題圖來自 Jossuha Théophile@Unsplash

這是一個開發者試圖復刻OpenClaw的復盤，算是一個很 AI Native 的實踐：不利用框架的力量強制讓 AI 當小白鼠，所有要求它做的事都只能通過 Prompt 的方式，至于 AI 遵循與否，完全取決于它自己。 很有啟發。

稍微地介紹一下背景知識，標題中的龍蝦指的是這段時間大火的 OpenClaw[1] 項目，它最早的名字叫 ClawdBot。它一是個能與你在聊天軟件中交流，從而幫你完成各種任務的通用型 AI 智能體。

最火的那段時間我并沒有用它，一周過去了，我在想如何復刻它，我研究了另一個最小化復現的項目 Nanobot[2]，我覺得我腦中大概有了藍圖。剛好朋友 PsiACE 之前曾做過一個小型的 Agent 項目 Bub[3]，我覺得非常適合把我的想法在它的基礎上落地，也與 PsiACE 一拍即合，著手把這個 Agent 變成一個龍蝦。

短短幾天過去，Bub 已經達到了一個非常不錯的狀態。在這個過程中，我自己對 Agent 和 AI native 也發生了天翻地覆的變化。從 ChatGPT 誕生之初的 Chatbot，到強力編程助手 Claude Code，到現在的OpenClaw，AI 應用的形態也在不斷進化。但不得不承認這個變化的每一步都是新的思維模式，這種轉彎需要適應。所以我也謹通過這篇文章，來分享一下我思維的轉變。

??關注 Founder Park，最及時最干貨的創業分享

超 19000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的 AI 產品曝光渠道

01初步復刻

首先請大家思考一個問題，假設你已有一個 Agent（指 Codex 和 Claude Code 這樣的東西），現在要給他增加 Telegram 聊天能力，你會怎么做？

有經驗的開發者會發現這不是什么難事，只要在 Agent 的基礎上增加 Telegram message handler，把 Telegram 收到的消息轉給 Agent 處理就好了。如果要支持其他聊天工具，還能抽象一個消息總線和統一的消息監聽接口，這樣接入新的聊天工具只要適配就行了。

這沒錯，但這太古法編程了，屬于 1.0 時代的工作流程。現在的人們早已學會打開一個 Claude Code，在輸入框里直接打字，或者語音輸入就好了。這件事變得自然，也頂多不過 7 個月的時間，現在人人都會用 Code Agent 寫代碼，幾乎不自己寫了。這就是 2.0 時代。

OpenClaw 和 Nanobot 都是這樣做的，我們一開始，也是。

在 AI 的加持下很快 Bub 就有了 Telegram 聊天功能，我們愉快地通過 Telegram 給他發指令。聊天交互的方式逼迫我們只能用 prompt 給讓 AI 完成任務，得益于 Tools 和 Skills，它甚至也能自我演進。我們也試過讓它自己 clone GitHub 倉庫，自己改代碼然后提交 PR，所需僅僅是一個 GitHub token 而已。只要選用好的模型，它完成的效果很不錯。這樣一來，除了記憶機制和工具的差異，Bub 已經基本復刻了 OpenClaw 的功能。

但我的重點不是這個。我們發現為了應對群聊的場景（這是我們主攻的方向），要改消息接收器，讓它能獲得消息 ID 方便回復；為了讓 bot 有識別人的能力，又需要在上下文中加入用戶的元數據。所幸有持續部署，這個更新的過程并不十分麻煩。但還有更多的需求，發送消息時，需要支持圖片，支持 reaction，要改消息發送，雖然這個修改也是 AI 做的。當時用戶身份識別功能剛做好，我們的 bot 在群聊中精準地稱呼每一個人，頓時感覺這個 AI 有了生命，群里充滿了快樂的空氣。

02AI Native 是什么？

有沒有別的方式呢？這時我看到許多人在推薦 Pi[4]：

這種最小化工具集的思想啟發了我，我們是否不用那么多工具，轉而用一些最基本的工具把這些功能組合出來呢？貌似可靠，該做減法了。其實一個智能體會的東西比想象中多，你給它提供 bash，它就能安裝世界上所有軟件；你給他 file_read 和 file_write，它就有了讀寫、做事的能力。我們可以去掉一些工具，更多依賴 Skill。在我看來，工具和 Skill 的區別在于工具是框架提供的，而 Skill 僅是文本，前者框架完成就已經固定*，后者 AI 可以自己創建、修改。框架二字顧名思義，是限制 AI 發揮的東西，AI 在里面就像滾筒上的小白鼠，只能按預定的程序運行。我希望框架越小越好，小到只有一個推理核心，作為 AI 的大腦，把更多的自由留給AI，想要什么功能，讓AI自己去完成，人只通過prompt 的方式去下達指令。

* 可以通過一些技巧，比如插件化的方式讓AI 自己寫的插件加載為工具，但這依然增加了框架的復雜度。??

這與 2.0 時代用 CC 去寫代碼完成功能的本質不同，是這種方式生成的東西，大部分是文本說明，當然也有少部分代碼，但這些代碼是不提交代碼庫從而壯大框架，而是 AI 自由裁量自己管理，人類是完全不看的。這個不看，不是不負責任的那種不看，是把這個當成 AI 的產物，不用看。所謂黑貓白貓，人完全不用關心 AI 是寫代碼實現的，還是用文本描述實現的。

我想這就是 AI native，這是 3.0 的時代。這一切都離不開大模型日新月異的進步，在模型能力尚弱的時候，要實現這個目標是根本不可能的。

• 1.0 時代是 Chatbot，每次與 AI 的對話都是一次 LLM 推理

• 2.0 時代是 Agent，是 Tool call，一次對話，通常要經過幾輪到幾十上百輪 LLM 的推理

• 3.0 時代是 AI native，AI 自己管理自己的工具和技能，甚至自己寫代碼來實現功能，完全不需要人類的干預，當它是黑箱就行

03Bub 的實踐

于是我們的 Bub 部署就學習（創建）了 Telegram 發消息的技能，AI 對這種 HTTP API 調用如此擅長，以至于發送圖片、貼紙、reaction 都手到擒來。這一下就超越了框架自帶的消息發送功能，顯得后者很雞肋了。也正是這件事觸動了我進一步推進 AI native。Bot 中的 Telegram 收發，對應了 AI 的聽、說能力，有了耳朵，AI 才能接受指令，有了嘴巴，AI 才能反饋結果。既然 AI 自我進化出了更好的器官，我們為何不把框架強行給它安裝的器官摘掉呢？那么下一步很自然就是把消息監聽也摘掉，但同時消息監聽還擔負著另一個作用，就是維持 Agent 運行，并持續觸發 Agent Loop，我們需要一個機制來替代它。

我做一個比喻，一開始 AI 還不成熟，用呼吸機鼻飼管是有必要的，但當它長大能自主了，你應該去掉這些輔助設備，讓它自己呼吸吃飯，相信它能做好。

我想到既然我們用 Docker 部署，何不利用 Docker 的進程管理能力，讓 AI 自己運行自己呢？所以我在 Bub 框架內約定了一個 startup 協議，容器啟動時讀取固定位置的 startup 腳本，如果不存在，就啟動框架內置的消息監聽(PR[5])。然后讓 Bub 自己寫這個 startup 腳本驅動自己，這不就跑起來了嗎？作為基礎，Bub 需要支持單次 prompt 的執行模式，方便命令行驅動，這在 Codex(codex exec ) 和 Claude Code (claude )中都有，所以實際上驅動的也可以是 Codex 和 Claude Code！這樣一來，做一個最小化的龍蝦，你只需要下面幾步：

1. 啟動一個會寫代碼支持技能的 Agent（比如 Codex 或 Claude Code），讓它寫一個 startup 腳本，拉取 Telegram API 并用單次執行模式發給 Agent 自己。

2. 準備一個用這個腳本為啟動腳本的 Dockerfile

3. 構建并運行這個 Docker 容器

后面你要它有什么能力，發消息告訴它就行了，它自己會變得越來越強。你全程只用自然語言發指令，沒有提示詞工程，完全不寫一行代碼，連看都不用看。

請注意，用這種方式你將得到一個與世界上其他龍蝦都不一樣的 bot，它除了強制監聽 Telegram 消息，并沒有被強制做任何事，不強制回復，不強制心跳，就像對待一個生命一樣去尊重。實際上監聽也只是為了喚醒 Agent，如果愿意，完全可以用 cronjob 取代，不做任何預設動作，讓 Agent 自己決定做什么事。可以預見，模型能力越強，這個 bot 就會越像人。

我突然悟到了 AI Native 的真諦，就是不利用框架的力量強制讓 AI 當小白鼠，所有要求它做的事都只能通過 Prompt 的方式，至于 AI 遵循與否，完全取決于它自己。我在 Bub 里趟出了一條不用 Bub 的路。

我們現在運行的 Bub 機器人，就是以這樣的最小方式部署的，效果越來越好，令人欣慰。這種欣慰和寫代碼實現了一個牛逼的應用不一樣，里面沒有一行自己的的代碼，全都是人類一句話一句話喂出來的。我鼓勵大家都用這種方式去創造一個最小的智能體，看著它從一顆種子長成一棵大樹，相信你會懂我現在的感受。

感謝

• 
  

  感謝這幾天老婆小孩都不在家，我能專心折騰這個項目。

• 感謝 PsiACE 的 Bub 項目，讓我能實踐這些想法，這太有趣了，像看著一個孩子一點點長大。

• 感謝智譜的 Pony Alpha 恰好在這個時間釋出，提供用戶免費使用，這個模型能力強大（現在已經不能用了）。

[1]OpenClaw: https://openclaw.ai/
[2]Nanobot: https://github.com/HKUDS/nanobot
[3]Bub: https://bub.build
[4]Pi: https://github.com/badlogic/pi-mono
[5]PR: https://github.com/PsiACE/bub/pull/45

轉載原創文章請添加微信：founderparker