撰文 陳書榕
管過人，才能用好 AI！他沒有團隊，靠「帶人的邏輯」做出 OpenClaw
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。
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。
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。
核稿編輯：王宥筑
