OpenClaw, el proyecto de GitHub que más crece, y sus mantenedores

OpenClaw, un asistente personal de IA que se ejecuta en los dispositivos de los usuarios y se conecta a sus canales de mensajería, se ha convertido en el proyecto de más rápido crecimiento en la historia de GitHub. Creado por Peter Steinberger como un experimento de fin de semana en noviembre de 2025, su repositorio acumula ya unos 388.000 estrellas, 81.000 forks y más de 80.000 commits hasta el 26 de agosto de 2026. En una entrevista grabada a los seis meses del proyecto, Steinberger y varios mantenedores explican cómo han gestionado la avalancha de pull requests y los retos de seguridad que han tenido que afrontar.

Pull requests que son "prompt requests"

Los mantenedores se han encontrado con miles de pull requests e issues, y algunos contribuidores han abierto cientos de ellos a la vez. Steinberger lo resume así: "Ni siquiera los llamo pull requests, los llamo prompt requests". Josh Lehman, uno de los mantenedores, describe a esos contribuidores como "fábricas de software automatizadas que minan todo en busca de issues". El reto ya no era atraer participación, sino encontrar contribuciones valiosas en medio de un torrente que desborda la revisión humana.

A pesar de la saturación, el proyecto ha querido mantener las puertas abiertas a nuevos contribuidores, incluidos los que no son desarrolladores. Vincent Koc, otro mantenedor, destaca que "una buena proporción de los primeros pull requests fusionados vienen de no desarrolladores, gente con un problema concreto y una necesidad". La estrategia es no descartar contribuciones imperfectas, sino trabajar con el autor para refinarlas.

La confianza se gana mostrando el trabajo

Con tantas contribuciones generadas por IA, los mantenedores han cambiado sus criterios de confianza. Ya no basta con el número de contribuciones, porque se ha visto a gente duplicar pull requests ajenos para ganar credibilidad. "Lo que intentaban era construir credibilidad, porque teníamos insignias según el número de merges", explica Koc. Ahora valoran que el contribuidor demuestre que entiende el cambio: "Si nos das las transcripciones de tu conversación con el agente, vemos cómo llegaste al pull request. Si añades capturas de pantalla, pruebas que lo has probado", dice Steinberger.

A su vez, los mantenedores utilizan herramientas de IA para revisar el código generado por IA. Val Alexander, por ejemplo, usa GitHub Copilot para revisar los pull requests: "Pulso un botón y genera claridad sobre todos los archivos adjuntos". Es el primer proyecto, según Lehman, donde se ha normalizado que el mantenedor edite directamente el código del contribuidor para dejarlo bien.

Seguridad: de la reputación a las dependencias

La reputación se ha convertido en una superficie de ataque, y mantener un equilibrio seguro por defecto es complicado. Steinberger reconoce que "es difícil encontrar el equilibrio entre hacerlo muy conveniente para los usuarios y construir algo que sea lo bastante seguro por defecto". La seguridad también ha llevado a revisar las dependencias: "Hemos reducido las dependencias principales y hemos creado relaciones con los mantenedores de las que dependemos", cuenta Koc.

El GitHub Secure Open Source Fund ha sido clave para los mantenedores, no solo por el aprendizaje en seguridad, sino por la comunidad: "Te conecta con el elemento humano de ser mantenedor", dice Josh Avant. Y Lehman valora haber aprendido "qué pedir a los agentes".

El proyecto OpenClaw demuestra que la IA ha cambiado el ritmo y la naturaleza del desarrollo de código abierto, pero también que los sistemas de revisión y confianza tienen que adaptarse a marchas forzadas. Queda por ver si estas lecciones se extienden a otros proyectos que crezcan a esta velocidad.