OpenClaw 的起源：Agent 自己搞定了没被设计的功能

Peter 花了一个小时，把 WhatsApp 接上 Claude Code CLI，做了个能聊天的 bot。然后没多想，带着它去摩洛哥马拉喀什旅行了。

旅途中他随手发了条语音消息——但他压根没给 bot 加语音功能。

结果 Agent 自己检查了文件头，识别出 opus 格式，用 ffmpeg 转码，发现没装 Whisper，翻到环境里的 OpenAI API key，用 curl 调 API 完成了语音转写，然后回复了他。全程无人教，自己 figure out。

Peter 说这是他真正理解 AI Agent 潜力的转折点。说实话我看到这段也挺震撼的，这已经不是"按指令执行"了，这是在解决一个它从未被训练来处理的问题。

跟 Agent 协作的核心方法论

这部分是最值得记下来的干货。

Peter 一月份做了 6,600 次 commit，同时跑 4 到 10 个 agent。他几乎不打字，全程用语音跟 agent 对话，有段时间说到失声。

他的核心原则，我逐条记一下：

  • 把 agent 当成"极其聪明但刚入职的工程师"。它每次从零开始，不知道你的代码库长什么样。给它几个关键文件的指引，它能自己搞定剩下的。
  • 不要强推自己的方式。Agent 选的变量名，大概率是权重里最自然的命名。你改了，下次它反而更难找到。这点我没想到过，但仔细想想确实有道理。
  • 比起代码完美，项目往前走更重要。
  • 每次 merge 完 PR，问 agent"我们能重构什么"。它在构建过程中发现了痛点，就像人类工程师写完代码后本能想重构一样，要利用好这个上下文窗口。
  • 问它"你有什么问题要问我"，然后看它提什么问题。大部分时候正确答案是"去多读点代码，自己回答自己的问题"。但通过它的问题，你能看出它的认知盲区在哪。

他还画了一条"agentic trap"曲线：一开始写短 prompt，然后陷入疯狂复杂化，最终又回归短 prompt。最终境界就是几句话搞定。我自己也经历过这个过程，一开始总觉得 prompt 写得越详细越好，后来发现真没必要。

Opus vs Codex：选对工具比什么都重要

Peter 有个特别生动的比喻：

"Opus 像有点傻但好玩的同事。Codex 像角落里的怪人，不想跟他说话，但干活靠谱。"

更具体地说——Opus 冲动，上来就干，互动性强，有时候更有创造力。Codex 默默先把代码读一遍，然后消失 20 分钟，回来给你一个完整方案。

Peter 说 Opus "太美国了"，Codex "很德国"。主持人 Lex 说他再也无法忘掉这个比喻了。

实际选择上：

  • 日常构建用 Codex，因为"我在乎的是效率，不是跟构建工具玩得开心"
  • 用 OpenClaw 的时候用 Opus，因为 Opus 角色扮演能力强，更像人
  • 不要用弱模型。Haiku 或者本地小模型太容易被 prompt injection 攻击，Peter 在安全文档里直接写了"不要用便宜模型"

MCP 的结构性问题和 Skills 的替代思路

这部分观点挺尖锐的。Peter 认为 MCP 有个根本问题：它不可组合。

调一个天气 MCP，返回温度、风力、降雨一大坨数据全塞进 context。但如果换成 CLI，agent 可以自己加个 jq 只取温度字段。

Skills 的逻辑更优：一句话告诉 agent 某个 skill 存在，agent 按需加载详细说明，然后调 CLI。大部分 MCP 都可以用 CLI 替代。OpenClaw 核心层甚至没有 MCP 支持，也没人抱怨过。

这个思路对搭 agent 工作流的人来说挺有参考价值的——与其堆 MCP 集成，不如让 agent 直接用命令行工具，灵活度反而更高。

80% 的 App 会消亡

Peter 的预判很激进但逻辑自洽：个人 agent 掌握的上下文远超任何单一 App。它知道你在哪、睡了多久、日程安排。不需要 MyFitnessPal，不需要日历 app，不需要 Sonos 的 app。

"现在每个 app 都只是一个很慢的 API。"

如果一个服务没有 API，agent 就用浏览器去操作它的网页界面。快不快另说，能用。那些主动提供 agent 友好接口的公司会胜出，死守旧模式的会成为下一个 Blockbuster。

对独立开发者来说，这个趋势意味着：你做的产品，最好有一层 API 是给 agent 调用的。

关于 burnout 和创业心态

Peter 卖掉做了 13 年的公司后，三年没写代码。Burnout 的原因不是工作量，而是"人的事"——跟合伙人的分歧，跟客户的冲突。

他的忠告：不要为退休而工作。醒来没有挑战的日子，比忙碌更痛苦。

目前 OpenClaw 每月亏损 1-2 万美元。赞助收入全部转给上游依赖项目。Meta 和 OpenAI 都在争取他加入，扎克伯格亲自花一周玩他的产品，Sam Altman 也跟他深聊过。他的底线是项目保持开源。

编程会变成"织毛衣"

Peter 最后说了一段我反复想了很久的话：

"编程会继续存在，但它会像织毛衣一样。人们做编程是因为喜欢，而不是因为它有意义。"

"为我们的技艺感到惋惜是可以的。"

但他同时说，他从没像现在这样享受"构建"的过程。工具变了，那种 flow 的状态还在，只是形式不同了。

他还提到一个有意思的现象：他现在重新珍惜错别字。因为 AI 生成的内容有一种"味道"，几乎立刻能闻出来。人类写作里那些粗糙的地方，反而成了真实的证明。

"我再次意识到错别字的价值。"

对于正在搭 agent 工作流的人，Peter 的实践里最值得偷的两个动作：一是每次 merge 后让 agent 自己提重构建议，二是问 agent "你有什么问题要问我"来发现它的认知盲区。这两个习惯几乎零成本，但能显著提升 agent 的输出质量。