OpenClaw: پروژه‌ی جانبی یک برنامه‌نویس که در سه ماه به OpenAI رسید
تیم تحریریهٔ سلزینوانتشار: ۵ دقیقه مطالعه
OpenClaw چه بود؟
OpenClaw یک دستیار هوش مصنوعی متن‌باز است که کاربر می‌تواند آن را روی دستگاه خودش اجرا کند و از طریق پیام‌رسان‌های رایج با آن کار کند. به گزارش Pure AI در فوریه‌ی ۲۰۲۶، این پروژه از طریق سرویس‌هایی مثل WhatsApp، Telegram، Slack، Discord، iMessage، Signal، Microsoft Teams و Google Chat قابل استفاده بود.
سازنده‌ی آن، Peter Steinberger، برنامه‌نویس اتریشی است. به نوشته‌ی Pure AI، او نمونه‌ی اولیه را در یک ساعت ساخت و پروژه در نوامبر ۲۰۲۵ با نام Clawdbot منتشر شد، سپس به Moltbot و در نهایت به OpenClaw تغییر نام داد؛ تغییری که به گفته‌ی همین منبع پس از درخواست Anthropic به‌خاطر شباهت نام با Claude انجام شد.
OpenClaw در چند ماه به کجا رسید؟
بر اساس گزارش Pure AI:
- پروژه در زمان اعلام خبر بیش از ۱۹۰ هزار ستاره در GitHub داشت.
- تا ابتدای فوریه، ۱٫۵ میلیون Agent در آن ثبت شده بود.
- Steinberger در پادکست Lex Fridman گفته بود اجرای پروژه ماهانه ۱۰ تا ۲۰ هزار دلار هزینه دارد و از آن ضرر می‌کند.
- کل مسیر از نمونه‌ی یک‌ساعته تا پیوستن به OpenAI حدود سه ماه طول کشید.
Forbes در یادداشتی که Yahoo Finance بازنشر کرد، عدد ۱۴۵ هزار ستاره در ۶۰ روز را آورده است. تفاوت این دو عدد احتمالاً به زمان اندازه‌گیری برمی‌گردد.
OpenAI با OpenClaw چه کرد؟
به گزارش Bloomberg، Sam Altman در پستی در X اعلام کرد Steinberger به OpenAI می‌پیوندد تا «نسل بعدی دستیارهای شخصی» را پیش ببرد و OpenClaw به‌عنوان پروژه‌ای متن‌باز در یک بنیاد (Foundation) ادامه می‌دهد و OpenAI از آن پشتیبانی می‌کند. Pure AI اضافه می‌کند که او به تیم Codex می‌پیوندد و خودش گفته پیوستن به OpenAI سریع‌ترین راه برای رساندن این ایده به مخاطب گسترده بوده، نه ساختن یک شرکت مستقل.
این نکته مهم است: همه‌ی داستان‌های «یک لشکر یک‌نفره» به فروش شرکت یا درآمد بالا ختم نمی‌شوند. گاهی خروجی موفقیت، جذب شدن سازنده و پروژه در یک سازمان بزرگ‌تر است.
چه نگرانی‌هایی درباره‌ی OpenClaw مطرح شد؟
Pure AI به چند هشدار امنیتی اشاره می‌کند:
- به نقل از Wired، Meta و چند شرکت بزرگ دیگر استفاده از OpenClaw را در شبکه‌های سازمانی خود ممنوع کردند.
- در سرویس جانبی Moltbook، پایگاه داده‌ی پشتیبان ناامن بود و توکن‌های احراز هویت در معرض دید قرار گرفتند؛ موضوعی که امکان جعل هویت هر Agent را فراهم می‌کرد.
این هشدارها برای هر کسی که می‌خواهد کارهای فروش و پشتیبانی را به Agent بسپارد، جدی است.
Agent هوش مصنوعی چه تفاوتی با چت‌بات ساده دارد؟
چت‌بات ساده معمولاً به سؤال جواب می‌دهد. Agent یک قدم جلوتر می‌رود: می‌تواند چند کار را پشت سر هم انجام دهد، به ابزارهای دیگر وصل شود و بر اساس نتیجه‌ی هر مرحله تصمیم بعدی را بگیرد. مثلاً ممکن است پیام مشتری را بخواند، اطلاعاتش را در فهرست مشتریان پیدا کند، پیش‌نویس پاسخ بسازد و یک یادآوری پیگیری ثبت کند.
یک فروشنده یا کسب‌وکار کوچک ایرانی چطور از این روند استفاده کند؟
با کار کم‌خطر شروع کنید
اول کارهایی را به Agent یا گردش‌کار خودکار بسپارید که اشتباهش هزینه‌ی کمی دارد: خلاصه کردن پیام‌های روز، دسته‌بندی سرنخ‌ها یا ساخت پیش‌نویس پاسخ برای بازبینی.
دسترسی‌ها را محدود کنید
Agent نباید به همه‌ی اطلاعات مشتری، رمزها و حساب‌های مالی دسترسی داشته باشد. برای هر ابزار فقط حداقل دسترسی لازم را بدهید.
انسان را در حلقه نگه دارید
هر پیامی که به مشتری می‌رود، به‌خصوص درباره‌ی قیمت، قرارداد یا موضوع حساس، باید پیش از ارسال توسط انسان دیده شود.
داده را روی زیرساخت قابل‌اعتماد نگه دارید
اگر اطلاعات مشتری را در ابزارهای خارجی می‌گذارید، ریسک قطعی دسترسی و قوانین حریم خصوصی را بسنجید. گاهی اجرای ابزار متن‌باز روی سرور داخلی، کنترل بیشتری می‌دهد.
یک سناریوی عملی: دستیار پیام‌رسان برای یک آموزشگاه زبان
برای ملموس‌تر شدن، یک سناریوی فرضی را مرور کنیم. آموزشگاهی کوچک روزانه ده‌ها پیام در پیام‌رسان دریافت می‌کند: سؤال درباره‌ی زمان کلاس، شهریه، سطح‌بندی و ثبت‌نام. یک گردش‌کار مبتنی بر Agent می‌تواند این‌طور طراحی شود:
- مرحله‌ی ۱: پیام وارد می‌شود و دستیار نوع آن را تشخیص می‌دهد: سؤال عمومی، درخواست ثبت‌نام یا شکایت.
- مرحله‌ی ۲: برای سؤال عمومی، پاسخ از فهرست پاسخ‌های تأییدشده انتخاب و پیشنهاد می‌شود.
- مرحله‌ی ۳: برای درخواست ثبت‌نام، نام و شماره و سطح تقریبی در جدول سرنخ‌ها ثبت می‌شود و یک یادآوری تماس برای کارشناس ساخته می‌شود.
- مرحله‌ی ۴: شکایت‌ها و پیام‌های مبهم مستقیم به مدیر ارجاع داده می‌شوند و دستیار هیچ پاسخی نمی‌دهد.
- مرحله‌ی ۵: در پایان روز، خلاصه‌ای از تعداد پیام‌ها، سرنخ‌ها و موارد ارجاعی برای مدیر ساخته می‌شود.
در این سناریو، دستیار هیچ قیمت تازه‌ای اعلام نمی‌کند، به اطلاعات مالی دسترسی ندارد و هر پاسخ پیش از ارسال قابل بازبینی است. هدف این است که کارشناس به‌جای تایپ پاسخ‌های تکراری، وقتش را برای تماس با افرادی بگذارد که واقعاً قصد ثبت‌نام دارند.
چه زمانی نباید از Agent استفاده کرد؟
اگر فرایند شما هنوز روی کاغذ روشن نیست، Agent آشفتگی را سریع‌تر می‌کند. همچنین در موضوعاتی که پاسخ اشتباه پیامد حقوقی، مالی یا سلامت دارد، استفاده از پاسخ خودکار بدون بازبینی متخصص درست نیست. قاعده‌ی ساده این است: اول فرایند را دستی و مکتوب اجرا کنید، بعد بخش‌های تکراری و کم‌خطر را خودکار کنید.
منابع
- https://pureai.com/articles/2026/02/17/openai-hires-openclaw-founder-as-agentic-ai-debate-intensifies.aspx
- https://www.bloomberg.com/news/articles/2026-02-15/openai-hires-openclaw-ai-agent-developer-peter-steinberg
- https://finance.yahoo.com/sectors/technology/articles/openai-called-one-person-ai-141500230.html
چک‌لیست
- [ ] سه کار تکراری و کم‌خطر را برای اولین آزمایش Agent انتخاب کرده‌ام.
- [ ] برای هر ابزار فقط حداقل دسترسی لازم را تعریف کرده‌ام.
- [ ] هیچ پیام قیمتی یا قراردادی بدون تأیید انسانی ارسال نمی‌شود.
- [ ] رمزها و توکن‌ها را در جای امن نگه می‌دارم و در کد یا فایل مشترک نمی‌گذارم.
- [ ] برای قطع شدن ابزار خارجی، روش دستی جایگزین دارم.
- [ ] نتیجه‌ی آزمایش را با عدد (زمان صرفه‌جویی‌شده، خطاها) ثبت می‌کنم.