# OpenClaw 团队跑着 100 个 AI 实例干活，完全不看 token 账单

> 原标题：无视令牌成本，用百个AI实例自动化驱动开源项目

- 来源：AI HOT 精选
- 发布时间：2026-05-15T21:48:44.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/21503
- 原文：https://x.com/steipete/status/2055405041843052792

## 摘要

OpenClaw 项目组把 AI 用量拉满，常驻约 100 个 Codex 实例，把代码审查、安全扫描、issue 去重归类、测试环境复现并录屏验证、从会议里自动建任务、垃圾评论过滤和性能回退监控全交给它们跑。他们用 clawpatch.ai 把项目拆成功能单元做审查，还接了 Vercel DeepSec 做安全分析。正文没披露具体花了多少钱，但明确说...

## 推荐理由

我会先打个折：这只是一条X上的分享，没有披露成本、效果指标或可复现的搭建方式，所以别当成熟方案看。但它的钩子很准——用约100个Codex实例同时干代码审查、安全分析、议题去重、测试复现、任务创建、垃圾过滤和性能回归监控这七件事，还明说“无视令牌成本”，对正在琢磨AI agent怎么落地的从业者来说，是个有参考价值的实操片段。H、K、R都成立，放在featured里偏低的位置刚好。

## 锐评

OpenClaw 团队的做法挺极端：常驻约 100 个 Codex 实例，把代码审查、安全扫描、issue 去重归类、测试环境复现并录屏验证、会议转任务、垃圾评论过滤、性能回退监控全交给 AI 跑。他们用 clawpatch.ai 把项目拆成功能单元做审查，还接了 Vercel DeepSec 做安全分析。

关键信息缺了一大块：正文明确说"令牌成本无关紧要"，但没给任何具体数字。100 个实例同时跑，按当前 API 价格算，月账单不会低。另外也没说这些 AI 产出的质量怎么验证——代码审查误判率多少、issue 归类准确率如何、录屏验证是不是真能抓到 bug，这些都没披露。

我会先打个折：这更像一个"成本无上限"的实验，而不是可复制的方案。对大多数团队来说，真正有用的信息是：哪些环节用 AI 替代人最划算，哪些环节 AI 反而添乱。正文没回答这个问题。