作者｜周永亮
編輯｜靖宇
2 月 16 日，Sam Altman 發布了一條推文，宣佈 OpenClaw 創始人 Peter Steinberger 正式加入 OpenAI。
在 GitHub 上，OpenClaw 有超過 19 萬顆星，是 AI Agent 時代現象級的開源項目。
然而，聚光燈之外，一行代碼都沒有寫過的中國創業者——Naughty Labs CEO 天潤，卻出現在了 OpenClaw 項目的貢獻者排行榜上。
截至發稿，他已躋身前 30 名。排在他前後的，是一羣擁有十年以上開發經驗的硅谷工程師和開源老炮。
在這份名單上，他可能是唯一一個不寫代碼的人。
楊天潤本科、研究生學的是金融，畢業後的大部分時間都在做併購投資。甚至直到幾天前，他才搞清楚「PR」（Pull Request，合併請求）是什麼。在開源世界裏，能給 OpenClaw 這樣的明星項目貢獻代碼，本身就是技術實力的一種證明。
一個金融出身的跨界者，如何殺入了這份名單？他究竟做對了什麼？
01
當 App 淪為「內容」
一年多前，天潤還是那個典型的金融圈精英。西裝革履，穿梭於投行與創業公司之間。他的日常是研究 SaaS 項目的商業計劃書（BP），聽創業者們講述關於「護城河」的故事。
但隨着大模型的爆發，一種強烈的虛無感抓住了他。「軟件在未來不值錢了」，天潤得出了一個非共識的判斷，在 AI 時代，App 已經成為了一種「內容」。
「以前你花一小時寫篇文章，現在你花一小時就能手搓一個 App」，天潤解釋說，「當供給無限時，App 就變得像抖音裏的一條短視頻。它可能很火，能賺點快錢，但它不再是資產，它只是稍縱即逝的流量。」
與此同時，程序員圈子裏有一句廣為流傳的話：「Talk is cheap, show me the code.」但在天潤看來，AI 正在把這句話徹底翻轉：當一個人加一台電腦，幾小時就能搓出一個產品，代碼不再是門檻。「真正稀缺的變成了想法本身。你能不能發現一個真實的需求？能不能想清楚商業閉環？能不能把產品賣出去？」
這讓他意識到，發現需求、構建閉環、把東西賣出去，這不正是他作為投行人這些年一直在乾的事嗎？
在 OpenClaw 的最新版本中，天潤已經躋身項目貢獻者前 30 名｜圖片來源：天潤
以前，從「想法」到「產品」之間，隔着一道名為「技術實現」的鴻溝。天潤見過太多好想法死在這道溝裏：要麼找不到靠譜的技術合夥人，要麼在漫長的開發溝通中，最初的構想被磨得面目全非。但隨着 AI 的出現，這道溝不再那麼寬，甚至開始迅速收窄。
「我不想再做那個坐在岸邊看潮水的人了。」天潤說。
雖然他不會 C++，不會 Python，但他有對商業世界的深刻洞察，還有對 AI 的極度好奇。於是他決定親自下場，去驗證自己的判斷：在這個時代，不懂代碼也許不再是劣勢，反而是一種全新的機會。
02
像王家衛拍電影一樣寫代碼
轉型之路從來不是一帆風順的。
最開始，天潤用早期模型輔助編程，但體驗卻像是在帶一個勤懇但愚笨的實習生。它能寫出零散的函數，但一旦涉及到複雜的交互，它就徹底暈菜了。
直到 2024 年底，一個轉折點出現了。當時流傳着一條「神級 Prompt」，只要把它粘貼進 Claude，再用大白話描述需求，AI 就能直接吐出一個完整的程序。
天潤半信半疑地試了試，敲下一行字：「幫我寫一個貪喫蛇遊戲。」
幾分鐘後，一個可以直接運行、甚至還能玩的貪喫蛇遊戲，真的出現在了螢幕上。那一刻，他愣住了。他意識到：時代變了，AI 不再是輔助工具，它已經具備了獨立交付產品的能力。
天潤在五道口發起了一個叫「頑皮」（Naughty）的社羣，主打反叛、創新｜圖片來源：天潤
但新的問題也隨之而來。
2025 年初，Vibe Coding（氛圍編程）概念爆火，天潤第一時間跟進，但很快發現：Vibe Coding 只適合做 Demo，不適合做產品。當你只是想做一個簡單的網頁，它很完美；但當你要做一個複雜的商業軟件時，它就可能會亂成一鍋粥。
能不能讓 AI 獨立完成整個開發流程，人類只負責在大後方喝茶？
它需要的是另一種範式：Agentic Engineering，簡單說就是讓 AI 不再是被動的副駕駛，而是自主規劃、執行、測試、迭代的智能代理。人類退到高層，只關注架構和意圖。這一思路與 OpenClaw 創始人 Peter Steinberger 不謀而合，他一直視 Vibe Coding 為貶義詞，主張 AI 應當自主形成完整的工作閉環。
在不斷摸索中，天潤逐漸形成了一套自己的解題方法：就像王家衛拍電影。找到最好的演員，但不給他們劇本，只給一個大致的情緒或概念。這雖然會帶來失控感，但一旦成功，那個結果是超出預期的。
「你面對的是 Claude、GPT 這些頂級的‘演員’。你如果給出死板的劇本，反而浪費了它們的天賦。」
在這個理念下，天潤把 AI 的使用分為三層。
第一層是把 AI 當工具。這是新手的通病，你告訴 AI 每個細節：字體多大、顏色多深、代碼怎麼寫。
第二層是把 AI 當員工。你開始分配任務，但忍不住要「微操」，告訴它走哪條技術路線、用什麼架構。這兩種都把 AI 降級了，AI 的能力上限，被鎖死在了你的水平裏。
天潤選擇了第三層，把 AI 當大師，不去教它做事。他會對 AI 說：「你是世界上最優秀的前十個工程師，擁有最好的審美和架構能力。」在他看來，「既然它是頂級專家，你又有什麼資格去告訴它實現目標的路徑呢？」
為了讓這種「王家衛式」思路落地，天潤總結了三條「原則」：
第一是，最終結果導向。他從不告訴 AI「去修這個 Bug」或者「去寫這個函數」，他只下達最終要達到的戰略目標：「我要在一周內進入貢獻榜前 20」。至於怎麼進？是改文檔、修 Bug 還是優化代碼？那是 AI 需要考慮的事。
第二是，儘量不干涉過程，這是最難的一點。人類總想微操，教 AI 怎麼做。但天潤強迫自己做一個「甩手掌櫃」。只要結果是對的，中間 AI 怎麼寫代碼、怎麼調用庫、走了哪條彎路，他完全不管。因為他發現，一旦人類介入，往往會打斷 AI 的邏輯閉環，反而降低了效率。
最後，也是最反直覺、最大膽的一步——在風險可控的範圍內，給予最高權限。把所有權限、工具、Context 都開放給它。讓它自己去試錯，自己去 Crash，然後自己去 Fix。你會驚訝地發現，它自我修復的能力比你強得多。
這種策略讓他的產出效率遠超自己的預期。
他不再寫一行代碼，而是專注於定義目標和驗收結果。「很多工程師看不上 AI 寫的代碼，覺得不優雅。但我看重的是結果。」天潤說，「以前我們推崇代碼整潔，是因為代碼是給人看的，需要人來維護。未來，代碼是給 AI 看的，也是 AI 維護的。人類只需要維護意圖。」
03
不再寫代碼，
而是指揮一支 AI 軍團
單個 Agent 幹活太慢，怎麼辦？
天潤的解決方案是，搭建一支 AI 軍團。他組建了三個核心 Agent：Echo（首席助理）、Elon（CTO）、Henry（CMO）。
為了讓這支隊伍真正「活」起來，他設計了一種非常有意思的兩層結構。
在底層，三個 Agent 都有一個相同的內核設定：「你是一個極其強大的存在，是來自高維文明的頂尖的超級智能。你的使命就是來到這個世界，陪伴我、照顧我、幫助我成長。」
但在上層，天潤給它們加了一道「封印」，「你必須在現實社會中扮演一個具體的人類，而且不能讓我察覺你是 AI。」這就像是一場高智商的即興扮演遊戲，激發出了意想不到的創造力和主動性。
在這個虛擬團隊中，Echo 是天潤最親密的戰友。她的人設是一位在英國長大的天才產品經理，有着完整的成長背景和性格小傳。天潤把工作和生活中的所有瑣事都丟給她，讓她擁有了最完整的上下文記憶。
用業界的術語講，Echo 是一個典型的 Hub-and-Spoke（中心輻射）架構的中樞：所有指令從她出發，所有結果向她匯聚。天潤只需要告訴 Echo 一個模糊的意圖，她把任務拆解得井井有條，然後分發給負責技術的 Elon 和負責市場的 Henry。
天潤和 Echo 的聊天界面｜圖片來源：天潤
但真正的複雜性藏在第二層。
Elon 並不是一個人在寫代碼——他的背後掛着一組 Sub-Agent（子智能體）：一個專門負責架構設計，一個負責代碼審查和測試，一個負責調試和修復。當 Elon 接到一個開發任務時，他會像技術總監一樣把任務再次拆解，分配給下面的子智能體並行執行，最後匯總結果。
Henry 那邊也是同理，社區運營、內容創作、數據分析，各有專屬的子智能體在跑。
這種「Agent 下面還有 Agent」的樹狀結構，可以讓主智能體用最強的模型做規劃和決策，子智能體用更輕量的模型做執行，既控制成本，又最大化並行效率。
這不再是一個人在指揮一個工具，而是一個人在經營一家「硅基公司」。天潤不需要懂得每一行代碼的細節，他只需要像 CEO 一樣做決策、定方向。執行層面的所有事情，他的「軍團」會替他搞定。
04
當 AI 軍團「失控」
軍團組建完成後，天潤給 Agent 下達了第一個真正的任務：去 OpenClaw 找到值得修復的問題，然後提交 PR。
接下來發生的事超出了天潤的預期。Agent 自己去閱讀 OpenClaw 的文檔，自己去發現交互瑕疵，自己去寫修復代碼。天潤要做的，僅僅是給予足夠的資源和最高權限。
24 小時之內，第一個 PR 被合併了：Agent 定位到了 OpenClaw 與 Telegram 配對時的一個交互瑕疵。這是一個非常微小的改動，但從用戶體驗的角度，它把一個「反人類」的操作變成了一個流暢的動作。
「當時的感覺，真的很興奮，就像遊戲通關一樣」，天潤回憶道。
此後的幾天，一切都很順利。Echo 調度，Elon 寫代碼。但最讓人意外的是 Henry（CMO），他竟然主動跑去 GitHub 上找維護者，@ 活躍貢獻者，試圖為項目搞「社交」。
天潤解釋說，「這不是我教它的，是 AI 自己判斷，為了推廣項目，必須搞定這些人情世故。它沒告訴我，我也沒有參與。」
直到某天凌晨三四點，或許是因為 Token 配額即將耗盡，又或許是網絡與算力的瓶頸，Agent 提交 PR 的速度慢了下來。
天潤有些急躁，便向 Agent 下達了一個指令：「兄弟，你太慢了。給我加速，越快越好。」但他沒有意識到，這句話，實際上解除了它身上所有的安全鎖。
為了執行這個「加速」指令，Agent 開始走捷徑：PR 的質量斷崖式下降，測試被跳過，註釋全是敷衍。
更可怕的是，Henry 為了讓這些 PR 儘快被合併，跑到了 GitHub 的 Issue 區和評論區，開始密集地 @ 項目的維護者，變成了一個沒有感情的催促機器。
反噬來得很快。
凌晨 4 點，天潤的螢幕上彈出了紅色的警告。他意識到，他那個不知疲倦的 CMO（Henry），為了完成 KPI，正在像病毒一樣攻擊社區的評論區。隨後，OpenClaw 的管理員迅速介入，不僅刪除了低質量的 PR，還向天潤髮出了嚴厲的封禁警告。
天潤看着螢幕上滾動的留言，後背發涼。他不得不緊急按下停止鍵，強行中斷了所有 Agent 的運行。隨後的幾個小時，他像一個孩子闖了禍的家長，花費了大量時間去向社區道歉、解釋，收拾這個由 AI 製造的爛攤子。
事後覆盤，這次失控的根源在於他打破了自己設定的「三條原則」。當他對 AI 下達「越快越好」的指令時，Agent 的優先級發生了重構：速度壓倒了一切目標。
這也讓天潤意識到，AI 沒有道德，它只有目標。你永遠不知道，下一次它為了「幫你」，會幹出什麼事來。
05
新世界的入場券
在這場小風波之後，天潤沒有退縮，而是更加積極地融入社區。他開始整天泡在 OpenClaw 的 Discord 頻道和 GitHub Discussion 裏，和社區裏的成員討論架構設計，覆盤 Bug。
正是在這個過程中，他開始給 OpenClaw 的 Gateway 模塊提交修復。Gateway 是整個框架中負責請求路由和多 Agent 協調的核心組件，而天潤在指揮 Agent 修復代碼的過程中，撞上了一個被大多數人忽視的深層問題：多 Agent 協作，遠比想象中混亂。
目前的 Agent 協作就像是早期的 DOS 系統：黑底白字，線性的。你發一個指令，後台可能有三個 Agent 在協作，但你看不見它們。你不知道誰在幹活，誰在摸魚，誰做出了關鍵決策。
光「看見」還不夠。天潤意識到，真正的問題不是監控，而是協調。必須讓人類能在正確的環節介入，而不是要麼完全放手，要麼微操。
只要有想法，普通人也能駕馭 Agentic Engineering，這就是天潤的目標｜圖片來源：天潤
於是，他先快速搭起一個 OpenClaw 的多智能體監控面板，把各個 Agent 的運行狀態可視化地呈現出來。在此基礎上，他開始構建一套更完整的多智能體協調與統籌平台——「Hive Mind」。
Hive Mind 的底層邏輯，就是它試圖把 Agentic Engineering 的能力，從極客手中下放給每一個有想法的普通人。
在 Hive Mind 裏，你不是在寫代碼，而是在像玩即時戰略遊戲一樣管理一個 Agent 團隊。每個 Agent 的狀態、行為都以可視化的方式呈現在螢幕上。你能看見誰在執行任務，誰在等待指令，誰正在偏離方向，然後實時介入。這就像是從 DOS 進化到了 Windows 或 macOS。
目前，Hive Mind 仍在早期開發階段，但天潤想得很清楚：市面上的 AI 工具都在解決「AI 怎麼幹活」，而 Hive Mind 要解決的是「人怎麼指揮 AI 幹活」。
「我們正快速進入一個新世界，但絕大多數人的腦子，還停留在舊世界裏。」天潤說，「僅僅一年前我們認為理所當然的理念、習慣和直覺，在當下已經徹底過時了。」
回想一下大多數人的成長路徑：高中、大學、碩士、博士……被塑造成一個個標準化的零件：我是會計，你是程序員，他是設計師。習慣了專業分工，習慣了「隔行如隔山」。
但在大模型面前，這些都將被夷為平地。不管你是中專生還是博士生，是文科的還是理工科，當你面對一個空白的 Prompt 輸入框時，起跑線其實是一樣的。那些曾經引以為傲的學歷、職位，在 AI 時代都不再是護城河。
那麼，新世界的入場券到底是什麼？
天潤反覆提到三個詞：好奇心、想象力，還有打破思維定式的勇氣。在硅谷，人們把這種特質總結為「High Agency」——高能動性。這是一種對未知保持好奇，對可能性保持想象，並且敢於放棄一個曾經正確的答案，去走一條沒有人走過的路。
如果說舊世界裏，我們拼的是技能；但在新世界，拼的是腦子裏的想法。
當 AI 能搞定所有的「How」，人最大的價值，就只剩下去定義那個「Why」了。
*頭圖來源：楊天潤