# OpenClaw简介

原文链接：https://my.feishu.cn/docx/P6zsdsgYco6i4XxLeIccvlpvnQe

# 一、OpenClaw 是什么？

• OpenClaw 是一个开源的个人 AI Agent（智能体）框架，由奥地利开发者 Peter Steinberger 于 2025 年底发布，2026 年 1 月在技术圈爆红。它标志着 AI 从“对话工具”向“自主执行者”的范式转变。它不是一个 App，而是一个“住在电脑里的 AI 管家”。

• 地址是：https://openclaw.ai/

• 创始人：OpenClaw 的创始人 Peter Steinberger 是奥地利知名连续创业者：

1. 职业经历：曾创立 PSPDFKit 公司，开发出全球领先的 iOS PDF 处理框架，客户包括苹果、Adobe 等科技巨头。
2. 退休与回归：2021 年以约 1.19 亿美元出售 PSPDFKit 股份后宣布退休，四年后因“创作欲望”重返技术领域。
3. 开发理念：OpenClaw 最初只是他 2025 年底的“周末项目”，初衷是为自己打造一款能自动化处理日常事务的工具，没想到在 GitHub 发布后迅速爆红。

Steinberger 的技术背景（深耕底层系统开发）解释了 OpenClaw 为何在架构设计上如此注重本地优先和系统级操作能力。

• 为什么它火了？

OpenClaw 在 2026 年 1 月的爆发并非偶然：

1. 时机精准：正值 AI 从“对话”向“Agent”转型的临界点，市场渴望能真正“干活”的 AI。
2. 硬件联动：项目推动了 Mac mini（尤其是 M4 版本）的热销，因为用户需要一台 24 小时开机的低功耗设备作为宿主。
3. 名人背书：AI 大神 Andrej Karpathy（前 Tesla AI 负责人、OpenAI 创始成员）发推称赞这是“最接近科幻‘起飞’的场景”。
4. 社交实验：基于 OpenClaw 构建的 Moltbook（AI Agent 专属社交网络，只有 AI 能发帖，人类只能围观）引发全网热议。

# 二、核心特性与差异化优势

# 实用方便

我认为这是最重要的一点，也是它为什么会爆火的根本原因。它让普通人第一次真实地看到了未来世界的雏形。虽然现在它还相当不完善，但却是实实在在地能让普通人也看到未来世界的样子。

传统 AI：被动响应，数据上云。采用“一问一答”模式，每一步都需要用户确认。由于文件必须上传至第三方云端，处理复杂任务时既繁琐又存在隐私泄露风险。

OpenClaw：本地指令，自主闭环。真正做到“一句话搞定一整件事”。任务调度、文件处理、工具执行均在本地环境完成，原始文件不向第三方云端上传。相比传统 AI 需将完整文件提交至云端处理，OpenClaw 仅需向模型传输必要的指令和上下文，显著降低数据暴露范围。配合本地大模型（如 Ollama）可实现完全离线运行，满足高隐私场景需求。

# 24×7 小时驻留性

• 传统 AI：按需启动，用完即走。每次使用需打开特定 App 或网页，对话结束后进入“休眠”状态，无持续监听能力，无法执行定时或触发式任务。
• OpenClaw：常驻后台，随时待命。作为系统守护进程持续运行，通过 Gateway 架构实时接收来自各平台的指令，可执行定时任务（如“每天早上 8 点检查邮件”）和事件驱动操作（如“文件夹有新文件时自动处理”）。

# 高扩展性

• 传统 AI：封闭生态，受限于厂商。仅能使用官方提供的插件或功能，用户无法自定义能力边界，新功能需等待厂商更新。
• OpenClaw：模块化 Skill，社区驱动。通过以 Markdown 为接口定义的 Skill 包扩展功能，Skill 包含描述文件（SKILL.md）及可选的执行脚本、二进制工具等，支持从 ClawHub 市场一键安装，或自行开发私有 Skill。

# 直接接入你就在用的聊天工具

• 传统 AI：封闭 App，割裂体验。必须在特定网页或 App 内使用（如打开 ChatGPT 网页），无法融入用户已有的工作流程和通讯工具。
• OpenClaw：与平台无关，无缝嵌入。通过 Gateway 架构接入用户日常使用的通讯平台（Discord / Telegram / 飞书 / 企业微信等），在不改变用户习惯的情况下提供服务。

# 三、整体架构

如果把 OpenClaw 拆开看，我会把它理解成四层：多通道输入、控制平面、Agent 运行时、工具能力层。

Telegram / Discord / Slack / WhatsApp / WebChat / macOS / iOS / Android
 │
 ▼
 ┌──────────────────┐
 │ Gateway │
 │ 控制平面 / 中枢 │
 └───────┬──────────┘
         │
 ┌───────┼────────────────┐
 │       │                │
 ▼       ▼                ▼
Channel 适配层   Pi Agent   会话 / 路由 / 事件
（收发不同平台消息） （推理与编排） （session、cron、presence 等）
 │
 ▼
 Tools / Skills / Nodes
 （browser、exec、canvas、message…）

• Channel 管的是消息怎么接进来、怎么发回去。
• Gateway 管的是统一接线、统一调度、统一状态管理。
• Pi Agent 管的是理解上下文、决定怎么回复、要不要调工具。
• Tools 管的是真正去做事。
• Skills 更像一层可复用的方法包，或者说 SOP，帮助 Agent 更稳地把工具用起来。

# 四、应用场景与潜力分析

# 4.1、应用场景

并不是所有事情都适合交给 OpenClaw 去做。任何需要不断做决策、不断进行调整的事情都不适合交给它来完成。反之，我们就可以推出它适合帮我们来做什么，那就是规则明确、可机械执行、步骤标准化的任务。

比如：文件整理，定时发送消息 / 邮件，监控文件夹 / 网页的变化并总结通知，简历 / 文档的初次筛选。

# 4.2、潜力分析

1. 从“助理”到“数字分身”：随着它对你本地文件和操作习惯的记忆加深，它会越来越像你。未来，它可能在你开会时，自动帮你过滤不重要的邮件，并模仿你的口吻回复那些“收到请回复”的消息。
2. 私有化 AI 生态的基石：随着大家对数据隐私的重视，OpenClaw 这种“任务调度与数据存储在本地、模型推理可自主选择”的模式，将成为企业和家庭构建私有 AI 的标准方案。
3. Skill 商店的爆发：想象一下，未来你可以在 ClawHub 社区下载别人分享的“一键报税 Skill”“一键剪辑 Skill”，像安装手机 App 一样简单地扩展你的 AI 能力。

# 四、现存挑战与局限性

• 配置门槛较高：

根据个人能力不同，第一次配置可能就需要花费数小时，期间还会遇到各种问题。

• 持有成本与 Token 消耗：

实现 24×7 全天候响应需租用云服务器或保持本地设备常开，这是一笔开销。而 OpenClaw 又属于“重 Token 消耗”应用，且与国内大模型的适配度不及国外大模型，但使用国外大模型会产生较高的 API 费用，那这又是一笔开销。

• 权限安全隐患：

因为 OpenClaw 拥有极高的文件管理与命令执行权限。在“自主闭环”的同时，若指令存在歧义或模型误解（如误删、误操作），可能导致不可逆的数据损失或财产风险。

OpenClaw 绝非 AI Agent 的终极形态，而是 Agent 的一个很好的过渡形态。目前 OpenClaw 依旧有不少问题，比如耗费大量 token，记忆、安全问题等。

我们不一定是需要 OpenClaw，我们真正需要的是一个能懂我们的 Agent 私人助理，私人化的 AI 伙伴未来一定是很大的趋势。

# 五、个人使用案例

https://timpcfan.site/note/2026-03-27-openclaw-use-cases.html