Openclaw和Claude Code背后的理念居然是截然相反的
如果你关注 AI 领域，最近有两个名字一定频繁出现在你的时间线里。
第一个是 Claude Code。
Anthropic 推出的编程 Agent，是 2025 年最火的 Coding Agent。硅谷工程师们争先恐后地晒自己的使用截图，从硅谷创业公司以亿计的生产力提升，到非程序员用它做出人生第一个 App——它正在成为 2026 年最受关注的开发工具。而Boris Cherny，就是这个项目的创造者。
第二个是 OpenClaw（原 Clawdbot）。
这只大虾最近真的是出尽了风头，霸榜了 AI 新闻一周的头条。它不像其他 AI 工具那样给你一个聊天窗口，而是直接住进你的电脑或云端——通过 WhatsApp、Telegram、iMessage 跟你对话，帮你做事。创始人Peter Steinberger，之前创办了 PSPDFKit，原本已经退休，但 Claude Code 激活了他，在 Clawedbot 之前，他已经利用 AI 开发了几十个项目。
两个人，都是顶级的工程师，都在用 AI 做工具，但他们分享的使用方法却天差地别。
Boris 在推特上分享了 Claude Code 团队的 10 个小技巧，除了一些小技巧，在思路上很中规中矩、且严密：同时启动 5 个 Git worktrees、Plan Mode、子智能体分工、不断迭代 CLAUDE.md……一整套精密运转的工业化系统。
Peter 的配置却简单得惊人：不用 MCP，不用 Plan Mode，不用子智能体，直接对着 AI 说话。30 万行代码的项目，就这样“聊”出来了。
为什么一个搞得这么复杂，另一个却这么简单？
Boris 的“去人性化”追求
仔细看 Boris 分享的那些技巧，你会发现一个规律：它们都在试图消除人的不确定性。
- 并行会话——把任务拆成可预测的子单元，同时进行
- CLAUDE.md——把团队经验固化成规则，新人也能复用
- 子智能体分工——每个智能体只做确定的事，不越界
- 自动化 hooks——格式化、验证、提交，全部自动，不需要人判断
这套系统追求的是：输入需求，输出结果，中间尽量不需要人参与。
Claude Code 团队要维护一个复杂的开发工具，多人协作，需要标准化、可复现。这个目标下，工业化流水线是正确的选择。Boris 甚至透露，在过去 30 天里，他 100% 的代码贡献都是 Claude Code 写的。
但问题也在这里。当 AI 被训练成永远 helpful、永远 thorough、永远不敢漏掉什么，它产出的东西会带有一种特定的“痕迹”——过度解释、排比堆砌、刻意换词、虚假的深度分析。不是因为它想骗你，是因为它被优化成了占据空间的模式。
Boris 的流水线把这种“痕迹”工业化放大了。每个子智能体都在生成“看起来专业”的内容，然后拼接在一起。结果是正确的废话，以极高的效率被生产出来。
Peter 管这叫“slop town”（垃圾镇）——终极 Token 燃烧机，产出的是没有人在场的垃圾。
Peter 的“在场”哲学
Peter 的做法看起来“简单”，实际上是一种刻意的复杂性削减。
他不用 worktrees，因为“不必要的复杂性”。他直接 checkout 好几份仓库：clawbot-1、clawbot-2……哪个空闲用哪个。
他不用 Plan Mode，因为“最新模型不需要”。他就跟 AI 对话，“我想建这个功能，应该这样那样，我们先聊聊”。
他不用 MCP，不用编排系统，因为他的开发流程是：截一张 Discord 用户反馈的图，拖进终端，说“我们聊聊这个”。
关键区别：Boris 的流程是预设的，Peter 的流程是即兴的。
Peter 讲过一个故事。他在摩洛哥给朋友过生日，有人在 Twitter 上报他的开源库有 bug。他拍了张推文照片发到 WhatsApp。AI 自己 checkout 代码、修复、提交、回复。他没写一行指令，只是发了一张图。
还有一次，他发了条语音消息，但系统本来不支持语音。AI 自己识别文件头（Ogg Opus 格式），用 ffmpeg 转码，没找到 whisper.cpp 就用他的 OpenAI key 调 API 转录。他根本没告诉 AI 怎么做。
这些时刻，AI 不是在执行预设的剧本，而是在回应一个具体的人在具体场景中的需求。
分裂点：谁对结果负责？
Boris 的方法能 work，有一个前提：判断标准是明确的。
修复 bug、通过测试、代码审查通过——这些是可以自动化的。当目标清晰，工业化流水线是高效的。
但写作、产品设计、创造内容——判断好坏的标准是模糊的，需要品味，需要你在场。
Peter 的核心洞察是：AI 还没有品味。它可以聪明得吓人，但如果你不在场引导它，它只会生成统计上最安全的表达。“此外”、“至关重要”、“深入探讨”——这些词不是为了传递信息，是为了填满空间。
当你建复杂的编排系统，让 AI 跑 24 小时，有“市长”有“监工”，你实际上是在说：我不需要在场，AI 可以替我完成判断。
但判断是创造的核心。没有了它，产出的是没有人在场的垃圾。
两种杠杆
Boris 和 Peter 都在用 AI 作为杠杆，但他们杠杆的支点不同：
Peter 说：“AI 是杠杆，不是替代品。它放大的是你原有的东西：系统思维、架构能力、对好产品的直觉。如果你没有这些，再多智能体并行跑 24 小时也只是在批量生产 slop。”
该学谁？
这取决于你在做什么：
大多数人犯的错误是：在追求创造力的时候，用了工业化的方法。结果让 AI 跑 24 小时，产出的是结构完美但空洞无物的“正确废话”。
写在最后
Boris 的复杂和 Peter 的简单，不是技术水平的差距，而是对 AI 角色的不同理解。
一个人把 AI 当员工，要的是可预测的产出。另一个人把 AI 当合伙人，要的是共同思考的过程。
当你读完 Boris 的推文，你觉得“好复杂，我得学”；当你看完 Peter 的访谈，你觉得“我也可以试试”——这种感受的差异，本身就是答案。
前者让你仰望系统，后者让你相信自己。
Claude Code 团队做着最精密的工程实验，试图用工程来弥补模型能力的不足，而 Openclaw 居然是在非常 vibe 的心态中铸造的，但却火出天际。
这就好像在告诉大家，还是要相信模型的能力，一切都是过渡态。
