一个人，真的能在几个月内做出一款全球爆红的 AI 产品吗？

放在一年前，这几乎不可想象。但现在，确实有人做到了。

OpenClaw 的创作者 Peter Steinberger，并不是横空出世的 “AI 天才”。他原本深耕传统软件领域，早年开发了 PSPDFKit，从发现需求、创业、把公司做大到最终出售，走过一条典型的开发者创业路径。后来，他停下来休息了一段时间，坦言自己有些精疲力竭。再次出发时，他没有回到熟悉的苹果生态，而是选择跳进发展迅猛中的 AI 领域。

在 OpenAI 的一次访谈中，他提到，真正改变他的，并不是读了多少技术文章，而是一次亲手实验。

他把一个半成品项目方案打包成一个庞大的 Markdown 文件，交给模型生成规格说明，再交由 Claude Code 自动构建。模型跑了几个小时，却在第一次尝试时崩溃了。后来他接入 Playwright，让系统自己测试、修复、重试，最终成功跑通。那一刻他意识到，AI 带来的变化不仅是 “写代码更快”，而是 “我几乎可以做任何东西”。

从那以后，他几乎停不下来。

OpenClaw 并非突然出现的爆款，而是过去九到十个月里持续试验的结果。他在 GitHub 上一年提交了九万多次代码，做了一百多个项目。大量功能、工具链和想法，在反复尝试中逐渐沉淀，最终汇聚成 OpenClaw。

它本质上是一个个人 AI 助理，可以接入 WhatsApp、访问本地电脑、调用各类 API，甚至修改自己的源代码。Peter 说了一个让他印象深刻的故事。有一次他给 Agent 发了一段语音消息，而这个功能他根本没有实现。模型自行识别出音频是 Opus 格式，用 FFmpeg 转码，再调用 OpenAI 接口完成转录。整个流程，是模型自行拼接完成的。

这件事让他突然顿悟，AI 不只是 “写代码更快”，而是 “它会自己想办法”。

后来，他把 Bot 直接丢进 Discord，让几百人自由测试，有人故意尝试提示注入攻击。Bot 一夜之间回复了八百多条消息。醒来时他一度有些崩溃，但仔细检查记录后发现，模型基本按预期运行，没有泄露敏感信息。

OpenClaw 的爆红，也揭示了一个更大的趋势，个人开发者的生产力边界正在被推高。

Peter 反复强调，很多人仍沿用旧的开发方式，只是偶尔 “试试 AI”。真正的变化，其实发生在工作流层面。他把模型当作对话伙伴，而非简单的代码生成器。每次提出需求后，他都会追问一句：“你有什么问题吗？” 因为模型往往会直接开始执行，却未必完全理解上下文。让它提问，反而能减少大量返工。

他还提到，许多人把工具配置搞得过于复杂，陷入 “优化设置” 的陷阱。相比之下，更有效的方式是保持简单，用对话驱动开发，边做边修。他甚至不会逐行阅读所有代码，只确认整体逻辑是否符合预期。这个感觉更像是在带团队，而不是亲自实现每一行代码。

有意思的是，他处理 PR 的方式也发生了变化。过去开源项目强调代码质量，如今他更看重“意图”。PR 更像是一份问题陈述，具体实现可以与模型重新讨论，甚至推倒重来。代码本身的价值在下降，而理解问题、设计系统结构的能力在上升。

过去，一个人难以完成的复杂系统，如今借助智能体可以快速试错、持续迭代。很多曾经“差 30% 就放弃”的项目，现在也能自己补齐。

但这并不意味着门槛消失。Peter 认为，很多人用不好 AI，是因为没有把它当成一项需要练习的技能。就像学吉他，第一天的声音一定难听。真正拉开差距的，不是模型本身，而是使用它的人。他也直言，短期内，你未必会被 AI 取代，但很可能会被更擅长使用 AI 的人取代。

或许，这才是这次访谈最值得关注的地方。OpenClaw 只是一个具体案例，更重要的是，一种新的创作方式正在形成。个人开发者不再只是写代码的人，而是调度模型、设计流程、定义问题的人。

再过一年，这种方式或许会变得更加普遍。等到那时回望今天，我们也许会意识到，此刻，不过是刚刚开始。