作者：寶玉
這是由 Peter Steinberger（ClawdBot/OpenClaw 作者）進行的另一場 40 分鐘訪問，由 Peter Yang 主持。
Peter 是 PSPDFKit 的創辦人，擁有近 20 年的 iOS 開發經驗。2021 年公司在獲得 Insight Partners 1 億歐元的戰略投資後，他選擇「退休」。現時，他開發的 Clawdbot（現已改名為 OpenClaw）突然爆紅。Clawdbot 是一個能透過 WhatsApp、Telegram 和 iMessage 與你對話的 AI 助手，並能連接你電腦上的各種應用程式。
彼得這樣描述 Clawbot：
它就像一個住在你電腦裡的朋友，有點怪，但聰明得嚇人。
在這期訪談中，他分享了不少有趣觀點：為甚麼複雜的智能體（Agent）編排系統是「slop 產生器」，為甚麼「讓 AI 運行 24 小時」是虛榮指標，以及為甚麼程式語言已經不再重要。
一個小時的原型，30 萬行程式碼
Peter Yang 問他 Clawbot 到底是什麼，為甚麼 logo 是一隻龍蝦。
Peter Steinberger 沒有直接回答龍蝦的問題，而是講了一個故事。他「退休」回來後，全心投入一種稱為「vibe coding」（憑感覺編程）的工作方式——就是讓 AI 智能體幫你寫程式碼。問題在於，智能體可能運行半小時，也可能兩分鐘就停下來問你問題。你去吃個飯回來，發現它早就卡住了，非常煩。
他想要一個可以在手機上隨時查看電腦狀態的東西。但他沒有動手，因為他覺得這件事太明顯了，大公司一定會做。
「等到去年 11 月都沒有人做，我就想，算了吧，我自己來。」
最初的版本非常簡單：把 WhatsApp 接駁到 Claude Code 上。發送一則訊息，它就會調用 AI，把結果發回來。一個小時就完成了。
然後它「活過來了」。現時 Clawbot 擁有約 30 萬行代碼，支援幾乎所有主流的訊息平台。
「我認為這就是未來的發展方向。每個人最終都會擁有一個超強的人工智能，陪伴你走完一生。」
他表示：「一旦你給予 AI 存取你電腦的權限，它基本上可以做任何你能做的事。」
摩洛哥的那個早晨
楊彼得說，現在你不需要坐在電腦前盯著它，只需給它指令就可以了。
彼得·斯坦伯格點頭，但他想說的是另一件事。
有一次，他在摩洛哥為朋友慶祝生日，發現自己一直在使用 Clawbot。問路、尋找餐廳推薦，這些都是小事。真正讓他驚訝的是那天早上：有人在 Twitter 上發了一則推文，說他其中一個開源程式庫有漏洞。
我便拍了那則推文的照片，發到 WhatsApp。
AI 讀懂了推文內容，明白這是一個 bug 報告。它 checkout 了對應的 Git 倉庫，修復了問題，提交了程式碼，然後在 Twitter 上回覆那人說已經修好了。
我當時就想，這也可以？
還有一次更神奇。他走在街上，懶得打字，就發了一條語音訊息。問題是，他根本沒有為 Clawbot 加入語音訊息的支援。
我看到它顯示「正在輸入」，心想這下完了。結果它正常回覆了我。
他後來問 AI 是怎麼做到的。AI 說：我收到一個沒有副檔名的檔案，所以我查看了檔案頭，發現是 Ogg Opus 格式。你電腦上有 ffmpeg，我就用它轉成 WAV。然後我找 whisper.cpp，但你沒有安裝，不過我找到了你的 OpenAI API 金鑰（key），就用 curl 把音頻發過去做了轉錄。
楊彼得聽完後說：這些東西的確很有辦法，雖然有點嚇人。
比網頁版 ChatGPT 強太多了，這就像是解除枷鎖的 ChatGPT。很多人沒有意識到，Claude Code 這類工具不只是在編程方面厲害，它們對任何問題都很有辦法。
命令列工具（CLI）軍團
Peter Yang 問他那些自動化工具是如何建立的，是自己寫還是讓 AI 寫。
彼得·斯坦伯格笑了。
他這幾個月一直在擴充自己的「CLI 聯軍」。智能體最擅長什麼？調用命令列工具，因為訓練數據全是這個。
他建立了一個能訪問整個 Google 服務的 CLI，包括 Places API。另外，他還建立了一個專門搜尋貼圖和 GIF 的工具，讓 AI 回覆訊息時可以發送 meme。他甚至製作了一個將聲音視覺化的工具，希望讓 AI「體驗」音樂。
「我還黑進了本地外賣平台的 API，現在 AI 能告訴我食物還有多少時間送到。另外還有一個逆向了 Eight Sleep 的 API，可以控制我床的溫度。」
【註：Eight Sleep 是一款智能床墊，可調節床面溫度，官方未開放 API。】
Peter Yang 追問：這些都是你讓 AI 幫你建的？
「最有趣的是，我之前在 PSPDFKit 進行了 20 年 Apple 生態系統開發，對 Swift、Objective-C 非常精通。但回來後我決定轉換跑道，因為我受夠了 Apple 什麼都要管，而且開發 Mac 應用程序的受眾實在太窄。」
問題是，從一個精通的技術棧換到另一個，過程很痛苦。你懂得所有概念，但不知道語法。什麼是 prop？陣列怎樣拆分？每一個小問題都要查，你會覺得自己像個白癡。
「然後出現了人工智慧，所有事情都改變了。你的系統性思維、架構能力、品味、對依賴關係的判斷，這些才是真正的價值所在，而且現在可以輕易地遷移到任何領域。」
他停頓了一下：
突然間，我覺得自己什麼都能建。語言已不再重要，重要的是我的工程思維。
控制現實世界
Peter Steinberger 開始展示他的設定。他給予 AI 的權限清單令人驚訝：
電郵、日曆、所有文件、Philips Hue 燈光、Sonos 音響。他可以讓 AI 在早上叫醒他，並慢慢調高音量。AI 還可以存取他的保安攝影機。
有一次我叫它盯住看有沒有陌生人。第二天早上它告訴我：「Peter，有人在。」我一看錄像，它整晚都在截圖我的沙發，因為攝像頭畫質不好，沙發看起來像坐著個人。
在維也納的公寓裡，AI 還能控制 KNX 智能家居系統。
「它真的能將我擋在外面。」
楊彼得問：這些是如何連接的？
「就是直接跟它說。這些東西很有辦法，它會自己找 API，會 Google，會在你系統裏找密鑰。
用戶們的玩法更瘋狂：
- 有人叫它去 Tesco 網購
- 有人讓他於 Amazon 下單
- 有人讓它自動回覆所有訊息
- 有人把它拉進家庭群組當「家庭成員」
「我叫它幫我在 British Airways 網站登機。這簡直就是圖靈測試，在航空公司網站上操作瀏覽器，你又知道那個介面有多反人類。」
第一次花了近 20 分鐘，因為整套系統還很粗糙。AI 需要在他 Dropbox 裏找到護照，提取資料，填寫表格，通過人機驗證。
現在只需幾分鐘。它能點擊「我是人類」的驗證按鈕，因為它正在控制一個真實的瀏覽器，行為模式與人類沒有分別。
80%的應用程式會消失
楊彼得 問：對於剛下載的普通用戶，有什麼安全的入門用法？
Peter Steinberger 說每個人的路徑都不一樣。有人裝好後立刻開始用它寫 iOS 應用程式，有人則馬上用來管理 Cloudflare。有個用戶第一週先裝給自己用，第二週裝給家人，第三週便開始為公司製作企業版。
「我幫一位非技術的朋友安裝後，他開始向我發送 pull request。他從來沒有發過 pull request，這是他人生中第一次。」
但他真正想說的是更大的圖景：
「如果你仔細想想，這東西或會取代你手機上 80% 的 app。
為甚麼還要使用 MyFitnessPal 記錄飲食？
我有一位無限聰明的助手，它已經知道我在肯德基作出了錯誤的決定。我發一張照片，它便會儲存到資料庫、計算熱量，並提醒我應該去健身。
為甚麼還要用 app 設置 Eight Sleep 的溫度？AI 有 API 權限，可以直接幫你調。為甚麼還要用待辦事項 app？AI 會幫你記住。為甚麼還要用 app 登記航班？AI 會幫你做。為甚麼還要用購物 app？AI 可以推薦、可以下單、可以追蹤。
「會有一整層 app 慢慢消失，因為如果它們有 API，就只是你 AI 會調用的服務而已。」
他預測 2026 年會是很多人開始探索個人 AI 助手的一年，大公司也會入場。
「Clawbot 不一定是最後的贏家，但這個方向是對的。」
直接對它說話
話題轉向 AI 編程方法論。Peter Yang 說他寫過一篇很火的文章，名叫「Just Talk to It」，大家想聽他進一步講解。
彼得·斯坦伯格的核心觀點是：不要掉進「智能陷阱」（agentic trap）。
我在 Twitter 上看到太多人發現智能體很厲害，然後想讓它更厲害，然後掉進兔子洞。他們建各種複雜的工具來加速工作流程，結果只是在建工具，沒在建真正有價值的東西。
他自己也掉進去過。早期他花兩個月建 VPN 隧道，就為了在手機上訪問終端。做得太好，有一次跟朋友在餐廳吃飯，他全程在手機上 vibe coding 而不是參與對話。
我不得不暫停下來，主要是為了心理上的健康。
污穢鎮
最近令他抓狂的是一個稱為 Gastown 的編排系統。
一個超複雜的協調器（orchestrator），同時運行十幾個、二十幾個智能體，它們互相溝通、分工。有觀察者（watcher），有監工（overseer），有市長（mayor），有 pcats（可能是「平民」或「寵物貓」等湊數的角色），我都不知道還有什麼。
楊彼得：等一等，還有市長？
「對，Gastown 項目裡有一個市長。我稱這個項目為『垃圾鎮』（Slop Town）。」
還有 RALPH 模式（一種「用完即棄」的單任務循環模式，指給予 AI 一個小任務，完成後便刪除所有上下文記憶，一切歸零重新開始，然後無限循環）……
這簡直是終極的 Token 燃燒機。你讓它運行一整晚，第二天早上得到的是終極垃圾（slop）。
問題的核心是：這些智能體還沒有品味。它們在某些方面聰明得嚇人，但如果你不引導它們，不告訴它們你想要什麼，出來的就是垃圾。
我不知道其他人怎樣工作，但當我開始一個項目時，我只有一個模糊的想法。在建造、玩耍和感受的過程中，我的願景會逐漸變得清晰。我會嘗試一些東西，有些行不通，然後我的想法會演變為最終的形態。我下一個提示詞（prompt）取決於我目前所看到、感受到和思考到的狀態。
如果你試圖把所有東西都寫進前期規格說明，你就錯過了這種人機循環。
「我不知道在沒有感受和品味參與的情況下，怎樣才能做出好東西。」
有人在 Twitter 上炫耀一個「全 RALPH 生成」的筆記 app。Peter 回覆說：對，看起來就像 RALPH 生成的，沒有一個正常人會這樣設計。
楊彼得總結：很多人參與 AI 24 小時開發比賽，並不是為了製作應用程式，而是為了證明自己可以在 24 小時內讓 AI 運作起來。
這就像是一場沒有參照物的比大小比賽。我也曾讓循環運行了26小時，當時感到很驕傲。但這只是虛榮的指標，毫無意義。能夠建設一切不代表你應該建設一切，也不代表它會是好的。
Plan Mode 是一個拼湊（Hack）
楊彼得問他怎樣管理上下文。對話太長時 AI 會混淆，是否需要手動壓縮或總結？
彼得·斯坦伯格稱這是「舊模式的問題」。
「Claude Code 還是有這個問題，但 Codex 好上很多。紙面上可能只多 30% 的上下文，但感覺卻有 2-3 倍。我覺得與其內部思考機制有關。現在我的大多數功能開發都能在一個上下文窗口內完成，討論與建造同時進行。」
他不用 worktrees，因為那是「不必要的複雜性」。他就簡單地 checkout 好幾份倉庫：clawbot-1、clawbot-2、clawbot-3、clawbot-4、clawbot-5。哪個空閒就用哪個，做完測試、推到主分支（main）、同步。
「有點像工廠，如果它們都在忙的話。但如果你只開一個，等待時間太長，進不了心流狀態。」
Peter Yang 說這就像即時戰略遊戲，你有一隊人正在進攻，必須管理及監控他們。
關於 plan mode，Peter Steinberger 有一個有爭議的觀點：
「Plan mode 是 Anthropic 不得不加的補丁方案，因為模型太衝動，一上來就跑去寫程式碼。如果你用最新的模型，例如 GPT 5.2，你就是跟它對話。『我想建這個功能，應該這樣那樣，我喜歡這個設計風格，給我幾個方案，我們先聊聊。』然後它會提議，你們討論，達成共識再動手。」
他不打字，他講話。
我大部分時間都是跟它講話。
Discord 機械人開發
楊彼得問他開發新功能的流程是怎樣的。是先探索問題？還是先做計劃？
彼得·斯坦伯格說他做了一件「可能是我做過最瘋狂的事」：他把自己的 Clawbot 接入了一個公開的 Discord 伺服器，讓所有人都可以在公開場合與他的私人 AI 對話，而這個 AI 帶有他的私人回憶。
這個項目很難用語言描述。它就像是《鋼鐵人》中的 Jarvis（賈維斯，鋼鐵人的人工智慧助理）和電影《她》的混合體。每次我親自向人展示時，他們都感到非常興奮，但我在 Twitter 上發圖文卻毫無迴響。所以我決定，不如讓大家親身去體驗吧。
用戶在 Discord 裡提問、報告錯誤、提出需求。他現在的開發流程是：截一張 Discord 對話的圖片，拖進終端機，跟 AI 說「我們來談談這個」。
「我懶得打字。有人問『你們支持這個那個嗎』，我就讓 AI 讀碼然後寫一條 FAQ。」
他還寫了一個爬蟲，每天至少一次掃描 Discord 的 help 頻道，讓 AI 總結最大的痛點，然後他們就修補。
無需 MCP，無需複雜編排
Peter Yang 問：你用那些花巧的東西嗎？多智能體、複雜技能、MCP（模型上下文協議）之類的？
「我的 skill 大部分是生活技能：記錄飲食、買菜、那種東西。編程方面很少，因為不需要。我不用 MCP，不用任何那些東西。」
他不相信複雜的編排系統。
我在循環中，我能製造出感覺更好的產品。或許有更快的方法，但我已經快到瓶頸，而這個瓶頸不在 AI，我主要受自己思考速度的限制，偶爾受等待 Codex 的時間所限制。
他的前 PSPDFKit 合夥人，一位前律師，現在也在向他提交 PR（pull request，程式碼合併請求）。
「AI 讓沒有技術背景的人也能夠建立東西，這真的很神奇。我知道有些人反對，說這些程式碼並不完美。但我會把 pull request 當作 prompt request（提示詞請求），它們表達的是意圖。大多數人並沒有相同的系統理解能力，無法把模型引導到最佳結果。所以我寧願拿到意圖，親自去做，或者根據他們的 PR 進行重寫。」
他會標記他們為共同作者，但很少直接合併別人的程式碼。
尋找你自己的路
楊彼得總結：所以重點是，不要使用 slop generator，保持人在循環之中，因為人類大腦和品味是無法被取代的。
彼得·斯坦伯格將補充一句：
或者說，找到你自己的路。很多人都問我「你是怎麼做到的」，答案是：你必須自己去探索。學習這些東西需要時間，需要犯自己的錯誤。這跟學習任何東西一樣，只是這個領域的變化特別快。
Clawdbot 在clawd.bot都可以在 GitHub 上找到。Clad 帶 W，C-L-A-W-D-B-O-T，像龍蝦鉗。
（註：ClawdBot 已經改名為 OpenClaw
Peter Yang 說他也要試試了。不想要坐在電腦前跟 AI 聊天，想在外出帶孩子時隨時可以下指令。
「我想你會喜歡的。」Peter Steinberger 說。
彼得·斯坦伯格的核心觀點可以總結為兩句話：
- 人工智慧已經強大到可以取代你手機上 80% 的應用程式
- 但如果沒有把人類的品味和判斷納入循環中，輸出的結果就會是垃圾。
這兩句話看似矛盾，其實指向同一個結論：AI 是槓桿，不是替代品。放大了的是你原有的東西：系統思維、架構能力、對優秀產品的直覺。如果你沒有這些，再多智能體全天候運作也只是在批量生產劣質內容。
他的實踐本身就是最好的證明：一位有 20 年 iOS 經驗的老程式員，幾個月內用 TypeScript 建了一個 30 萬行代碼的項目，靠的不是學會了新語言的語法，而是那些與語言無關的東西。
「程式語言已不再重要，重要的是我的工程思維。」