OpenClaw到底是个什么事儿

本文来自微信公众号：超梦一场，作者：超梦一场，题图来自：视觉中国

这篇文章仅试图让更多人理解OpenClaw为什么这么火热，以及So what？

• 不折腾——不是部署指南，如果又菜又爱玩，推荐买个云服务一键部署。

  
  

• 不瞎**吹——并没有什么技术革命发生，只是一场“工程”的胜利。

  
  

• 不制造焦虑——小龙虾不会让你失业，也确实没能力养活不想努力的你。

一、“出圈”话题回顾

一小部分人是真兴奋，其他人一直在“震惊”。

1. “半夜接到OpenClaw助理打来的电话。” ——AI已经会自己摸索出如何打电话，主动汇报进度，堪比真人助理。

   
   

2. “OpenClaw帮自己做量化交易。”——专业又不知疲倦的牛马，感觉分分钟就要赚爆。

   
   

3. “OpenClaw甚至自己组建了多智能体团队自动跑通了跨境电商全流程” ——不仅替代你，整个公司都不存在了。

 

......诸如此类，还有更离谱的就不罗列了。

这些听起来很科幻的说法，其实都源于OpenClaw的slogan：“The AI That Actually Does Things”。

能让AI“真的去做事儿”，内置的能力可以做到清理你的收件箱、发送邮件、管理日历、办理登机……再加上茫茫多的Skills可以不断拓展“能力边界”，可以做的事情越来越多。截至目前ClawHub上已经有9118个Skills，可以粗暴的理解为这1～2个月小龙虾新增可处理事项多了接近1万个，况且由于各种原因ClawHub并没有包含所有Skills，小龙虾可以做的事只多不少。

github上awesome-openclaw-skills精选了几千个Skills，更重要的是感受一下“丰富”的分类。

预防针：制作Skills门槛很低，随着热心群众的涌入，数量暴涨。所以过几天就算听说“一亿个Skills”的时候也别慌，好用的也还是那些。

OpenClaw第一次把AI的能力具象化成了各行各业的人都可“看见”的自动化流程。人们终于直观地感受到：原来AI真的可以帮我干这么多事，而又不禁暗想：“我的工作难道真的要被AI替代了？”

再加上“AI自动操作电脑”的演示视频：你看着浏览器窗口/或各种应用自己打开、点击、输入、翻页……整个过程像是有个幽灵在操作键盘。对于非技术人员来说，这种视觉冲击力是致命的。

真想做事（产品定位）+ 真能做事（丰富的Skills生态）。

焦虑感 + 好奇心，构成了OpenClaw出圈的核心动力。

所以OpenClaw到底是什么？为什么它能做这些事？它真的那么神奇吗？

二、能力拆解

朴实无华的缝合怪：

OpenClaw官网展示的能力

OpenClaw的能力其实挺朴素，依次说说我个人的一点理解：

1. 在您的机器上运行

这是OpenClaw最基础也是最核心的特性：整个系统可以跑在你自己的电脑上，数据、配置、会话记录都在本地。

对于想要隐私可控的用户来说，这似乎是真正的私人助理。

另外，小龙虾、羊驼组合：OpenClaw + Ollama 看起来也是浑然天成。安装好 Ollama，拉取一个本地模型，然后通过命令ollama launch openclaw。

设置好OpenClaw的模型调用配置，你就拥有了一个完全不需要消耗云端 token 的 AI 助手。

对于想要省钱的人来说，这还是个免费助理。

当然，Mac Mini可以尝鲜（已卖断货），但小龙虾的“发明者”Peter Steinberger用的是 Mac Studio，顶配 512GB 内存版本。几千的Mac mini可能无法承载你的梦想。

你的硬件水平决定了你助理的智力水平。

2. 任何聊天应用程序

OpenClaw 支持的消息渠道列表长得让人眼花缭乱，国内微信、钉钉、飞书……也都支持（有的便捷、有的麻烦）。

它接进你已经在用的IM，把所有接收到的消息转换成它自己能理解的格式，处理完再给你发回去。你用飞书发消息，它就从飞书回你；你用微信发消息，它就从微信回你。

这有什么特别的？以前的AI都被锁在自己的应用/体系内，锁在豆包、锁在千问、锁在元宝……；以前你需要打开某个“盒子”与AI见面，现在它如影随形。

真的体验到AI通过聊天软件联系到自己时，那种类似电影“打破次元壁”的感受，还是挺惊喜的。你想，你刷着抖音，突然微信弹出一个消息：“我刚刚帮你查了一下，你那支股票跌了3%，要不要卖掉？”

这感觉确实有点魔幻。

3. 持久性记忆

每次对话继承历史信息，这解决了很多 AI 聊天工具的通病：聊得再好，下次见面又是陌生人。

那它是怎么解决的喃？ OpenClaw 的记忆系统会把对话中的关键信息记录下来，储存为文档。下次你问相关问题，它会从这些历史记录文档里检索相关信息。

但你看一下记忆存储的文档，感受下有多“朴素”。

OpenClaw的“记忆”文档 - 真就是事无巨细的挨着记

OpenClaw的“用户”文档 - 专属于你的“舔狗”

你会发现就是一些简单的 Markdown 文档（除了以上2个文档还有更多，一样的逻辑 就不展开），里面记录了对话的要点和上下文。不是什么新的技术，也不是小龙虾第一个这么做。

“MEMORY.md”文档记录你的事务；

“USER.md”文档记录你的个性/喜好；

主打一个好记性不如烂笔头。

4. 浏览器控制

这是 OpenClaw 最引人注目的能力之一。它能打开浏览器、访问网页、点击按钮、填写表单、截图、提取内容……

自动打开浏览器 -> 加载网页 -> 获取信息

这有什么用？以上图为例，我要求 OpenClaw 去看看今日头条都有些什么新闻。它会：

1. 打开浏览器；

2. 访问今日头条；

3. 读取页面内容；

4. 提取文章标题和摘要 ；

5. 整理成一份总结发给我。

整个过程是自动的，你不需要做任何操作。对于围观群众来说，这就像是AI学会了“上网” ——而非以前 AI 只能“抓取”。

现在它能像人一样交互。但这个能力也有风险：如果 OpenClaw 在浏览器里乱点，可能会触发一些意想不到的操作（比如不小心把你写的文章删了）。所以官方建议配置沙盒环境或者用非工作电脑，与你工作/生活的电脑做好物理隔离。

你说这个能力有多神奇？以前很多工具也能实现，但本质在于。

以前的实现方法多为“硬”编码，你写了什么它就能做什么，但是现在有一点“智能”的意思了（但不多）。

比如它甚至可以一定程度理解网页内容，因为根据“记忆”知道我喜欢体育，就主动点击了“体育专栏”，给我汇报的新闻主要以体育新闻为主。

5. 完整的系统访问权限

OpenClaw能读取你电脑里的文件、访问系统信息、操作终端、甚至调度应用……只要你敢给他开权限。

实际还不止以上权限 - 你的密码、地址、交易信息、社交账号等。

这是OpenClaw和其他 AI 助手最大的区别，也是它最大胆的地方。

虽然说大家习惯了“自愿”用隐私换取便利。但是假设豆包问你要以上权限，你会给吗？大概反手就是卸载。

换句话说，它不是一个人畜无害的陪聊，它是真的能让你有种刀口舔血的感觉。

好处是：它能干其他AI助手可能干不了的事，比如： 识别短期低风险套利机会，并帮你形成执行方案、甚至直接操作。

坏处是：它能让你付出的代价也是其他AI助手比不了的。如果它某个环节出了差错，可能会让你真金白银的亏。

所以这里必须再次强调：非要玩，搭配沙盒或者非工作电脑。

6. 技能和插件

这是 OpenClaw 真正强大的地方。

Skills越多，能做的事就越多。

正因为OpenClaw的Skills生态急剧爆炸，推高了热度，热度越高，Skills生态又越爆炸……左脚踩右脚，造就了无所不能的小龙虾。

Skills 不是什么高科技，本质上就是给 AI 看的“技能说明书”。每个技能对应一个 Markdown 文件（SKILL.md），里面写明了：

1. 这个技能能做什么；

2. 如何调用这个技能；

3. 需要什么参数；

4. 有什么注意事项。

   
   

我拿调用Trello的Skill举例。一个创建卡片的方法，一个移动卡片的方法，和我们熟悉的调用接口/API并没有本质区别。

来源 - https://clawhub.ai/steipete/trello

另外，目前Skills正面临严重的安全问题。因为其“松散”的结构且缺乏监管审核，大量skill携带恶意代码，潜在的破坏力惊人。clawhub为了改善局面已经与VirusTotal合作，对skill进行安全扫描。

插一个话题：技术界的新宠、高大上的Skills竟然这么low，地位和实力严重不匹配？

个人看法：Skills是AI发展的过渡产物，但又和始祖鸟一样意义重大。

这个世界过去几十年的技术积累，都是面向程序员的；AI如此强悍的当下，却没有面向AI的积累。不得不用Skills这样的方式把给程序员看的API转换为AI可用的技能。

Skills会存在多久？面向AI的积累最终是什么样的？我不知道，但让人期待。

三、有何不同

别人问我小龙虾最厉害的是什么？我怎么回答？

现在让我们回到最关键的问题：OpenClaw 这个产品和其他 AI 工具到底有什么不同？

不是微信给你发消息，也不是什么半夜给你打电话。这些只是一个“发送和接收消息的通道”，不重要。甚至你完全不配置任何沟通渠道也是可以的，自带的面板/控制台与AI交互不影响任何功能。

也不是组建了什么 AI 团队帮你完成一个公司的运转，这种多智能体的系统可以说现在市面上的所有AI工具都有。

Skills也不是，它并不是OpenClaw的专属，其他AI工具也可以使用。

OpenClaw 的核心产品差异在于：从“高谈阔论”到“交付最终结果”。

传统的 AI 工具是这样的：

1. 你问问题；

2. AI 给你建议；

3. 你自己动手去执行；

4. 遇到问题再问 AI；

5. AI 再给你建议 ……

   
   

OpenClaw 是这样的：

1. 你给一个任务；

2. AI 自己拆解问题 ；

3. AI 自己探索解决方案；

4. AI 自己调用工具执行；

5. AI 自己验证结果；

6. AI 把最终结果交给你。

   
   

这中间最大的区别是什么？是“中间环节”。

传统 AI 的中间环节是“对话”：你问，AI 答，你再问，AI 再答……整个过程充满了“来回交互”，但问题到底解决了吗？不一定。有时候你问了半天，最后还是得自己动手。

OpenClaw 的中间环节是“自问自答”：它自己问自己，自己答自己，自己验证，自己调整。你可能只给了一句指令，但在后台，它已经经过了“左右脑互搏”一二十个回合，最终把结果交给你。

这不是某一个功能点所达成的，它是一个自洽的体系。

这种能力是怎么来的？有三个核心要素：

1. 全知 - 最全渠道/类型信息OpenClaw 有多种信息来源：完整的系统访问权限、浏览器自主查询、Skills 带来的信息获取渠道：能调用各种 API 和外部服务。 OpenClaw 在解决问题时，它需要什么信息，就去获取什么信息，而不是一直问你“这个是什么？那个怎么选？”

   
   

2. 全能 - 无数的手和脚OpenClaw 得益于最强的Skills生态，OpenClaw 不只是“能想”，更是“能做”。它不需要你替它操作，它自己就能动手。当然，不管你想完成什么任务，初次的搭建、调试还是难免的。

   
   

3. 主动拆解问题这是最关键的一点。OpenClaw 有一个“主动拆解问题”的逻辑。 看一下 OpenClaw 的 System Prompt，会发现它其实不复杂：

 

• Task Decomposition Rules

• Understand the user's intent

• Break down the task into sub-tasks

• Identify required tools and skills

• Execute sub-tasks sequentially

• Verify results and adjust if needed

• Deliver final output

  
  

就这几条规则，加上一些提示词工程，就构成了 OpenClaw 的“大脑”。没有什么复杂的算法，就是一套清晰的“思考框架”。

但这个框架威力巨大：它让 AI 知道“怎么去解决问题”，而不是“怎么去回答问题”。

四、问题

但“美好”体验的背后，也有一些短时间难以克服的问题。

1. 延迟

正因为 OpenClaw 会“自问自答”拆解问题，所以随便一句话可能都左右脑互搏几十个回合，一个复杂任务（比如“我下个月准备去西安，帮我规划一下行程”），OpenClaw 可能需要经过10～20次 API 调用，每次都带着完整的上下文，整个过程可能要等上好几分钟。

并且因为“高”延迟，也限制了应用场景。想让小龙虾帮你打游戏？连连看可以。

2. Token消耗量巨大

蝴蝶效应，又因为“左右脑互搏”，导致一个问题消耗几万～几十万 token 如同家常便饭，轻松帮你把云服务给你干到欠费。悖论诞生：本地部署免费用，但是弱智；云服务模型强更聪明，用不起。

但对于云服务厂商倒是重大利好，算力变现的风来了，还很大。

让我们看一组数据：

• 场景

• 传统AI助手

• OpenClaw

  
  

3. 糟糕的结果

AI 解决问题的通病 OpenClaw 同样有，比如幻觉、错误理解、逻辑漏洞……就不赘述了。

这里想说的是：主动拆解问题的过程，有时候看着它左右脑互搏真能把你逗笑。

举个例子：你问它吃什么健康又省钱，最后告诉你“喝白水”。

类似传话游戏的滑稽感

这种“拆解”在简单任务中可能没问题，但在复杂任务中，一步拆解错误，后面就全错了。

让我们定义一个变量，来表示OpenClaw在主动拆解问题的过程中，单步骤的正确率。

“单次问题拆解正确率”，最终用来“估算”全程拆解正确的“最终正确率”。

假设 OpenClaw 单次问题拆解正确率是 90%，那么：

10步拆解 最终正确率：0.9^10 = 34.9% 正确

20步拆解 最终正确率：0.9^20 = 12.2% 正确

垃圾级，本地跑的小参数模型大体如此

如果单次问题拆解正确率是 95%：

10步拆解 最终正确率：0.95^10 = 59.9% 正确

20步拆解 最终正确率：0.95^20 = 35.8% 正确

玩具级，复杂问题的回答似是而非

如果单次问题拆解正确率是 99%：

10步拆解 最终正确率：0.99^10 = 90.4% 正确

20步拆解 最终正确率：0.99^20 = 81.8% 正确

工具级，顶级模型，但出错概率也不小

这就是指数折扣效应。每一步拆解都可能引入误差，而这些误差会随着拆解步骤的增加而指数级放大。

单次问题拆解正确率99%的模型存在吗？有哪些？我没有去论证，但是大家依据日常使用AI的体感，应该有自己的答案。

五、未来

虽然有这么多问题，但用发展的眼光看，OpenClaw 还是让我们看到了未来产品形态的一种可能性。

1. “新”设备

未来，随着设备性能提升，甚至可能出现完全为本地部署模型而设计的个人设备，本地部署的模型会越来越强。

“本地模型智力堪忧”的问题会逐渐解决。

更重要的是，未来的交互形态可能会发生根本性变化。

未来的手机可能没有App，不再需要频繁地与屏幕交互。你只需要说一句话，AI 就会帮你完成所有操作，打开应用、填写信息、执行任务这些过程只存在于AI与AI or API交互的黑盒里，屏幕的作用不再是“操作”界面，而仅仅是“呈现必要的结果”。

如果再加上一个脑机接口，话都不用说，起心动念之间任务就已传达，结果又自动传回脑内，屏幕都不用看。画面太美……脑机接口是另一个话题了，以后有机会再讲。

2. 更强的模型 + 更便宜的算力

模型的进步速度是极快的，逻辑推理能力与推理速度日新月异，“单次问题拆解正确率”如果能做到 0.9999 甚至 0.99999，那么AI对于复杂问题的最终拆解正确率以及速度会远超人类。

过去几年 Token 价格价格已经“一落千丈”，未来 Token 价格可能下降 100 倍甚至 10000 倍也几乎是必然发生。

Token成本一定不会是“私人助理”普及的瓶颈。

3. 真正的全记忆、全权限

现在 OpenClaw 的记忆和权限还比较粗粒度，把大部分都交给了模型“发挥”。

未来，大概率会出现“

个人信息“可信空间”：你的所有数据（文档、邮件、聊天记录、日程、偏好……）都集中管理，能让 AI 安全且可控的访问和利用，实现真正的全记忆。

个人权限管理中枢：你能精确控制 AI 能访问什么、不能访问什么，什么时候能访问。并且不需要复杂的操作设置，大部分能自动化完成。最重要的是智能判断权限授予对于完成任务是否必要，且不会引发问题。

依托于此，你敢把自己交出去，真正有灵魂的私人助理才会出现。

六、结语

OpenClaw 让我们看到了未来的可能性，但它现在还不够好。

平常心，随着AI的浪潮静观其变。不是弄潮儿，还不能在沙滩上看看吗？

大可不必为营销号的鼓吹而焦虑烦躁。

一个“惊人”的效果 + 一堆词汇串联 = 造谣

本文来自微信公众号：超梦一场，作者：超梦一场