OpenClaw 爆紅之後，Anthropic 為什麼還不做一樣的東西？

OpenClaw 最近在 AI 圈爆紅，這隻開源「龍蝦」讓很多人第一次真實體驗到「人類不在場的全自動」。你去睡覺，AI 繼續幫你整理信件、監控訊息、處理任務。

很多人看完之後的第一個反應是興奮，第二個反應是：那 Anthropic 為什麼還不做一樣的東西？（先承認那些人包括我）

但後來我覺得這個問題問錯了方向。

Deployment Overhang：技術天花板不是問題

Anthropic 在今年二月發表了一篇研究報告，分析了數百萬筆 Claude Code 的真實使用數據，裡面提出了一個很值得思考的概念：deployment overhang。

簡單說，就是模型實際上能夠自主處理的任務範圍，遠遠超過用戶在現實中願意放手讓它做的事情。技術的天花板不是問題，人類信任的天花板才是。

這個發現背後藏著一個更大的問題：我們正在建立的人機協作習慣，到底長什麼樣子？

協作直覺是練出來的

Anthropic 的數據顯示，有經驗的 Claude Code 用戶會慢慢發展出一種監督策略——不是每個動作都審核，而是讓 AI 跑，在真正需要的時候介入。這個過程不是偶然的，是人類跟 AI 之間透過反覆互動，共同建構出來的一種協作直覺。

OpenClaw 的設計邏輯恰恰相反。它鼓勵你完全放手，讓 AI 在你不在的時候自主運作。這種體驗確實震撼，但它同時也在快速建立一種使用心態：AI 就是要全自動，人類不需要在場。

如果這成為主流的 AI native 體驗，那我們這一代人對「AI 應該怎麼工作」的基本想像，就會從一開始就定錨在「委託與放棄監督」上。這個想像一旦形成，之後要糾正非常困難。這不只是個人習慣的問題，而是整個產業和社會對 AI 角色的預期都會跟著跑偏。

Anthropic 的謹慎是一種立場

所以 Anthropic 的謹慎，我現在不覺得是保守。Claude Code 的 /loop 功能是 session-scoped 的，關掉工作視窗任務就消失，這不是技術限制，我更傾向把它讀成一種人機協作的立場：AI 的自主性應該跟你的在場綁在一起。

真正值得討論的不是自主跟協作哪個比較好，而是從協作走向自主的這個互動、學習過程，是否可以被跳過？

Anthropic 的立場很清楚：不能。這個過程不只是學習使用工具，而是人類在建立一種跟 AI 共處的判斷，知道什麼時候放手、什麼時候介入。而這種互動方式的培養過程，無法跳過、也不能外包。