面上沒有這種東西？乾脆我自己來造一個。」雖然領域完全不同，但精神是一脈相承的。
Peter Steinberger 是啊，那時我遇到一個問題：我想在 iPad 上渲染 PDF 文件，這理應不是什麼難題。
Lex Fridman 大概是 15 年前的事了。
Peter Steinberger 對，再隨機不過的需求。當時我只是想幫一個朋友解決問題。市面上不是完全沒有解決方案，但都做得奇差無比。我試了一輪，感覺都不行，心想：「我一定能做得更好。」
Lex Fridman 順帶一提，可能有些人不清楚，那個專案最終發展成了運行在全球 10 億台裝置上的 PSPDFKit。事實證明，能在行動裝置上流暢打開 PDF 確實是剛需。
Peter Steinberger 你也可以吐槽我根本不會起名字。
Lex Fridman 哈哈，確實。
Peter Steinberger 你看現在這個專案都改到第五個名字了，連 PSPDFKit 唸起來其實也挺拗口的。
Lex Fridman 總之，你當時心一橫：「去他的，不如我自己動手。」那麼最初的原型究竟是什麼？你短時間內做出來的那個讓你驚呼「這東西真能當作一個能對話、能幹活的 Agent」的魔法時刻是什麼？
震撼時刻
Peter Steinberger 之前我做過一個專案，能把終端機視窗同步到網頁上進行互動，同時保持 Mac 本地終端機的連動。
Lex Fridman 嗯哼。
Peter Steinberger 那個專案叫 Viptunnel，只是個週末隨手寫的業餘專案，時間點還很早，正值 Cloud Code 剛出的時期。那時每跑通一個功能就會分泌多巴胺，而現在如果出錯，我只會覺得抓狂。
Lex Fridman 稍微離題一下，你寫過一篇非常精彩的部落格文章，提到你將 Viptunnel 從 TypeScript 轉換為 Zig 語言——只用了一次 Prompt！一次給到位，就把整個專案程式庫轉換成了 Zig。
Peter Steinberger 對。當時架構有個地方太耗記憶體了，每個終端機視窗都要啟動一個 Node 進程。我原本打算用 Rust 重寫。我自己手動改當然改得出來，但我之前嘗試的所有自動化方案全部以失敗告終。過了四五個月後，我重新審視這個問題，心想：「來試試更大膽的做法吧。」於是我直接輸入：「將這部分和那部分的程式碼轉換成 Zig」，然後放手讓 Codex 自己跑。
結果基本上一次就跑對了。只有一個小細節事後需要微調，但它自己整整跑了六個小時，把該做的事都搞定了。那種震撼感真的難以言喻。
Lex Fridman 那是利用 LLM 進行程式碼重構的例子。回到原型的故事，Viptunnel 是如何銜接到第一個讓你覺得「Agent 真的能跑通」的原型的？
Peter Steinberger 其實早期版本限制非常多。我先做了 WhatsApp 的對話測試，又做了終端機的專案，兩者感覺都不太對勁。後來我的突破點很簡單：直接把 WhatsApp 的訊息對接到底層的 Cloud Code CLI。乾淨俐落。WhatsApp 傳進來一則訊息，我就呼叫帶有 -p 參數的 CLI 執行，它完成它的魔法運算，我拿到回傳的字串，再傳回 WhatsApp。
我只花了一個小時就搭好了這個流程。當時就已經覺得酷斃了，心想：「哇，我居然能直接用通訊軟體跟自己的電腦對話了！」這體驗太棒了。
但接著我希望能支援圖片，因為我寫 Prompt 時很依賴圖片。圖片能以極高的效率提供豐富的上下文資訊給 Agent。
而且模型非常擅長理解我的意圖，就算是一張隨意裁切的破截圖也看得懂。所以我頻繁使用圖片功能，自然也希望在 WhatsApp 裡能直接傳圖。畢竟日常生活中，你走在路上看到一張活動海報，拍張截圖傳過去，就能讓它幫忙查查我有沒有空檔、這活動值不值得去、朋友會不會有興趣。支援圖片顯得至關重要。我又花了幾小時把圖片支援搞定，之後我就重度依賴它了。
有趣的是，搞定之後我正好跟朋友去馬拉喀什過生日。在那裡的體驗甚至更好，因為當地的網路訊號很不穩定，但 WhatsApp 的連線彈性極佳。就算只有 2G 的 EDGE 網路，WhatsApp 照樣能收發文字。WhatsApp 的底層架構確實做得無可挑剔。
那趟旅行我一直在用它。幫我翻譯、解釋事物、尋找周遭景點。這感覺就像隨身帶了一台能替你搜尋 Google 的機器僕人。雖然底層很多功能還沒完備，但它已經能幫我做太多事了。
Lex Fridman 所以梳理一下完整的運作路徑：你只在狹窄的頻道裡發送 WhatsApp 訊息，透過 CLI 呼叫傳給 Cloud Code，Cloud Code 在後端處理所有繁雜的繁重任務，再將精簡的文字訊息回傳到你的手機上。
Peter Steinberger 沒錯。一開始速度很慢，因為每次都要冷啟動 CLI 進程，但整個架構已經酷炫無比，而且能直接呼叫我幾個月來累積寫好的所有終端機指令。整體的機能感非常強大。
Lex Fridman 那種體驗有一種難以言表的魔力。比起坐在電腦前打開編輯器、使用 Cursor 或在終端機中敲指令，躺在沙發上用傳訊軟體跟 Agent 聊天完全是另一個維度的體驗。看似微小的一步，卻像是 AI 融入日常生活體驗的一種相變。
Peter Steinberger 沒錯。今天早上我看到有人發推特冷嘲熱諷說：「這哪有什麼魔法？不過就是把這個、那個串在一起而已。」說得好像它只是個跟 Cursor 或 Perplexity 差不多的週末消遣小玩具。我心想：如果連做成這樣都算消遣玩具，那也算是一種讚美了吧？那幾家公司做得可不差呢。
話說回來，「魔法」的本質難道不就是把現有的零件用全新的方式重新拼裝在一起嗎？很多時候，把已有的東西重新排列組合，再注入幾點關鍵的新想法，這就是所需的全部魔法了。
Lex Fridman 要把某種體驗中的「魔力」具象化成語言確實很難。就像 iPhone 的滾動回彈動態效果，為什麼用起來那麼順手？背後有太多的介面互動細節，共同構成了智慧型手機體驗的基石。在它誕生之前，所有技術組件其實都存在了。
Peter Steinberger 但之前沒人把它們拼裝出來。
Lex Fridman 是的。
Peter Steinberger 一旦做出來了，大家又覺得理所當然。
Lex Fridman 對，事後諸葛。
Peter Steinberger 但真正讓我感到震撼的瞬間，是有一次我如常地使用它，發了一則訊息過去，畫面上突然跳出了「正在輸入中……」的狀態提示。我當場愣住：「等等，我根本沒寫這個功能啊？我只加了圖片解析，它底層到底在搞什麼鬼？」接著它就正常回傳了答案。
Lex Fridman 你當時傳了什麼給它？
Peter Steinberger 就一個很隨便的問題，像是「嘿，這家餐廳評價怎麼樣？」因為我們正在街頭漫步找吃的。當時我沒多想就直接傳了，人在趕路的時候打字很不方便嘛。
Lex Fridman 等一下，你傳的是語音訊息？
Peter Steinberger 對，語音。結果它居然成功解析了！我整個人呆掉。
Lex Fridman 這在常理下是不可能跑通的，因為……
Peter Steinberger 我根本沒寫處理音訊的程式碼！
Lex Fridman 完全沒有提供這個能力。
Peter Steinberger 完全沒有！我直接在心裡爆粗口：「這傢伙到底是怎麼辦到的？」
後來我調出紀錄，發現這個不可思議的 Agent 幹了以下這波操作：它收到我發送的檔案，發現沒有副檔名。它便去讀取檔案頭部資訊，識別出這是一個 Opus 音訊編碼的格式。於是它自己在背景呼叫 ffmpeg 將檔案轉檔；原本它打算呼叫本地安裝的 Whisper 進行語音辨識，發現系統沒裝，結果它順手翻出了我的 OpenAI API 金鑰，寫了一段 curl 腳本把轉好的音檔送到 OpenAI 的語音轉文字 API 拿回翻譯，最後把處理完的結果傳回給我。
我盯著終端機紀錄看，心裡只有一句話：「我的天啊。」
Lex Fridman 你完全沒有給它這套工作流程的指南，Agent 自己把整條鏈路摸索了出來：自主完成轉檔、格式相容、摸清外部 API、自動挑選合適的系統工具。而你當時只是心不在焉地隨手發了一條語音訊息而已。
Peter Steinberger 而且它的決策極為聰明。如果它試圖在本地下載並編譯 Whisper，光下載權重檔就會卡死，耗時太久。它展現出了極強的常識理解與創造性解決問題的能力。
我認為很大一部分原因在於：只要一個模型在寫程式方面極度精湛，往往代表它在通用問題解決上也具備極高的泛化能力。這是一種底層邏輯能力，能跨領域遷移。它面對一個沒有副檔名的檔案，目標是搞懂它並完成任務。這是我真正被征服的瞬間，徹底被折服了。
接著有人在 GitHub 上提交了一個 Pull Request，希望能支援 Discord。我一開始的反應是：「這明明叫 WhatsApp Relay，加 Discord 算哪門子事？」
Lex Fridman 當時專案名稱還叫 WA-Relay。
Peter Steinberger 對。我天人交戰了許久：到底要不要接納這個 PR？後來我想，或許這是個向更多人展示它的絕佳途徑。因為在這之前，我都是在 WhatsApp 裡拉群組展示，但我總不能把自己的私人手機號碼昭告全網陌生人吧。
Lex Fridman 確實不合適。
Peter Steinberger 雖然現在各路記者還是搞到了我的電話，但那是後話了。總之我合併了 Shadow 提交的 PR——他在整個專案過程中給了我巨大的幫助，非常感謝他——然後我就把我的機器人丟進了 Discord 伺服器裡。
為什麼 OpenClaw 會爆紅
Lex Fridman 放進了 Discord 裡？
Peter Steinberger 對。當時完全沒做資安防護，因為我還沒寫沙盒隔離機制。我只是在 Prompt 裡千交代萬交代它「只能聽我的指令」。隨後開始有人試圖滲透、駭入它，我就在一旁默默觀察，並維持公開透明的開發方式。我一邊用這個 Agent 構建它的運行容器（Harness），一邊拿它測試各種新功能。
人們幾乎是在一瞬間就領會到了它的潛力。這種顛覆性產品必須親自上手體驗才能感受得到。
轉折點發生在 1 月 1 日，有一位百萬級 Influencer 成了它的忠實粉絲並做了影片分享（謝謝 Dachitze）。從那一刻起，專案開始瘋狂狂飆。與此同時，我的睡眠時間被壓縮得越來越短，因為我已經聞到了風暴來臨的氣息，只能拼命趕工，試圖把它打磨到一個相對穩定的狀態。
Lex Fridman 這裡面牽涉到好幾個模組，我們稍後會詳細拆解它的架構。首先是通訊層，支援 WhatsApp、Telegram、Discord，這部分必須精確無誤。
Peter Steinberger 沒錯。
Lex Fridman 然後是 Agentic Loop（智慧體執行迴圈）、Gateway 網關、運行架構容器，所有的環節都必須天衣無縫地銜接起來。
Peter Steinberger 那感覺就像是玩無窮倍率的《異星工廠》（Factorio）。
Lex Fridman 太貼切了。
Peter Steinberger 我感覺自己打造了一座專屬的小遊樂場，這輩子開發軟體從沒這麼開心過。比如你可以升級「第一級 Agent 迴圈」：思考怎麼優化訊息隊列？怎麼讓它的回覆更像真人？
接著我想到，以往的迴圈機制是 Agent 收到訊息必定會回覆，但在群聊場景中，你並不希望機器人每句話都插嘴。於是我給了它一個「不回覆（no-reply）」的 Token，賦予了它「保持沉默」的選擇權，讓互動感更加自然。
Lex Fridman 這算進入第二級了。
Peter Steinberger 對，Agentic Loop 的第二級。接著是記憶機制，你希望它記住事情。終極形態或許是持續性強化學習，但目前我停留在兩三級階段，依靠 Markdown 檔案與向量資料庫的混合檢索。
然後你還得解鎖社群維護的技能、網站搭建與行銷推廣的技能。你必須身兼數職，更別提原生 App 的開發了。那就像有無窮無盡的關卡等著你去突破和升級。
Lex Fridman 所以整個過程中你玩得不亦樂乎。值得一提的是，在整個歷程的大部分時間裡，你基本上是單打獨鬥的一人團隊。雖然有社群協助，但最核心的開發工作都是你親力親為。
Peter Steinberger 是的。
Lex Fridman 而且還樂在其中。光是 1 月份你就提交了超過 6,600 次 Commit，實際數字可能更多。
Peter Steinberger 我有時會在社群發迷因圖吐槽：「我被當代落後的科技限制住了，要是 Agent 速度能更快一點，我能產出更多。」
Lex Fridman 而且你還是多開 Agent 同步運作的吧？
Peter Steinberger 對，根據我睡了多久以及當前任務的難易度，我通常會同時跑 4 到 10 個 Agent。
Lex Fridman 同時跑 4 到 10 個 Agent！聊到《異星工廠》，這裡有太多話題可以深挖了。但從宏觀視角來看：你認為為什麼最終是 OpenClaw 脫穎而出？回顧 2025 年，無數的新創團隊和科技巨頭都在做所謂的 Agent，或者聲稱自己在做。結果 OpenClaw 一橫空出世，就把所有人按在地上摩擦。你覺得自己贏在哪裡？
Peter Steinberger 因為他們所有人都把自己端得太嚴肅了。
Lex Fridman 確實。
