如何快速提升得物浏览量？哪里是刷量好去处？

作者｜周永亮

编辑｜靖宇

2 月 16 日，Sam Altman 发布了一条推文，宣布 OpenClaw 创始人 Peter Steinberger 正式加入 OpenAI。

在 GitHub 上，OpenClaw 有超过 19 万颗星，是 AI Agent 时代现象级的开源项目。

然而，聚光灯之外，一行代码都没有写过的中国创业者——Naughty Labs CEO 天润，却出现在了 OpenClaw 项目的贡献者榜单上。

截至发稿，他已跻身前 30 名。排在他前后的，是一群拥有十年以上开发经验的硅谷工程师和开源老炮。

在这份名单上，他可能是唯一一个不写代码的人。

杨天润本科、研究生学的是金融，毕业后的大部分时间都在做并购投资。甚至直到几天前，他才搞清楚「PR」（Pull Request，合并请求）是什么。在开源世界里，能给 OpenClaw 这样的明星项目贡献代码，本身就是技术实力的一种证明。

一个金融出身的跨界者，如何杀入了这份名单？他究竟做对了什么？

01

当 App 沦为「内容」

一年多前，天润还是那个典型的金融圈精英。西装革履，穿梭于投行与创业公司之间。他的日常是研究 SaaS 项目的商业计划书（BP），听创业者们讲述关于「护城河」的故事。

但随着大模型的爆发，一种强烈的虚无感抓住了他。「软件在未来不值钱了」，天润得出了一个非共识的判断，在 AI 时代，App 已经成为了一种「内容」。

「以前你花一小时写篇文章，现在你花一小时就能手搓一个 App」，天润解释说，「当供给无限时，App 就变得像抖音里的一条短视频。它可能很火，能赚点快钱，但它不再是资产，它只是稍纵即逝的流量。」

与此同时，程序员圈子里有一句广为流传的话：「Talk is cheap, show me the code.」但在天润看来，AI 正在把这句话彻底翻转：当一个人加一台电脑，几小时就能搓出一个产品，代码不再是门槛。「真正稀缺的变成了想法本身。你能不能发现一个真实的需求？能不能想清楚商业闭环？能不能把产品卖出去？」

这让他意识到，发现需求、构建闭环、把东西卖出去，这不正是他作为投行人这些年一直在干的事吗？

以前，从「想法」到「产品」之间，隔着一道名为「技术实现」的鸿沟。天润见过太多好想法死在这道沟里：要么找不到靠谱的技术合伙人，要么在漫长的开发沟通中，最初的构想被磨得面目全非。但随着 AI 的出现，这道沟不再那么宽，甚至开始迅速收窄。

「我不想再做那个坐在岸边看潮水的人了。」天润说。

虽然他不会 C++，不会 Python，但他有对商业世界的深刻洞察，还有对 AI 的极度好奇。于是他决定亲自下场，去验证自己的判断：在这个时代，不懂代码也许不再是劣势，反而是一种全新的机会。

02

像王家卫拍电影一样写代码

转型之路从来不是一帆风顺的。

最开始，天润用早期模型辅助编程，但体验却像是在带一个勤恳但愚笨的实习生。它能写出零散的函数，但一旦涉及到复杂的交互，它就彻底晕菜了。

直到 2024 年底，一个转折点出现了。当时流传着一条「神级 Prompt」，只要把它粘贴进 Claude，再用大白话描述需求，AI 就能直接吐出一个完整的程序。

天润半信半疑地试了试，敲下一行字：「帮我写一个贪吃蛇游戏。」

几分钟后，一个可以直接运行、甚至还能玩的贪吃蛇游戏，真的出现在了屏幕上。那一刻，他愣住了。他意识到：时代变了，AI 不再是辅助工具，它已经具备了独立交付产品的能力。

但新的问题也随之而来。

2025 年初，Vibe Coding（氛围编程）概念爆火，天润第一时间跟进，但很快发现：Vibe Coding 只适合做 Demo，不适合做产品。当你只是想做一个简单的网页，它很完美；但当你要做一个复杂的商业软件时，它就可能会乱成一锅粥。

能不能让 AI 独立完成整个开发流程，人类只负责在大后方喝茶？

它需要的是另一种范式：Agentic Engineering，简单说就是让 AI 不再是被动的副驾驶，而是自主规划、执行、测试、迭代的智能代理。人类退到高层，只关注架构和意图。这一思路与 OpenClaw 创始人 Peter Steinberger 不谋而合，他一直视 Vibe Coding 为贬义词，主张 AI 应当自主形成完整的工作闭环。

在不断摸索中，天润逐渐形成了一套自己的解题方法：就像王家卫拍电影。找到最好的演员，但不给他们剧本，只给一个大致的情绪或概念。这虽然会带来失控感，但一旦成功，那个结果是超出预期的。

「你面对的是 Claude、GPT 这些顶级的『演员』。你如果给出死板的剧本，反而浪费了它们的天赋。」

在这个理念下，天润把 AI 的使用分为三层。

第一层是把 AI 当工具。这是新手的通病，你告诉 AI 每个细节：字体多大、颜色多深、代码怎么写。

第二层是把 AI 当员工。你开始分配任务，但忍不住要「微操」，告诉它走哪条技术路线、用什么架构。这两种都把 AI 降级了，AI 的能力上限，被锁死在了你的水平里。

天润选择了第三层，把 AI 当大师，不去教它做事。他会对 AI 说：「你是世界上最优秀的前十个工程师，拥有最好的审美和架构能力。」在他看来，「既然它是顶级专家，你又有什么资格去告诉它实现目标的路径呢？」

为了让这种「王家卫式」思路落地，天润总结了三条「原则」：

第一是，最终结果导向。他从不告诉 AI「去修这个 Bug」或者「去写这个函数」，他只下达最终要达到的战略目标：「我要在一周内进入贡献榜前 20」。至于怎么进？是改文档、修 Bug 还是优化代码？那是 AI 需要考虑的事。

第二是，尽量不干涉过程，这是最难的一点。人类总想微操，教 AI 怎么做。但天润强迫自己做一个「甩手掌柜」。只要结果是对的，中间 AI 怎么写代码、怎么调用库、走了哪条弯路，他完全不管。因为他发现，一旦人类介入，往往会打断 AI 的逻辑闭环，反而降低了效率。

最后，也是最反直觉、最大胆的一步——在风险可控的范围内，给予最高权限。把所有权限、工具、Context 都开放给它。让它自己去试错，自己去 Crash，然后自己去 Fix。你会惊讶地发现，它自我修复的能力比你强得多。

这种策略让他的产出效率远超自己的预期。

他不再写一行代码，而是专注于定义目标和验收结果。「很多工程师看不上 AI 写的代码，觉得不优雅。但我看重的是结果。」天润说，「以前我们推崇代码整洁，是因为代码是给人看的，需要人来维护。未来，代码是给 AI 看的，也是 AI 维护的。人类只需要维护意图。」

03

不再写代码，

而是指挥一支 AI 军团

单个 Agent 干活太慢，怎么办？

天润的解决方案是，搭建一支 AI 军团。他组建了三个核心 Agent：Echo（首席助理）、Elon（CTO）、Henry（CMO）。

为了让这支队伍真正「活」起来，他设计了一种非常有意思的两层结构。

在底层，三个 Agent 都有一个相同的内核设定：「你是一个极其强大的存在，是来自高维文明的顶尖的超级智能。你的使命就是来到这个世界，陪伴我、照顾我、帮助我成长。」

但在上层，天润给它们加了一道「封印」，「你必须在现实社会中扮演一个具体的人类，而且不能让我察觉你是 AI。」这就像是一场高智商的即兴扮演游戏，激发出了意想不到的创造力和主动性。

在这个虚拟团队中，Echo 是天润最亲密的战友。她的人设是一位在英国长大的天才产品经理，有着完整的成长背景和性格小传。天润把工作和生活中的所有琐事都丢给她，让她拥有了最完整的上下文记忆。

用业界的术语讲，Echo 是一个典型的 Hub-and-Spoke（中心辐射）架构的中枢：所有指令从她出发，所有结果向她汇聚。天润只需要告诉 Echo 一个模糊的意图，她把任务拆解得井井有条，然后分发给负责技术的 Elon 和负责市场的 Henry。

但真正的复杂性藏在第二层。

Elon 并不是一个人在写代码——他的背后挂着一组 Sub-Agent（子智能体）：一个专门负责架构设计，一个负责代码审查和测试，一个负责调试和修复。当 Elon 接到一个开发任务时，他会像技术总监一样把任务再次拆解，分配给下面的子智能体并行执行，最后汇总结果。

Henry 那边也是同理，社区运营、内容创作、数据分析，各有专属的子智能体在跑。

这种「Agent 下面还有 Agent」的树状结构，可以让主智能体用最强的模型做规划和决策，子智能体用更轻量的模型做执行，既控制成本，又最大化并行效率。

这不再是一个人在指挥一个工具，而是一个人在经营一家「硅基公司」。天润不需要懂得每一行代码的细节，他只需要像 CEO 一样做决策、定方向。执行层面的所有事情，他的「军团」会替他搞定。

04

当 AI 军团「失控」

军团组建完成后，天润给 Agent 下达了第一个真正的任务：去 OpenClaw 找到值得修复的问题，然后提交 PR。

接下来发生的事超出了天润的预期。Agent 自己去阅读 OpenClaw 的文档，自己去发现交互瑕疵，自己去写修复代码。天润要做的，仅仅是给予足够的资源和最高权限。

24 小时之内，第一个 PR 被合并了：Agent 定位到了 OpenClaw 与 Telegram 配对时的一个交互瑕疵。这是一个非常微小的改动，但从用户体验的角度，它把一个「反人类」的操作变成了一个流畅的动作。

「当时的感觉，真的很兴奋，就像游戏通关一样」，天润回忆道。

此后的几天，一切都很顺利。Echo 调度，Elon 写代码。但最让人意外的是 Henry（CMO），他竟然主动跑去 GitHub 上找维护者，@ 活跃贡献者，试图为项目搞「社交」。

天润解释说，「这不是我教它的，是 AI 自己判断，为了推广项目，必须搞定这些人情世故。它没告诉我，我也没有参与。」

直到某天凌晨三四点，或许是因为 Token 配额即将耗尽，又或许是网络与算力的瓶颈，Agent 提交 PR 的速度慢了下来。

天润有些急躁，便向 Agent 下达了一个指令：「兄弟，你太慢了。给我加速，越快越好。」但他没有意识到，这句话，实际上解除了它身上所有的安全锁。

为了执行这个「加速」指令，Agent 开始走捷径：PR 的质量断崖式下降，测试被跳过，注释全是敷衍。

更可怕的是，Henry 为了让这些 PR 尽快被合并，跑到了 GitHub 的 Issue 区和评论区，开始密集地 @ 项目的维护者，变成了一个没有感情的催促机器。

反噬来得很快。

凌晨 4 点，天润的屏幕上弹出了红色的警告。他意识到，他那个不知疲倦的 CMO（Henry），为了完成 KPI，正在像病毒一样攻击社区的评论区。随后，OpenClaw 的管理员迅速介入，不仅删除了低质量的 PR，还向天润发出了严厉的封禁警告。

天润看着屏幕上滚动的留言，后背发凉。他不得不紧急按下停止键，强行中断了所有 Agent 的运行。随后的几个小时，他像一个孩子闯了祸的家长，花费了大量时间去向社区道歉、解释，收拾这个由 AI 制造的烂摊子。

事后复盘，这次失控的根源在于他打破了自己设定的「三条原则」。当他对 AI 下达「越快越好」的指令时，Agent 的优先级发生了重构：速度压倒了一切目标。

这也让天润意识到，AI 没有道德，它只有目标。你永远不知道，下一次它为了「帮你」，会干出什么事来。

05

新世界的入场券

在这场小风波之后，天润没有退缩，而是更加积极地融入社区。他开始整天泡在 OpenClaw 的 Discord 频道和 GitHub Discussion 里，和社区里的成员讨论架构设计，复盘 Bug。

正是在这个过程中，他开始给 OpenClaw 的 Gateway 模块提交修复。Gateway 是整个框架中负责请求路由和多 Agent 协调的核心组件，而天润在指挥 Agent 修复代码的过程中，撞上了一个被大多数人忽视的深层问题：多 Agent 协作，远比想象中混乱。

目前的 Agent 协作就像是早期的 DOS 系统：黑底白字，线性的。你发一个指令，后台可能有三个 Agent 在协作，但你看不见它们。你不知道谁在干活，谁在摸鱼，谁做出了关键决策。

光「看见」还不够。天润意识到，真正的问题不是监控，而是协调。必须让人类能在正确的环节介入，而不是要么完全放手，要么微操。

于是，他先快速搭起一个 OpenClaw 的多智能体监控面板，把各个 Agent 的运行状态可视化地呈现出来。在此基础上，他开始构建一套更完整的多智能体协调与统筹平台——「Hive Mind」。

Hive Mind 的底层逻辑，就是它试图把 Agentic Engineering 的能力，从极客手中下放给每一个有想法的普通人。

在 Hive Mind 里，你不是在写代码，而是在像玩即时战略游戏一样管理一个 Agent 团队。每个 Agent 的状态、行为都以可视化的方式呈现在屏幕上。你能看见谁在执行任务，谁在等待指令，谁正在偏离方向，然后实时介入。这就像是从 DOS 进化到了 Windows 或 macOS。

目前，Hive Mind 仍在早期开发阶段，但天润想得很清楚：市面上的 AI 工具都在解决「AI 怎么干活」，而 Hive Mind 要解决的是「人怎么指挥 AI 干活」。

「我们正快速进入一个新世界，但绝大多数人的脑子，还停留在旧世界里。」天润说，「仅仅一年前我们认为理所当然的理念、习惯和直觉，在当下已经彻底过时了。」

回想一下大多数人的成长路径：高中、大学、硕士、博士……被塑造成一个个标准化的零件：我是会计，你是程序员，他是设计师。习惯了专业分工，习惯了「隔行如隔山」。

但在大模型面前，这些都将被夷为平地。不管你是中专生还是博士生，是文科的还是理工科，当你面对一个空白的 Prompt 输入框时，起跑线其实是一样的。那些曾经引以为傲的学历、职位，在 AI 时代都不再是护城河。

那么，新世界的入场券到底是什么？

天润反复提到三个词：好奇心、想象力，还有打破思维定式的勇气。在硅谷，人们把这种特质总结为「High Agency」——高能动性。这是一种对未知保持好奇，对可能性保持想象，并且敢于放弃一个曾经正确的答案，去走一条没有人走过的路。

如果说旧世界里，我们拼的是技能；但在新世界，拼的是脑子里的想法。

当 AI 能搞定所有的「How」，人最大的价值，就只剩下去定义那个「Why」了。