OpenClaw 創辦人彼得．斯坦伯格（Peter Steinberger）用 3 個月建出 GitHub 史上成長最快的開源專案。這個名為 OpenClaw 的 AI 代理，住在你的電腦裡，透過 WhatsApp 或 Telegram 替你辦事，上線幾個月內便在 GitHub 累積超過 18 萬星標，吸引 Meta 的馬克．佐克柏（Mark Zuckerberg）和 OpenAI 的山姆．奧特曼（Sam Altman）主動提出合作或收購提案。
整個過程中斯坦伯格沒有團隊、沒有融資，核心開發幾乎由他一個人完成。「因為我以前帶過工程團隊。」他在 Lex Fridman podcast 裡直言不諱，能夠完成這項專案的關鍵能力，不只在於技術，而是你得有自己的一套管理邏輯。
他點出，他過去用來帶人的管理方法，後來都被他移植到帶領數十支 AI 代理。他的經驗，對任何正在考慮推動 AI 的管理者來說，有極高的參考價值。
延伸閱讀｜AI 終於有「手腳」了！AI 龍蝦 Clawdbot（Moltbot）是什麼？一次看懂與傳統代理的 3 大差異
管過人，才能管好 AI
斯坦伯格在創辦 OpenClaw 之前，花了 13 年將 PSPDFKit 做到觸及十億用戶。那段時間，他學到帶人最難也最關鍵的一件事：
「你的員工不會用你的方式寫程式。也許他們的方法沒你的好，但只要能推進專案，你就必須接受。如果你事事盯著每個細節，他們會恨你，你們也會走得很慢。」
後來他發現，這套邏輯完全適用於 AI 代理。他不強迫 AI 代理用他偏好的命名慣例，不要求它產出他心目中最「優雅」的解法，也不在每個細節上糾正它。
因為這樣做除了讓流程變慢，還有一個更實際的問題，AI 代理每次開啟新的工作階段都是從零開始，對你的專案沒有任何記憶。你若改掉它選的命名，下次它搜尋相關程式碼時，反而會找不到。
斯坦伯格表示：「我現在寫程式或是下指令，都不是為了讓自己讀得舒服，而是為了讓代理能夠輕鬆自主運作。這需要從根本上改變想法。」
許多組織在推動 AI 工具時卡關，問題通常不在技術，而在於主管習慣規定流程、審查輸出、確保一切符合自己的標準。但與 AI 能夠順暢協作的方式，反而是你願意放手、允許它走自己最擅長的路徑。
當然，放手不等於放棄判斷。斯坦伯格對哪些程式碼，必須親自過目有清楚的標準。舉例來說，凡是涉及資料庫操作的，他一定親自檢查過，因為這類工作任務出錯的風險最高。至於「資料從一個格式轉換成另一個格式」這類例行性工作，他完全交出去，不多介入。
區分哪些決策必須由人拍板、哪些工作可以完全交付，正是這個時代管理者最核心的能力。而這不是 AI 時代才需要的新技能，它本來就是帶人的基本功，只是現在換了一個應用對象。
延伸閱讀｜AI 代理數周挖出 50 萬美元！168 小時回覆不間斷，SaaS 教父如何用 1.2 個人力駕馭 20 個 AI？
你不是在操作工具，而是在帶領一個新成員
斯坦伯格說到，外界描述他的工作方式，最常用「好玩」兩個字。這個說法沒有錯，但容易讓人誤以為他只是在隨興亂玩。事實上，他的工作流程相當嚴謹，只是形式和傳統工程師截然不同。
他會同時開著 4 到 10 個 AI 代理視窗，每個負責不同的任務層級：開發新功能、修復小問題、探索實驗性想法、撰寫文件。他用語音輸入指令，從更高的視角監控整個系統的進展。
但更值得注意的，是他的工作習慣。每當 AI 代理完成任務，他必定會問：「你已經把它建好了，現在回頭看，有什麼地方你會做得不一樣？」 代理在執行過程中往往會撞見架構的限制與痛點，但任務完成前不會主動提示。這個問題一拋出，代理給出的建議往往比你自己想得更具體。這個習慣讓他得以持續清除技術債，避免隱性成本悄悄累積。
他幾乎從不因為代理做錯就把版本還原重來。「如果有什麼不對，就讓代理往前修。」在他看來，與 AI 協作的目標不是「完美的過程」，而是有效率地抵達好的結果。
最後，他強調：能夠給出精準的短指令，才是真功夫。 早期他會寫很長的指令，試圖交代所有細節；後來發現，精準的短指令反而效果更好 —— 這迫使你先把「你真正想要的結果」想清楚，長篇大論有時只是在掩蓋思路不清晰。他把這件事比喻成學吉他：「第一次彈不好聽，不代表吉他很爛，而是你還沒學會怎麼跟這個工具說話。」
AI 代理每次都從零開始，不知道你的專案架構，不知道哪裡有雷。他說：「你要把自己想像成一個系統架構師，在對一個剛加入的優秀工程師做說明。你不需要告訴他每一行程式碼，但要讓他知道去哪裡看、要注意什麼。」你不是在操作工具，你是在帶一個每次都重新開始的新成員 —— 清楚說明目標、給足背景、讓對方用自己的方式執行。
別評估工具，先放手去玩吧！
斯坦伯格給所有想與 AI 協作的人一個建議：別急著評估，先去玩。不需要帶著目標、不需要規畫產出，就是帶著好奇心去感受這個工具擅長什麼、在哪裡需要你介入。
他從接觸 AI 工具到決定建造 OpenClaw，中間隔了 7 個月，沒有明確目標，只是反覆探索和實驗。正是這段摸索期，讓他在真正開始開發產品時，擁有別人沒有的直覺和判斷力。
管理者常見的做法，是把 AI 工具當成系統來評估：試用幾次，看看效果，再決定要不要導入。但這個方法對 AI 代理並不管用——你的使用能力會隨時間顯著提升，第一個月的評估結果，往往低估了這個工具幾個月後真正能為你做的事。
工具誰都能學會用。但知道什麼時候該信任它、什麼時候需要自己介入、什麼時候讓它繼續跑——這些判斷需要累積，沒有捷徑。
而那層判斷力，你很可能早就有了。它過去被你用在帶人上，現在只需要換個對象。
（本文轉載自《經理人》）
