我做Claude Code榜一大哥的時候，OpenClaw的作者Peter是榜三……當時他在幹啥？
整理版優先睇
OpenClaw作者Peter喺成為榜三時，正用Claude Code構建整套agentic開發流水線，並反思極限工作文化
劉小排發現，去年7-8月自己做Claude Code榜一大哥時，排第三嘅正係OpenClaw作者Peter Steinberger。Peter用嘅Token仲要多過佢10%，但只係用平啲嘅sonnet模型。當時Peter仲未開始做OpenClaw，但佢由4月起就幾乎每日提交GitHub代碼。
從Peter嘅博客睇到，佢喺短短一個月內連續發表幾篇關於AI開發工具同工作流嘅文章，例如Poltergeist自動watch & rebuild工具、反思AI成癮嘅「Just One More Prompt」、為agentic工程師整理嘅底層認知，同埋個人AI開發工作流總結。呢啲文章顯示Peter正系統性咁用Claude Code建造自己嘅開發流水線，包含工具、流程同心智模型。
劉小排對比後發現，佢同Peter有好多共同做法：唔慳Token、盡量減少人手參與、開Bypass權限、用AI做研究同執行。但差距都好明顯：Peter嘅項目完全唔商業化，專注做實驗；Peter好重視自動化測試同CI，工具產品化能力強，仲有強勁嘅數據運營意識同軟件工程內功。劉小排決定向Peter學習，將工作流工程化、補返AI自動測試，並嘗試做對世界有影響嘅工具。
- Peter喺做OpenClaw之前，已經用Claude Code建立咗一套完整嘅agentic開發流水線。
- 佢透過博客沉澱經驗，將工具、流程同心智模型結合成可複用框架。
- 作者同Peter嘅最大差異在於：Peter完全唔商業化，專注實驗；作者較功利，傾向做產品。
- AI自動化測試、CI同數據監控係提升效率嘅關鍵，但好多人忽略咗。
- 作者計劃將工作流工程化、減少人工測試，並嘗試開發對世界有影響嘅工具。
從榜單發現Peter嘅蹤跡
劉小排留意到，佢做Claude Code榜一大哥時，排第三嘅正係OpenClaw作者Peter Steinberger。
Peter用嘅Token仲要多過佢10%，但只係用平啲嘅sonnet模型，顯示佢更關注成本效益。
當時Peter仲未開始做OpenClaw，但佢由4月起就幾乎每日提交GitHub代碼，密集程度驚人。
Peter由4月起幾乎每日提交GitHub代碼，並持續咗幾個月。
Peter嗰兩個月做緊乜？
從Peter嘅博客同GitHub提交可以拆解佢嘅活動。佢喺7-8月發表咗一系列重要文章：
Poltergeist、Just One More Prompt 等文章揭示咗Peter嘅思維軌跡。
- Poltergeist：自動watch & rebuild工具，將編譯步驟從心智中移除。
- Just One More Prompt：反思AI成癮同極限工作文化。
- Essential Reading for Agentic Engineers：為agentic工程師整理底層認知。
- My Current AI Dev Workflow：總結穩定高效嘅組合——終端用Ghostty，VS Code做輔助，核心驅動力係Claude Code。
GitHub提交方面，VibeMeter（48次提交）、個人網站（37次）、Matcha（33次）、bench（27次）等項目密集迭代，證明Peter正大量實驗AI時代嘅開發工具。
Peter正大量實驗AI時代嘅開發工具。
我同Peter嘅相似與差距
作者發現同Peter有好多共同做法：
- 從來唔考慮節省Token，寧願花更多Token節省自己時間。
- 一直設法減少人類參與，畀AI Agent長時間自動運行。
- 早早打開Bypass Permission權限，信任AI。
- 用AI做研究+執行助手，唔止寫代碼。
- 鍾意做實驗，沉澱經驗同工作流。
共同點包括唔慳Token、減少人手、開Bypass權限。
不過差距都好明顯：
- Peter嘅項目完全唔商業化，純粹滿足好奇心；作者較功利。
- Peter好重視自動化測試同CI，提交代碼中有大量相關內容。
- Peter工具產品化能力強，成日將工作流變成工具畀人用。
- Peter數據運營意識強，所有操作都帶監控。
- Peter軟件工程內功深厚，對操作系統、CI理解遠超作者。
Peter嘅軟件工程內功深厚，作者決定虛心學習。
作者較功利，Peter完全唔商業化。
向Peter學習：將經驗變成可複用工具
作者決定從三方面改進：
- 1 工作流工程化：將腦海入面嘅工作流變成明確可複用嘅工具，而唔係只寫文章。
- 2 補返AI自動化測試同CI：除咗產品交互，一律唔再做人工測試，減少手動驗收。
- 3 做對世界有影響嘅工具：OpenClaw係榜樣，但唔係為賺錢，而係令世界有啲唔同。
工作流工程化係第一個改進方向。
補返AI自動化測試同CI，減少手動驗收。
做對世界有影響嘅工具，而唔係只為賺錢。
哈囉，大家好，我係劉小排。
前幾日有位關注我公眾號嘅朋友留咗言俾我，佢發現咗一件有趣嘅事——舊年我做Claude Code榜一大哥嘅時候，OpenClaw嘅作者Peter Steinberger係榜三…… 😱
 |  |
(咩「榜一大哥」？ 去呢度補返網速 揭秘 Claude Code 榜一大哥：一個 AI 創業者點樣將工具用到極致 | 對話劉小排 ）
仔細睇咗一下榜單（上圖2），發現咗：
如果按照『Token摺合幾多美金』計，我係第一，Peter係第三。 但如果按照『消耗咗幾多Token』計，Peter比我用得多啲，多10% （說明當時佢更鍾意用sonnet模型，而我成日無腦用最貴嘅Opus）
嗰陣係2025年7月同8月嘅事。當時，Peter仲未開始做OpenClaw。咁佢當時做緊乜呢？
我揾到咗Peter嘅Github主頁。
佢由2025年4月開始，幾乎日日都提交代碼嘅狀態。下圖係Peter嘅Github日曆。
我有時會打醬油，但我提交得都唔少。下圖係我嘅Github日曆。
做OpenClaw之前，Peter消耗咁多Token做緊乜呢？
由博客分析
我由Peter個博客揾到咗一啲蛛絲馬跡
https://steipete.me/
Peter當時做緊呢啲嘢：
首先係 8 月 5 號嘅 Poltergeist，佢喺度整一個好具體嘅基礎設施級工具：透過自動 watch & rebuild，幫人類同 AI agent 將「編譯呢一步」從心智入面拎走，令開發-測試循環更快。呢個就係典型嘅「為自己嘅痛點做工具，然後順便變成產品」嘅做法。
到咗 8 月 19 號嘅 Just One More Prompt，你會感覺到佢意識到自己已經有啲「Claudoholic」：長期高強度用 Claude Code 寫工具、整 agent、跑循環，佢開始反思 AI 成癮、極限工作文化同「效率」同「自我消耗」之間嘅邊界。亦即係問：一直再嚟一個 prompt，代價係咩？
8 月 21 號嘅 Essential Reading for Agentic Engineers，就係將過去一段時間踩坑、觀察整理成一套「agentic engineer 要睇嘅底層認知」：開發者角色點樣演化、初級工程師點樣俾新範式衝擊、生產力嘅真實增益到底喺邊、平台同 MCP 會喺邊啲地方陰你。
8 月 25 號嘅 My Current AI Dev Workflow，就好似一個階段性總結：佢返返去一個自己驗證過、真正穩定高效嘅組合——終端用 Ghostty，旁邊掛 VS Code，核心驅動力係 Claude Code。前面嗰啲工具（例如 Poltergeist）同認知（agentic engineering 嘅套路），都沉澱成佢日常寫代碼、帶 agent 做嘢嘅固定 workflow。
所以嗰段時間，Peter做緊嘅嘢可以概括成一句話：
用 AI 作為主力生產力，親手搭起一整套「agentic 開發流水線」（工具 + 流程 + 心智模型），一邊加速 shipping，一邊嘗試搞清楚呢種新工作方式對人本身嘅影響。
由GitHub提交分析
我哋再分析Peter嘅Github，2025年7月同8月佢做緊乜：
VibeMeter（7月最重） 48 次提交，集中喺 7月1日-7月4日 主要係 UI/性能優化、分析能力增強 Repo：steipete/VibeMeter 個人網站/博客 steipete.me 37 次提交，覆蓋 7月2日-8月27日 持續出技術文章（AI workflow、Poltergeist、CLI 等）+ 站點維護 Repo：steipete/steipete.me Matcha 33 次提交，集中喺 7月29日-7月30日 新建並快速迭代嘅 Swift TUI 項目（含測試/CI 修復） Repo：steipete/Matcha bench 27 次提交，集中喺 8月29日-8月30日 T3/React playground + 數據庫驅動基準測試工具方向 Repo：steipete/bench poltergohst 6 次提交，集中喺 8月5日 Poltergeist 嘅 Go 版實驗實現（含 Watchman 相關修復） Repo：steipete/poltergohst stats-store（輔助項目） 4 次提交，7月2日-7月24日 主要係 VibeMeter appcast/下載端點相關 Repo：steipete/stats-store
一句話總結
由上面兩個素材嚟睇，
Peter喺 2025 年 7–8 月一邊做 AI 時代嘅開發工具實驗，一邊將經驗沉澱成公開文章同工作流框架。
邊做實驗，邊開發工具，邊寫方法論，再將方法論都變成工具。
直到累積咗大量經驗，Peter由2025年11月24日，先開始做OpenClaw。
我同Peter嘅共同點
都有欣慰嘅地方，發現我同Peter喺用Claude Code嘅時候，有好多共同點。
（如果你對我嗰段時間點樣用Claude Code有興趣，可以睇呢篇播客 揭秘 Claude Code 榜一大哥：一個 AI 創業者點樣將工具用到極致｜對話劉小排）
從來唔考慮慳Token，而係致力於花更多Token，慳自己嘅時間。 一直諗辦法減少人類參與，令AI Agent盡可能長時間、自動運行。 一早已經打開咗Bypass Permission權限，盡可能俾AI Agent更大嘅權限，而唔係畏首畏尾，擔心AI搞壞。 都係用 AI 作為「研究+執行」助手，而唔只係用來寫代碼。 鍾意做實驗。 沉澱經驗、沉澱工作流。
我同Peter嘅差距
Peter做嘅嘢同賺錢、商業化都毫無關係，佢只係沉浸喺自己嘅好奇心裏。
甚至乎，舊年年中佢重度投入嘅幾個項目，而家都已經關閉、唔再維護，例如steipete/bench、steipete/Matcha、steipete/VibeMeter等等，其中唔少有好幾百個stars嘅好項目。而我相對就功利啲。
由舊年年中嘅情況嚟睇，佢更鍾意做實驗，我更鍾意做（能商業化嘅）產品。
Peter好鍾意俾AI Agent做自動化測試、CI。由佢提交嘅代碼睇，有相當大嘅比例，同自動化測試、CI相關。 Peter嘅工具產品化能力更強。佢比較鍾意將自己嘅工作流(workflow)沉澱成工具，俾人用。包括OpenClaw，都係咁樣嘅產物。 Peter嘅數據化營運意識比我強好多。
無論係俾AI做咗啲乜，佢總係諗辦法將其中一切帶上數據監控。
Peter嘅內功好強，包括對軟件工程嘅理解、對操作系統嘅理解、對CI嘅理解等等。
呢方面我實在太慚愧喇。
記得喺今年2月初真格基金組織嘅OpenClaw早期用戶見面會上，已經有人發現我同Peter用Claude Code嘅方式好似樣，佢問我：點解你唔做個OpenClaw呢？
我回答話，Peter對操作系統嘅理解、軟件工程內功比我強太多，我只係一個玩家，而Peter係大師。
我決定向Peter學習呢啲
將經驗變成可重用工具。
Peter早期嘅VibeMeter、Poltergeist，而家嘅OpenClaw，都有呢條方法論嘅影子。
工作流工程化。
目前我嘅工作流都喺腦海入面，有啲會寫成公眾號文章，仲有啲喺課程入面，但係，都冇做到「工程化」，而係俾讀者自己去領悟。而且，考慮到讀者通常冇咩耐性，我寫得都好簡略，怕曲高和寡、平台唔俾我流量。
呢部分係可以去加強嘅。
將AI自動化測試同CI補返。除咗產品交互，一律唔再做人工測試。
目前我仲幾享受俾AI做一大堆，等我瞓醒之後，人工驗收。多謝Peter嘅提醒，我發現完全可以改進，令自己打更多醬油、令AI牛馬發揮更多價值。
既然已經唔使為錢煩惱，我可以放手做一啲好玩嘅、對世界有更大影響嘅事。
OpenClaw我好鍾意。但願有朝一日我都可以做出嚟咁樣嘅產品，唔係為咗賺幾多錢(OpenClaw零商業化），而係為咗真正令世界變得有啲唔同，哪怕少少都可以。
你有冇從Peter身上學到啲乜？歡迎喺評論區交流
哈嘍，大家好，我是劉小排。
前幾天有位關注我公眾號的朋友給我留言，他發現了一件有趣的事——去年我做Claude Code榜一大哥的時候，OpenClaw的作者Peter Steinberger是榜三…… 😱
| |
(什麼“榜一大哥”？ 到這裏補網速 揭秘 Claude Code 榜一大哥：一個 AI 創業者如何把工具用到極致 | 對話劉小排 ）
仔細看了一下榜單（上圖2），發現了：
如果按照‘Token摺合多少美金’計算，我是第一，Peter是第三。 但是如果按照‘消耗了多少Token’計算，Peter比我用得更多，多10% （說明當時他更喜歡用sonnet模型，而我總是無腦用最貴的Opus）
那是2025年7月和8月的事了。當時，Peter還沒開始做OpenClaw。那他當時在幹什麼呢？
我找到了Peter的Github主頁。
他從2025年4月開始，幾乎就是每天都提交代碼的狀態了。下圖是Peter的Github日曆。
我偶爾會打醬油，但是我提交得也不少。下圖是我的Github日曆。
做OpenClaw之前，Peter消耗這麼多Token在幹啥呢？
從博客分析
我從Peter的博客找到了一些蛛絲馬跡
https://steipete.me/
Peter當時在做這些事情：
先是 8 月 5 號的 Poltergeist，他在造一個很具體的基礎設施級工具：通過自動 watch & rebuild，幫人類和 AI agent 把“編譯這一步”從心智中拿掉，讓開發-測試循環更快。這就是典型的「為自己的痛點做工具，然後順便變成產品」的路子。
到了 8 月 19 號的 Just One More Prompt，你能感覺到他意識到自己已經有點「Claudoholic」了：長期高強度用 Claude Code 寫工具、造 agent、跑循環，他開始反思 AI 成癮、極限工作文化和“效率”與“自我消耗”之間的邊界。也就是在問：一直再來一個 prompt，代價是什麼？
8 月 21 號的 Essential Reading for Agentic Engineers，則是在把過去一段時間踩坑、觀察整理成一套「agentic engineer 要看的底層認知」：開發者角色怎麼演化、初級工程師怎麼被新範式衝擊、生產力的真實增益到底在哪、平台和 MCP 會在哪些地方坑你。
8 月 25 號的 My Current AI Dev Workflow，則很像一個階段性總結：他折返到一個自己驗證過、真正穩定高效的組合——終端用 Ghostty，旁邊掛 VS Code，核心驅動力是 Claude Code。前面那些工具（比如 Poltergeist）和認知（agentic engineering 的套路），都沉澱成他日常寫代碼、帶 agent 幹活的固定 workflow。
所以那段時間，Peter在做的事情可以概括成一句話：
用 AI 作為主力生產力，親手搭起一整套「agentic 開發流水線」（工具 + 流程 + 心智模型），一邊加速 shipping，一邊試圖搞清楚這種新工作方式對人本身的影響。
從GitHub提交分析
我們再分析Peter的Github，2025年7月和8月他在幹啥：
VibeMeter（7月最重） 48 次提交，集中在 7月1日-7月4日 主要是 UI/性能優化、分析能力增強 倉庫：steipete/VibeMeter 個人網站/博客 steipete.me 37 次提交，覆蓋 7月2日-8月27日 持續發技術文章（AI workflow、Poltergeist、CLI 等）+ 站點維護 倉庫：steipete/steipete.me Matcha 33 次提交，集中在 7月29日-7月30日 新建並快速迭代的 Swift TUI 項目（含測試/CI 修復） 倉庫：steipete/Matcha bench 27 次提交，集中在 8月29日-8月30日 T3/React playground + 數據庫驅動基準測試工具方向 倉庫：steipete/bench poltergohst 6 次提交，集中在 8月5日 Poltergeist 的 Go 版實驗實現（含 Watchman 相關修復） 倉庫：steipete/poltergohst stats-store（輔助項目） 4 次提交，7月2日-7月24日 主要是 VibeMeter appcast/下載端點相關 倉庫：steipete/stats-store
一句話總結
從上面兩個素材來看，
Peter在 2025 年 7–8 月在一邊做 AI 時代的開發工具實驗，一邊把經驗沉澱成公開文章和工作流框架。
邊做實驗，邊開發工具，邊寫方法論，再把方法論也變成工具。
直到積累了大量經驗，Peter從2025年11月24日，才開始做OpenClaw。
我和Peter的共同點
也有欣慰的地方，發現我和Peter在使用Claude Code的時候，有非常多的共同點。
（如果你對我那段時間如何使用Claude Code感興趣，可以查看這篇播客 揭秘 Claude Code 榜一大哥：一個 AI 創業者如何把工具用到極致｜對話劉小排）
從來不考慮節省Token，而是致力於花更多的Token，節省自己的時間。 一直在想辦法減少人類參與，讓AI Agent儘可能長時間的、自動運行。 早早就打開了Bypass Permission權限，儘可能給AI Agent更大的權限，而不是畏首畏尾，擔心AI搞壞。 都在用 AI 作為“研究+執行”助手，而不只是用來寫代碼。 喜歡做實驗。 沉澱經驗、沉澱工作流。
我比Peter的差距
Peter做的東西和賺錢、商業化都毫無關係，他只是沉浸在自己的好奇心裏。
甚至於，去年年中他重度投入的幾個項目，現在都已經關閉、不再維護了，如steipete/bench、/steipete/Matcha、/steipete/VibeMeter等等，其中不乏有好幾百個stars的好項目。而我相對要功利一些。
從去年年中的情況來看，他更喜歡做實驗，我更喜歡做(能商業化的)產品。
Peter非常喜歡讓AI Agent做自動化測試、CI。 從他提交的代碼看，有相當大的比例，和自動化測試、CI相關。 Peter的工具產品化能力更強。 他比較喜歡把自己的工作流(workflow)沉澱成工具，讓別人使用。包括OpenClaw，也是這樣的產物。 Peter的數據化運營意識比我強多了。
無論是讓AI做了什麼，他總是想辦法把其中的一切帶上數據監控。
Peter的內功非常強，包括對軟件工程的理解、對操作系統的理解、對CI的理解等等。
這方面我可太慚愧了。
記得在今年2月初真格基金組織的OpenClaw早期用戶見面會上，已經有人發現了我和Peter使用Claude Code的方式很像了，他問我：為啥你不做個OpenClaw呢？
我回答說，Peter對操作系統的理解、軟件工程內功比我強太多了，我只是一個玩家，而Peter是大師。
我決定向Peter學習這些
把經驗變成可複用工具。
Peter早期的VibeMeter、Poltergeist，現在的OpenClaw，都有這條方法論的影子。
工作流工程化。
目前我的工作流都在腦海裏面，有一些會寫成公眾號文章，還有一些在課程裏，但是，都沒有做到“工程化”，而是讓讀者自己去悟。而且，考慮到讀者往往沒啥耐心，我寫得也很簡略，生怕曲高和寡、平台不給我流量了。
這部分我是可以去加強的。
把AI自動化測試和CI補起來。除了產品交互，一律不再做人工測試。
目前我更還挺享受讓AI做一大堆，等我睡覺起來之後，人工驗收的。 感謝Peter的提醒，我發現完全可以改進，讓自己打更多醬油、讓AI牛馬發揮更多的價值。
既然已經不為錢發愁了，我可以放手做一些好玩的、對世界有更大影響的事情。
OpenClaw我非常喜歡。但願有朝一日我也能做出來這樣的產品，不是為了能賺多少錢(OpenClaw零商業化），而是為了真正的讓世界變得有所不同，哪怕一點點也可以。
你有從Peter身上學到什麼嗎？歡迎評論區交流