以我的亲身体验，谈谈如何正确理解“养虾”（组图）

2026年1月，名为Clawbot的个人AI助理彻底火了。这款由独立开发者Peter Steinberger于2025年11月创建的工具，因其名字与Anthropic的Claude模型接近，后改名为Moltbot，并建立了活跃的开发者社区Moltbook。

同年3月，扎克伯格将Moltbook社区收入麾下，而创始人Steinberger则在2月就被OpenAI挖走。

笔者第一时间关注了此事，并撰文评论Moltbot与“一人公司”模式。当时认为AI与中国制造业的结合对个人创业意义重大。

令人未曾想到的是，3月起，多家中国互联网巨头与大模型公司纷纷入场，部分地方政府甚至出资激励个人开发者。其热度足以与2023年初的ChatGPT及2025年初的DeepSeek并肩。

Moltbot于2026年1月30日正式更名为OpenClaw。仅仅一个月后，它在GitHub上的星标数便先后超过了拥有30年历史的LINUX和主流框架React，成为史上最受欢迎的开源项目。这段近乎垂直的增长曲线，堪称开源软件史上的奇观。

作为开源项目，OpenClaw的使用存在门槛。国内大模型公司率先推出了云服务版本。例如，KimiClaw通过在云端开启Linux虚拟机，极大地简化了安装流程。

随后，MaxClaw、DuClaw等产品接踵而至，阿里、腾讯、华为等主流云平台均推出了“一键部署”方案。与此同时，AutoClaw、QClaw等桌面安装包也让个人电脑用户能够本地运行。

这些服务的涌现，标志着中国AI厂商正在全力争夺OpenClaw的生态主导权，其激烈程度与2025年各厂接入DeepSeek时如出一辙。

一、探索OpenClaw的多种方式

KimiClaw于2月18日上线后，笔者支付了199元月费尝试“一键安装”。虽然因春节假期经历了短暂的连线故障，但2月22日服务正式激活。

通过将其接入飞书，笔者开始了深度体验。本文旨在通过原理性解释为OpenClaw“祛魅”，引导读者正确认识这只热度空前的“龙虾”，在不神化其功能的同时，看清其潜力与本质缺陷。

目前，国内用户主要通过两个渠道与OpenClaw交互。一是通过飞书等即时通讯APP。

其原理是OpenClaw通过API权限与飞书通信，接收指令并返回结果。这正是开发者Steinberger的初衷：用手机远程查看电脑状态并指挥干活。

二是通过大模型网页或APP上的聊天界面。笔者发现，飞书端是直连OpenClaw，侧重执行结果和文件传输，但看不到思考过程；而网页端则是直接与Kimi大模型互动，信息更丰富，能展现思考逻辑，但文件收发仍需飞书辅助。

此外，AutoClaw等封装版提供了完整的桌面客户端。由于能直接控制个人电脑的运行状态和大模型API，这种模式能提供更详尽的运行细节。

为了彻底理解架构，笔者还进入了KimiClaw内置的Ubuntu 24.04系统终端。通过对文件结构的观察，可以直接拆解其Skills（技能）和Memory（记忆）等核心组件。

这种底层探索需要深厚的Linux基础。考虑到普通用户的易用性，笔者将略过复杂的命令行细节，转而以问答形式进行原理性科普。

二、OpenClaw原理问答

（一）从程序代码角度看，OpenClaw到底是什么？

OpenClaw本质上是一个基于TypeScript开发的开源工程。由于使用了Node.js开发环境，它具备强大的“跨平台”特性。这意味着同一套代码可以在Windows、MacOS、Linux乃至鸿蒙系统上运行。

该项目的代码结构很有意思：大约80%的功能是“站在巨人的肩膀上”，通过调用npm包实现的；剩下的20%则是OpenClaw自有的核心业务逻辑，包括调度、记忆和安全隔离。

同时，它建立了独特的扩展系统——Skill。你可以将其理解为附带“AI使用说明书”的功能插件，大模型通过MCP协议适配层可以轻松调用这些技能。

（二）中国公司出手后，部署变容易了吗？

相比难以在个人电脑上运行的满血版DeepSeek-R1，OpenClaw在中国公司的参与下变得非常亲民。

大厂们采用两种策略：一是云端虚拟主机模式（如KimiClaw），用户无需担心弄坏电脑或泄露隐私，实现一键使用；二是傻瓜式安装包模式（如AutoClaw），像安装普通软件一样配置环境。

值得注意的是，这种大规模的普及是中国特有的。在欧美，由于高昂的Token费用和严苛的隐私限制，OpenClaw目前仍局限于技术圈。

（三）OpenClaw靠什么干活？

OpenClaw最核心的武器是Playwright。简单来说，这是它的“眼睛”和“手”。

它能模仿人类操作浏览器，进行点击、输入和截图。笔者曾成功测试让它在观察者网风闻社区自动发帖。任务看似简单，实则涉及复杂的逻辑：

第一步是自动化环境配置，利用xvfb-run在没有显示器的云端服务器上生成虚拟屏幕。

第二步是视觉理解，大模型需要通过Playwright传回的截图识别“标题栏”和“发布按钮”。这是一项极其耗费Token的操作，一次复杂的网络购物可能需要上百次截图循环。

此外，它还能通过加载Cookie绕过登录限制。OpenClaw本身并不聪明，它的“智能”完全来自于背后的基座大模型和这些强大的自动化工具组件。

（四）具体的运行流程是什么？

传统软件的逻辑是“输入-执行-输出”。而OpenClaw引入了智能环：接收输入、检索记忆、推理决策、调用工具、更新记忆、返回响应。

它的革命性在于“开放性”。用户可以用模糊的自然语言下达指令，它能调用的工具数量理论上没有上限，且拥有可以跨周期存储的“智能记忆”。

其核心框架由三大组件构成： 1. Skill system（技能系统）：丰富的AI类扩展库。 2. Memory（记忆体）：存储在本地的.md文件，记录用户的偏好和历史日志。 3. Agent Runtime（智能体运行时）：它是OpenClaw的大脑，负责会话管理、消息路由、工具编排和安全沙盒。

（五）OpenClaw的缺陷是什么？

尽管听起来无所不能，但在笔者几十天的深度体验后，得出了一个务实的结论：它是一个以“形式主义”为最高原则的助理，目前极度不靠谱。

由于整个执行链路很长，任何一环出错，结果就会偏到离谱。最严重的问题是，大模型为了满足任务逻辑，会表现出极强的“编造”欲望。

例如，笔者让它跟踪运动员信息，它在搜索不到最新战报时，会一本正经地胡编比分。

在让它生成港股通市值图表时，如果没有现成的API，它甚至会编造出看起来很真实的市值数据。

这种“幻觉”在OpenClaw这类自主运行的智能体上被成倍放大。许多用户感叹，用它做任务只要几分钟，但查证它是否在说谎却要花上几小时。此外，隐私安全也是巨大隐患。

总结建议： OpenClaw不是一个傻瓜式的APP，而是一个极具潜力的开发框架。如果你想用好它，必须具备一定的底层逻辑知识，并保持耐心去“养虾”，即不断调试、对接靠谱的API，并严格审核其产出。

现阶段，绝对不要盲目信任它处理核心财经或隐私工作。只有在确保每个环节都闭环可靠后，它才能从一个“形式主义者”变成真正的生产力工具。