OpenClaw 與 Peter Steinberger：一個小時打造 18 萬 Star 的 AI 龍蝦
AI 系列-奧地利工程師 Peter Steinberger 從 PSPDFKit 創辦人到 OpenClaw 發明者，用一小時的側專案打造史上成長最快的 AI Agent 框架——讓 AI 住進你的 WhatsApp 與 Telegram。
WRITTEN BY
- Name
- Harry Chang
2025 年 11 月，一位奧地利工程師在鍵盤前坐了一個小時，寫了一段程式碼。
沒有商業計畫，沒有投資人，原因只有一個：「這東西不存在，然後我覺得很煩。」
三個月後，這段程式碼在 GitHub 上累積了 18 萬顆 Star，成為史上成長最快的 AI Agent 框架之一。Sam Altman 和 Mark Zuckerberg 都注意到了這個人，OpenAI 最終招募了他。
這個框架叫做 OpenClaw（龍蝦）🦞，創辦人是 Peter Steinberger。
- 為什麼你需要認識 Peter Steinberger？
- Peter Steinberger 是誰？
- OpenClaw 的核心哲學：AI 住在你的手機裡
- 三個核心設計
- 訊息流架構
- OpenClaw vs LangChain vs CrewAI：三者的定位差異
- 實用建議：三個起步行動
- 我的反思
- 參考資料 (References)
為什麼你需要認識 Peter Steinberger？
在這個 AI Agent 系列裡，我們看過不同角色的建造者：
- Andrew Ng 定義了思維框架
- Shunyu Yao 設計了推理引擎
- Harrison Chase 把 LLM 工程化、民主化
- João Moura 把 Agent 組織化、角色化
Peter Steinberger 的答案則截然不同：把 AI 帶進你已經在用的地方。
不是再多一個 App，不是再多一個 Dashboard。而是讓 AI 住進你的 WhatsApp、Telegram、Discord——你打開手機，它就在那裡等你。
這個想法聽起來簡單，卻是前面所有框架都沒有解決的事。
Peter Steinberger 是誰？
PSPDFKit：13 年的 B2B SDK 帝國
在 OpenClaw 之前，Peter Steinberger 做了一件更難的事。
2011 年，他在奧地利創辦了 PSPDFKit——一套讓 iOS、Android、Web 應用能夠顯示、編輯與簽署 PDF 的 SDK。這聽起來不性感，但數字不說謊：
- Autodesk、Dropbox、SAP 都是它的客戶
- 功能跑在超過 10 億台裝置上
- Steinberger 獨自把它從零開始，做了整整 13 年
這 13 年教了他什麼？他後來說：「我學會了如何把一個技術問題，包裝成一個任何公司都願意買單的解決方案。」
但也榨乾了他。
從 CEO 到消失
2024 年，Steinberger 出現了嚴重的職業倦怠——不是因為技術，而是因為「人的事」。董事會會議、團隊衝突、客戶要求、KPI 報告……他把這些統稱為 「people stuff」，而他越來越無法忍受。
他買了一張單程機票，飛到馬德里，消失了一段時間。
2025 年 4 月，他感覺火花回來了。一個簡單的 Twitter 分析工具，讓他發現 AI 已經發生了「典範轉移」——模型現在聰明到可以自己處理掉重複性的程式碼，讓工程師回到更重要的抽象工作。
一個小時的側專案
2025 年 11 月，Steinberger 做了一個小實驗。
他把 WhatsApp 和 Claude 的 CLI 接在一起，讓自己能用手機傳訊息給一個有記憶、有工具存取權的 AI 助理。這個東西他叫它 ClawdBot。
然後他把程式碼推上 GitHub。
「我建這個，只是因為它不存在，然後讓我很煩。」
接下來發生的事他完全沒有預料到。
龍蝦的命名之路
- ClawdBot（2025 年 11 月）：第一個名字，因太接近「Claude」而收到 Anthropic 法律壓力
- MoltBot（2026 年 1 月 27 日）：Steinberger 以龍蝦換殼（molting）比喻 AI 自我進化，改名
- OpenClaw（2026 年 1 月 30 日）：最終名稱，強調開源本質與龍蝦吉祥物
三天改了兩次名字。每次改名，反而讓更多人知道它的存在。
2026 年 2 月，OpenClaw 突破 10 萬 Star，最終達到 18 萬 Star 以上，峰值單週吸引 200 萬訪客。
2026 年 2 月，OpenAI 招募了 Steinberger。OpenClaw 以獨立基金會形式繼續開源運作，由 OpenAI 提供支持。
OpenClaw 的核心哲學：AI 住在你的手機裡
過去所有的 Agent 框架，都在問同一個問題：「怎麼讓 AI 更強？」
OpenClaw 問了一個不同的問題：「AI 要住在哪裡？」
Steinberger 的觀察很直白：人們每天打開最多次的，不是 ChatGPT、不是任何 AI App，而是訊息 App。WhatsApp、Telegram、Discord、Slack——這裡才是真實的工作與生活發生的地方。
所以 OpenClaw 的設計哲學只有一句話：
Your own personal AI assistant. Any OS. Any Platform. The lobster way. 🦞
三個核心設計
1. SOUL.md：給 AI 一個靈魂
OpenClaw 最獨特的設計，是用一個 Markdown 檔案定義 Agent 的「人格」。
# SOUL.md
你是 Alex，一位直接、有效率的個人助理。
## 個性
- 簡潔回答，不廢話
- 主動提出下一步建議
- 拒絕任務前一定解釋原因
## 專長
- 行事曆與會議管理
- Email 分類與草稿
- 網路搜尋與摘要
## 界限
- 不儲存任何密碼或敏感認證資訊
- 發送 Email 前必須二次確認
SOUL.md 不是系統提示詞的替代品，而是讓任何人都能讀懂、修改、版本控制的 Agent 定義文件。
你不需要懂 Python，只需要懂你自己想要一個什麼樣的 AI 助理。
2. Workspace 四件組
OpenClaw 的行為由四個 MD 檔案共同決定，放在 .openclaw/workspace/ 目錄下：
| 檔案 | 作用 |
|---|---|
| SOUL.md | Agent 人格、專長、行為界限 |
| AGENTS.md | 可用工具與技能清單 |
| USER.md | 使用者偏好、習慣與個人資訊 |
| MEMORY.md | 跨會話的長期記憶摘要 |
這個設計讓 OpenClaw 的 Agent 「知道自己是誰、能做什麼、對象是誰、記得什麼」——而且全部是人類可讀的 Markdown，不是隱藏在資料庫裡的黑盒子。
3. Gateway + ReAct 執行迴圈
當你在 WhatsApp 發出一條訊息，背後發生的是：
[訊息到達 Gateway: 127.0.0.1:18789]
↓
[Agent Runtime 組裝上下文]
→ SOUL.md（人格）
→ USER.md（用戶偏好）
→ 對話歷史（短期記憶）
→ MEMORY.md（長期記憶）
↓
[送進 LLM 推理]
↓
需要呼叫工具？→ 執行工具 → 結果回傳 LLM → 繼續推理
直接回答？ → 回覆用戶
這正是 Shunyu Yao 的 ReAct 模式在實際產品中的完整體現——但 OpenClaw 把它包裝成了任何人都能在手機上使用的介面。
訊息流架構
OpenClaw vs LangChain vs CrewAI：三者的定位差異
這三個框架常被放在一起比較，但其實它們回答的是完全不同的問題：
| 面向 | LangChain | CrewAI | OpenClaw |
|---|---|---|---|
| 核心問題 | 怎麼接 LLM 管道？ | 怎麼讓 AI 分工合作？ | AI 要住在哪裡？ |
| 設計語言 | 工具 / 管道 | 角色 / 組織 | 人格 / 對話介面 |
| 主要介面 | 程式碼 API | 程式碼 API | 訊息 App（手機） |
| 核心設定 | Python config | Agent roles | SOUL.md（Markdown） |
| 適合誰 | 工程師 | 工程師 + PM | 任何人 |
| 部署複雜度 | 中 | 中 | 低（訊息 App 即介面） |
| 多 Agent | LangGraph | Crew Process | Multi-Agent 支援 |
簡單記：LangChain 給工程師，CrewAI 給團隊，OpenClaw 給個人。
實用建議：三個起步行動
步驟 1：先寫你的 SOUL.md，再想工具
在安裝任何東西之前，打開記事本問自己：「我想要一個什麼樣的 AI 助理？」寫下它的個性、它能做什麼、它不能做什麼。這個思考過程，比任何設定檔都重要。
步驟 2：從單一頻道開始
OpenClaw 支援超過 20 種訊息平台，但第一次部署只選一個——Discord 或 Telegram 最容易測試。跑通一個，再擴展到其他頻道。
步驟 3：用 MEMORY.md 給 Agent 上下文
很多人只設定了 SOUL.md 就停了。真正讓 OpenClaw 好用的，是持續更新 USER.md 和 MEMORY.md——把你的工作習慣、常用名詞、重要偏好都寫進去。Agent 知道的越多，回答越準確。
我的反思
讀完 Peter Steinberger 的故事，我最大的感受是：他不是在「建構 AI 框架」，他是在解決一個最真實的使用者體驗問題。
LangChain 讓工程師不用從零開始。CrewAI 讓多個 Agent 有了組織架構。但兩者都要求你「進入」一個系統——打開程式碼、執行腳本、查看 Dashboard。
OpenClaw 翻轉了這個邏輯：不是你去找 AI，而是 AI 待在你已經在的地方。
這讓我想到一個問題：為什麼之前沒有人這樣做？
答案可能是：之前的框架都是工程師為工程師打造的。Steinberger 的特殊之處，是他在 B2B SDK 的世界待了 13 年——他非常清楚，真正被採用的工具，是那些「使用者甚至感覺不到它存在」的工具。
PSPDFKit 讓 PDF 在 App 裡無縫運作，用戶不知道它存在。OpenClaw 讓 AI 住在訊息 App 裡，用戶只覺得在傳訊息。
這才是最難的工程：把複雜的技術，做到讓人感覺不複雜。
參考資料 (References)
官方資源
延伸閱讀
- Who Made OpenClaw? The Story of Peter Steinberger
- OpenAI hires OpenClaw founder Peter Steinberger
- Fortune: Who is OpenClaw creator Peter Steinberger?
- OpenClaw SOUL.md Architecture Guide
推薦影片