OpenClaw 是 GitHub 历史上增长最快的开源项目。它由 Peter Steinberger 在 2025 年 11 月作为周末项目启动，到 2026 年 8 月 26 日，仓库已累计约 38.8 万 star、8.1 万 fork、8 万多次提交。它是一款运行在用户自己设备上的个人 AI 助手，直接接入用户已经在用的聊天渠道。走红之后，维护团队面对的最大问题不再是「没人参与」，而是「AI 参与得太快太多」：数千个 PR 与 issue 涌入，有贡献者一次开出几百个 PR。项目进入第六个月时，GitHub 官方与维护团队拍摄了一场视频访谈，并于 2026 年 8 月 27 日在官方博客发布文字版。半年实践下来的核心结论是：AI 能加快排查与响应，但判断与责任仍然由维护者承担；判断一个贡献者是否可信，看的不是代码由谁写成，而是他是否真正思考过这个功能。
从周末项目到 38.8 万 star
2025 年 11 月，Peter Steinberger 用一个周末写下了 OpenClaw 的雏形。它运行在用户自己的设备上，接入用户已在使用的消息渠道，以 AI 助手的形式处理日常事务。项目起步六个月时，仓库已有约 38.8 万 star、8.1 万 fork 和 8 万多条提交，被 GitHub 官方称为「历史上增长最快的开源项目」。
参与这场访谈的维护者包括：创建者 Peter Steinberger，Digital Meld 的 CEO Brad Groux，OpenClaw Foundation 的 Josh Avant 与首席架构师 Vincent Koc，Martian Engineering 的 Josh Lehman，Red Hat 首席软件工程师 Sally O'Malley，以及 OpenCoven 的 Val Alexander。他们谈到了同一个主题：贡献规模超过了人类审查体系的速度，项目该怎么维持质量与安全。
PR 变成了 prompt request
OpenClaw 的维护者要管理数千个 PR 和 issue。一些贡献者用自动化脚本同时开出几百个 PR，批量挖掘 issue 并提交改动，Peter Steinberger 把这称为 prompt request：「我不叫它们 pull request，我叫它们 prompt request。」
维护者的工作重心因此从「吸引参与」变成了「在洪流中找出有价值的贡献」——参与度不再是问题，识别价值才是。
信任信号：从贡献数量到思考过程
一个值得注意的现象是：不少被合并的首个 PR 出自非开发者之手。他们用 agent 生成 PR，再与维护者协作把改动完成。OpenClaw 团队没有因此关闭大门，而是调整了判断标准——展示你的工作。
新的要求是：提交 PR 时附上 agent 的对话转录、截图、测试结果与思路说明。Peter Steinberger 的解释是：「没人在乎代码是不是你写的，我们在乎你有没有真正思考过这个功能。」当贡献数量本身不再说明问题时，思考过程就成了新的信任信号。
用 agent 审 agent
维护者也开始用 AI 工具审查 AI 生成的代码。Val Alexander 的习惯是：收到 AI 提交的 PR，直接用 GitHub Copilot 做一轮全面审查，得到对每个文件的解读与修改评价。Josh Lehman 则观察到，在这个项目里「维护者直接编辑 PR、把它改对」已经变成常态——审查从「打回重写」变成了「就地修正」。
安全：声誉、默认值与供应链
声誉成为攻击面。 有人重复提交别人已有的 PR，只为积累合并徽章、向维护者证明可信度；也有公司用自动化 PR 推销自家产品。维护者不得不重新审视自己判断信任所用的社交信号——贡献历史本身可以被操纵。
「默认安全」取决于问谁。 收紧工作区权限会招来用户抱怨，放开限制又可能引发安全事件。Peter Steinberger 说，在「对用户足够方便」和「默认足够安全」之间找到平衡，是持续要做的功课。安全的默认值必须同时考虑 agent 的能力、用户的理解程度和环境的承受能力。
依赖关系需要主动经营。 经历供应链攻击事件后，团队逐条审查依赖，削减核心依赖数量，并与所依赖项目的维护者建立直接联系、回馈上游。Peter Steinberger 指出，主动贡献回上游而不是只管自己的 fork，并不是行业的默认做法——但 OpenClaw 团队选择这么做。
给开源维护者的三条可执行建议
- 把「展示思考过程」写进贡献要求：请贡献者随 PR 附上 agent 转录、截图与测试结果。这比任何「写了多少代码」的数字都更能说明问题。
- 用 AI 审 AI：让 Copilot 一类工具先做一轮代码审查，维护者再基于结果人工把关，可以显著降低 AI 贡献的审查成本。
- 把安全做成默认值讨论：将「agent 能力」「用户理解」「环境允许」三者分开评估，再决定默认权限；同时把依赖审查与上游关系维护纳入常规工作。
OpenClaw 用半年时间验证了一件事：在 AI 贡献成为常态的开源项目里，维护者真正的价值不是写代码，而是判断——判断哪些贡献值得合入、什么样的默认值是安全的、可以信任谁。这套判断能力，比任何自动化工具都更难被替代。