ClawLabs: Building Open Source Together | DevDay 2026

**TL;DR：** OpenClaw 维护者在 DevDay 2026 分享了一年开源维护中的工作流演化——从 CLI 到 Codex Desktop，再到用 OC 构建 OC，通过多人协作 agent 会话、会话可见化和自动化循环，把"肉身代理"变成真正的团队协同，并朝"软件工厂"的愿景迈进。 ## CLI 时代的起点 这场革命始于终端。去年，演讲者的整个工作流都生活在 CLI 里——分屏、大量的 Codex 会话，代码在左右两边飞来飞去。 后来随着模型越来越强、越来越聪明，需要狂按 Escape 来干预 agent 的次数越来越少，甚至不再需要。工作流需要改变了。 ## 迁移到 Codex Desktop 对话应该在桌面端。Codex Desktop 让并发启动大量会话容易得多，文本更易阅读，有可视化、内置浏览器，还有真正的代码审查。 但运行大量会话和实验让机器快撑不住了——磁盘空间用完，风扇响得像喷气发动机。于是演讲者开始用多台机器分担负载：把 Codex 连接到 DevBoxes 上分散负载，还搭建了 Grabboxes 让 agent 在云端跑测试。大约同时有六到十台机器在跑他的代码和实验，有时通过 Codex，有时用 VNC。 **但这不是再多机器能解决的问题：当队友想参与进来时，他们仍然必须经过演讲者。** 虽然大家都在用 agent 工作，却没有真正地协同工作。 ### 别做"肉身代理" Frank Allenby 今年造了个词叫 "meat proxy"（肉身代理）。**让我们别做肉身代理**——你成了 AI 的接口，来回传递消息。 那团队其他成员怎么参与？他们怎么看到 agent 在做什么、理解背后的决策，并推动工作进展？ 这就是用 OC 构建 OC 时开始探索的方向。 ## OpenClaw 简介 OpenClaw 是一个开源的持久化 agent 平台，跨越你的工具、设备和团队。可以用订阅登录——现在还有个漂亮的 ChatGPT 登录按钮。它会加载你的插件，你甚至能看到自己的 Codex 会话。 ### 治理结构 OpenClaw 是开源的，由独立非营利组织 OpenClaw Foundation 持有，OpenAI 支持其使命。演讲者在 OpenAI 的团队探索如何设计有用的 agent、如何大规模运行它们、它们如何帮助改善工作和生活，以及最终自动化软件工程师会是什么样子。 ## 模型进化太快，工作流跟不上 核心论点：**模型变得越来越强、越来越快，我们工作的方式、工具的方式根本跟不上。** 一年前甚至六个月前合理的流程，现在感觉已经受限和过时。 ## 实时 Demo：PartyClaw 演讲者现场连线 PartyClaw，让它做一个青蛙过马路的游戏。到目前为止没什么新鲜的——你的 agent 也会做这个，最终给你一个 pull request，然后你可能把 PR 拿到 Codex 里继续工作。演讲者认为有更好的方式。 现场出现了一个已有的成品"Lily Lane"，快得离谱。结果发现是同团队的 Kevin 已经做完了。演讲者随后提出不想要青蛙，想换成龙虾，并打趣道：「看，我更快吧？看到那些人在打字了吗？但我写了第一个 prompt。」 等待龙虾游戏的同时，演讲者又给 agent 派了个活：他错过了 keynote，让 agent 调研 OpenAI 在 DevDay 2026 发布了哪些很酷的东西，并做一个 dashboard。 ### 多人协作的 agent 会话 演讲者发现只有三个人在线，于是开放了一个 URL，邀请在场听众一起做"蠢萌游戏"。这是为拥有相同访问权限的团队设计的场景——想想做开源、想和团队一起工作。以前用 pull request 协作，但那感觉已经不是未来了。 在服务器上，任何人都能看到彼此的会话，也可以给彼此的会话发 prompt。**别邀请你不希望来捣乱你会话的人。** 未来构建 OpenClaw 时，他们会用这个来邀请顶级贡献者：你获得 token，我们获得你的创意。 几个月前开始实验 agent 的多人协作后，它改变了团队的工作方式：不仅提升了速度，也让大家更快乐。如果能看到彼此的 prompt，可以避免很多冲突，感觉真的像一个团队在工作。 当天早些时候发布的 dots 是 OpenAI 面向企业的 agent 协作官方集成，OpenClaw 探索的是类似理念——agent 和整个团队一起工作。区别在于 OpenClaw 给你选择模型的自由、修改代码的自由，还可以完全运行在自己的基础设施上。团队也在思考 dots 和 OpenClaw 之间如何对话。 整个 workshop 的目的，是让大家思考：**我们现在还有哪些工作流可以用老方式做，在 agent 时代其实可以做得好得多？** ## 共享你的 Prompt 一句话现在可以产生成千上万行代码，但背后的对话往往留在某人的本地机器上。演讲者审过很多 PR，能理解改了什么，却不知道为什么——**给我看 prompt。** 他试过添加一个 skill，要求大家发送一份脱敏的对话记录并附加到 PR 上。很少有人说好。**分享你和 agent 的对话，感觉出奇地私人。** 连他自己有时候也会说不。 ### 会话可见化 当把会话对整个团队开放时，确实尴尬了一天——大家在读彼此的对话。笑了一下之后，它就成了新常态。现在团队互相学习，能更早地发现错误。 ## 修复冲突的故事 演讲者演示了一个真实场景：一觉醒来还没喝咖啡，看到 Roboclaw 的一个 PR——有人把表格样式改小了，而他前一天刚做了一模一样的工作、把表格改大了。皮质醇水平上升。这是 Victor 干的？ 以前他可能会发一条不那么加州风格的消息。但现在，他直接点开 Victor 的工作会话，看看他做了什么。结果 Victor 似乎复用了他的会话，甚至 ping 过他（「我应该多查查邮件」）。而且 Victor 明显对项目的 CI 耗时不满意。 继续往上翻，Victor 显然深思熟虑——演讲者错了，Victor 其实做得很好，基本是基于演讲者的工作修复了他的问题。午餐时间的危机化解了。 ### CI 需要被重新思考 演讲者认为当前的工作方式没有跟上新时代的需求，**CI 现在的形态已经没有意义了**。他正在实验用 Codex，也许加入智能后，更容易判断哪些测试子集是真正有用的。 ## 服务器：不只是应用，更是一个场所 团队把服务器看作一个"场所"而不只是一个"应用"。构建一个项目涉及的远不止代码，所以侧边栏里有很多应用——有些是 dashboard，有些是插件。这些东西以前也有，只是分散在不同服务器上：有些用 GitHub Actions 更新，有数据库、不同的仓库，团队也没有动力去更新。 ### Dashboard 即软件 演讲者做了一个 dashboard 追踪 CI 耗时。美妙之处在于，想调整时只需告诉 agent「把这个改成蓝色」，它就会照做，而且不会撒谎，dashboard 实时更新。 那么 dashboard 到底是什么？它是一个生成某个 artifact 的 session，然后有自动化来更新这个 session，artifact 里包含代码。从某种意义上说，它就是软件。但迭代得这么快，这还算软件吗？还是 **jellyware（果冻件）**？ ### 社区指标、Daily Claw 与 Slop Meter 服务器上有社区页面追踪各种指标——多少 PR、多少 issue 被报告、多少被合并。还有 Daily Claw，分析服务器上所有合并的内容并生成一份报纸，「有时候质量还不错，但很多时候错得离谱。不过构建时就该有乐趣。」 还有一个 slop meter（垃圾指标）。用 agent 时很容易让它生成越来越多的代码直到局面失控，所以应始终督促 agent 做清理。上了这个 dashboard 后，明显提高了大家的意识。 ### 插件与会议集成 以上都是 HTML 插件，也有真正的代码插件，比如 Reports——展示每个人的活跃度、多少 commits、在 Discord 上有多活跃。 会议功能则是自建的：以前自己付费买软件，后来想「为什么要付费？这就是一个 prompt。」用 Luna 总结会议记录，agent 会在 Discord 上加入会议。而且 agent 现在能说话了——接入 GPT Live 之后，可以直接问 agent 关于你的工作，或者派发新任务。因为它是代表服务器的同一身份、同一个了解全局的主 session，效果非常好。 ### 查看团队成员的工作 Victor 今早发起了一个挑战：他把侧边栏做得更好了。演讲者之前加了一个小视图可以看到谁在线、谁在运行，但不太好看，Victor 说他能做得更好。 最酷的是你能看到他实际的工作过程——他怎么和 agent 互动，「有时候他用词很丰富，但他成功挤出了很多不同的设计迭代」。Victor 甚至构建了完整的编辑器来调整这个，仍然不满意。然后又有其他人加入，开始一起协作，出现更多版本，「我都不知道我们最后更新的是哪个版本」。最终他们找到了一个看起来很令人信服的方案。 这些可视化在 Codex app 里也能用。**如果你还困在 CLI 里，是时候升级了——你已经落后到 2025 年了。** 更夸张的是，有些公司开着视频会议对着一个终端窗口，然后用那个终端和 agent 对话——有更好的方式。 ## 更宏大的愿景：软件工厂 最终在这里构建的是**一个构建我们软件的 agent**，这像是通往"软件工厂"的路径。有些工作必须非常亲身——你想直接和 agent 结对编程。 但演讲者也运行很多自动化循环，用它们监控反馈并自动落地下修复。有些循环跑在不同的机器上，有时会停止或需要调整，有时甚至不确定它们在哪台机器上运行。**这些循环需要维护。** ### 品味：我们仍不可替代的地方 最终我们仍然带来的价值是**品味（taste）**。品味很难描述，通常只是一种感觉，这不是他愿意完全交给 agent 的东西。 这件事在团队中运转得不太好——他跑的循环太多了。团队正在一个一个地把这些循环迁移到团队服务器上，让其他人也能学习，因为他们最终维护的就是那个构建软件的 agent。 ### 自动化循环的类型 有一个监控器扫描 Discord、Twitter 和 GitHub。演讲者构建了一些小 CLI，让 agent 能轻松获取大量数据，然后对它们进行分类。对于某些类别，比如更新 issue，agent 会阅读报告、进行调查、启动一个新的测试环境来复现错误。 Source: [ClawLabs: Building Open Source Together | DevDay 2026](https://www.youtube.com/watch?v=wZYnJfL4c2Y)