从「智能鞋子」到「自动驾驶」，我们究竟在期待 AI 做什么？
如果你经常逛 GitHub 或关注开源社区，一定已经知道 Peter Steinberger 这个名字。他就是 OpenClaw 的开发者。
OpenClaw 是开源历史上 Star 增长速度最快、目前 Star 数最多的项目之一，在国内也曾引发过现象级讨论。受其启发或试图改进它的替代项目层出不穷。
它改变了人们对 LLM 的看法。在 OpenClaw 出现之前，我们其实知道 Claude Code 这类工具的存在，也知道一个能执行 shell 命令的 LLM 有多强大——但这些始终是极客的玩具，是程序员的专属工具。
而 OpenClaw 以一种不可阻挡的势头，先从爱好者圈子开始，继而突破圈层，让所有人看到了另一种可能。
我不想对项目本身和它所引发的波澜发表更多评论，已经有足够多的文章在做这件事。我想聊的是：为什么 OpenClaw 改变了我们的看法？为什么一个本质上「多模态 + 可执行 shell 命令」的 LLM，能引发如此大的震动？
作为一个非职业程序员，我在使用 Claude Code 时确实琢磨过许多有趣的可能性。
比如 yt-dlp 这个命令行工具，理论上可以用自然语言完成视频下载，再结合 ffmpeg 就能实现「音乐自由」。我在之前文章《在第二大脑之前：我的笔记工具选择与习惯养成》里也提到：「调用 Telegram Bot 」——我想用某种网关连接移动端和主力机器里的超能 AI 助手。
我相信不止我一个人意识到这些。我也看过许多大 V 分享的经验和技巧，我们已经用 Claude Code 做了许多非常有趣的事情，它们无限接近现在的 OpenClaw。这也是为什么我觉得，有人会追问「有什么 Claude Code 做不到而 OpenClaw 可以做到的？」——稍后我会回答这个问题。
但为什么 OpenClaw 的出现，即使在爱好者圈子里也引起震动呢？除了它确实新增了一些特有功能，我觉得关键是野心。
当我们还在窃喜时，Peter Steinberger 认识到了「它」真正的潜力。他不满足于命令行工具，而是要让一切开放 API 的东西都与 LLM 助手相连。仿佛我们自敲下第一行代码后，就一直在等待真正使用它们的东西——LLM 出现——所有的平台和大厂都把他们的软件开放出CLI模式，以供 Openclaw “使用”；开放出bot或开发出插件以融入其生态。
这让我想起来Apple Intelligence和豆包手机发展过程中都遇到的问题：「权限」。而这个问题都被Peter Steinberger 和他的开源社区化解了。本质上，Peter Steinberger，或者说 Openclaw不是一个人（项目），而是代表着不可阻挡的AI浪潮。
Peter Steinberger 要打造一个全能的超级工具，完成一切人类可以在互联网和二进制世界里做到的事。
这一切还不够。让 OpenClaw 和它无数后继者强大的，是以往工具做不到的两个功能：
前者让助手可以主动为你执行任务，把以时间为单位的任务和工作流前所未有地自动化。后者可以让助手针对你调整风格、语气，执行任务时的细节和方式。
到这里，似乎一切都完美了，所有拼图已经就位。但问题，恰恰存在于成就它的地方。
Peter Steinberger 必须首先是一个相信 LLM 的人，否则他无法疯狂到要打造一个全能的工具。
也正因为如此，他用 LLM 编写了几乎整个项目。他在采访和记录中写道，自己几乎没有看过那些代码。而他更新 OpenClaw 的场景是：面对一个巨大的显示器，同时使用——我想接近 10 个——多个 Code Agent。
他甚至在推特上表示：自己从来没用过 Plan Mode，只是和 Agent 「聊一聊」。
这是一件非常有趣的事情。
一方面，人类开源历史上最时髦、最受人喜爱的项目是由 LLM 编写的。在这之前，我们中的一些人把 LLM 比作老虎机：投入筹码（Token），转动机器（输入提示词），等待结果是否如意，或者一次次尝试。
它不完美，有各种 Bug 和风险，而它们在一个拥有最高权限的工具上体现，还要承载 LLM 在长对话后漂移的注意力。
OpenClaw 删除过一些人的工作邮件，弄坏过系统，在网络上暴露过用户信息。不怀好意的人借此大搞破坏，投毒骇入。
另一方面，只有这样有信念和野心的人，才能做到这一点，才能相信 AI 可以胜任这个工作。
我们对 LLM 的发展有自己的看法。
有些人觉得它们最终无法承担复杂的功能和项目；有些人觉得我们可以把每一行代码都交给它们编写。这一切当然得益于模型的不断发展和形态升级。
我还记得第一次用 Cursor 时的感觉：就像一种智能到极点的自动补全——补全所有代码，只需要我的提示词。当时的感觉就像穿上一个舒服的鞋子，可以健步如飞，轻松越过障碍。
但 Peter Steinberger 这样的人觉得，我们已经进入了自动驾驶时代。我们指定目的地，工具就会自动带着我们前往。
可是，汽车呢？马车呢？我们忽略、跳过了非常多的内容。
我们以前把 LLM 作为一个插件放进编辑器；现在我们希望 LLM 接管编辑器去写代码——最好这个编辑器也是 LLM 自己写的。
我们刚刚还把 Cursor 和 Copilot 当作节省时间和精力的好方法，只是借助它们早点下班。我们还是在写代码，只是在难点或重复部分让小插件发力。
而现在我们钻研的是 Prompt、Skill、MCP，乃至于 Harness 工程。我们渴望写出最好的提示词，使用最好的模型和工具，就像打造淘金时代最好的铲子——好到铲子造好的那刻，它就会开始自动挖掘。
我并不是想说我是一个悲观的人。OpenClaw 的诞生是伟大的。
一些坚持「代码编写是传统手艺」的人也喜欢这个项目，积极提交 PR，让它越来越健硕。OpenClaw 有未来和巨大的商业价值。同时，Hermes Agent（我正在使用的）也有着氛围极好的社区，开源精神被注入了一股新能量。我对此感到喜悦。
唯一的问题是：我们不能只是对后 Claw 时代的每一个产品尝试贴上 Agent 标签。
Claude 高管曾表示，即使模型不再进步，LLM 也会在 5 年内替代几乎所有的白领工作。
所幸的是，时间其实还早得很——尽管已经出现迹象。我们忙着创造更好更强的模型，尽管它们和上一代相差甚小；忙着创造更有趣更好的工具。
但我们最终会被迫停下来思考。
OpenClaw 的出现，就是这个时刻之一。
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。