原文：OpenClaw之父：AI越强越辣鸡？人类审美与反馈循环才是核心控制系统
Peter Steinberger（OpenClaw 的创造者）说了一句扎心的话：你可以让 AI 一整晚疯狂写代码，CPU 跑得滚烫，第二天早上醒来一看，得到的是一坨终极版的流水垃圾。
原因很简单：AI 到目前为止还没有"审美"这个东西。
很多人以为 AI 输出差是因为它还不够聪明。但真相恰恰相反——AI 已经够聪明了，聪明到它能在错误的道路上跑得飞快，然后把一堆结构完整但灵魂空洞的东西堆到你面前。这种"高质量垃圾"比低质量垃圾更可怕，因为它看起来好像是对的，让你一开始很难发现问题。
AI 本质上是一个超级听话的执行器。它没有内置的审美闭环，没有长期的价值判断系统。它唯一能做的，就是拼命放大你输入的方向。输入模糊，它放大模糊；输入混乱，它放大混乱。
Peter 用了一个很形象的词来形容 AI： spiky smart ——浑身是刺的聪明。
AI 在某些点上极度聪明，可以写出一个优雅到让人想哭的函数。但与此同时，它可能在整体架构上犯一个连初级程序员都不会犯的基础错误。这种"局部极强，整体不稳"的结构会制造一个诡异的结果：每个碎片都让你觉得不错，但拼在一起就像精神分裂——哪里都不对劲。
背后的原因是 AI 缺乏全局目标约束。它不会主动停下来问自己：我现在做的事情，是不是在逼近一个更好的最终结果？它只是在机械地响应你当前输入的每一个字，尽可能把当前这一步做得漂亮。
一旦你作为人类没有给出清晰的方向引导，AI 就会进入"局部最优循环"——每一步都做到了当前条件下的最好，但这些局部最好的步骤叠加在一起，整体方向越来越偏，最后彻底跑题。第一轮偏差一点你不纠正，第二轮 AI 就在偏差的基础上继续优化。三四轮之后，你得到一个结构极其精致、逻辑极其严密、但主题完全错误的庞然大物。
Peter 揭示了一个关键原则： 下一个 prompt 取决于你当前看到了什么、感受到了什么、思考了什么 。
这句话定义了真正有效的人机协作方式。把它拆解成五个连续的动作：
写一个足够启动的 prompt，让 AI 先动起来。不要试图写一个完美的 prompt——这世界上不存在完美的 prompt。你只需要一个能跑起来的、大概差不多的版本。它的作用不是直接拿去用，而是给你一个初始结果来观察。
拿到初始结果之后，认真看。不是扫一眼，是认认真真地看。找问题，找漏洞，找不对劲的地方。这一步是整个系统的心脏，你不能跳过它，不能敷衍它。
决定这个结果里哪些部分是对的，哪些是错的，哪些需要保留，哪些需要扔掉。这就是 Peter 说的 taste ——不是"你喜欢红色还是蓝色"这种个人偏好，而是面对一堆代码、一篇文章、一个设计方案时，你能不能立刻判断出哪个结构更合理、哪个方向更正确。
基于你的判断，修改你的 prompt。发现了什么问题，就针对那个问题去改。不要一次改十个问题，一次只改一个最关键的。然后让 AI 再生成下一轮结果。
让 AI 根据新的 prompt 输出下一个版本。然后回到第二步，重新开始观察。
这五个动作连在一起形成一个循环。每一次循环，你都在让结果变得更好一点。AI 扮演的角色是"超级快速试错器"，你扮演的角色是"方向判断器"。
很多人只用了一次"生成"就结束了。写了一版 prompt，AI 给了一版结果，看了一眼觉得还行就收工。他们没有进入循环，只走了第一步就以为到了终点。
整个 AI 圈蔓延着一种迷信：只要把需求写得足够详细、足够全面，AI 就能一次性给完美结果。
这个想法从根本上误解了创造的本质。创造不是一个从完整输入到完美输出的线性过程，而是一个从模糊到清晰的演化过程。你不可能跳过演化本身，直接拿到最终结果。
当你试图一次性描述所有需求时，你在做一个危险的假设：你假设自己已经百分之百理解了目标。但绝大多数复杂项目在刚开始的时候，你自己都是一头雾水。你写下的每一条"要求"，其实都是拍脑袋想出来的未经检验的猜测。AI 不会告诉你猜测是错的，它只会把这些猜测当成圣旨，以最高效率执行一个错误的指令。
真正的解法不是写更长的 prompt，而是换一种工作方式——把 AI 当成可以反复对话、反复调整的协作伙伴。
Peter 提出了 agentic trap 的概念：你在过程还没有稳定的时候，就把控制权彻底交给了 AI。
一开始你还参与一下，写写 prompt，看看结果，然后觉得差不多了就让 AI 自己跑完剩下的所有工作。这看起来是在节省时间，本质上是在主动放弃方向控制权。
问题在复杂项目里尤其明显。前期只要稍微偏一点点——偏了一度角——后期跑出去一公里之后，你就偏出去几十米了。AI 不会停下来问"这样对吗"，它会继续沿着错误的路狂奔，跑得比你还快。等你终于发现问题的时候，AI 已经生成了上千个文件、几万行代码、几十个相互依赖的模块。想回头修正最初的小偏差，需要推翻一大半已经完成的工作。
关键问题从来不是"用不用 agent"，而是"什么时候放手"。在系统的目标和路径还没有完全清晰之前，你一步都不能离开驾驶座。
整个讨论最终落在一个词上： taste 。
这不是"审美"两个字能概括的。它是一种综合判断力——在复杂情境下分辨好坏对错的能力。面对一堆代码，你能不能立刻判断出哪个结构更合理；面对一篇文章，你能不能感知到哪个表达更清晰；面对一个方案，你能不能识别出哪个方向更正确。
AI 目前完全没有这种能力。它可以学习海量数据，模仿所有已知模式，但它不知道什么是"好"，只知道什么是"常见"。常见不等于好，多数人认同不等于正确。
所以 AI 永远需要一个外部的评估系统来给它提供判断标准。这个外部系统就是你。你必须成为那个说"这个不行，那个可以"的人。一旦你失去了主动判断的能力和习惯，AI 再强也没有任何意义——因为你已经无法区分好坏了。
AI 放大能力，人类决定方向。两者结合成一个不断运转的循环系统：不断生成，不断判断，不断调整。这个过程本身就是你作为创造者的核心工作。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。