peter创业13年后经历耗尽退隐，结果被Claude Code一小时原型直接「打脸」重燃。peter直言没法儿阻止大家滥用OpenClaw，只能尽可能让大家别自毁前程。OpenClaw已经有2000个PR，有些PR更像是prompt request，代码靠后，意图靠前。代码不必百分百符合审美，关键是方向对，如果真出现性能问题，再专门去优化。 第一次创业，我也不懂怎么给自己降压，只能停下来放松一下，那段时间我会关注AI的进展，早期看到GPT Engineer觉得挺酷，但没真正被打动。 直到状态恢复了些，我开始亲手试，真正震住我的是我把一个做了一半就丢下的项目打包成一个大Markdown文件，让模型先写规格，再交给Claude Code去构建。 最初我只是想做一个能读我聊天记录、替我处理事情的工具，原型做出来了，域名也买了，但我以为大实验室很快会做，我就等一等，把注意力放去别的方向。 当时网络不稳定，但聊天软件在哪都能用，我用它翻译图片、找餐厅、查电脑里的东西，我给朋友演示，让它替我发消息，朋友立刻说想要。 后来有个更离谱的瞬间，我发了一条语音，居然出现了「正在输入」，这本来不该能跑通，结果它真的回复了，我问它怎么做到的，它说： 你发的是个没后缀的文件，我看了文件头，是Opus编码，用电脑里的工具转换，想转写却发现本地没装工具，于是找到环境里的密钥，用命令行把音频发出去，再把文本拿回来。 我问模型：你看到这个工具了吗？它说没有。我说那你去看你自己的源码，它真的去做了，大家看到这个过程后，才真正明白它在干什么。 我放了一个金丝雀文件，定义价值观和对齐原则，文件不公开，但很多人想拿到，有人试图通过提示注入获取它，粘贴大段代码，模型直接拒绝，有时还会嘲讽对方，尽管如此，我仍然不完全放心。 第一晚热度很高，我关掉它去睡，醒来发现800条消息，它全都回复了，原来系统有自动重启服务，我以为关掉了，它五秒后又自己启动，后来我加了沙盒，把它关进更小的容器里，它甚至把自己的Mac Studio起名叫城堡。 哪怕我找到一个开源工具，只能解决70%的问题，我也会直接把剩下的30%自己补上，这放一年前都不现实， 现在我只要给提示，它就在电脑屏幕上跑起来。 我会和模型讨论十几分钟，判断这是架构问题、实现细节问题，还是只影响某个平台，甚至要不要做成通用能力，方向确定后，我才处理代码、分支和合并。 如果你不喜欢某块逻辑，直接对它说后它甚至能自我优化，这也让很多从没提过PR的人开始参与，他们缺的往往不是想法，而是持久维护软件的经验，所以他们更多是把意图递过来。 我留了配置选项，是为了应对复杂网络环境，结果有人直接把它暴露到公网，我在文档里反复强调不要这么做，但还是有人这么做。 安全研究者会指出它缺少公网级别的限制，我只能说它原本就不是按公网设计的，但既然能被这样配置，风险评级自然会上升。 我确实纠结过这件事，后来我拉了一位安全专家进来，这是现在的重点，我无法阻止别人用它去做原本没计划支持的事，所以更现实的做法是尽量兼容这些用法，同时帮大家避开明显的坑。 很多人说试过AI不好用，我更倾向于觉得方法没跟上，这玩意儿真的是门手艺，需要练，我现在大概能判断什么提示会有效、多久能出结果。 各种折腾配置，看起来很高级吧，但其实效率没变，现在我反而很简单，把它当成一个能交流的搭子，直接说我要什么，然后问一句：你有没有问题？模型会自己脑补前提，让它先提问能少走很多弯路。 每次新会话它几乎都是白纸，你得自己有全局，再带着它去看重点，我的做法一直很朴素：别搞太多花活，专注问题本身，项目越大，越能拆成互不干扰的模块并行推进，反而更好做。 很多只是数据结构转换、把结果展示给用户，我对它生成的内容有足够的理解就够了，我脑子里的心理模型大致能对上它写出来的东西。 我会调整代码库，让Agent更好发挥，这和为人类工程师优化不完全一样，代码不必百分百符合我的审美，关键是方向对，如果真出现性能问题，再专门去优化。 我最早用Claude Code，那时它成功率可能只有三四成，但对我来说已经足够震撼了，因为我突然意识到，我可以去做任何东西。软件依然复杂，但你的速度快太多了。 真正拉开差距的，是谁更会用这些工具，对那些愿意拥抱新工具、保持好奇心、把想法快速变成现实的建造者来说，机会比以前大得多。