亲手跑了一遍 ClawTeam 后：AI 正在“权力转移”

有一段时间，我在反复问自己一个问题：我们到底是在用 AI，还是在逐渐被一种新的生产方式牵着走。

这个问题不是从理论里来的，而是从一次具体的实践开始的——我亲手跑了一遍 ClawTeam。

一开始的直觉很简单：这又是一个 multi-agent 框架。市场上已经太多类似的东西了，换个壳子、换点概念、换个 demo，本质还是 prompt + orchestration 的组合游戏。但当我真正跑起来，看着它在 tmux 窗口里一格一格地生成 agent、分配任务、写代码、相互通信的时候，我意识到，这东西不对劲。

它不是在“帮你写代码”。

它是在尝试把“写代码这件事”从人类身上拿走。

---

最先让我不舒服的，是它的“自动组织能力”。

你只需要给一个目标，它就会自己生成一个 leader。leader 再去拆任务，生成 worker。worker 再继续往下拆。整个过程不是线性的，而是像细胞分裂一样扩散开来。你几乎没有参与感，你只是一个旁观者。

这种体验很微妙。

过去我们用 AI，是一种“增强感”。你问，它答；你写一半，它补一半。你始终在控制链路中间。但在这里，你开始被边缘化。你只定义目标，剩下的事情，它自己做。

这听起来像进步，但我更愿意用另一个词来形容：权力转移。

人不再是执行者，而是被迫退回到“目标定义者”的位置。

问题在于，大多数人实则并不擅长定义目标。

---

再往下看，你会发现它的设计很“粗糙”，但这种粗糙反而暴露出本质。

它没有复杂的中间件，没有优雅的架构图。它用的是 tmux 管理进程，用文件系统做通信，用目录结构表达状态。乍一看很原始，但仔细想，这实则是在刻意绕开“工程复杂度”。

它的核心不在技术实现，而在组织模型。

你可以把它理解成一个极简版本的操作系统：

有任务（task），有状态（board），有通信（inbox），有身份（agent），有工作空间（workspace）。这些概念拼在一起，本质就是一个“AI团队运行环境”。

换句话说，它不是一个工具，而是一种“组织结构的模拟器”。

---

但问题也恰恰出在这里。

这种系统一旦运行起来，你很快就会遇到一个现实：你失去了可控性。

某个 agent 理解错了需求，它会继续往下传递错误。下游 agent 并不会质疑，它只会在错误的前提上继续执行。最终你拿到一个“看起来很完整”的结果，但本质是偏离的。

最危险的地方在于，这种偏离不是立即暴露的。

它不像程序报错那样直接崩溃，它是“正常运行的错误”。系统是活的、是流动的、是持续产出的，但方向已经错了。

这就是一个典型的分布式系统问题：错误被放大，而不是被中断。

你开始调试的时候，会发现一件很荒谬的事情——你不知道该调哪里。

是 leader 拆错了？还是某个 worker 理解错了？还是 prompt 本身有歧义？还是上下文传递丢失了信息？

整个系统像一个黑箱，而你只是站在外面看输出。

---

这让我重新思考一个问题：我们是不是过早地把“组织能力”交给了 AI？

在传统的软件工程里，最难的从来不是写代码，而是拆问题、控节奏、做取舍。这些都是高阶能力。而 ClawTeam 正在尝试把这些能力也一并交出去。

这本身没有错，但前提是：AI 已经具备足够稳定的判断力。

现实是，它没有。

于是你得到的是一个“会行动但不可靠”的系统。

---

但即便如此，我依然认为 ClawTeam 是重大的。

由于它揭示了一条不可逆的路径。

过去我们讨论 AI，关注的是模型能力：参数规模、推理能力、上下文长度。但这条路径实则已经接近瓶颈。真正的突破，不会来自“更强的单个 AI”，而是来自“AI之间的协作”。

换句话说，未来的竞争不在模型，而在“组织”。

谁能构建一个高效的 AI 协作系统，谁就掌握了生产力的放大器。

ClawTeam做的事情，就是把这个问题提前摆在你面前。

---

问题是，你要怎么面对它。

大多数人的选择是跑一遍 demo，然后得出一个结论：“挺有意思，但不实用。”

这是一种典型的误判。

你把它当成一个产品去评估，自然会失望。由于它的确 不成熟。但如果你把它当成一个“原型”，一个“方向验证”，它的价值就完全不同。

它不是给你用的，而是给你拆的。

你应该关心的，不是它能不能帮你写代码，而是它的三个核心机制：

任务是如何被拆解的，信息是如何在 agent 之间流动的，状态是如何被记录和恢复的。

这三件事，才是它真正的内核。

---

我更直接一点说。

如果你只是想提升开发效率，ClawTeam 对你没有意义。你用好单个大模型，加上合理的工具链，已经足够。

但如果你想做的是“系统级的 AI 应用”，那你绕不过这条路。

你迟早要面对的问题是：如何让多个 AI 协同工作，并且在不确定性中保持可控。

ClawTeam没有给出答案，但它把问题暴露得足够彻底。

---

最后，我说一个更现实的判断。

未来不会是“一个 AI 替代一个人”，而是“一个 AI 团队替代一个组织单元”。

当这种转变发生的时候，最稀缺的能力不再是写代码，而是设计系统、定义边界、控制复杂度。

也就是说，人不会消失，但角色会发生变化。

你要么成为那个“定义问题的人”，要么成为被系统替代的执行者。

中间地带会迅速消失。

---

ClawTeam让我不安的地方，不是它目前做得多好，而是它已经证明了一件事：

这条路是走得通的。

而一旦方向成立，剩下的只是时间问题。

如果你已经读到这里，还对 ClawTeam 有兴趣，那你实则已经和大多数人分层了。

但接下来有一个更现实的问题：这东西到底适合谁？值不值得你投入时间？以及，如果你决定动手，怎么避免踩坑。

这些问题不解决，前面的思考就会停留在“看懂了，但没用”。

---

先说一个不太好听的结论。

ClawTeam不适合大多数人。

不是由于它太先进，而是由于它对“使用者”的要求，本质上已经不是“工具使用能力”，而是“系统理解能力”。

---

它真正适合的，是三类人。

第一类，是已经厌倦“写代码本身”的工程师。

你应该很清楚那种感觉：需求拆来拆去，代码写来写去，本质上是在重复劳动。你不是在创造，而是在执行。ClawTeam给你的不是效率提升，而是一个机会——让你把“执行层”整体外包给AI。

但前提是，你能站到更高一层，看清任务结构。

如果你还沉浸在“代码写得漂不美丽”，那你用这个东西只会更痛苦。

---

第二类，是在做AI系统或平台的人。

如果你在做的事情是：

• AI应用平台
• 自动化研发系统
• 多Agent调度系统

那ClawTeam对你来说，不是工具，而是“参考架构”。

你要看的不是它好不好用，而是：

它是怎么拆任务的，怎么让Agent通信的，怎么维持状态一致性的。

这些东西，才是你未来系统的骨架。

---

第三类，是对“未来生产方式”敏感的人。

说白了，就是不满足于“用AI写点代码”的人。

你关心的是：

未来团队还会不会存在？
组织结构会不会变化？
人和AI之间的分工边界在哪里？

ClawTeam给不了答案，但它让这些问题变得具体。

你不再是在脑子里想象，而是可以亲眼看到一个“AI团队”在运行。

---

如果你不在这三类人里面，我提议你别碰。

不是打击你，而是避免你浪费时间。

你会觉得它不好用、不稳定、还不如直接用ChatGPT写代码。这些感受都是真的，但问题不在工具，在于你站的位置不对。

---

再说上手难度。

不要被它README里的“快速开始”骗了。

从技术角度，它不复杂：

• Python环境
• Git
• tmux
• 一些基础依赖

这些东西你都能搞定。

但真正的难点不在这里。

难点在三个地方：

第一，你能不能写出“可执行的目标”。

ClawTeam吃的不是代码，是目标。如果你的目标模糊，列如“帮我做一个系统”，那它必定会跑偏，而且偏得很远。

你必须把目标压缩成：

可以拆解、可以验证、可以逐步推进的结构。

这本质上是产品经理 + 架构师的能力，而不是程序员的能力。

---

第二，你能不能读懂“中间过程”。

ClawTeam不是黑盒，你必须盯过程：

• 它是怎么拆任务的
• 每个Agent在干什么
• 信息是怎么传递的

否则你只看结果，必定会失控。

这就像你在调一个分布式系统，你不能只看最终输出。

---

第三，你能不能接受“失败是常态”。

它不会稳定成功。

你需要反复调整：

• prompt
• 任务拆解方式
• 执行路径

如果你期待“一次跑通”，那你会很快放弃。

---

那怎么快速上手？

我不给你那种“按步骤操作”的教程，那是浪费时间。

我只给你一个最短路径。

第一步，不要一上来就搞复杂项目。

选一个超级具体的任务，列如：

“写一个简单的API服务”
“实现一个数据处理脚本”

目标要小，小到你可以手写一天完成的程度。

你的目的不是让它干活，而是理解它的行为模式。

---

第二步，强制自己“观察过程”。

不要只看结果。

你要去看：

leader是怎么拆任务的
worker之间有没有依赖关系
有没有出现理解偏差

甚至你可以手动干预，修改中间结果。

这一步的核心是：建立“系统感”。

---

第三步，开始“控制它”。

当你理解它之后，你要做的不是继续用，而是：

约束它。

列如：

• 限制任务拆解深度
• 明确每一步输出格式
• 加入人工校验节点

你会发现，一旦你开始“收紧系统”，它才开始变得可用。

---

最后，关于它的地址和宣传。

项目地址在这里：

https://github.com/HKUDS/ClawTeam

它对外的宣传很直接，也很典型：

• One Command to Build Your App
• Fully Autonomous Multi-Agent Collaboration
• Let AI Teams Replace Human Workflows

这些话没有错，但你要翻译一下它真正的意思：

不是“它已经能替代人”，而是“它正在逼近这个方向”。

你如果把宣传当现实，那你会失望。
你如果把宣传当信号，那你会警觉。

---

写到这里，实则可以收一个结论。

ClawTeam不是一个你“该不该用”的工具。

它更像一个镜子。

它照出来的，不是AI的能力，而是你的边界。

你能不能定义问题？
能不能控制复杂系统？
能不能在不确定性中做决策？

如果这些能力你没有，那它会让你更焦虑。
如果你开始具备这些能力，那它会成为你的放大器。

问题从来不在工具，而在你站在哪一层。