在摩洛哥馬拉喀什（Marrakesh）的一場生日派對上，奧地利工程師 Peter Steinberger 對著自己開發的 AI 代理原型（當時在他的私人環境中被稱為「Multi」）發送了一則語音訊息，試圖測試其反應。
按照傳統軟體工程的集成範式（API-integration paradigm），這則訊息理應失敗，因為 Steinberger 根本沒有預設過處理音檔轉譯的功能模組。然而，9 秒鐘後，手機震動了。
Multi 不僅回覆了語音內容，還交代了處理語音訊息的過程： 它偵測到一段無副檔名的數據流，透過分析 Header 確認其為美國格式（US format）；隨後，它自主調用了系統底層的 ffmpeg 將其轉為 .wav。
更關鍵的決策是： Multi 發現本地未安裝 Whisper 模型，且意識到即時下載模型帶來的延遲將無法滿足交互需求，於是檢索了系統內的 OpenAI Key，透過 curl 直接調用外部 API 完成轉譯。
這 9 秒鐘的過程，展示了當程式碼模型的邏輯推演能力被賦予作業系統級權限時，AI 將從一個被閹割的「工具」轉向擁有自主裁量權的「代理人」，也催生了讓蘋果 Mac mini 銷售一空的 OpenClaw。
OpenClaw 就是最近那隻「會自己動手做事」的紅色龍蝦 AI 助理。本質上它是一個開源的個人 AI agent 框架，可以常駐在你自己的機器或雲端，幫你自動整理信箱、發信、管行事曆、連動 Slack／Telegram 等等，不只是聊天，而是真的去「操作你的電腦、幫你執行工作」。
近期，Peter Steinberger 接受 Y Combinator 訪談，談他開發 OpenClaw 的過程與思路。
OpenClaw 是什麼？為何「雲端代理」宛如 AI 的緊箍咒？
要先回答的是，Steinberger 為何要開發 OpenClaw？一個概括性的原因是：不夠自由。AI 能做的，遠比 ChatGPT、Claude、Gemini 所聲稱能辦到的更多。
從更技術的角度來看，雲端 AI 雖然擁有更強的算力，卻受困於嚴苛的「沙盒困境」（The Sandbox Problem）。關於「雲端代理」與「本地代理（OpenClaw）」的權力差異如下：
| 維度 | 雲端代理 (Centralized AI) | 本地代理 (OpenClaw / Multi) |
|---|---|---|
| 硬體存取權 | 依賴廠商合作與脆弱的第三方 API | 直接存取核心 CLI（控制燈箱、Tesla、Sonos、床溫） |
| 隱私主權 | 數據資產化，存在隱私洩漏與監管風險 | 記憶以 Markdown 形式存於本地，用戶絕對擁有 |
| 系統邊界 | 被禁錮在雲端應用的「數據孤島」中 | 擁有整台電腦的歷史遺產存取權（如：一年前的錄音） |
| 擴展路徑 | 封閉的集成 (Integrations) | 具備「創造性解決問題」能力，可即興組合本地工具 |
Steinberger 的洞察在於： 雲端代理無法真正觸達用戶的「私有邊界」。
意思是，它不能調節你特斯拉的空調，不能控制你床上的 Sonos 音響，更無法在你毫無察覺的本地舊資料夾裡，翻出一年前的錄音並編織一段年度敘事。
因此，OpenClaw 在 GitHub 獲得 16 萬星的瘋狂追捧，本質上是用戶對「本地控制權」的回歸。
Steinberger 提出了一個類似「蜂群智慧」（Swarm Intelligence）的比喻：單一的人類無法製造出 iPhone，但社會分工可以。
同理，雲端 AI 試圖扮演全知全能的「上帝」，而 OpenClaw 則是無數個專注於本地任務、具備高度權限的「專業分工者」。
OpenClaw 的最酷之處：可以幫 AI 注入「靈魂」
在商業競爭中，OpenClaw 的終極價值，不在於它「能做什麼」，而在於它「是誰」。
大多數開發者傾向於使用 Claude 或 GPT 預設的、充滿公關腔調的「專業模板」。Steinberger 卻將其視為「無趣的 Brad」（Boring Brad）。他為 Multi 注入了極強的個性，具體封裝在 Soul.md 與 identity.mmd 這兩個核心檔案中。
為了驗證「個性即安全」這個非共識洞察，Peter 曾進行過一場激進的實驗：他在 Discord 公開頻道上線了 Multi，且未設任何硬性過濾邏輯，僅在 Soul.md 中規定它的性格與原則。結果顯示，當用戶嘗試進行「指令注入攻擊」（Prompt Injection）時，代理人並非彈出冷冰冰的錯誤提示，而是以諷刺和幽默的方式嘲諷攻擊者。
這揭示了一個規律：編碼能力（Coding capability）本質上是 LLM 對抽象邏輯推理能力的最高代理指標。當一個模型能解決複雜的程式碼邏輯時，它就具備了處理現實世界模糊任務的「推理即服務」（Reasoning-as-a-Service）。Multi 在馬拉喀什選擇 curl 而非下載 Whisper，正是這種邏輯推演能力的溢出。
在說完了 OpenClaw 的特別之處後，它又是怎麼被開發出來的？
大道至簡！OpenClaw開發走「極簡主義」
OpenClaw 的開發過程展現了一種與主流工程學背道而馳的「極簡主義」。這種策略支撐了 Steinberger 在極短時間內應對 16 萬星社群成長的壓力。
-
拒絕封裝： 當業界在為 MCP（Model Context Protocol）的標準爭論不休時，Steinberger 選擇回歸 Unix CLI。他開發了名為 Makeporter 的工具，將 MCP 轉化為 CLI 介面。理由是：AI 本就擅長 Unix 指令，CLI 是給機器與人類最公平、最具擴展性的共同工具，且無需像雲端 IDE 那樣頻繁重啟。
-
物理隔離： Peter 拒絕使用 Git Worktrees 或複雜的分支策略。他採用了一種看似原始、實則高效的模式：在本地存放多個資料夾副本，全部維持在 main 分支。他將 Git 分支視為「心流的稅收」，透過切換實體資料夾，把單一開發者的「認知負載」降到最低。
-
低流程的開發文化： 這種「個體即公司」的開發模式，證明了在 AI 輔助下，單兵作戰的工程效率可以徹底碾壓體系臃腫的 VC 資助團隊。
後面的事情，大致就如大家所看到的那樣。Steinberger 發現，與其解釋 OpenClaw 的強大，不如將 Bot 直接放入一個公開的 Discord 頻道，且沒有設太多限制（僅限制只能聽從他的指令，但會回應所有人）。
換言之，他讓公眾親眼看著他用 Bot 寫程式、修復 Bug，甚至讓駭客嘗試攻擊它。這種「實戰演示」讓社群直接體驗到了產品的強大與自然互動，也讓 OpenClaw 在短時間內一炮而紅。
市面上的 80% App 將迎來消亡？怎麼說？
Steinberger 在訪談過程中也拋出了一個對 SaaS 行業不太友善的預言：未來 80% 的 App 將會消亡。
他認為，絕大多數的 App 只是在管理數據（如健身紀錄、待辦事項）。未來，我們不需要開啟特定的 App 來輸入數據，AI 代理會根據我們的位置（例如在速食店）或行為，自動記錄並管理這些資訊。
因此在 AI 時代，唯有具備獨特硬體感測能力（如血壓計、專業光譜儀），或擁有「專屬硬體數據」的 App，才具備生存空間，其他的都會被 AI 代理取代。
而在 AI 代理功能逐漸接近 AGI 之際，Steinberger 認為，大型語言模型（LLM）公司試圖透過建立「數據孤島」（Data Silos）來綁住用戶，但這種模式正面臨 OpenClaw 這類本地端代理（Local Agents）的挑戰。
舉例來說，用戶在 ChatGPT 累積的記憶與互動數據，很難被導出或轉移到其他平台。如果另一家公司無法存取這些記憶，用戶就被迫留在原本的生態系中，因為那是唯一「了解」他們的地方。
而 OpenClaw 的存在就打破了這個限制。因為 Steinberger 設計讓 OpenClaw 的記憶，直接以 Markdown 檔案 的形式儲存在使用者的本地電腦上。這意味著使用者完全擁有自己的數據。Steinberger 形容，這就像是 OpenClaw 將數據從公司的孤島中「抓」（Claw）回來給使用者。
也由於記憶是簡單的 Markdown 文件，使用者可以隨時查看、編輯，甚至帶著這些數據更換不同的 AI 模型，而不受限於單一供應商——畢竟，如果要雇用長期的私人管家，自己招募的彈性遠比透過人力公司派遣更好。
結論：從「上帝智慧」轉向「群體智慧」
Steinberger 最後指出，未來的 AI 不會是一個單一的全能「上帝模式」（God intelligence），而是走向 「群體智慧」（Swarm intelligence）。
換言之，我們會擁有多個專精的 Bot：一個負責工作、一個負責私人生活、一個負責人際關係。這些 Bot 之間會互相溝通，甚至與外部的 Bot（如餐廳的預約 Bot）進行協商，就像人類社會透過分工合作來達成目標一樣。
技術層面上，「CLI（命令列介面）才是未來」。Steinberger 證明了，不需要複雜的協議（如 MCP）或圖形介面。CLI 是人類與機器都能理解的高效語言。讓 Bot 像人類工程師一樣使用終端機和現有工具，比重新發明一套 AI 專用的互動方式更具擴充性與實用性。
最後，訪談強調了**性格（Personality）**的重要性。單純的工具是無聊的，透過 soul.md 注入價值觀與性格（例如幽默、俏皮），能讓 AI 從冷冰冰的工具，轉變為用戶願意長期互動的「夥伴」或「朋友」。
延伸閱讀：
AI龍蝦Clawdbot（Moltbot）懶人包｜有資安疑慮嗎？跟ChatGPT、Gemini有何不同？要收費嗎？
ChatGPT、Gemini、Claude、Perplexity、NotebookLM 最強組合技解析，5 個 AI 工具打造高效工作流！
資料來源：Y Combinator
本文初稿為AI編撰，整理．編輯/ 李先泰
