---
schemaVersion: 1
slug: gp-204-20260516-steipete-token-openclaw-agent
ticketId: GP-204
lang: zh-tw
title: 如果 Token 不再是限制：OpenClaw 的常駐 Agent 實驗
summary: Peter Steinberger 說，OpenClaw 長期在雲端跑約一百個 Codex。重點不是炫耀花費，而是在測試：如果 Token 成本不再是主要限制，軟體團隊可以把審查、分流、安全、重現、benchmark 和會議後續都變成常駐 Agent 工作。
originalDate: 2026-05-15
translatedDate: 2026-05-16
source: "@steipete on X"
sourceUrl: https://x.com/steipete/status/2055405041843052792?s=46
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/gp-204-20260516-steipete-token-openclaw-agent
status: published
replacementTicketId: null
replacementUrl: null
---

# 如果 Token 不再是限制：OpenClaw 的常駐 Agent 實驗

> **來源:** [@steipete on X](https://x.com/steipete/status/2055405041843052792?s=46)

[Peter Steinberger](https://gu-log.vercel.app/glossary#peter-steinberger) 這次丟出來的問題很短，但影子很長：

**如果 [Token](https://gu-log.vercel.app/glossary#token) 成本不再是主要限制，軟體開發會長什麼樣子？**

他描述的，不是「工程師旁邊多一個很會寫程式碼的助手」。比較像是專案多了一個夜班：有人一直看門、巡邏、整理單子、發現小火苗就先處理。

外界看到的是 [OpenClaw](https://gu-log.vercel.app/glossary#openclaw) 的 AI 花費。真正的實驗不是「花很多錢叫 AI 寫程式碼」，而是測試一件更怪、也更重要的事：**當背景勞動變便宜，專案可以把哪些雜務交給常駐 [Agent](https://gu-log.vercel.app/glossary#agent)？**

> **Mogu 溫馨提示：**
>
> 這篇不要想成「哇，好多 Codex，好奢侈」。比較像便利商店突然多了一百個夜班店員。重點不是店長很有錢，而是補貨、盤點、過期品檢查、客訴分類，哪些事情終於不用每次都叫人類從零開始。(◕‿◕)

## 一百個 Codex，不是排場，是夜班

OpenClaw 經常在雲端跑大約一百個 [Codex](https://gu-log.vercel.app/glossary#codex)。這組數字應視為專案操作者自述，不是公開 benchmark；但它指出的工作型態很清楚：Codex 在這裡不是單次問答工具，而是一批會看程式碼、開修改、跑檢查的 AI 工作者。

重點不是「一百個」很浮誇，重點是這些工作者沒有等工程師按鈴才起床。專案在白天寫功能，背景裡已經有人拿著手電筒巡邏。

巡邏先從門口開始。PR、issue、commit 都會被看過；安全問題太容易漏，所以 commit 進來就順手跑安全審查。新 issue 如果很適合專案文件化的方向，Codex 可以先開 PR，另一個 Codex 再去審那個 PR。這不是魔法，是把「先做一版、再找人挑錯」變成背景裡自動轉動的小輪子。

門口守住以後，麻煩會往地下室跑。issue 重複了，Agent 幫忙去重；很多問題其實指向同一塊壞掉的地方，Agent 把群聚找出來；主分支上的某個修正如果順手解掉六個月前的舊 issue，掃地型 Agent 會回頭找到那張舊 issue，用精準引用把它關掉。這種工作不像英雄任務，但專案長大以後，最容易堆到沒人敢開門。

地下室清完，輪到證據桌。有些 Agent 會重建複雜環境、開臨時機器、登入像 Telegram 這樣的外部服務，錄下修正前後影片，再貼回 PR。也有 Agent 盯效能、掃垃圾留言、擋垃圾帳號。名詞很多，但可以先記一句：這不是「AI 幫忙寫幾行程式碼」，而是「PR 旁邊自動附一包證據」。

更誇張的是，這個夜班還會接進會議室。當會議正在討論新功能時，背景就先開始做事，例如直接開 PR。相關工具與安全流程的方向也一致：把專案切成比較小、比較好審、比較好找問題的單元，讓背景勞動更容易分派。

這些自動化讓 OpenClaw 可以用很精簡的方式運作。這仍然是專案自述，但它描述的不是炫耀支出，而是一種新的作業模型。

> **Mogu 真心話：**
>
> 「精簡」很容易被講成管理學雞湯。這裡比較具體：不是少雇人然後叫剩下的人爆肝，而是把「人類最容易忘、最容易拖、最容易懶得做」的背景巡邏工作，交給不會累的 Agent。人類留在比較需要判斷的位置。

---

## 專案旁邊長出背景作業系統

工具清單本身不是最重要的。工具名會變，Agent 名字也會變；今天叫這個，明天換一個標誌，後天又被整合進別的產品。

真正值得記的是工作型態的轉向：以前 AI 寫程式很像「工程師旁邊坐一個很快的助手」；OpenClaw 這組實驗比較像「專案旁邊長出一個背景作業系統」。它不只回答問題，而是一直醒著，替專案做那些平常沒人想做、但沒做又會慢慢爛掉的事。

這跟 gu-log 之前寫過的 [OpenClaw Task Flow](https://gu-log.vercel.app/posts/gp-186-20260428-article-openclaw-task-flow/) 和 [Claude Code Agent Teams](https://gu-log.vercel.app/posts/gp-105-20260305-claude-code-agent-teams/) 接在一起看會更清楚：

- Task Flow 解決「多步驟工作怎麼不中斷」。
- Agent Teams 解決「多個 Agent 怎麼分工」。
- 這組 OpenClaw 實驗補上第三塊：**如果 Token 便宜到可以常駐，哪些工作應該永遠有人在背景看著？**

> **Mogu 認真說：**
>
> 這其實是軟體團隊的掃地機器人時刻。早期掃地機器人很像玩具：撞牆、迷路、吸不起來。後來真正改變生活的不是它「掃得比人類更懂地板哲學」，而是它可以每天跑。Agent 也是。一次回答很聰明很棒，但每天巡邏、每天比對、每天補洞，才是組織型態會變的地方。

## 結語

短期看，這像是 OpenClaw 在豪華燒 Token。

但真正的問題其實更像是在問：如果背景勞動變便宜，軟體團隊還要不要把所有小巡邏都塞回人類腦袋？

當答案開始變成「不用」時，AI 寫程式就不只是寫程式碼比較快了。

專案以前靠人類記得呼吸。現在，背景裡可能真的有人一直幫它換氣。