代码开始自己写自己了
代码的衔尾蛇——Agent 阅读并修改自己的源代码
Peter Steinberger 花了大约一个小时，做出 OpenClaw 的第一版。结构简单到不好意思：把 WhatsApp 消息转给 Claude Code CLI，再把回复传回 WhatsApp。就这么一个桥接，两个月后变成了 GitHub 史上增长最快的开源项目，超过 25 万颗星，没有风投，也没有团队。
比起增长曲线，更值得看的是他接下来做的事：让 Agent 认识自己。这种认识不停留在"能读文件"，而是知道自己的架构长什么样、跑的是哪个模型、能调用哪些工具、文档放在哪。自我认知一旦建立，质变就跟着来了，OpenClaw 是我见过最清晰的证明。
Peter 用这个框架来开发框架本身。调试的时候，他不自己翻代码，直接问 Agent："你看到了哪些工具？能自己调用这个工具吗？读一下你的源代码，搞清楚问题出在哪。"Agent 知道自己 harness 的架构、运行的是哪个模型、文档放在什么位置，对自身有了相当深的认知。
再往后，事情变得更有意思。从没写过代码的用户，开始给项目发 Peter 所说的"提示词请求"：用自然语言描述想要的修改。Agent 读完请求，再读自己的源代码，理解架构之后写出实现，提交 PR。"人们谈论自我修改的软件，"Peter 说，"我就做出来了。"
第六篇里，转变是从写代码到管理 Agent；第八篇里，洞察是缰绳释放了模型的潜力。会自我认知的软件补上了最后一块缺口：Agent 自己就能当自己的管理者。一个一小时搭出来的原型，就这样开始了自我进化。
回头看，迹象早就出现在我自己的经历里。我在 GCP 上搭过一套框架，接入飞书，让非技术的同事直接跟 Agent 协作，第五篇写过这件事。当时我没有足够强调之后发生的事：Agent 做的早就超出了回答问题。有人需要一个不存在的小工具，它直接做了一个；某个工作流效率低，它自己找到了捷径。指令还没下，它已经拿着手头的一切把问题解决了。
Peter 在马拉喀什也遇到了同样的事。他随手给 Agent 发了条语音消息，而框架当时只做了文字和图片支持。Agent 收到一个没有扩展名的文件，检查文件头，识别出是 Opus 音频，用 ffmpeg 转码，又在环境变量里找到 OpenAI 的 API key，调用转录 API，最后回答了他的问题。"怎么做到的？"Peter 盯着手机说。
模型的智能一直都在。缰绳给了它行动的许可；自我认知，也就是知道自己有什么工具、代码长什么样、能做什么，把许可变成了主动性。现在它靠理解自己手里有什么来解决问题，用不着等人安排。工具只做你说的事，协作者理解自己的能力，还会创造性地运用。一个 Agent 认识了自己的源代码之后，就很难再把它叫做工具了。
Peter 预测 80% 的 App 会死，我觉得他说得对。每个独立 App 都是一组关于用户需要什么的固化假设：MyFitnessPal 假设用户想手动记录饮食，Eight Sleep App 假设用户想手动调床温，日历 App 假设用户想手动创建事件。一个了解你的日程、位置、习惯的 Agent，根本不需要这些假设。"提醒我明天的晚餐，邀请两个朋友，给他们发消息"，一句话说完就搞定，不用打开任何 App。
这是第四篇"日抛型软件"论点的逻辑终点。我当时说，AI 让软件便宜到可以按需生成。真正的终局更激进：你甚至不需要生成软件，Agent 本身就是软件。每个 App 都退化成一个慢速 API，Agent 绕着它们走：有权限就走 API，没权限就开浏览器。Peter 就看着自己的 Agent 愉快地点掉了"我不是机器人"按钮，Agent 才不在乎 UX。
Agent 能量身定制软件，做出精确匹配需求的一次性工具，用完即弃。相比之下，按月收费、只满足 80% 需求的订阅服务，存在的理由越来越站不住。第九篇说过，数据锁定、工作流锁定、集成复杂度这些护城河正在每个层面崩塌。这件事不只发生在企业 SaaS 上，手机里的每个 App 也一样。
"软件开发"的含义会不会就此改变，现在下结论还早。能确定的是，在 OpenClaw 的仓库里，需求用自然语言进来，Agent 读懂自己的源代码后动手修改架构，连 PR 都是它自己提的。代码自己改自己，在这个项目里已经跑成了日常。