ClawLabs：用共享智能体共同构建开源项目

第一位讲者介绍，随着编程智能体能力增强，维护开源项目的方式如何变化。演讲讲述了从个人终端会话转向团队与智能体共享基础设施的过程。

讲者最初在终端窗格运行多个 Codex 会话，后来转向更便于管理会话、审查和可视化的桌面界面。并发工作增加后，本地硬件成为瓶颈。

远程开发机器和云端测试机分担了计算负载。这解决了部分容量问题，但队友仍依赖一个人在不同会话之间传递上下文。

讲者把这样的人称为“肉身代理”：手动在人员与智能体之间传递指令和结果的中间人。所提出的团队服务器让协作者能看到更多相关工作。

团队介绍 OpenClaw 的治理及其与 OpenAI 的关系，随后演示共享环境。访问与治理安排取决于具体项目，不能从一次演示推断所有安装方式都相同。

现场演示从让智能体制作类似 Frogger 的游戏开始。讲者改变游戏主题并让观众参与，展示协作者可以看到工作进展的共享会话。

在团队服务器上，参与者可以查看彼此的会话。讲者说，共享可见性有助于协调并发工作，并可能在多人重复劳动前发现冲突。

团队还尝试在拉取请求中附上经过清理的智能体对话。只要移除敏感信息，看到提示和中间决策就可能帮助审查者理解变更如何产生。

讲者承认，一开始分享提示让人觉得私密且不自在。尝试之后，团队发现共同记录有助于互相学习并发现错误。

一个例子涉及队友的 CI 工作：起初它似乎与讲者自己的工作重叠。阅读对话后，讲者看到了背后的思考，用具体上下文替代了原先的猜测。

讲者推测，随着代码产出增加，可以让智能体选择有用的测试。任何选择性测试方案都需要证据证明它能发现相关失败；演示并未证明可以安全跳过 CI。

共享服务器还托管此前散落在不同机器上的小型仪表盘与工具。其中一个仪表盘跟踪 CI 耗时；讲者让智能体修改其外观，作为对话式维护的例子。

其他视图跟踪拉取请求、活动和项目报告。讲者指出，自动生成的报告可能出错，因此人们仍需审查工具展示的内容。

团队演示智能体加入会议并记笔记，同时让系统使用共享项目上下文。这类集成也需要适当的访问控制，并考虑会议参与者。

队友的视觉工作在共享环境中可见，包括制作时使用的工具和迭代。讲者强调可以从过程学习，而不只是看到最终产物。

讲者介绍持续运行的自动循环，用于监控反馈、复现问题和提出修复。这些循环需要维护：它们可能停止、产生不良输出，或需要随项目变化调整。

循环持续检查某个条件，而目标则朝明确的最终状态推进。示例目标用多天逐步改变数据库访问方式；所称拉取请求数量来自讲者自己的报告。

更广泛的愿景是每个项目都有一个关联智能体，拥有上下文、自动化和目标。这是一个设想中的工作流，并不免除人们设定边界和评估结果的需要。

演讲转向 OpenClaw Enterprise。Kevin Lin 说，这个开源控制平面旨在支持组织范围内的多租户智能体部署、治理和隔离。

Lin 介绍将可信控制代码与智能体执行分离，并通过沙箱限制网络、文件系统和代码仓库访问。具体安全保证取决于部署与配置。

他将基于模型的行动审查和专用服务身份作为额外层次。审查器可以帮助标记行动，但不能替代独立执行的权限限制与隔离。

Lin 报告，公司内部使用许多持久智能体处理工程和安全任务。数量与效果由供应商提供，并非对有效性的独立测量。

演示中，管理员使用服务账户和连接器创建智能体。策略要求写入项目管理系统的操作经过团队批准，同时允许智能体使用授权上下文回答问题。

Lin 展示一个分类问题并处理代码的软件智能体，随后打开经过身份验证的会话查看进展。他将端到端自动化描述为内部用例，并未保证每个问题都能正确解决。

第二个智能体读取获得授权的项目和消息上下文，回答路线图问题。演示既说明连接上下文的好处，也说明各连接器权限和批准规则的重要性。

Lin 总结控制平面，并说项目已捐赠给 OpenClaw Foundation。讲者最后邀请开源社区在此基础上继续构建和改进。