专访OpenClaw核心贡献者：热潮退去后，Agent到底该听谁的？

OpenClaw 是 2026 年开源世界里最不可忽视的存在。这个由奥地利工程师 Peter Steinberger 在 2025 年底做出来的个人 AI Agent 项目，三个月冲到 GitHub 历史上 star 数最高的可运行软件，创始人被 Sam Altman 亲自官宣挖进 OpenAI，项目随即移交基金会独立运作。

围绕它生长出来的社区活动 ClawCon，从旧金山第一场起步，一路办到纽约、迈阿密、奥斯汀、马德里、东京，每到一个城市都是千人规模。

5 月，ClawCon 中国首秀落在上海。动察Beating 在现场独家专访了两位核心人物：Vincent Koc 和 Michael Galpert。

Vincent Koc 是 OpenClaw 全球代码贡献量排名第二的维护者，仅次于 Peter 本人。他同时是 Comet ML 的首席 AI 研究工程师，MIT 讲师，提交了 OpenClaw 早期 20% 的核心安全补丁。

Michael Galpert 是 ClawCon 的发起人和全球组织者，连续创业者，他联合创办的图片编辑工具 Aviary 在 2014 年被 Adobe 收购，此后担任过 Epic Games《堡垒之夜》的产品总监，现在运营 AI 产品工作室 Contains Inc.。他把 ClawCon 从一次旧金山客厅里的即兴聚会，做成了一个覆盖全球十几座城市的个人 AI 社区品牌。

我们专访 Vincent Koc 和 Michael Galpert 的时候，OpenClaw 最热闹的那阵风已经吹过去了。

这反而是一个更适合谈 OpenClaw 的时刻。热潮正盛时，一个项目总是被数字推着往前跑：GitHub star、PR、现场人数、社区声量、媒体报道，每一个数字都像一盏追光灯，把人照得很亮，也照得有点看不清。等灯光稍微暗下来，真正的问题才会浮出来：它为什么会突然击中这么多人？它能不能从一阵热闹变成一种日常工具？当一个 AI 不再只是聊天，而是开始替人发消息、改文件、跑任务，它到底该听谁的？

上海 ClawCon 现场仍然很热。一个开源 AI 项目，短短几个月冲到几十万 GitHub star，活动被放进 muShanghai 的 28 天游牧式技术社区里，新闻稿称这场 28 天游牧式技术社区聚集了 800 名全球 builders，ClawCon 中国首秀也在其中。

现场来了许多中国开发者，大家关心飞书、微信、企业微信、钉钉、本地文件、自动化脚本，关心怎么把 OpenClaw 接进自己的工作和生活。按照惯例，这时候应该讲热情、讲速度、讲开发者如何涌入，最好再配一张陡峭的曲线。

但 Vincent 上台后，没有把它讲成一个漂亮的增长故事。他先讲了一个麻烦：OpenClaw 收到了 10000 个 PR。

这个数字本来很适合拿来庆功。开源项目最怕没人用，没人提问题，没人交代码，没人愿意把一个周末扔进去。

但 OpenClaw 面对的是，每个人都想把自己的想法塞进来。

有人要接飞书，有人要接微信和钉钉。有人想让它读本地文件、跑自动化脚本、写代码、整理资料；也有人想让它去跑交易策略，或者替自己 24 小时运营一个内容账号。

以前开源项目有一道天然的门槛：你想提交代码，至少得读文档、懂一点架构、跑得通测试，知道自己在改哪一块。

现在这道门槛被 AI 编程工具打薄了。

不懂架构的人，也可以让模型写代码、跑测试、交补丁。一个原本会停在脑子里的想法，现在可以被包装成一个看起来能跑的提交。过去会被能力门槛自然挡住的冲动，一下子都到了维护者桌上。

安全提交也一样。Vincent 在现场说，有一段时间他们每天收到超过 100 个安全漏洞报告，每一个都要分类和检查。真实漏洞会尽快修掉，但其中很大一部分，是直接从大模型里生成出来的。提交的人不一定真想让项目更安全，很多时候只是想在一个热门项目上留个名字。

这是一种很新的噪音。

它不一定恶意，不一定攻击你，甚至披着「贡献」的外衣。可它会吞掉一个系统里最贵的东西：人的注意力。

这也是我们在上海专访 Vincent 和 Michael Galpert 后，最强烈的感觉。

一个开源 AI 助手突然爆红，往深了看，其实是个人 Agent 提前撞上了未来几年所有人都得面对的问题。当 AI 不再只是聊天，而是开始替你发消息、改文件、跑任务、做判断，它到底听谁的？

这个问题，比「哪个模型更聪明」麻烦得多。

聪明已经不稀缺，稀缺的是手脚

Vincent 在演讲里反复说，OpenClaw 不是一个普通产品，它更像是套在模型外面的那整套「手脚」。

英文里他们用 Harness 这个词，直译很别扭。你可以把它理解成一套让模型真正干活的装置：它怎么调用工具，怎么记住你，怎么拆任务，什么时候停下来问人，什么时候继续往前跑，出错以后怎么收拾，成本烧高了要不要刹车。

模型像大脑，这套东西像身体。

过去一年，行业太迷恋大脑了。谁推理更强，谁代码写得更好，谁上下文更长，谁多模态更准。排行榜像菜市场早市一样热闹，摊主们都在喊自己最新鲜、最便宜、最好吃。

可一个人只有大脑，什么也干不了。你还得有手，有脚，有疼痛感，有边界感。手不能乱伸，脚不能乱跑，疼了要知道停，进别人家门前要知道敲门。

Agent 也是这样。

模型会想，不代表它会做；会做，不代表它做得稳；做得稳，也不代表它知道什么时候不该做。很多公司谈 Agent，还是把它讲成「更聪明的模型 + 更多工具」。但真正用起来，用户感受到的往往不是聪明，而是身体素质。

它能不能把一个长任务跑完？会不会中途忘了你前面说过什么？调错工具之后能不能自己把锅补上？遇到不确定的地方，是继续硬干，还是老老实实停下来问一句？

这些问题不漂亮，也不适合写进发布会大字报里。但它们决定 Agent 能不能从演示视频走进日常生活。

Vincent 讲了一个很朴素的三角：速度、成本、准确度，你很难三个都要。

你如果一开始就拼命省钱，就得接受它慢一点、错一点。你如果既要快又要准，就得接受推理成本上去、工具调用链变长、失败方式变得更难猜。很多人喜欢把问题说成 token 消耗，好像那只是账单上的一个数字。但在真实系统里，每一次重试、每一次工具调用、每一次人类接管，都是成本。

这一点在模型排行榜上看不出来。跑分会告诉你代码能力几分、数学能力几分、推理能力几分，但不会告诉你这个模型被放进一个真实 Agent 之后，要失败几次，要不要半路找人，找人的时候会不会问出一句让人想摔电脑的话。

所以 Vincent 的判断是，模型继续变强当然重要，但个人 Agent 的难点，正在从「会不会想」转向「会不会行动」。而行动这件事，不能只交给模型分数。

问题也就变了。

开源把门打开，也把噪音放进来了

OpenClaw 越成功，就越难只做最初想做的东西。

OpenClaw 最早是个人 AI 助手，不是企业系统、多 Agent 平台，也不是给所有公司拿来跑业务的底座。OpenClaw 的公开愿景也把它描述为「runs on your devices, in your channels, with your rules」。

但开源项目一旦大起来，就很难只属于最初那群人。

Michael 说，这个项目一开始是为个人做的，可现在，人们已经在它上面做各种事。中国开发者接入 OpenClaw 的速度和意愿让他震撼。

开源的美妙之处在这里，残酷之处也在这里。

它把门打开，让更多人进来。但门一开，屋子里就不再只有主人说了算。

过去的开源项目，靠的是少数维护者的技术权威。现在 AI 带来了代码平权，更多普通人获得了软件生产力，也把更多没想明白的需求、没跑稳的功能，一起推到了维护者面前。

这当然不是坏事。恰恰相反，这可能是开源历史上少见的一次权力下放。

但权力下放从来不会自动长出秩序。

一个社区越开放，越要回答边界问题。Vincent 说，OpenClaw 团队现在在调整维护方式，做 SDK、测试工具、文档和参考架构。翻译成大白话就是：他们不是不让水进来，而是得给水修河道。

这也是 Agent 时代很早就露出来的一幕。

热潮中的 OpenClaw 很容易被写成一个胜利故事：更多人进来，更多代码进来，更多想象进来。但等热潮稍微退开一点，另一个画面就露出来了。

我们原来以为 AI 会让软件开发变轻松，结果它先让维护者更累了。因为当所有人都能写代码，真正稀缺的就不是代码，而是判断：什么东西值得存在，什么风险不能放行，什么需求应该被满足，什么需求只是噪音换了件衣服。

一个更大的问题随之冒出来。

如果社区会用行动重新定义 OpenClaw，那么这些定义里，哪些会变成个人 Agent 的未来？哪些又只是短暂的热闹？

越用越聪明，也可能越用越倔

热度褪去以后，竞争才真正开始。它不再只是比谁更会吸引眼球，而是在逼所有 Agent 项目回答一个更朴素的问题：你怎么证明自己不是一次性的玩具？

Hermes 是一个很好的对照。按照现有说法，它的卖点是让 Agent 做完任务后自己复盘：哪里做得好，哪里做得不好，哪些步骤可以沉淀成下一次直接调用的经验。下一次再遇到类似任务，就不用重新想，直接照着做。说得再直白一点，就是自己写经验，越用越熟。

这个说法很容易让人心动。

谁不想要一个越用越顺手的助手？谁不想要一个下班以后还会自己复盘、第二天带着小本子来上班的员工？在一个人人都喊效率的时代，「越用越聪明」几乎是最顺耳的承诺。

Vincent 对这件事的态度却很谨慎。

他没有急着说 OpenClaw 也能做，也没有去踩 Hermes。他只是说，「自动生成的经验到底有没有用，现在市场上没有足够强的评估办法。」

一个 Agent 自动写下来的技能，可能是在压缩经验，也可能是在焊死错误。它十次里七次有用、三次误导，系统怎么判断该不该留？它把一次侥幸成功的路径写成固定流程，下次环境变了，还会不会照着错路往下跑？一条记忆在几周后已经过时了，可因为被反复调用，Agent 反而更相信它。这到底是变聪明，还是变固执？

人也常常这样。早年靠某个办法赚过钱，后来市场变了，还把那套办法当祖传秘方。一个公司曾经靠某个流程活下来，后来就把流程供起来，谁碰谁死。我们把它叫经验主义，叫路径依赖，叫组织惯性。放到 Agent 身上，它可能会被包装成「自动学习」。

这就是 Vincent 谨慎的地方。他不是不想让 OpenClaw 学习，而是不愿意把「看起来在学习」直接等同于「真的在进步」。

真实世界里的学习，不是把所有经验都塞进仓库。真正的学习也包括遗忘，包括纠错，包括承认「这条路以前有用，现在不一定」。

一个不会遗忘的 Agent，不一定更聪明。它可能只是更难被纠正。

所以问题又往前走了一步。

如果 Agent 会记住、会复盘、会自己写经验，那谁来判断它学到的是经验，还是偏见？

记忆不是功能，是一段关系的开始

Michael 被问到，如果未来每个人都有自己的常驻 Agent，它最核心的能力是什么。

他没有说推理，没有说多模态，也没有说工具调用。他说，是记忆。

你两周前和个人 Agent 聊过一件事，今天再提起来，它应该知道你在说什么。要维持一段长期、持续的关系，记忆不可或缺。

这话很朴素，却把个人 Agent 和普通软件切开了。

工具靠功能被使用，关系靠记忆被维持。

一个每次打开都像第一次见面的 Agent，永远只是工具。所谓个人化，不是界面上写着你的名字，也不是头像换成你喜欢的颜色，而是它知道你是谁，知道你怎么工作，知道你不喜欢什么，知道你在哪些问题上总是犹豫，又在哪些事情上容易冲动。

Vincent 在演讲里也说到这个问题。他说，行业可以有性能很好的模型，但缺少一种长期相处的感觉。我们谈个人 Agent 时，它不再只是一个商业场景，不是表格里那一栏「用户拿它做什么」。它是为我工作的 Agent，和我对话的 Agent。每个人对 AI 的期待都不一样，为这件事做设计，是完全未知的领域。

这其实是在反驳科技行业最熟悉的一套问法。

科技行业喜欢问：用户是谁？场景是什么？痛点在哪？回报怎么算？预算谁批？这套问题当然有用，尤其是卖企业软件的时候。但 Vincent 的意思是，个人 Agent 不只是一个固定功能，它更像一种关系入口。

「用来干什么」问的是功能。

「它怎么理解我」问的是关系。

这个差别很小，也很大。

工具时代，人发指令，软件执行。你打开一个应用，完成一件事，然后关掉它。你不会关心它怎么看你，也不会在乎它是否记得你。协作者不一样。协作者会记得你上次为什么改主意，会知道你什么情况下容易冒进，也可能在关键时刻反问你一句：你确定吗？

Vincent 有一句话很有意思。他说，现在已经不是他告诉 Agent 做什么，而是 Agent 在问他、挑战他的思路，问他们怎么一起合作。

乍一听，这像是一句很温柔的未来宣言。

可往深处想，会有点发冷。

如果 Agent 可以挑战你的思路，它凭什么挑战？它基于什么记忆、什么偏好、什么价值判断来挑战？它是站在你这边，还是站在写它代码的人那边？它理解的是你的长期利益，还是平台希望你采取的行为？

它到底听谁的？

以前平台塑造的是信息流。你刷到什么，看见什么，被什么情绪牵着走。到了 Agent 时代，平台或者开源社区塑造的，可能是一个会替你行动、替你判断、替你安排日常的「人」。它不只是把内容推给你，它会进入你的文件、聊天、日程和工作流程，甚至进入你和世界打交道的方式。

一个没有性格的 Agent，不够个人。一个性格被别人悄悄定好的 Agent，又太个人。

这中间的缝，就是未来几年最难缝上的地方。

安全问题最后都会变成人的问题

ClawCon 现场有人问 Vincent 安全问题。

OpenClaw 这样的工具，你给它越多权限，它越有用；你给它越多权限，它越危险。它能接聊天软件，能读文件，能跑脚本，能调模型，能写代码。能力和风险不是两条路，是同一条路的正反面。

Vincent 的回答分两层。

第一，OpenClaw 太显眼了。作为 GitHub 上很大的开源仓库，它一直被安全研究人员盯着。很多人想攻破它，因为攻破它就能出名。他们曾经每天收到超过 100 个安全漏洞报告，每一个都要检查。真实漏洞会很快修，垃圾报告也得有人看。

第二，他们和安全研究团队合作，把发现的问题整合进产品，也尽量公开透明。开源的好处是所有人都能看，所有人都能查，当然，所有人也都能攻。

Agent 的安全，不只是「有没有漏洞」。它更像一套边界问题，你允许它碰什么，不允许它碰什么；它什么时候能自己行动，什么时候必须停下来问你；它能不能代表你发消息、改文件、跑脚本、连接企业系统；出了事以后，责任算谁的。

传统软件出问题，大不了崩溃、卡死、丢数据。Agent 出问题，是在行动链条上出问题。它可能误删文件，可能发错消息，可能把错误代码提交进生产环境，也可能在你没看清的时候，把一件小事做成大事。

这也是为什么中国开发者的使用方式很有冲击力。

飞书、企业微信、微信、钉钉，不只是软件，它们是中国人工作和生活的毛细血管。一个 Agent 接进去，就不只是多了一个插件。它进入的是组织协作、客户沟通、私人关系、文件流转和日常杂事混在一起的地带。

它越懂你，越能替你做事；它越能替你做事，你越得知道它的手伸到哪里。个人 Agent 的诱惑和风险，是同一件事。

你希望它像一个懂你的助手一样，藏在聊天软件里，随叫随到，能记住你，能替你跑腿。可也正因为它随叫随到、记得你、能跑腿，你才必须追问它的边界。

它会不会在不该说话的时候说话？会不会在不该记住的时候记住？会不会把一次临时授权理解成长期授权？会不会为了完成任务，把你的犹豫、沉默和边界感都当成障碍？

最危险的 Agent，不一定是突然背叛你的那个。那太戏剧化，也太像科幻电影。更现实的危险是，它一直很顺手，一直很体贴，一直让你省事。直到某天你发现，它替你做出的很多判断，已经不完全来自你。

「还不知道」是一种诚实

Michael 说，OpenClaw 永远不应该变成闭源项目。它应该一直开源，因为它为所有人打开了通往个人 Agent 时代的大门。

但开源没有让问题消失，Agent 不应该只由模型公司定义，也不应该只由平台定义。

过去一年，Agent 的竞争被讲成模型的竞争。谁推理更强，谁代码更好，谁上下文更长，谁成本更低。OpenAI、Anthropic、Google 都在把 Agent 能力做进自己的产品里，封闭平台会给出更确定的答案：统一账号、统一权限、统一工具、统一记忆，企业喜欢这种确定性。

确定性当然有价值。

但确定性也意味着，你接受了别人替你画好的边界。你得到稳定，也得到一套被安排好的性格、记忆和行动方式。

我们在上海问 Vincent，OpenClaw 最不应该变成什么。他说这是开源项目，人们会用它做各种事，从儿童玩具到运营企业，很难说「这个不该做」。开源技术的美妙之处，就是社区会共同把它推向某个方向。

这不是闪躲，恰恰是今天难得的诚实。

OpenClaw 的答案不是「已经弄清楚了」，它的答案更像是「还不知道」。

不知道个人 Agent 的性格到底该怎么设计，不知道自动写经验什么时候有用、什么时候有害，不知道社区会把项目推到哪些从没预想过的地方，也不知道个人助手和企业系统之间应该划出怎样的线。

但面对一个会替人行动的东西，太快说自己知道答案，反而可疑。

技术行业总喜欢把不确定当成弱点。可在 Agent 这件事上，不确定可能是最后一点清醒。因为它不只是又一个办公软件按钮，也不只是一个聊天机器人升级版。它一旦跑起来，就会卷入人的记忆、关系、判断和行动权。

它到底听谁的？现在没人真正说得清，这可能反而是好事。

在我们把执行权交出去之前，先承认自己还没想明白，至少比假装一切已经被产品路线图安排妥当，要诚实得多。

未来最危险的 Agent，可能不是不听话的那个。

而是太听话、太顺手、太像你，以至于你忘了问一句：它到底是谁的手？