难以想象 Star Office UI 目前已经 2000 颗星了,想记录一下我的感触:
1. OpenClaw 可能性很大:
(a) 它使用工具的能力取决于能否获得好的学习资料。所以越好的skill/说明文档/MCP文档,它的能力真的就越强或者说越准确。
(b) 相比之下,它在操作创作工具上反而不太行,我想是因为创作者工具缺乏足够高质量的训练数据。比如艺术家在三维软件里雕刻渲染时,随时都在做各种细微的决定,这种数据可能现在是缺失的。所以最多有基础的软件操作文档,却没有对应的高质量Skill文档。
(c) 踩了好些坑,感觉让 OpenClaw 更强的方式可能并不是下载更多skill,而是管理好session,管理好上下文。
2. 大模型的能力差异非常明显。
(a) 用不同的大模型作为“大脑”,效率会完全不同。虽然通用的回答可能差不多,但在编写这次项目时,即使是 0.1 版本,感受也完全不一样。
(b) 我们主要用的是 GPT 5.3 Codex,效果比 GPT 5.2 好很多。一些比较简单的问题,它绝对不会重复来回修,而 5.2 经常会遇到这种反复。
(c) 对于程序员来说,可能体验更好,因为他们在遇到 bug 的时候,往往知道问题出在哪里。而对于我们这种门外汉来说,Vibe Coding 最痛苦的就是不知道发生了什么,也不知道自己能做什么,只能看着 AI 不断对话。但在 GPT 5.3 codex 以后,这种情况明显减少。
3. 未来会有更多非科班出身、各行各业的人,通过 AI 在 GitHub 上建立项目。
(a) 我们是比较熟悉视觉领域的人,但可以想象医疗、金融、教育等各个行业的人,也可以利用 AI 为自己的工作实现便利,编写专属工具。
(b) 这种趋势下,GitHub 可能会有越来越多非专业开发者。也许未来的 GitHub 可能会更像是一个“方案超市”而非“代码仓库”。
4. AI Native 的可能性:我们过去一直提 AI Native 的游戏,但总觉得很遥远。以前总是在一个范围里思考要给 AI 多少自由,但现在感觉真的可以尝试起来了。
如果后续还要做代码相关的项目,我们需要进行更多的学习。虽然这次学习让人大开眼界,但也确实非常疲惫。
接下来会回归正常工作,补一补欠下的作业,年初其实有一些焦虑,但现在好多了。
我想真实去接触某个技术本身会帮助我消除焦虑,探探虚实,可能焦虑恐惧的最大原因是未知吧。
等休息一段时间,下一步我还想尝试的事情:
1. 尝试多 agent 的合作
2. 尝试分配给龙虾多个角色
3. 尝试将 AI 和传统的游戏机制做一些结合