以我的亲身体验,谈谈如何正确理解"养虾"
2026年1月，一个叫Clawdbot的个人AI助理火了，是独立开发者Peter Steinberger（彼得·施泰因伯格）2025年11月24日创建的。因为名字与Anthropic的Claude大模型接近，作者将其改名为Moltbot，并建立了非常活跃的开发者社区Moltbook。3月10日，收购爱好者扎克伯格将Moltbook社区纳入旗下，而Steinberger早在2月就被OpenAI挖走。
笔者第一时间就关注了事件，并写文评论了Moltbot与“一人公司”（发在2月6日的环球时报），介绍AI与中国制造业分别从软硬两方面提供便捷服务，对于个人创业很有意义。没想到的是，3月时多家中国互联网巨头与大模型公司都参与进来了，一些地方政府都出资激励个人开发者，热度与2023年初的ChatGPT、2025年初的DeepSeek可以相比。
Moltbot于2026年1月30日正式更名为OpenClaw，并于2月24日超过有30年历史的LINUX、3月2日超过React，成为开源社区GitHub史上星标最多的软件项目。近乎垂直的增长曲线成为开源软件历史上的奇观。
OpenClaw作为开源项目，使用有一定门槛，中国爱好者有能力自行下载安装的不多。KimiClaw是中国大模型公司最早推出的OpenClaw云服务，不是装在个人电脑上，而是在云上开LINUX虚拟机，安装方便，春节前推出了试点。后面MaxClaw、DuClaw等各类云Claw产品越来越多，阿里云、腾讯云、华为(专题)云、火山引擎、京东云、移动云、天翼云都推出了“一键部署”解决方案。还有AutoClaw、QClaw这些作为Windows、MacOS的程序安装包，装在用户个人电脑上的。
这些“Claw”服务的推出，标志着中国AI厂商正在争夺OpenClaw生态主导权，与2025年2-3月各厂商纷纷部署接入DeepSeek类似。
一. 探索OpenClaw的多种方式
KimiClaw于2月18日正式上线，笔者立刻交了199月费，兴冲冲地“一键安装”。几天都连不上服务器，应该是春节没上班。2月22日属于笔者的KimiClaw终于活了，按套路设置连上飞书以后，可以顺畅使用了。笔者的兴趣是了解OpenClaw的架构与原理，这方面有一些心得，对于其优势与缺陷的根源也较为清楚。
本文对OpenClaw进行原理性技术解释，会普及一些基础概念。更重要的是祛魅，正确认识这只热度空前的“龙虾”，不神化其功能，了解其巨大的潜力与本质缺陷。
中国已经接上OpenClaw的用户，一般和它有两个交互渠道。一个是飞书等手机即时通讯APP，上面加了Claw机器人，聊天下达指令、接收文件，相信微信不久也会大规模接入。其原理是，飞书会提供API接入办法，OpenClaw有了API权限以后，就可以和飞书通信，接收指令、返回结果。这也是Steinberger开发OpenClaw的初衷，想用手机即时通讯APP连接自己的电脑，远程查看结果、指挥干活。目前这也是和OpenClaw最主要的沟通方式。
对于云上部署的OpenClaw，另一个常用渠道是大模型网页或大模型手机APP上的聊天界面。如笔者网页上了Kimi大模型，上面就有KimiClaw界面，也能聊天下达指令。一开始只有PC网页版可以，后来手机Kimi APP也可以了。
笔者体验下来，发现二者有重大区别。飞书是直连KimiClaw，接收的是OpenClaw的执行结果，能收文件。飞书上的聊天也经过大模型处理是智能的，但由于是非即时沟通，受限于飞书API的格式与字节限制，信息发送要压缩，信息含量有限，例如看不到大模型的思考过程。而在Kimi网页或者Kimi手机APP上，是直接与Kimi大模型聊天，主要内容是大模型输出的，有思考过程，信息明显更丰富；其中夹杂了一些OpenClaw执行指令的结果，但文件收不了，需要发到飞书上。笔者选择与大模型直接聊天的模式，以飞书收文件为辅助。这样能学到很多东西，可以直接提问，出了问题大模型能给出多种解决方案选择，尝试过程可见，是学习探索OpenClaw不错的方式。
个人电脑上安装的OpenClaw，也有这种聊天界面。AutoClaw、QClaw封装版的会有完整桌面客户端，会提供对话框。这种模式，由于个人电脑运行状态、大模型API都能直接查看控制，能提供更为丰富的运行细节信息。
笔者为了理解OpenClaw架构与原理，还有一种最直接的“探索”办法，就是进入KimiClaw“居住”的Linux虚拟机终端，是Ubuntu 24.04系统，KimiClaw网页版提供了入口。如果对Linux操作系统与命令较为熟悉，就可以去仔细看看文件结构，执行多种底层命令，拆解OpenClaw执行任务的过程。如对于OpenClaw的Skills、Memory这些“技能”、“记忆”相关的重要部件，可以直接查看相关文件内容，从最底层揭秘。
但这种探索办法需要相当的Linux知识，连图形操作界面都没有，鼠标完全无用，需要输入许多命令。如无经验会难以操作，即使写文章列出操作细节，也不好理解。如果是个人电脑上装的OpenClaw，也可以直接去电脑里观察目录文件结构，同样有难度。因此，笔者仅介绍原理，略过不好懂的探索过程细节。
笔者基于对OpenClaw的底层理解，给出的原理性解释，希望能从另一个角度，帮助读者理解。下面以问答的形式，进行解释。
二．OpenClaw原理问答
（一）从程序代码角度看，OpenClaw还原到底层，到底是什么东西？
OpenClaw首先是一个开源程序，在GitHub上有公开的是源代码仓库，最原始的理解就是公开的代码。它可以“部署”到各类个人PC上，也可以部署到云上运行起来。与人交互，就是人们听说的AI个人助理，能操纵个人PC或者云上的虚拟主机干活，这被戏称为“养虾”。
OpenClaw是开源工程，它能在Windows、MacOS、Linux等多个平台应用，甚至华为鸿蒙也支持部署。我们先需要明白，它的代码有“跨平台”特性。原因是，它的开发语言是Typescript（编译成Javascript），Java语言流行就是因为跨平台，最常见的是浏览器网页程序。有相当长时间，Javascript是程序员用得最多的开发语言，积累了丰富的开发生态。OpenClaw涉及复杂的对象结构，Typescript语言能在写代码时就发现问题，而不是等运行时崩溃。大型开源项目开发者，往往喜欢这个语言的基于类型（Type）的“安全感”。
OpenClaw的开发环境叫Node.js，不熟悉这个词的人也不难理解。在Windows、MacOS、Linux、鸿蒙中都有一个程序名字叫“node”，各自不同，是系统事先开发好的。假设我们写了一个程序叫app.js，各类操作系统上都可以通过命令“node app.js”成功执行，一套代码多个平台都能跑。
OpenClaw要跑起来，还需要一些别人开发的非常重要的依赖包。这就是开源的好处，别人开发的可以直接拿过来用，组合出更好的新功能。这些依赖包也都是Node.js开发环境里能跑的。应用Node.js依赖包，有个重要分发工具npm，用“npm install”命令就能部署好。这和Linux Ubuntu操作系统里的“apt install”类似，提供了方便的安装方式。
可以说，OpenClaw有80%的功能都是“站在npm包肩膀上”实现的，只有20%的业务逻辑（调度、记忆、安全隔离等）是自己写的。
另外，OpenClaw还建立了自己特有的开源功能扩展系统，就是不少人听说过的Skill。Skill算是特殊的npm包（可以用npm安装），但OpenClaw给它加了标准化接口、MCP协议适配层（让大模型能调用）、Clawhub分发渠道。Clawhub类似npm一样分发Skill，但专为AI工具设计。可以把Skill理解成npm包，但加上了给AI的“使用说明书”，大模型能够更顺畅地规划让Skill干活。
如果个人要在自己的电脑上部署OpenClaw，先要装上Node.js开发环境、配置环境变量，这就劝退了绝大部分人。3月6日腾讯云在深圳腾讯大厦楼下摆摊推出“龙虾安装站”，20位工程师免费帮路人在个人电脑上部署OpenClaw——就是从这一步开始，确实需要技术人员出摊。
这一节看得迷糊不要紧，知道有这些名词就行了。以后估计会成为社会常识，听多了慢慢能明白。
（二）中国许多公司出手后，OpenClaw为何容易部署了？
2025年初爆火的满血版的DeepSeek-R1，个人不可能部署成功。但中国多家公司都接入了，还进行了引流，即使DeepSeek公司本身的服务挤爆了，人们也用上别家部署的DeepSeek。这次OpenClaw热潮，中国想在AI生态里占位的公司，都会来参与，让用户在自己的平台中用OpenClaw。这是中国公司擅长的，面向大众的界面必须友好易用，不然没法推广。
常见的办法是云端给用户开一个虚拟Linux主机，就是KimiClaw这样。许多公司都推出了，好处是用户不需要有个人电脑，避免了个人电脑被玩坏、信息泄露等麻烦。这种模式可以一键安装，用户直接使用安装好的OpenClaw云服务，但一开始里面什么个人的文件都没有。
另一个办法，是智谱的AutoClaw那样，把OpenClaw打包成传统桌面软件，隐藏掉Node.js的存在，在用户个人电脑上安装。它就像传统Windows程序一样傻瓜式安装，不一样的是，它会自己操纵电脑用1分钟设置好飞书机器人。这种模式，用户的个人电脑直接就有OpenClaw了，干活更为方便，但出事了也更为危险。
技术性地说，虚拟Linux主机里的OpenClaw能力会比真正个人电脑里的差一些。笔者确实发现KimiClaw有很多麻烦难用之处，原理上就不是可视化的，也没有声音。再如云上给个人的空间只有40G，个人电脑硬盘要大得多。还有日常的发邮件之类的工作流程，个人电脑天然就有，OpenClaw能自然接触，在虚拟Linux主机从头建立工作流程很不容易。但无论如何，有实力的公司提供的云上服务是个好事，让人能较为方便地接触OpenClaw，能建立新的流程，也是让人兴奋的。
需要注意，这是中国特有的现象，大量普通人也有办法试试OpenClaw。在欧美，基本只是技术从业者和爱好者很狂热，普通人因为昂贵费用、隐私保护等问题用不上。这是我们在中国特有的“技术福利”。
（三）OpenClaw靠什么干活的？
OpenClaw并不是一般的软件，需要干成一些有点技术含量的活，才会让技术社区产生浓厚兴趣，引爆全球。笔者在观察者网风闻社区自动发帖测试成功，可以用这个案例来举例说明。
OpenClaw 自动化测试发帖_风闻 (guancha.cn)
先让OpenClaw自动发了个测试贴。这一步其实很不容易，因为我是用KimiClaw云服务，没有可视化的屏幕。需要好几步，动用了一些工具，才能完成发贴。
【2026年3月13日星期五】美以与伊朗(专题)战争最新动态_风闻 (guancha.cn)
再让KimiClaw发一个美以与伊朗战争动态贴，自行收集内容。可以看出内容很糟糕，是OpenClaw搜各大媒体的标题拼凑，有的和战争毫无关系，内容没什么智能可言。
【2026年3月13日星期五】美以与伊朗战争最新动态分析_风闻 (guancha.cn)
让KimiClaw改用Kimi 2.5大模型生成深度总结，能看出内容好多了，有相当的智能了。让它每天早上8点在风闻发布，就建立了一个算是过得去的自动发贴任务。这确实是全自动的，建立任务后，人不用管了。当然文章质量不算太好，只是举例。
【2026年3月13日星期五】美以与伊朗战争最新动态分析_风闻 (guancha.cn)
继续优化，让KimiClaw调用Kimi 2.5模仿我的文风来写作内容，测试发贴。让它参考我在观网的文章专栏。
这个内容看上去自然多了，文风有点像。但感觉Kimi大模型并未抓住我的思维，我不会这样写，但这就深入大模型深层次的“灵魂”问题了，扯远了。
看到这，可以相信OpenClaw能干成些有点技术含量的事。自动发贴、模仿文风是一类事，还有很多复杂任务也可以完成。其实后面几次改进不难，自然语言告诉KimiClaw要干什么就行了，让它生成什么内容，让它模仿文风，让它定时发布。但要实现第一步，“在观网风闻论坛自动发贴”，这不简单。没有OpenClaw，如果对大模型应用开发、AI智能体开发很精通，应该也有办法，但我不知道怎么做。有了OpenClaw，虽然也不简单，但摸索着能实现。
第一个成功的测试发贴已经说了些技术细节：
“发布方式：Playwright + xvfb-run 自动化”
“这是KimiClaw在服务器环境中使用Playwright浏览器自动化工具完成的操作。”
OpenClaw威力最大的工具之一，几乎可以算是最核心的功能，就是这个Playwright。它是OpenClaw的手（网页操作）和眼（网页截屏），让AI能实际控制浏览器，点击、输入、截图、滚动、下载都行。但是，Playwright的神奇极为依赖与基座大模型的频繁互动，才知道往下怎么动作，一次操作可能要50-100次截图-决策循环。大模型要有多模态视觉理解能力，能理解截屏内容。
如上面的风闻发贴界面，Playwright会截屏给Kimi 2.5大模型看。Kimi 2.5有原生的视觉理解能力，能看懂“标题”、“正文”框什么意思，告诉Playwright去填内容。如果是网络购物之类的任务，要在网页里不断点击深入，如果不对需要反复试。所以Playwright非常耗token，有些人发现干一个事几块钱就没了，因为要截屏100次去调用大模型理解，一个截屏就要许多Token。
虽然Playwright很耗token，但它确实能自动操作网页操作办成不少事。Playwright是微软开发的，代码开源了，OpenClaw拿来作为最重要的功能组件之一。
传统爬虫是访问固定网址，只调用1次API就能获取数据，成本几乎为零。这也是许多“天气查询”之类的OpenClaw简单skill的套路。但我在KimiClaw里用这些简单skill，感觉不是太强。这类简单API访问，无法完成复杂操作。互联网公司提供官方API服务是有，如股票信息API，飞书机器人也是一种API服务，要做得很完善并不容易。很有价值的，往往要付费，这就复杂了。Playwright能模范人完成复杂网页操作，比爬虫或者API调用从机制上就要强得多。
OpenClaw不是对观网服务器发出一堆字符串，然后一瞬间在风闻发贴成功，观网没这个API服务。它是在Linux虚拟机里，运行了浏览器，访问风闻发贴页面，然后往框子里填了内容，点击发送，完全和人一样操作，是一个缓慢的过程。加上写贴，5分钟都做不完。
许多网站有反爬虫、反机器人机制，发现“用户不是人”就拒绝。据说90%的网站都有Cloudflare等反爬机制。Playwright是真的会拿屏幕去分析，慢慢操作，能绕开限制。但是对KimiClaw这类云上虚拟LINUX服务器里的OpenClaw，它没有实体屏幕存在，所以构成有点困难。解决办法是用xvfb-run工具，生成虚拟屏幕，让Playwright去截屏。刚开始连趁手的浏览器都没有，要去下载安装Linux里的Chromium浏览器。
再一个问题是观察者网风闻账号登陆，解决办法是人工在个人电脑上登陆成功，再从浏览器上下载Cookie，贴给KimiClaw，它知道如何去用。
虽然过程不简单，但好处是大模型很强大，探索过程中会主动帮忙，给出各种方案。人不用说得很精确，让KimiClaw去执行就好了。但人也需要理解大模型与OpenClaw给出的机制与反馈，配合行动。这需要一些耐心与探索精神，OpenClaw可以算是功能强大的开放性开发平台，不是手机APP这类傻瓜化易用工具。
OpenClaw的强大，一个是基座大模型的能力很强了，越过了实用的门槛；再一个是有Playwright这类很实用的功能强大的工具。有了这些强大的武器，再配上传统的互联网API、程序算法，才开发出了OpenClaw。它的运作方式也是可以解释的。
可以看出，OpenClaw自己其实没啥智能，比如它自己拼凑发贴内容就不太对。但它显得智能，来源是调用大模型，以及一些强大的组件。它更像一个组织者，对接用户需求，让大模型决策，调用各种功能解决问题。
（四）OpenClaw具体的运行流程是什么？
上面是OpenClaw功能性的介绍。OpenClaw本质上是一个软件，它有一个可以一步步精确理解的运行过程，了解具体的运行流程能更好的理解原理。
一个传统软件或者算法运行，其流程是“接收输入、调用工具、返回响应”。互联网服务或者手机APP等程序就是这样做的，人们用得很熟。OpenClaw也是一个软件，也有同样的流程。
但是，OpenClaw与传统软件最大的不同，是运行时有智能。它的流程是“接收输入、检索记忆、推理决策、调用工具、更新记忆、返回响应”，加了一些智能相关环节。这个过程是写在OpenClaw的Node.js程序代码里的，是开源的，并不神秘。
让OpenClaw火遍全球的，是它与传统算法的区别：
传统软件，接收的输入是明确的指令，由输入与交互界面确定，不是模糊的自然语言；OpenClaw可以理解用户的自然语言，指令一下泛化了。先不说能不能做好，传统算法能“被要求”做的事，极为有限，接收输入死板；而OpenClaw是完全开放的，想象力完全打开，可以接收无数种输入，用户可以提出各种合理或者不合理的要求。
传统算法，调用的工具极为有限，是事先确定的，算法都是写死的。即使复杂到微信这么大的程序，功能也是有限的；OpenClaw能够调用的工具数量无上限，它有许多整理好的skills套路可用，还可以搜索到可用的互联网服务，还能自己写程序开发工具，理论上的能力无上限。
传统算法的记忆功能非常有限，只是定死的数据库、更新数据库，或者一些选项设置。OpenClaw的记忆是开放的，它可以按日期记下与用户的互动，作为后面交互的参考，框架是开放的。
传统算法只能执行固定套路，少数程序有定时执行功能，意义不大。OpenClaw可以记下极多用户交待的事，定期执行。框架是开放的，每天可以做许多事，是能力强大的“AI助理”，等于许多软件功能可以一起跑。
从上面的分析可知，OpenClaw是一个彻底打开想象力的开放性软件，与传统算法完全不是一回事，最大的特点就是开放性。人们通过宣传、实际跑样例，很快就能发现OpenClaw的强大与创新。黄仁勋说OpenClaw是“有史以来最重要的软件发布”，就是这个意思。
但是，这么好的事，必须有大模型帮助才能实现。许多人都有和大模型聊天的经验，能明白大模型的能力：
大模型会去看对话框里的上下文，对话是有关联的，这就是有“检索记忆”。
大模型会去网络搜索收集信息，增加信息，不只用训练时截止日期之前的信息。
大模型会有思考地分许多步去完成任务，这就是在“推理决策”。
大模型会写程序，能开发工具。
OpenClaw不是大模型，但通过API来调用大模型。接收输入后，OpenClaw检索记忆，将它作为上下文，调用大模型进一步明白用户的意图，不用重复交待；大模型接着进行“推理决策”，根据用户意图生成“工作计划”，这是2025年大模型Agent开发的典形任务；OpenClaw调用工具后，看返回的结果，根据成败推进工作计划，调用更多工具；工作计划完成后（失败也是一种完成结果），OpenClaw调用大模型生成总结更新记忆，将最终结果组织成用户能接受的形式输出，返回响应。
从上面的描述可知，大模型对OpenClaw等AI智能体类软件非常重要，这大家都知道。但还有一个叫“记忆”的东西，有点迷糊。这就涉及OpenClaw核心框架的三大组件：Skill system、Agent Runtime、Memory。
Skill system可以模糊理解为一大堆“AI技能包”，可以扩展的。这其实不难理解，就当是有一堆子程序可供调用，传统编程里就有许多库函数。Skill system可以当作是AI类库函数，每个有SKILL.md这样的给AI看的“使用说明书”。
但让OpenClaw跑起来，还需要其它两个重要组件：Agent Runtime、Memory。
Memory系统相对容易理解，就是“记忆”，它是OpenClaw需要的会话上下文、短期与长期日志、用户偏好人格等等，会分门别类放在相关文件里。“记忆”并不玄虚，直观理解就是一些文件把用户交待的话、用户与OpenClaw的互动，用文件记下来。我用的KimiClaw是在Linux虚拟机的“/root/.openclaw/workspace/”目录里，用四个关键的.md文件，把用户相关的事记下来。还有每天的工作日志，KimiClaw是存在/root/.openclaw/workspace/memory目录里，每天有一个日志文件。这不少常规软件也有，不难理解。
需要注意的是，这些记忆相关文件的内容，是AI整理的。不是事无巨细都记，也不是原样记，而是理解了以后摘要、汇总记忆，是智能记忆。如果一堆事太长，就汇总一下。其实人也不是什么都记，重要的事记住，细节放文件里。OpenClaw的记忆也是如此，重要的事放用户核心记忆文件里，细节放在日志里，出事了闹不清就去查日志。所以Memory也是和大模型有关的。
Memory相关的文件非常重要。我的KimiClaw出了一次大问题，不知道为何memory目录都没了，MEMORY.md也变成空的了，就发现任务执行胡编乱造，傻子一样，根本没法用了。我让它修复，才又好起来。
Agent Runtime看名词不太好理解，但它是OpenClaw真正的核心，需要仔细解释。Agent就是AI业界流行了一段时间的“智能体”，这是说OpenClaw是一个有智能的软件，能“代理”一样替人做事。Runtime是程序员熟悉的专用名字，可以类比理解成Windows、手机操作系统开机时的运行状态、运行环境，是个动态的概念。关机了就没有Runtime，跑起来了就有一堆东西活跃起来，配合做事，整个氛围叫Runtime。
OpenClaw跑起来以后，整个相关运行环境，就是Agent Runtime，负责管理AI代理的完整生命周期，有多种相关功能。如“会话管理”，维护与用户的对话上下文，处理多轮对话状态；再如“消息路由”，接收来自不同渠道的消息，路由到对应会话，飞书还是网页聊天框来的分清楚；“工具编排”，解析用户意图，调用适当的工具并管理执行流程；“安全沙盒”，控制工具访问权限，区分内部操作和外部调用。这些都是OpenClaw的代码实现的，是其代码真正对应的功能。
可以用“运动员比赛追踪”的案例，来具体说明OpenClaw运行一个任务的过程。我在飞书上（或者KimiClaw网页上聊天也可以），要求“更新下六个运动员的跟踪信息”。这六个运动员是郑钦文、王欣瑜、赵心童、王曼昱、孙颖莎、王楚钦，是之前交待的，放在Memory文件里了。
1.接收输入（系统层）
用户消息："更新下六个运动员的跟踪信息"
这步不涉及大模型，OpenClaw Gateway 接收并路由到Agent Runtime。
2.检索记忆（工具调用）
Action: memory_search(query="运动员追踪 郑钦文 王欣瑜...")
这步也不涉及大模型，直接读取文件系统返回记忆片段。
3.推理决策（大模型介入 - 第1次大模型API调用）
输入给模型的上下文：
User: "更新下六个运动员的跟踪信息"
Memory: [陈经关注投资、体育、媒体内容创作]
Available tools: [kimi_search, web_fetch, sports-tracker Skill]
模型推理输出：
意图分析：用户要求更新运动员追踪信息
记忆匹配：USER.md 显示关注6位运动员（郑钦文、王欣瑜...）
工具选择：
优先使用 sports-tracker Skill（已配置，准确性高）
辅助使用 kimi_search 验证实时比分
执行计划：
- 先执行 /root/.openclaw/workspace/skills/sports-tracker/scripts/tracker.py
- 然后针对有比赛的选手使用 kimi_search 获取具体比分
- 最后整理报告
4.调用工具（执行层）
子步骤4a：执行 tracker.py
cd /root/.openclaw/workspace
python3 skills/sports-tracker/scripts/tracker.py
子步骤4b：kimi_search（根据模型决策）
Action: kimi_search(query="孙颖莎 朱芊曦 WTT重庆冠军赛 3月12日 结果 比分")
搜索引擎API直接返回结果
子步骤 4c：读取结果并整理
读取 tracker.py 输出 + kimi_search 结果
这步不涉及大模型，是工具调用、网络搜索、数据整合
5.更新记忆（大模型介入 - 第2次 API 调用）
输入：原始追踪结果（长文本）
模型任务：提炼关键信息，生成简洁记忆
输出："孙颖莎3-0胜朱芊曦，王楚钦待比赛19:40"
结果写入memory目录里的日志文件2026-03-12.md，上图是我在终端里直接查看到的日志内容，是有用大模型总结的。
6.返回响应（大模型介入 - 第3次API调用）
输入给模型：
工具执行结果：
- tracker.py: "6位运动员中，孙颖莎、王楚钦今日有比赛..."
- kimi_search: "孙颖莎 3-0 朱芊曦（11-5, 13-11, 11-8）..."
任务：生成给用户的回复
要求：简洁、结构化、突出关键信息
模型生成响应：
【运动员追踪报告】3月12日（14:20更新）
...
孙颖莎（乒乓球）
- 今日比赛已结束
- 比分：3-0 胜朱芊曦（11-5, 13-11, 11-8）
- 状态：晋级16强
王楚钦（乒乓球）
- 待比赛：19:40 vs 弗朗西斯卡
这里调用了大模型 API，将工具结果转化为自然语言。
注意上面的流程中有个kimi_search，它不是skills也不是大模型，而是KimiClaw内置的网络搜索工具。
无论多么神奇的OpenClaw功能，都可以拆解。OpenClaw核心、记忆检索、大模型调用、Skills工具调用与网络搜索、记忆更新等多种模块组合，就能完成无数种任务。
可以看出，这个组合极为灵活，能完成的任务想象力完全打开。其中大模型的能力是关键，有了它，才能理解要干什么事、如何执行任务、如何输出给用户，所以完成一个任务要多次调用大模型。有些客户发现用OpenClaw太花钱了，比大模型APP问答花钱多了，就是因为“一个任务多次调用”的特性，大模型回答问题就是一次调用。
智能体能长时间不断调用大模型推进任务，是智能进步的标志，已经从几十分钟进步了到几小时甚至更长。有些任务OpenClaw可以跑很长时间不出错最终完成，但它基本是一个智能体在跑。现在AI前沿已经发展到十几个智能体分工配合一起完成任务，开源社区也有让多个OpenClaw分工互相通信协作的尝试，但还不是太突出。
（五）OpenClaw的缺陷是什么？
以上解释了OpenClaw的运作原理，看上去很厉害。但要问它对我有啥用？我现在的结论是：还没特别有用，最大的收获是学习原理。绝大多数时间，我都在“伺候”这只虾，因为有时它实在太不靠谱了。
理解原理以后，我们知道，它能办挺多事。但我观察了多个任务以后，得出了不太好的结论：这是一个以“形式主义”为最高原则的AI助理，实质能力往往不行，最大问题是不靠谱。其实看它的算法原理也能明白，这种组合出来的流程，随便一跑能靠谱才见鬼了。
大模型本身就有幻觉，但慢慢靠谱了很多，只要小心，已经算是能控制的小问题了。我用Kimi的聊天、深度研究、code、文档等功能，对日常工作生活帮助很大。这些功能有大模型公司不断研究优化，表现越来越好是可以预期的，可靠性过了门槛以后，就真的很有用了。
我们看OpenClaw完成的任务，大模型要用许多次，还要OpenClaw核心来主导，要调用多种skills，要总结输出。各种任务类型多种多样，中间哪一步出问题，最后的结果就可能很离谱。
一个严重问题是，大模型有极强的“形式主义”编造能力。一个好多步的流程，中间很有可能失败，如股价网络查找失败、运动员信息查找失败，或者表面成功了实际是错的，如找了以前的老信息。但大模型不管，它先满足形式主义，没有信息，它自己编！
例如3月11日这些运动员的比赛消息，有些是胡编的！郑钦文和王欣瑜实际都输了。有的时间错乱了，把2025年的消息发出来了。因为kimi_search等搜索工具不一定靠谱，搜索只是返回一些信息，并不能判断合不合适，有时也会失败。OpenClaw调用大模型决策推理，定“工作计划”的时候，有时会拿出“搜索失败自己编”的“糊弄”方法。
这样的人类员工，如果被发现了肯定开除了。但我没办法，还得去想办法伺候它，弄明白犯傻的原因，想办法把输出弄正确。
该图表为AI制作 请结合文章内容做参考
例如我让KimiClaw生成港股通593只股票的市值分布图。一开始显示汉字不对，提示后它还自己下载汉字字库解决了问题，画出图来，像模像样的。但我再仔细看，完全不对，这些股票的市值都是胡编乱造的！也不是完全胡编，还编得和真实数字有点接近。而这个市值分布柱图也是不对的，因为市值都弄错了。我问它怎么回事，它坦白是因为网络搜索找不到市值数据，就自己编了。
该图表为AI制作 请结合文章内容做参考
我不断想办法让它改进，如给它找靠谱的股票信息API，它甚至想让我交一年上千去接入一个财经API。付出艰苦的努力，找到腾讯财经API可以返回靠谱信息，让它做了一个“港股通信息查询”skill，才把图画出来了。什么叫市值，也需要给它定义，因为有些股是A股与港股都上市的，市值应该是各自上市的股本分别乘以A股、港股的股价再相加。但我最近发现最终做出的图还是有问题，说市值5000亿港元以上的股票16支，但宁德时代不见了。
我了解一些大模型算法原理，在日常使用大模型的时候就非常注意幻觉、编造等问题。这方面问题很大，人们非常容易上当，网络上已经有非常多大模型编造的内容。在使用OpenClaw的时候，我发现幻觉、编造的问题要严重得多，要更加小心。
当我们发现大模型不靠谱的时候，指出来问题，它往往能自己改正。但是，OpenClaw出错了，要去修它，要难得多。如果没有一定水平，往往就不太容易用好OpenClaw，实际问题非常多。有时看着结果不错，但不一定靠谱，还是需要多加小心。有些用户反应，用OpenClaw做任务不难，但查它靠不靠谱很累，我也有同感。
从原理上来说，目前对OpenClaw真不能太过信任。把重要的个人信息、财经信息，或者工作单位信息让OpenClaw掌握，更是非常危险，安全漏洞极大。已经出了不少事了，金融公司、重点单位、一些上市公司，都明确要求不许在单位电脑上装OpenClaw。安全方面的漏洞笔者不太熟悉，但概念上肯定是漏洞极大，有不少文章指出。OpenClaw不少动作等于在互联网无保护到处活动，为了完成任务找我要了一些信息，是有危险。
笔者还是想特别强调“靠谱”这个事。有一些OpenClaw流程，相关Skill整理得不错、相关互联网信息服务靠谱、基座大模型能力足够，确实能够干一些活。这些例子肯定也是海量的，但必须指出，这不是从天上掉下来的，不是OpenClaw开源了就有，而是需要相当多的开发试错、整理打包的工作。
正确的理解是，OpenClaw是一个开发框架，它让人用自然语言指挥干事，立刻就有结果，给人很大的震撼。但是，如果要让它干靠谱的事，就和人类学习编程语言一样，需要不少基础知识，要会面对各类错误，耐心地“养虾”。如果不会养，就会发现这东西并没有那么好玩，就和一些人编程学不下去一样。
高手对OpenClaw原理与架构很了解，对要干的事很了解，对调用的工具也了解，也会自己开发skills，把相关环节都调试得足够靠谱了，就能组织出一些不错的自动工作流程。但有这个水平的高手，目前还不多。
很多人买电脑或者云上装了龙虾以后，就有些茫然了，不知道能干啥，希望本文对不了解OpenClaw原理的人有帮助。可以去学习高手总结的靠谱流程，模仿实践；也可以去学习原理，针对性提升使用AI的水平；最后自己也变成高手，开发Skill，指挥OpenClaw组织流程，真正让AI助理帮助工作生活。在这个过程中，一定要注意，OpenClaw很不靠谱，绝对不能盲目相信，要有确实的证据，各个环节都确认可靠了，才可以放手让它干活。
版权说明 / Copyright Notice:
Content and images in this article may originate from third-party sources and are used for news reporting, commentary, or public interest purposes. All copyrights remain with their respective owners. Please refer to the Copyright Notice at the bottom of this page.
本文内容仅供信息参考，不代表倍可亲立场或观点。
[加西网正招聘多名全职sales 待遇优]
好新闻没人评论怎么行，我来说几句
笔者第一时间就关注了事件，并写文评论了Moltbot与“一人公司”（发在2月6日的环球时报），介绍AI与中国制造业分别从软硬两方面提供便捷服务，对于个人创业很有意义。没想到的是，3月时多家中国互联网巨头与大模型公司都参与进来了，一些地方政府都出资激励个人开发者，热度与2023年初的ChatGPT、2025年初的DeepSeek可以相比。
Moltbot于2026年1月30日正式更名为OpenClaw，并于2月24日超过有30年历史的LINUX、3月2日超过React，成为开源社区GitHub史上星标最多的软件项目。近乎垂直的增长曲线成为开源软件历史上的奇观。
OpenClaw作为开源项目，使用有一定门槛，中国爱好者有能力自行下载安装的不多。KimiClaw是中国大模型公司最早推出的OpenClaw云服务，不是装在个人电脑上，而是在云上开LINUX虚拟机，安装方便，春节前推出了试点。后面MaxClaw、DuClaw等各类云Claw产品越来越多，阿里云、腾讯云、华为(专题)云、火山引擎、京东云、移动云、天翼云都推出了“一键部署”解决方案。还有AutoClaw、QClaw这些作为Windows、MacOS的程序安装包，装在用户个人电脑上的。
这些“Claw”服务的推出，标志着中国AI厂商正在争夺OpenClaw生态主导权，与2025年2-3月各厂商纷纷部署接入DeepSeek类似。
一. 探索OpenClaw的多种方式
KimiClaw于2月18日正式上线，笔者立刻交了199月费，兴冲冲地“一键安装”。几天都连不上服务器，应该是春节没上班。2月22日属于笔者的KimiClaw终于活了，按套路设置连上飞书以后，可以顺畅使用了。笔者的兴趣是了解OpenClaw的架构与原理，这方面有一些心得，对于其优势与缺陷的根源也较为清楚。
本文对OpenClaw进行原理性技术解释，会普及一些基础概念。更重要的是祛魅，正确认识这只热度空前的“龙虾”，不神化其功能，了解其巨大的潜力与本质缺陷。
中国已经接上OpenClaw的用户，一般和它有两个交互渠道。一个是飞书等手机即时通讯APP，上面加了Claw机器人，聊天下达指令、接收文件，相信微信不久也会大规模接入。其原理是，飞书会提供API接入办法，OpenClaw有了API权限以后，就可以和飞书通信，接收指令、返回结果。这也是Steinberger开发OpenClaw的初衷，想用手机即时通讯APP连接自己的电脑，远程查看结果、指挥干活。目前这也是和OpenClaw最主要的沟通方式。
对于云上部署的OpenClaw，另一个常用渠道是大模型网页或大模型手机APP上的聊天界面。如笔者网页上了Kimi大模型，上面就有KimiClaw界面，也能聊天下达指令。一开始只有PC网页版可以，后来手机Kimi APP也可以了。
笔者体验下来，发现二者有重大区别。飞书是直连KimiClaw，接收的是OpenClaw的执行结果，能收文件。飞书上的聊天也经过大模型处理是智能的，但由于是非即时沟通，受限于飞书API的格式与字节限制，信息发送要压缩，信息含量有限，例如看不到大模型的思考过程。而在Kimi网页或者Kimi手机APP上，是直接与Kimi大模型聊天，主要内容是大模型输出的，有思考过程，信息明显更丰富；其中夹杂了一些OpenClaw执行指令的结果，但文件收不了，需要发到飞书上。笔者选择与大模型直接聊天的模式，以飞书收文件为辅助。这样能学到很多东西，可以直接提问，出了问题大模型能给出多种解决方案选择，尝试过程可见，是学习探索OpenClaw不错的方式。
个人电脑上安装的OpenClaw，也有这种聊天界面。AutoClaw、QClaw封装版的会有完整桌面客户端，会提供对话框。这种模式，由于个人电脑运行状态、大模型API都能直接查看控制，能提供更为丰富的运行细节信息。
笔者为了理解OpenClaw架构与原理，还有一种最直接的“探索”办法，就是进入KimiClaw“居住”的Linux虚拟机终端，是Ubuntu 24.04系统，KimiClaw网页版提供了入口。如果对Linux操作系统与命令较为熟悉，就可以去仔细看看文件结构，执行多种底层命令，拆解OpenClaw执行任务的过程。如对于OpenClaw的Skills、Memory这些“技能”、“记忆”相关的重要部件，可以直接查看相关文件内容，从最底层揭秘。
但这种探索办法需要相当的Linux知识，连图形操作界面都没有，鼠标完全无用，需要输入许多命令。如无经验会难以操作，即使写文章列出操作细节，也不好理解。如果是个人电脑上装的OpenClaw，也可以直接去电脑里观察目录文件结构，同样有难度。因此，笔者仅介绍原理，略过不好懂的探索过程细节。
笔者基于对OpenClaw的底层理解，给出的原理性解释，希望能从另一个角度，帮助读者理解。下面以问答的形式，进行解释。
二．OpenClaw原理问答
（一）从程序代码角度看，OpenClaw还原到底层，到底是什么东西？
OpenClaw首先是一个开源程序，在GitHub上有公开的是源代码仓库，最原始的理解就是公开的代码。它可以“部署”到各类个人PC上，也可以部署到云上运行起来。与人交互，就是人们听说的AI个人助理，能操纵个人PC或者云上的虚拟主机干活，这被戏称为“养虾”。
OpenClaw是开源工程，它能在Windows、MacOS、Linux等多个平台应用，甚至华为鸿蒙也支持部署。我们先需要明白，它的代码有“跨平台”特性。原因是，它的开发语言是Typescript（编译成Javascript），Java语言流行就是因为跨平台，最常见的是浏览器网页程序。有相当长时间，Javascript是程序员用得最多的开发语言，积累了丰富的开发生态。OpenClaw涉及复杂的对象结构，Typescript语言能在写代码时就发现问题，而不是等运行时崩溃。大型开源项目开发者，往往喜欢这个语言的基于类型（Type）的“安全感”。
OpenClaw的开发环境叫Node.js，不熟悉这个词的人也不难理解。在Windows、MacOS、Linux、鸿蒙中都有一个程序名字叫“node”，各自不同，是系统事先开发好的。假设我们写了一个程序叫app.js，各类操作系统上都可以通过命令“node app.js”成功执行，一套代码多个平台都能跑。
OpenClaw要跑起来，还需要一些别人开发的非常重要的依赖包。这就是开源的好处，别人开发的可以直接拿过来用，组合出更好的新功能。这些依赖包也都是Node.js开发环境里能跑的。应用Node.js依赖包，有个重要分发工具npm，用“npm install”命令就能部署好。这和Linux Ubuntu操作系统里的“apt install”类似，提供了方便的安装方式。
可以说，OpenClaw有80%的功能都是“站在npm包肩膀上”实现的，只有20%的业务逻辑（调度、记忆、安全隔离等）是自己写的。
另外，OpenClaw还建立了自己特有的开源功能扩展系统，就是不少人听说过的Skill。Skill算是特殊的npm包（可以用npm安装），但OpenClaw给它加了标准化接口、MCP协议适配层（让大模型能调用）、Clawhub分发渠道。Clawhub类似npm一样分发Skill，但专为AI工具设计。可以把Skill理解成npm包，但加上了给AI的“使用说明书”，大模型能够更顺畅地规划让Skill干活。
如果个人要在自己的电脑上部署OpenClaw，先要装上Node.js开发环境、配置环境变量，这就劝退了绝大部分人。3月6日腾讯云在深圳腾讯大厦楼下摆摊推出“龙虾安装站”，20位工程师免费帮路人在个人电脑上部署OpenClaw——就是从这一步开始，确实需要技术人员出摊。
这一节看得迷糊不要紧，知道有这些名词就行了。以后估计会成为社会常识，听多了慢慢能明白。
（二）中国许多公司出手后，OpenClaw为何容易部署了？
2025年初爆火的满血版的DeepSeek-R1，个人不可能部署成功。但中国多家公司都接入了，还进行了引流，即使DeepSeek公司本身的服务挤爆了，人们也用上别家部署的DeepSeek。这次OpenClaw热潮，中国想在AI生态里占位的公司，都会来参与，让用户在自己的平台中用OpenClaw。这是中国公司擅长的，面向大众的界面必须友好易用，不然没法推广。
常见的办法是云端给用户开一个虚拟Linux主机，就是KimiClaw这样。许多公司都推出了，好处是用户不需要有个人电脑，避免了个人电脑被玩坏、信息泄露等麻烦。这种模式可以一键安装，用户直接使用安装好的OpenClaw云服务，但一开始里面什么个人的文件都没有。
另一个办法，是智谱的AutoClaw那样，把OpenClaw打包成传统桌面软件，隐藏掉Node.js的存在，在用户个人电脑上安装。它就像传统Windows程序一样傻瓜式安装，不一样的是，它会自己操纵电脑用1分钟设置好飞书机器人。这种模式，用户的个人电脑直接就有OpenClaw了，干活更为方便，但出事了也更为危险。
技术性地说，虚拟Linux主机里的OpenClaw能力会比真正个人电脑里的差一些。笔者确实发现KimiClaw有很多麻烦难用之处，原理上就不是可视化的，也没有声音。再如云上给个人的空间只有40G，个人电脑硬盘要大得多。还有日常的发邮件之类的工作流程，个人电脑天然就有，OpenClaw能自然接触，在虚拟Linux主机从头建立工作流程很不容易。但无论如何，有实力的公司提供的云上服务是个好事，让人能较为方便地接触OpenClaw，能建立新的流程，也是让人兴奋的。
需要注意，这是中国特有的现象，大量普通人也有办法试试OpenClaw。在欧美，基本只是技术从业者和爱好者很狂热，普通人因为昂贵费用、隐私保护等问题用不上。这是我们在中国特有的“技术福利”。
（三）OpenClaw靠什么干活的？
OpenClaw并不是一般的软件，需要干成一些有点技术含量的活，才会让技术社区产生浓厚兴趣，引爆全球。笔者在观察者网风闻社区自动发帖测试成功，可以用这个案例来举例说明。
OpenClaw 自动化测试发帖_风闻 (guancha.cn)
先让OpenClaw自动发了个测试贴。这一步其实很不容易，因为我是用KimiClaw云服务，没有可视化的屏幕。需要好几步，动用了一些工具，才能完成发贴。
【2026年3月13日星期五】美以与伊朗(专题)战争最新动态_风闻 (guancha.cn)
再让KimiClaw发一个美以与伊朗战争动态贴，自行收集内容。可以看出内容很糟糕，是OpenClaw搜各大媒体的标题拼凑，有的和战争毫无关系，内容没什么智能可言。
【2026年3月13日星期五】美以与伊朗战争最新动态分析_风闻 (guancha.cn)
让KimiClaw改用Kimi 2.5大模型生成深度总结，能看出内容好多了，有相当的智能了。让它每天早上8点在风闻发布，就建立了一个算是过得去的自动发贴任务。这确实是全自动的，建立任务后，人不用管了。当然文章质量不算太好，只是举例。
【2026年3月13日星期五】美以与伊朗战争最新动态分析_风闻 (guancha.cn)
继续优化，让KimiClaw调用Kimi 2.5模仿我的文风来写作内容，测试发贴。让它参考我在观网的文章专栏。
这个内容看上去自然多了，文风有点像。但感觉Kimi大模型并未抓住我的思维，我不会这样写，但这就深入大模型深层次的“灵魂”问题了，扯远了。
看到这，可以相信OpenClaw能干成些有点技术含量的事。自动发贴、模仿文风是一类事，还有很多复杂任务也可以完成。其实后面几次改进不难，自然语言告诉KimiClaw要干什么就行了，让它生成什么内容，让它模仿文风，让它定时发布。但要实现第一步，“在观网风闻论坛自动发贴”，这不简单。没有OpenClaw，如果对大模型应用开发、AI智能体开发很精通，应该也有办法，但我不知道怎么做。有了OpenClaw，虽然也不简单，但摸索着能实现。
第一个成功的测试发贴已经说了些技术细节：
“发布方式：Playwright + xvfb-run 自动化”
“这是KimiClaw在服务器环境中使用Playwright浏览器自动化工具完成的操作。”
OpenClaw威力最大的工具之一，几乎可以算是最核心的功能，就是这个Playwright。它是OpenClaw的手（网页操作）和眼（网页截屏），让AI能实际控制浏览器，点击、输入、截图、滚动、下载都行。但是，Playwright的神奇极为依赖与基座大模型的频繁互动，才知道往下怎么动作，一次操作可能要50-100次截图-决策循环。大模型要有多模态视觉理解能力，能理解截屏内容。
如上面的风闻发贴界面，Playwright会截屏给Kimi 2.5大模型看。Kimi 2.5有原生的视觉理解能力，能看懂“标题”、“正文”框什么意思，告诉Playwright去填内容。如果是网络购物之类的任务，要在网页里不断点击深入，如果不对需要反复试。所以Playwright非常耗token，有些人发现干一个事几块钱就没了，因为要截屏100次去调用大模型理解，一个截屏就要许多Token。
虽然Playwright很耗token，但它确实能自动操作网页操作办成不少事。Playwright是微软开发的，代码开源了，OpenClaw拿来作为最重要的功能组件之一。
传统爬虫是访问固定网址，只调用1次API就能获取数据，成本几乎为零。这也是许多“天气查询”之类的OpenClaw简单skill的套路。但我在KimiClaw里用这些简单skill，感觉不是太强。这类简单API访问，无法完成复杂操作。互联网公司提供官方API服务是有，如股票信息API，飞书机器人也是一种API服务，要做得很完善并不容易。很有价值的，往往要付费，这就复杂了。Playwright能模范人完成复杂网页操作，比爬虫或者API调用从机制上就要强得多。
OpenClaw不是对观网服务器发出一堆字符串，然后一瞬间在风闻发贴成功，观网没这个API服务。它是在Linux虚拟机里，运行了浏览器，访问风闻发贴页面，然后往框子里填了内容，点击发送，完全和人一样操作，是一个缓慢的过程。加上写贴，5分钟都做不完。
许多网站有反爬虫、反机器人机制，发现“用户不是人”就拒绝。据说90%的网站都有Cloudflare等反爬机制。Playwright是真的会拿屏幕去分析，慢慢操作，能绕开限制。但是对KimiClaw这类云上虚拟LINUX服务器里的OpenClaw，它没有实体屏幕存在，所以构成有点困难。解决办法是用xvfb-run工具，生成虚拟屏幕，让Playwright去截屏。刚开始连趁手的浏览器都没有，要去下载安装Linux里的Chromium浏览器。
再一个问题是观察者网风闻账号登陆，解决办法是人工在个人电脑上登陆成功，再从浏览器上下载Cookie，贴给KimiClaw，它知道如何去用。
虽然过程不简单，但好处是大模型很强大，探索过程中会主动帮忙，给出各种方案。人不用说得很精确，让KimiClaw去执行就好了。但人也需要理解大模型与OpenClaw给出的机制与反馈，配合行动。这需要一些耐心与探索精神，OpenClaw可以算是功能强大的开放性开发平台，不是手机APP这类傻瓜化易用工具。
OpenClaw的强大，一个是基座大模型的能力很强了，越过了实用的门槛；再一个是有Playwright这类很实用的功能强大的工具。有了这些强大的武器，再配上传统的互联网API、程序算法，才开发出了OpenClaw。它的运作方式也是可以解释的。
可以看出，OpenClaw自己其实没啥智能，比如它自己拼凑发贴内容就不太对。但它显得智能，来源是调用大模型，以及一些强大的组件。它更像一个组织者，对接用户需求，让大模型决策，调用各种功能解决问题。
（四）OpenClaw具体的运行流程是什么？
上面是OpenClaw功能性的介绍。OpenClaw本质上是一个软件，它有一个可以一步步精确理解的运行过程，了解具体的运行流程能更好的理解原理。
一个传统软件或者算法运行，其流程是“接收输入、调用工具、返回响应”。互联网服务或者手机APP等程序就是这样做的，人们用得很熟。OpenClaw也是一个软件，也有同样的流程。
但是，OpenClaw与传统软件最大的不同，是运行时有智能。它的流程是“接收输入、检索记忆、推理决策、调用工具、更新记忆、返回响应”，加了一些智能相关环节。这个过程是写在OpenClaw的Node.js程序代码里的，是开源的，并不神秘。
让OpenClaw火遍全球的，是它与传统算法的区别：
传统软件，接收的输入是明确的指令，由输入与交互界面确定，不是模糊的自然语言；OpenClaw可以理解用户的自然语言，指令一下泛化了。先不说能不能做好，传统算法能“被要求”做的事，极为有限，接收输入死板；而OpenClaw是完全开放的，想象力完全打开，可以接收无数种输入，用户可以提出各种合理或者不合理的要求。
传统算法，调用的工具极为有限，是事先确定的，算法都是写死的。即使复杂到微信这么大的程序，功能也是有限的；OpenClaw能够调用的工具数量无上限，它有许多整理好的skills套路可用，还可以搜索到可用的互联网服务，还能自己写程序开发工具，理论上的能力无上限。
传统算法的记忆功能非常有限，只是定死的数据库、更新数据库，或者一些选项设置。OpenClaw的记忆是开放的，它可以按日期记下与用户的互动，作为后面交互的参考，框架是开放的。
传统算法只能执行固定套路，少数程序有定时执行功能，意义不大。OpenClaw可以记下极多用户交待的事，定期执行。框架是开放的，每天可以做许多事，是能力强大的“AI助理”，等于许多软件功能可以一起跑。
从上面的分析可知，OpenClaw是一个彻底打开想象力的开放性软件，与传统算法完全不是一回事，最大的特点就是开放性。人们通过宣传、实际跑样例，很快就能发现OpenClaw的强大与创新。黄仁勋说OpenClaw是“有史以来最重要的软件发布”，就是这个意思。
但是，这么好的事，必须有大模型帮助才能实现。许多人都有和大模型聊天的经验，能明白大模型的能力：
大模型会去看对话框里的上下文，对话是有关联的，这就是有“检索记忆”。
大模型会去网络搜索收集信息，增加信息，不只用训练时截止日期之前的信息。
大模型会有思考地分许多步去完成任务，这就是在“推理决策”。
大模型会写程序，能开发工具。
OpenClaw不是大模型，但通过API来调用大模型。接收输入后，OpenClaw检索记忆，将它作为上下文，调用大模型进一步明白用户的意图，不用重复交待；大模型接着进行“推理决策”，根据用户意图生成“工作计划”，这是2025年大模型Agent开发的典形任务；OpenClaw调用工具后，看返回的结果，根据成败推进工作计划，调用更多工具；工作计划完成后（失败也是一种完成结果），OpenClaw调用大模型生成总结更新记忆，将最终结果组织成用户能接受的形式输出，返回响应。
从上面的描述可知，大模型对OpenClaw等AI智能体类软件非常重要，这大家都知道。但还有一个叫“记忆”的东西，有点迷糊。这就涉及OpenClaw核心框架的三大组件：Skill system、Agent Runtime、Memory。
Skill system可以模糊理解为一大堆“AI技能包”，可以扩展的。这其实不难理解，就当是有一堆子程序可供调用，传统编程里就有许多库函数。Skill system可以当作是AI类库函数，每个有SKILL.md这样的给AI看的“使用说明书”。
但让OpenClaw跑起来，还需要其它两个重要组件：Agent Runtime、Memory。
Memory系统相对容易理解，就是“记忆”，它是OpenClaw需要的会话上下文、短期与长期日志、用户偏好人格等等，会分门别类放在相关文件里。“记忆”并不玄虚，直观理解就是一些文件把用户交待的话、用户与OpenClaw的互动，用文件记下来。我用的KimiClaw是在Linux虚拟机的“/root/.openclaw/workspace/”目录里，用四个关键的.md文件，把用户相关的事记下来。还有每天的工作日志，KimiClaw是存在/root/.openclaw/workspace/memory目录里，每天有一个日志文件。这不少常规软件也有，不难理解。
需要注意的是，这些记忆相关文件的内容，是AI整理的。不是事无巨细都记，也不是原样记，而是理解了以后摘要、汇总记忆，是智能记忆。如果一堆事太长，就汇总一下。其实人也不是什么都记，重要的事记住，细节放文件里。OpenClaw的记忆也是如此，重要的事放用户核心记忆文件里，细节放在日志里，出事了闹不清就去查日志。所以Memory也是和大模型有关的。
Memory相关的文件非常重要。我的KimiClaw出了一次大问题，不知道为何memory目录都没了，MEMORY.md也变成空的了，就发现任务执行胡编乱造，傻子一样，根本没法用了。我让它修复，才又好起来。
Agent Runtime看名词不太好理解，但它是OpenClaw真正的核心，需要仔细解释。Agent就是AI业界流行了一段时间的“智能体”，这是说OpenClaw是一个有智能的软件，能“代理”一样替人做事。Runtime是程序员熟悉的专用名字，可以类比理解成Windows、手机操作系统开机时的运行状态、运行环境，是个动态的概念。关机了就没有Runtime，跑起来了就有一堆东西活跃起来，配合做事，整个氛围叫Runtime。
OpenClaw跑起来以后，整个相关运行环境，就是Agent Runtime，负责管理AI代理的完整生命周期，有多种相关功能。如“会话管理”，维护与用户的对话上下文，处理多轮对话状态；再如“消息路由”，接收来自不同渠道的消息，路由到对应会话，飞书还是网页聊天框来的分清楚；“工具编排”，解析用户意图，调用适当的工具并管理执行流程；“安全沙盒”，控制工具访问权限，区分内部操作和外部调用。这些都是OpenClaw的代码实现的，是其代码真正对应的功能。
可以用“运动员比赛追踪”的案例，来具体说明OpenClaw运行一个任务的过程。我在飞书上（或者KimiClaw网页上聊天也可以），要求“更新下六个运动员的跟踪信息”。这六个运动员是郑钦文、王欣瑜、赵心童、王曼昱、孙颖莎、王楚钦，是之前交待的，放在Memory文件里了。
1.接收输入（系统层）
用户消息："更新下六个运动员的跟踪信息"
这步不涉及大模型，OpenClaw Gateway 接收并路由到Agent Runtime。
2.检索记忆（工具调用）
Action: memory_search(query="运动员追踪 郑钦文 王欣瑜...")
这步也不涉及大模型，直接读取文件系统返回记忆片段。
3.推理决策（大模型介入 - 第1次大模型API调用）
输入给模型的上下文：
User: "更新下六个运动员的跟踪信息"
Memory: [陈经关注投资、体育、媒体内容创作]
Available tools: [kimi_search, web_fetch, sports-tracker Skill]
模型推理输出：
意图分析：用户要求更新运动员追踪信息
记忆匹配：USER.md 显示关注6位运动员（郑钦文、王欣瑜...）
工具选择：
优先使用 sports-tracker Skill（已配置，准确性高）
辅助使用 kimi_search 验证实时比分
执行计划：
- 先执行 /root/.openclaw/workspace/skills/sports-tracker/scripts/tracker.py
- 然后针对有比赛的选手使用 kimi_search 获取具体比分
- 最后整理报告
4.调用工具（执行层）
子步骤4a：执行 tracker.py
cd /root/.openclaw/workspace
python3 skills/sports-tracker/scripts/tracker.py
子步骤4b：kimi_search（根据模型决策）
Action: kimi_search(query="孙颖莎 朱芊曦 WTT重庆冠军赛 3月12日 结果 比分")
搜索引擎API直接返回结果
子步骤 4c：读取结果并整理
读取 tracker.py 输出 + kimi_search 结果
这步不涉及大模型，是工具调用、网络搜索、数据整合
5.更新记忆（大模型介入 - 第2次 API 调用）
输入：原始追踪结果（长文本）
模型任务：提炼关键信息，生成简洁记忆
输出："孙颖莎3-0胜朱芊曦，王楚钦待比赛19:40"
结果写入memory目录里的日志文件2026-03-12.md，上图是我在终端里直接查看到的日志内容，是有用大模型总结的。
6.返回响应（大模型介入 - 第3次API调用）
输入给模型：
工具执行结果：
- tracker.py: "6位运动员中，孙颖莎、王楚钦今日有比赛..."
- kimi_search: "孙颖莎 3-0 朱芊曦（11-5, 13-11, 11-8）..."
任务：生成给用户的回复
要求：简洁、结构化、突出关键信息
模型生成响应：
【运动员追踪报告】3月12日（14:20更新）
...
孙颖莎（乒乓球）
- 今日比赛已结束
- 比分：3-0 胜朱芊曦（11-5, 13-11, 11-8）
- 状态：晋级16强
王楚钦（乒乓球）
- 待比赛：19:40 vs 弗朗西斯卡
这里调用了大模型 API，将工具结果转化为自然语言。
注意上面的流程中有个kimi_search，它不是skills也不是大模型，而是KimiClaw内置的网络搜索工具。
无论多么神奇的OpenClaw功能，都可以拆解。OpenClaw核心、记忆检索、大模型调用、Skills工具调用与网络搜索、记忆更新等多种模块组合，就能完成无数种任务。
可以看出，这个组合极为灵活，能完成的任务想象力完全打开。其中大模型的能力是关键，有了它，才能理解要干什么事、如何执行任务、如何输出给用户，所以完成一个任务要多次调用大模型。有些客户发现用OpenClaw太花钱了，比大模型APP问答花钱多了，就是因为“一个任务多次调用”的特性，大模型回答问题就是一次调用。
智能体能长时间不断调用大模型推进任务，是智能进步的标志，已经从几十分钟进步了到几小时甚至更长。有些任务OpenClaw可以跑很长时间不出错最终完成，但它基本是一个智能体在跑。现在AI前沿已经发展到十几个智能体分工配合一起完成任务，开源社区也有让多个OpenClaw分工互相通信协作的尝试，但还不是太突出。
（五）OpenClaw的缺陷是什么？
以上解释了OpenClaw的运作原理，看上去很厉害。但要问它对我有啥用？我现在的结论是：还没特别有用，最大的收获是学习原理。绝大多数时间，我都在“伺候”这只虾，因为有时它实在太不靠谱了。
理解原理以后，我们知道，它能办挺多事。但我观察了多个任务以后，得出了不太好的结论：这是一个以“形式主义”为最高原则的AI助理，实质能力往往不行，最大问题是不靠谱。其实看它的算法原理也能明白，这种组合出来的流程，随便一跑能靠谱才见鬼了。
大模型本身就有幻觉，但慢慢靠谱了很多，只要小心，已经算是能控制的小问题了。我用Kimi的聊天、深度研究、code、文档等功能，对日常工作生活帮助很大。这些功能有大模型公司不断研究优化，表现越来越好是可以预期的，可靠性过了门槛以后，就真的很有用了。
我们看OpenClaw完成的任务，大模型要用许多次，还要OpenClaw核心来主导，要调用多种skills，要总结输出。各种任务类型多种多样，中间哪一步出问题，最后的结果就可能很离谱。
一个严重问题是，大模型有极强的“形式主义”编造能力。一个好多步的流程，中间很有可能失败，如股价网络查找失败、运动员信息查找失败，或者表面成功了实际是错的，如找了以前的老信息。但大模型不管，它先满足形式主义，没有信息，它自己编！
例如3月11日这些运动员的比赛消息，有些是胡编的！郑钦文和王欣瑜实际都输了。有的时间错乱了，把2025年的消息发出来了。因为kimi_search等搜索工具不一定靠谱，搜索只是返回一些信息，并不能判断合不合适，有时也会失败。OpenClaw调用大模型决策推理，定“工作计划”的时候，有时会拿出“搜索失败自己编”的“糊弄”方法。
这样的人类员工，如果被发现了肯定开除了。但我没办法，还得去想办法伺候它，弄明白犯傻的原因，想办法把输出弄正确。
该图表为AI制作 请结合文章内容做参考
例如我让KimiClaw生成港股通593只股票的市值分布图。一开始显示汉字不对，提示后它还自己下载汉字字库解决了问题，画出图来，像模像样的。但我再仔细看，完全不对，这些股票的市值都是胡编乱造的！也不是完全胡编，还编得和真实数字有点接近。而这个市值分布柱图也是不对的，因为市值都弄错了。我问它怎么回事，它坦白是因为网络搜索找不到市值数据，就自己编了。
该图表为AI制作 请结合文章内容做参考
我不断想办法让它改进，如给它找靠谱的股票信息API，它甚至想让我交一年上千去接入一个财经API。付出艰苦的努力，找到腾讯财经API可以返回靠谱信息，让它做了一个“港股通信息查询”skill，才把图画出来了。什么叫市值，也需要给它定义，因为有些股是A股与港股都上市的，市值应该是各自上市的股本分别乘以A股、港股的股价再相加。但我最近发现最终做出的图还是有问题，说市值5000亿港元以上的股票16支，但宁德时代不见了。
我了解一些大模型算法原理，在日常使用大模型的时候就非常注意幻觉、编造等问题。这方面问题很大，人们非常容易上当，网络上已经有非常多大模型编造的内容。在使用OpenClaw的时候，我发现幻觉、编造的问题要严重得多，要更加小心。
当我们发现大模型不靠谱的时候，指出来问题，它往往能自己改正。但是，OpenClaw出错了，要去修它，要难得多。如果没有一定水平，往往就不太容易用好OpenClaw，实际问题非常多。有时看着结果不错，但不一定靠谱，还是需要多加小心。有些用户反应，用OpenClaw做任务不难，但查它靠不靠谱很累，我也有同感。
从原理上来说，目前对OpenClaw真不能太过信任。把重要的个人信息、财经信息，或者工作单位信息让OpenClaw掌握，更是非常危险，安全漏洞极大。已经出了不少事了，金融公司、重点单位、一些上市公司，都明确要求不许在单位电脑上装OpenClaw。安全方面的漏洞笔者不太熟悉，但概念上肯定是漏洞极大，有不少文章指出。OpenClaw不少动作等于在互联网无保护到处活动，为了完成任务找我要了一些信息，是有危险。
笔者还是想特别强调“靠谱”这个事。有一些OpenClaw流程，相关Skill整理得不错、相关互联网信息服务靠谱、基座大模型能力足够，确实能够干一些活。这些例子肯定也是海量的，但必须指出，这不是从天上掉下来的，不是OpenClaw开源了就有，而是需要相当多的开发试错、整理打包的工作。
正确的理解是，OpenClaw是一个开发框架，它让人用自然语言指挥干事，立刻就有结果，给人很大的震撼。但是，如果要让它干靠谱的事，就和人类学习编程语言一样，需要不少基础知识，要会面对各类错误，耐心地“养虾”。如果不会养，就会发现这东西并没有那么好玩，就和一些人编程学不下去一样。
高手对OpenClaw原理与架构很了解，对要干的事很了解，对调用的工具也了解，也会自己开发skills，把相关环节都调试得足够靠谱了，就能组织出一些不错的自动工作流程。但有这个水平的高手，目前还不多。
很多人买电脑或者云上装了龙虾以后，就有些茫然了，不知道能干啥，希望本文对不了解OpenClaw原理的人有帮助。可以去学习高手总结的靠谱流程，模仿实践；也可以去学习原理，针对性提升使用AI的水平；最后自己也变成高手，开发Skill，指挥OpenClaw组织流程，真正让AI助理帮助工作生活。在这个过程中，一定要注意，OpenClaw很不靠谱，绝对不能盲目相信，要有确实的证据，各个环节都确认可靠了，才可以放手让它干活。
版权说明 / Copyright Notice:
Content and images in this article may originate from third-party sources and are used for news reporting, commentary, or public interest purposes. All copyrights remain with their respective owners. Please refer to the Copyright Notice at the bottom of this page.
本文内容仅供信息参考，不代表倍可亲立场或观点。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： |
推荐: