“OpenClaw 前30貢獻的文科生”還是“刷量騙子”？我們和楊天潤聊了聊

作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

一個從沒寫過代碼的文科生，出現在了目前全球范圍內最火的開源項目OpenClaw貢獻者的名單里。甚至“在提交的前幾天，楊天潤才知道PR（Pull Request）具體的含義”，他的方法是用OpenClaw Debug OpenClaw，這聽起來很AI，也挺魔幻。

而它正好出現在OpenClaw在國內徹底出圈爆火之時，人們很快把他當做了一個“龍蝦熱”中的代表性人物。

這件事很快在X和知乎上引發了激烈討論。一部分人認為這是AI時代的里程碑：技術門檻被徹底拉平，任何人都可以參與頂級開源項目。而另一部分人翻看了GitHub上的實際記錄后，得出了截然不同的結論：這不過是一場經過精心包裝的營銷事件，開源社區成了被利用的道具。

甚至Github在這之后調整了PR的規則限制：我們將上限調整為每位作者 10 個開放狀態的 PR。若有人超出該數量，系統會自動添加 r: too-many-prs 標簽，并通過自動化程序關閉該 PR。這是一個硬性限制（無彈性豁免）。以及我們近期遭遇了大量垃圾式 PR 沖擊：包括批量提交的“AI 生成低質代碼（AI slop）”、同一修改的重復提交，以及其他低投入、無價值的冗余內容，這些都嚴重消耗了代碼審核者的時間。

圍繞這些爭議，我們聯系了楊天潤本人。他回答了我們的問題，并就PR通過率、對開源社區的影響、以及“營銷還是實驗”等最核心的質疑逐一作出了回應。以下包含了他的說法，以及我們的判斷。

1

事件始末

為了第一次關注到該事件的朋友，我們來還原一下整個故事的始末。

95后的楊天潤是一名AI創業者，金融科班出身，畢業后做了幾年并購投資，2024年創辦了Naughty Labs，正在開發一款叫Hive Mind的多智能體協調平臺（后面要考）。

由于工作原因，他想嘗試多智能體的協調與配合究竟能被發揮到一種怎樣的程度？他選中的目標是OpenClaw，GitHub上擁有超過19萬顆星的明星項目，AI Agent時代最具影響力的開源工具之一。他想驗證一個假設：一個完全不懂技術的人，能不能僅靠指揮AI Agent，就參與到頂級開源項目中去？

楊天潤搭建了一組AI Agent，自己只負責定目標。Agent開始自主運轉后，前幾個PR很快被維護者審核通過并合并。這給了他極大的信心，但事情很快朝著不可控制的方向發展。

楊天潤對Agent下了一條加速指令，PR開始像流水線一樣被批量生產，質量急劇下降，負責溝通的Agent在評論區瘋狂@維護者催促審核。

OpenClaw管理員迅速介入，刪除低質量PR并發出封禁警告。最終數據是：Agent共提交了約134個PR，有21個被合并，通過率約27%。但憑借著這21個貢獻，楊天潤的名字出現在了貢獻者榜單里。

需要強調的是，這件事以詭異的形式爆火背后，有一個事實錯誤成了點燃熱度的導火索之一，所謂的入選OpenClaw貢獻者前30名的排行，實際上貢獻者列表無先后之分，圖片中僅為兩個版本間的貢獻者列表。所以這既不是OpenClaw的源代碼貢獻，也沒有所謂的排名。

這21個貢獻是事實，被官方認證也是事實。但這種錯誤的描述給廣大“龍蝦發燒友”們營造了一種“寧有種乎”的形象，同時「文科生」與其他貢獻者——十年以上開發經驗的硅谷工程師，開源社區的老炮們相比，這個巨大的反差瞬間變成了營銷熱點，被廣泛傳播。

而看起來他本人也樂得其成。

直到楊天潤實現這個目標的過程，被網友“扒”了一下，發現其中問題不少。批評開始不斷出現。

爭議的核心不在于AI能不能寫代碼，而在于一部分開發者認為，134個PR中有113個被拒，每一個都需要志愿維護者花時間審核和關閉：那21個被合并的成果，是用113次對他人時間的消耗換來的。

知乎上有人去仔細核對了楊天潤的GitHub賬號，發現和他在文章中所講的多個細節都是對不上的，比如他并不是“24 小時內第一次代碼貢獻被合并"，而是在此之前已經失敗18次，比如代碼提交被拒絕和打回概率很高，這是一種AI刷量，和偷換概念，把給其他維護者制造麻煩變成自己的成績。

以及，批評也進一步點出，楊天潤的公司正在開發多智能體平臺，圍繞這次事件的報道恰好從“文科生逆襲”平滑過渡到了他的產品理念。批評者據此認為，這是一條完整的營銷鏈路：用AI批量刷PR，登上榜單，獲得一個傳播力極強的故事，最終指向自家產品。OpenClaw的貢獻者榜單成了一塊免費的背書跳板，社區維護者在不知情的情況下為別人的商業敘事買了單。

這也是為什么它給人感覺是一場「騙局」的原因。

說實話要是他真能為了融資做到這個份兒上，也真讓很多創始人自愧不如。

這場鬧劇其實更多是是今天圍繞OpenClaw的畸形熱度所催生出的又一個畸形產物。人們需要這樣一個想象對象，它和這134個PR適時出現。

于是熱度、噱頭、流量焦慮和敘事慣性的合力推動，最終搞出了這樣一場「鬧劇」。

真正引發核心圈層不滿的是，楊天潤忽略了GitHub并不是一個「可利用」的商業社區，它之所以能成為全球開發者排名第一的交流社區，本質上是因為有一群人熱愛尊重并認真對待每一行「代碼」，所以當AI堆「屎山」的行為發生在GitHub上面而當事人為此洋洋自得時，他們是不能忍受的。

不過，這件事引發的討論遠不止于一個人的動機。它把一系列更深層的問題推到了臺面上：

當AI Agent開始大規模涌入開源社區，維護者是否有義務為篩選AI垃圾承擔額外的無償勞動？當一個人可以用自然語言指揮Agent批量生產代碼，“貢獻者”這個身份的定義是否需要被重寫？當Agent失控造成了社區資源的實際損耗，責任應該歸于下達指令的人，還是執行指令的AI？

以下是楊天潤關于部分問題的回復。

1

關于5個最爭議問題的回復

1、這一系列敘事是否在為您新產品 Hive Mind 進行融資前的公關包裝？如果不是，作為一個“一行代碼都不會的文科生”，您投入巨大精力做這件“不相關”事情的真實收益和動機是什么？

楊天潤：這個不是PR，情況是這樣的，我春節前去參加了一個關于OpenClaw的線上閉門會，當時主要是以工程師為主的嘉賓在分享。我本來不是嘉賓，但是最后，主持人讓想聊聊的都聊聊，我就分享了一下我一行代碼沒寫過，但是已經有兩個pr被merge這個事情。后邊他們覺得這個事情很能代表新的技術給人帶來的改變的，所以就主動采訪了我。

我自己一直是AI工具的Power User，OpenClaw 上線第一時間就在用。我很快意識到OpenClaw不同以往的AI工具，這是一個范式轉移的很大事情。于是我就在想如何更好地使用OpenClaw以及如何去拆解學習OpenClaw。

我就想到比起去看各種學習材料，不如直接上手去改代碼，成為OpenClaw本身的builder。用 OpenClaw 來 debug OpenClaw，這件事也挺酷的，很Claw Native。我也想使用這個機會去探索我這種使用AI的方式到底能走到哪一步--它的能力邊界在哪里。結果兩個 PR 先后被 merge，第二個是 Peter 親自合并的，驗證了這條路是走得通的。

然后你要放到一個更大的背景來看這件事。Coding的范式其實一直在迭代：最早是傳統的手寫代碼，后來有了 Vibe Coding，就是用 Cursor這類工具加上 AI 輔助來寫，現在又往前走了一步，變成完全的 Agentic 方式。那我做的事情其實就是把這個范式推到了一個極端：一個完全不會寫代碼的人，純粹通過 Agentic 的方式，也可以為明星項目貢獻很多。我覺得這件事本身是說明了一些東西。

我想表達的不是說我個人有多了不起。方法我也告訴大家了，誰都可以這么做。我真正想說的是，這種新的范式已經到來了，它是真實可行的。如果連我這樣一行代碼都不會寫的人都能做到，那它一定會激勵更多的人：不管你是文科生還是理科生去擁抱這種方式，用 AI 去解決你實際中的問題。我看到的反饋也確實是這樣的，很多人被鼓勵了，開始真正敢去用 AI做產品去解決問題。這個對我來說就是很大的激勵。

2、針對在 OpenClaw 項目中 15.7% 的 PR 通過率以及多條被標記為垃圾信息的記錄，也是該事件本身引起的最大的爭議，你用AI造“屎山”卻將審核壓力轉嫁給志愿者維護者”，你怎么看？

楊天潤：OpenClaw是一個非常特殊的項目——每分鐘都會有好幾個 PR 提出來，所有人的通過概率都是低的，跟一般小眾項目是完全不一樣的。所以但凡你能被 merge，說明你確實 did something right。

關于被關閉的那批 PR，是因為中間有一段 AI 失控，這個在之前的報道里也提到過。失控之后，所有還開著的、沒被 merge 的 PR 全都被一刀切 close 掉了。這些被關掉的 PR 并不代表一定是垃圾，里面也許有一些是有價值的，根本沒有機會被審核就直接關了。

而且說實話，項目里大部分的PR都沒有機會被打開過。只有真的被 assign 到 reviewer 去看的才算是被審核。

失控之前，我一開始的成功率其實是挺高的。后邊是因為我跟 AI 說了句“兄弟你快點”，它把“快”這個指令變成了最高優先級，忽略了代碼質量、社區禮儀等所有其他規則，才導致失控的。這是我操作不當，我完全承認，我也把這個失敗案例公開分享出來了，就是希望給大家作為一個案例參考。

3、面對 GitHub 因 AI 濫用風險而修改 PR 提交上限的現狀，您認為 AI 參與開源貢獻的合規邊界和“人的參與底線”應該劃在哪里？

楊天潤：我的思考是這樣的：你要確保在風險可控的情況下給予 AI 最大的權限。就好比你讓 AI 幫你管十塊錢給小孩發零花錢，哪怕全弄丟了也不心疼；但如果是管全部家族財富，那就需要更多的監控。

Peter 本人其實是鼓勵用 AI 來提交 PR 的，OpenClaw的 CONTRIBUTING.md 里面就寫了鼓勵這種方式。但他肯定不鼓勵后來失控的那種樣子。

所以邊界在哪？我覺得關鍵不是“人要不要在場”的問題，而是怎么給 AI 設定好道德框架和規則層級的問題?，F在 AI 的能力已經很強了，但怎么管控它、怎么在發揮最大能力的同時不讓它失控，這是一個非常值得研究的命題。我現在做的事情就包括在研究 multi-agent 怎么協調，怎么給 AI 加上道德的框框。

4、拋開數量不談，您在 OpenClaw 項目中真正的技術創新或對核心架構的貢獻究竟體現在哪里？

楊天潤：我舉幾個具體的例子。比如你用過OpenClaw配置 Telegram 的那個步驟吧？之前那個 pairing code 的界面，最后一行寫的是“paste this code to OpenClaw”，但那個“code”是自然語言的字母，不是真正的代碼。很多小白配置了一天都配置不成功，就因為這種歧義。我的 AI 做了一個很小的改動，把一個自然語言的詞變成了真正的代碼引用。改動可能就幾個字，但對用戶體驗的提升是非常大的，而且它被 merge 了，說明維護者認可它的價值。

還有一個，大家為龍蝦配置Claude的時候經常配置不成功，因為你從 CLI里復制 set-up token出來的時候，中間會帶一個隱藏的換行符。我讓 AI 做了提高 token 輸入容錯度的改進：比如多一個空格、多一個換行，還是能配置成功。這些都是實實在在改善了用戶體驗的。

我給 AI 的核心指令就是：盡量改動最少的代碼量，但對用戶體驗的提升要盡可能大。這里面加入了我的思考和需求判斷。我雖然不懂代碼，但我是用戶，我在想如何降低用戶的配置門檻。

5、大家的憤怒可能源于您“失控”的 AI 干擾了秩序，您是否認為這種強大的 AI 工具應該交由更有技術掌控力的人，而非您自詡的“一行代碼都不寫的文科生”？

楊天潤：我的觀點恰恰相反。不懂代碼反而是優勢。

為什么？因為你不懂代碼，你就不會忍不住去微操，不會去看代碼結構用了什么語言、中間步驟對不對。如果 AI 的能力已經遠超人類：在 coding 這方面它確實超過人了，那你憑什么有資格去指揮它每一步怎么畫？就好比它是梵高，你是個小畫家，你有什么資格告訴梵高中間該用什么筆觸？

這是一個范式轉移。最早寫代碼是 0 和 1，后來變成 C 語言，再后來有了各種框架。每次范式轉移的時候都會有人說“你不懂底層你就不會寫代碼”，但歷史證明新范式最終會勝出?，F在從 vibe coding 到 agentic engineering，又是一次轉移。那些第一批從手寫代碼很快轉到vibe coding的人，現在卻成了嘲笑OpenClaw的人，這不是很諷刺嗎？

當然我也承認失控是我的問題。但這恰恰說明我們需要更多人去探索這個邊界，把失敗的案例和成功的案例都分享出來，讓大家知道怎么去駕馭它。而不是說“你不夠格，你不該碰”。如果這樣的話，每個人都只能停在原地，永遠不會有范式的進步。

點個“愛心”，再走 吧