新智元报道黄南家具封边胶厂家
编辑：犀牛 所罗门
【新智元读】2天搭建、不到1000美元、50个Codex并行扫描——OpenClaw创始人祭出ClawSweeper，天关闭5000+Issue，GitHub API限流成唯瓶颈，开源维护正式进入AI「自」时代。
AI产生的垃圾，就该AI自己来扫。
刚刚，OpenClaw创始人、OpenAI工程师Peter Steinberger干了件狂的事——
他花2天时间搭了个叫ClawSweeper的工具，启动50个Codex实例7×24小时并行扫描。
天之内把openclaw/openclaw仓库里过5000个Issue直接关闭，数千个还在管道里排队等着被「处决」。
这个36万Star的开源巨兽，积压了上万个Issue和PRs。
重复的、过时的、早就在main分支修好了没人关的、AI灌水产生的slop——它们像数字坟场样堆在那里。
任何人类维护者看眼都会头皮发麻。
按人工处理速度，清完这些积压大概需要整整年。
Steinberger用AI，天就清了半。
奥力斯 泡沫板橡塑板专用胶报价 联系人：王经理 手机：18232851235（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区黄南家具封边胶厂家
有人问他这轮扫描花了多少钱。他的回答轻描淡写：不到1000美元。
5000多个Issue的度审查加关闭，平均个不到两毛钱。
而唯让整套系统慢下来的，不是模型不够聪明，是GitHub的API速率限制——服务器追不上AI的速度。
「冷面判官」的处决逻辑
别以为ClawSweeper是个脑手。
恰恰相反，Steinberger对它的设计哲学可以用四个字概括——致保守。
这套系统的核心运行在gpt-5.5上，采用high reasoning effort和fast service tier配置；每个待审条目的 Codex 审查时为10 分钟。
它只在以下7种情况下才会关闭个Issue：：已经在main实现、当前main法复现、应归属 ClawHub 的 skill/plugin 而非 core、重复或已被条目取代、在该仓库内具体但不可执行、内容过于混乱不可执行、以及过 60 天且缺少足够数据验证 bug。
除此之外，律保持open。
还有层保险，ClawSweeper不会去碰维护者自己发的条目。
它会先看 GitHub 里的身份标记，只要是项目主人、成员或协作者发的 issue，就直接跳过，不会自动关闭。
谨慎的是黄南家具封边胶厂家，Codex 在审查时根本没有写权限。
它只能在只读环境里看代码、看上下文、做判断，然后把结果整理成份结构化的 markdown 报告，存进items/ \n <编号> \n .md \n。
真正的评论和关闭动作，并不会在审查那步直接发生。
系统要等到进入apply_existing=true模式后，重新抓遍新上下文，再把快照哈希重次，确认这条 issue 在提案生成之后没有发生变化，才会真正动手。
Steinberger自己人工抽检了数百条关闭记录，结果：准确率几乎误。
README就是仪表盘
ClawSweeper让人拍案叫的设计，可能不是它的关闭逻辑，pvc管道管件胶而是它的「监控系统」。
传统做法是什么？
搭个Grafana，配个Prometheus，弄套精美的后台Dashboard。
Steinberger说：不需要。README就是我的仪表盘。
ClawSweeper在运行过程中，会实时新仓库的README.md文件。
当前有多少open issue、本轮审查了多少条、提议关闭多少条、已执行关闭多少条、GitHub限流到了哪步——全部以表格形式明明白白地写在README里。
任何人开GitHub仓库主页黄南家具封边胶厂家，就能看到这个AI判官此刻正在干什么。
它让整个清理过程变得透明、公开、可审计。
任何对「AI擅自关我Issue」有疑虑的贡献者，都可以直接点进对应的items/71514.md查看Codex给出的完整审查理由。
当AI开始「自」
你可能会想，这不就是个自动化脚本吗？
格局放大点。
GitHub上有过4亿个仓库，其中活跃的大型开源项目几乎都面临着同个噩梦——Issue坟场。
Kubernetes有4万多个已关闭Issue，Linux内核的邮件列表积压是天文数字。
维护者的时间是世界上稀缺的资源之，而大量时间被浪费在「判断这个Issue到底还需不需要存在」这种机械劳动上。
ClawSweeper的意义在于，它次在个真实的、百万Star别的仓库里证明了：用AI agent进行大规模的、保守的、可审计的Issue分诊，是可行的。
5000多个Issue的度审查+关闭，总花费不到1000美元。按单个Issue，成本大约0.2美元。
而且它7×24小时不休息、不抱怨、不带情绪。
唯让它慢下来的，只有GitHub API的速率限制。
从某种意义上说，这标志着开源项目从「人工维护」迈向「自」的起点。
未来，每个大型开源仓库可能都会跑着个类似ClawSweeper的bot，持续监控Issue质量，自动过滤噪音，让人类维护者只需要关注那些真正需要人类判断的、价值的问题。
Rate Limit是后的线
有个细节特别有意思。
ClawSweeper的Dashboard上赫然写着：「State: Apply throttled」——GitHub的API限流把它卡住了。
50个Codex并行扫描的速度太快，快到GitHub的服务器开始说「你慢点，我跟不上了」。
在传统软件开发中，速率限制是为了止攻击。
但现在，它成了AI工作率的唯瓶颈。
不是模型不够聪明，不是判断不够准确，纯粹是基础设施跟不上AI的速度。
这大概就是2026年真实的写照：管道追不上AI。
参考资料：
https://x.com/steipete/status/2047982647264059734
https://github.com/openclaw/clawsweeper
相关词条:管道保温 塑料管材生产线 锚索 玻璃棉毡 PVC管道管件粘结胶1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。
