ClawLabs：一起打造開源 | DevDay 2026（第 1/3 段）

🧑‍🏫 這支是 OpenAI DevDay 2026 的分享。講者維護一個開源 AI 專案，他談自己跟 agent（會自己動手做事的 AI 助手）合作的方式這一年怎麼變，最後走到「整個團隊共用 AI 對話」。如果你常常在 AI 和同事之間複製貼上、轉來轉去，這支會讓你重新想一想協作可以怎麼做。

• 00:36 主題：講者一年維護開源專案的心得、工作流程如何演變，以及把 OpenClaw 的開發搬到「OCIE」（字幕原文）本身之後發生了什麼
  ↳ 講者回顧維護開源專案一年的經驗。開源就是程式碼公開，誰都能看、能改。他會講工作方式怎麼一路變，以及改用 OpenClaw 來開發 OpenClaw 本身之後的變化。字幕把這件事寫成「OCIE」。
• 00:36 一切從 CLI 開始。去年講者完全在 terminal 工作，分割畫面、同時開很多「codecs」（字幕原文）sessions
  ↳ 起點是 CLI，也就是在 terminal（打字下指令的視窗）裡操作。他把螢幕切成好幾格，每格開一個 session（和 AI 的一段獨立工作對話）。字幕的 codecs 應該是指 OpenAI 的寫程式工具 Codex。
• 01:08 模型越來越好、越來越聰明，需要狂按 Esc 去 steer agent 的時候變少，幾乎不再需要，工作流程需要改變
  ↳ steer 是 AI 做到一半時按 Esc 打斷，把它導回正軌。以前常要盯著隨時介入，現在模型夠聰明，放著讓它做多半沒問題。人不用一直顧著，工作方式自然也要跟著改。
• 01:08 改用「codecs desktop」（字幕原文）：更容易同時開大量 sessions，文字比較好讀，也有視覺化功能
  ↳ 他換成 Codex 的桌面版 App。比起在指令視窗裡切格子，桌面版一次管很多段對話輕鬆得多，文字排版比較好讀，也能用圖像方式呈現資訊，不必全靠看純文字。
• 01:40 「codecs desktop」還有 inline browser 和 code review 功能
  ↳ inline browser 是 App 裡內建的瀏覽器，AI 做好的網頁可以直接在裡面看，不用切出去。code review 是檢查程式碼改了什麼、有沒有問題，這件事也能在同一個地方完成。
• 01:40 同時跑很多 session 和實驗讓電腦撐不住：連跑好幾個小時、磁碟空間用完、風扇聲音很吵
  ↳ 同時開太多工作，負擔全壓在他自己那台電腦上：一跑好幾小時、硬碟塞滿、風扇狂轉。意思是一台電腦的硬體已經跟不上 AI 的工作量。
• 01:40 開始用多台電腦分擔工作：把「codecs」連到 dev boxes 分散負載，並做了「grab box」（字幕原文）讓 agent 在雲端跑測試
  ↳ dev box 是專門拿來開發用的遠端電腦。他讓 Codex 把工作丟到這些機器上分攤，還自己做了叫「grab box」（字幕原文）的工具，讓 AI 在雲端跑測試，不佔用本機。
• 02:13 機器太多本身就是問題。隊友想參與時還是得透過他，大家都在用 agent，卻沒有真正一起工作
  ↳ 機器一多，只有他一個人掌握全貌。隊友想幫忙，得先問他、靠他轉達。每個人都在跟自己的 AI 工作，看起來很忙，其實沒有真的在合作。
• 02:49 「meet proxy」（字幕原文）：Frank Elmbay 今年提出的詞，指人在中間把訊息傳來傳去。講者呼籲不要當 meet proxy
  ↳ meet proxy 指人卡在中間當傳話筒：把 AI 的結果複製給同事，再把同事的意見貼回給 AI。這種人工轉手又慢又容易漏，講者希望大家別再扮演這個角色。
• 02:49 核心問題：團隊其他人要怎麼參與？怎麼看到 agent 在做什麼、理解它的決策、幫忙推進工作？這是他們開始用「OC 打造 OC」時探索的方向
  ↳ 他真正想解決的是：AI 在做事時，團隊其他人能不能直接看到它在做什麼、懂它為什麼這樣決定，還能順手推一把？這就是他們用 OpenClaw 開發 OpenClaw 時在摸索的方向。
• 03:20 「OpenCloud」（字幕原文）是開源的 persistent agents 平台，可以跨你的工具、裝置、伺服器和團隊運作
  ↳ persistent agents 指長時間持續運作的 AI 助手，不是問一次就結束。這個平台讓它能橫跨你的工具、裝置、伺服器和團隊一起工作。字幕寫 OpenCloud，從上下文看應該就是 OpenClaw。
• 03:20 可以用你的訂閱登入，沒有花俏的 ChatGPT 登入按鈕。它會讀取你的 plug-ins，也能看到你的「codecs」sessions
  ↳ 登入用的是你自己已經付費的訂閱方案，沒有花俏的登入流程。plug-ins 是外掛、擴充功能。它會讀進你裝好的外掛，也看得到你在 Codex 裡開的對話。
• 03:20 治理方式：專案開源，屬於「OpenCloud Foundation」（字幕原文）這個獨立非營利組織，OpenAI 慷慨支持其使命
  ↳ 這個專案歸一個獨立的基金會管。基金會是 nonprofit，也就是不以賺錢為目的的非營利組織，所以專案不是 OpenAI 的產品。OpenAI 是出錢支持它使命的一方。
• 03:55 講者團隊學到如何用 OpenAI 開發工具、設計有用的 agent、大規模運行 agent，以及讓 agent 改善工作與個人生活
  ↳ 做這個專案的過程中，團隊實際學到幾件事：怎麼用 OpenAI 的開發工具、怎麼設計真正幫得上忙的 AI、怎麼同時大量運行，以及怎麼讓 AI 改善工作和生活。
• 04:27 一年前甚至半年前還合理的工作流程，現在已經顯得受限、過時。講者的工作之一就是探索接下來的走向
  ↳ AI 進步太快，半年前還算好用的做法，現在已經綁手綁腳。講者把「找出接下來該怎麼工作」當成自己的任務之一，後面的示範就是他目前的嘗試。
• 04:27 Demo 開始：講者用語音呼叫 Partyclaw。語音翻譯能用，但不完美
  ↳ 示範開始。他直接用說的，叫出一個名叫 Partyclaw 的 AI 助手。語音轉成指令大致聽得懂，但不完全準確，他在現場也直接承認這一點。
• 05:02 講者請 agent 做「青蛙要穿越有車子的馬路」的遊戲
  ↳ 他給的任務很簡單：做一個「青蛙要躲車過馬路」的小遊戲。用這種一看就懂的小例子，觀眾比較容易看清楚後面的協作是怎麼進行的。
• 05:02 過去的做法是 agent 做完後回傳一個 pull request，你再把它拿到「codecs」裡繼續改。講者認為有更好的方式
  ↳ pull request（PR）是「我改好了，請審核後併進去」的提案。以前 AI 做完會交一份 PR，你再拿回 Codex 自己接著改，本質上還是一個人接力。講者認為有更好的做法。
• 05:37 遊戲是 Frogger。agent 找到一個已經存在、可以直接用的版本 Lily Lane，原來是 Kevin 和講者團隊先做好的。講者說他用的是 ultra fast
  ↳ 這個遊戲就是經典的 Frogger。AI 沒有從零開始寫，而是找到 Kevin 和團隊之前做好的版本 Lily Lane，直接拿來用。他另外提到自己用的是 ultra fast，字幕沒有多做說明。
• 06:07 講者要求把青蛙改成龍蝦。現場其他人也同時在下 prompt（有人提到大象），但講者下了第一個 prompt
  ↳ 他接著要 AI 把青蛙換成龍蝦。這時現場其他人也在對同一個專案下指令，有人想加大象。重點是：同一份工作，可以有很多人同時指揮 AI。
• 06:40 等待時，講者另外請 agent 做一個 dashboard，整理 OpenAI 在 DevDay 2026 發表的新東西
  ↳ 等 AI 做遊戲的空檔，他另外交代一件事：做一個 dashboard，也就是把資訊整理在同一頁的總覽畫面，列出 OpenAI 這次 DevDay 發表的新東西。
• 07:10 講者開放一個 URL，讓現場觀眾加入一起做好玩的遊戲
  ↳ 他公開一個網址，讓台下觀眾直接加入，一起對這個遊戲下指令。等於在現場實際示範「很多人一起跟同一個 AI 工作」是什麼樣子。
• 07:10 這個設計是給擁有相同權限的團隊使用，例如一起做開源的團隊
  ↳ 這種共用方式是設計給權限相同、彼此信任的團隊，例如一起維護開源專案的人。成員之間可以互相看、互相改，不是讓任何人都能隨便進來。
• 07:43 過去用 pull request 協作，講者覺得那已經不是未來。在這個伺服器上，大家可以看到彼此的 session，也能對彼此的 session 下 prompt
  ↳ 傳統做法是各自做完、再交 PR 互相審，他覺得這已經不是未來。在這台共用伺服器上，你看得到別人和 AI 的對話，還能直接在別人的對話裡下指令，接手幫忙。
• 07:43 未來開發 OpenClaw 時，會用這種方式邀請頂尖貢獻者：你拿到 tokens，他們得到你的點子，講者認為這很划算
  ↳ tokens 是 AI 的用量單位，用 AI 就會消耗，也就是成本。之後他會邀頂尖貢獻者進來：對方拿到 AI 使用額度，專案得到對方的好點子，他覺得這筆交換很划算。
• 08:15 這場 workshop 的用意是引發思考：還有哪些我們仍用舊方法做的工作流程，在 agentic 時代可以做得更好？
  ↳ agentic 時代指 AI 不只回答問題、還會自己動手做事的時代。這場分享的用意是讓大家回頭想想：手上還有哪些舊做法，值得在這個時代重新設計？
• 08:15 龍蝦遊戲完成，但變成了「龍蝦和鯊魚」。加入的人太多，講者說要關門了
  ↳ 遊戲做好了，但因為很多人同時下指令，結果變成「龍蝦和鯊魚」，多出原本沒要的東西。人太多，他只好宣布關閉入口。這也讓人看到，多人同時指揮會互相影響。
• 09:16 幾個月前開始實驗多人與 agent 協作（multiplayer），改變了團隊工作方式：速度提升，大家也更開心
  ↳ multiplayer 原本指多人連線遊戲，這裡是指很多人一起和同一個 AI 工作。他們幾個月前開始這樣做，結果團隊做事變快，大家也做得更開心。
• 09:16 看得到彼此的 prompt，就能避免很多衝突，感覺更像一個真正的團隊
  ↳ 看得到同事對 AI 下了什麼指令，就知道他在改哪裡、為什麼改，兩個人比較不會改到同一個地方撞車。資訊透明之後，才像真正一起做事的團隊。
• 09:16 今天稍早介紹的 Dots，是讓公司與 agent 協作的第一方整合。OpenClaw 探索的是類似的理念：agent 與整個團隊一起工作
  ↳ Dots 是 OpenAI 當天稍早介紹、自家做的整合產品，讓公司能和 AI 一起工作。OpenClaw 想的方向類似：AI 不只是某個人的私人助手，而是跟整個團隊一起工作。
• 09:50 OpenClaw 讓你自由選擇模型、修改程式碼，也能完全跑在自己的基礎設施上。講者很高興 OpenAI 支持這些不同做法
  ↳ infrastructure 指讓系統運作的伺服器、網路等底層設備。OpenClaw 讓你自己挑 AI 模型、改它的程式碼，甚至整套跑在自己的機器上。講者很高興 OpenAI 支持這些不同做法。
• 09:50 開源社群可以把這些想法帶往大家還沒想像過的方向
  ↳ 開源的好處是誰都能拿去改、拿去實驗。所以這些點子可能被社群發展成連他們自己都還沒想到的用法。
• 10:22 他們已經在思考如何讓 dots 和 claws 互相溝通
  ↳ OpenAI 自家的 Dots 和開源的 OpenClaw（claws 指這類 AI 助手）不打算各走各的。他們已經在研究怎麼讓兩邊的 AI 互相溝通。
• 10:22 一句 prompt 現在能產生數千到數萬行程式碼，但背後的對話常常只留在某個人的本機上
  ↳ 現在一句話就能讓 AI 寫出成千上萬行程式。但「為什麼這樣寫」的討論過程，常常只存在某個人的電腦裡，團隊其他人看不到。
• 10:22 講者 review 過很多 PR，看得懂改了什麼，卻不知道為什麼要這樣改：「Show me the prompt.」
  ↳ review 就是檢查別人的修改。他看 PR 時看得懂改了哪些地方，卻不知道背後的考量，所以他說「讓我看你的 prompt」。prompt 就是你給 AI 的指令，原因都寫在裡面。
• 10:55 講者加了一個 skill，請大家把清理過的（sanitized）對話記錄附在 PR 上，但很少人願意
  ↳ skill 是可以加裝給 AI 的一套固定做法。他加了一個 skill，請大家把 sanitized 的對話紀錄附在 PR 上，也就是刪掉密碼、個資等敏感內容的版本。但很少人願意照做。
• 10:55 分享自己怎麼跟 agent 對話，出乎意料地私密。連講者自己有時候也會拒絕
  ↳ 原因是，你怎麼跟 AI 說話，會暴露你的思考過程、卡住的地方，甚至說話的口氣，有點像被人翻日記。連提出這個要求的講者自己，有時也不想公開。
• 10:55 讓 session 對全團隊可見後，尷尬了大約一天：大家讀彼此的對話、笑了一下，之後就變成……（本段字幕在此截斷）
  ↳ 後來他們乾脆讓所有對話全團隊都看得到。第一天很尷尬，大家互看彼此怎麼跟 AI 講話、笑一笑。之後怎麼發展，字幕剛好斷在這裡。

講者為了在 review PR 時了解「為什麼這樣改」，加了一個 skill 請大家附上什麼？