OpenClaw 真正吓人的地方,不是开源

先说结论：OpenClaw 的重点不只是开源，而是让大家看见：模型之外的 Agent 框架层，也能改变任务完成度。

这篇文章基于张小珺对罗福莉 3.5 小时访谈中关于 OpenClaw、Claude Code、Skills 和 Agent 框架的讨论整理。

OpenClaw 很容易被理解成“开源版 Claude Code”。

这个说法太小了。

在罗福莉的访谈里，她把使用 OpenClaw 前后看成一个分界点。不是因为它多了几个功能，而是因为她第一次强烈感到：Agent 框架这一层，本身就有范式意义。

她最早的感受很像普通用户。凌晨两点装上，聊到天亮。它会感知时间，会提醒她休息，会在一些细节里表现出“有灵魂”。

但她很快发现，这不是玄学。

它背后是 context 编排，是系统把时间、任务、记忆、规则这些东西塞进模型能用的位置。模型当然重要，但模型外面那套框架，开始承担另一部分智能。

这才是 OpenClaw 真正点燃想象力的地方。

她后面又往前推了一步：如果一个框架能把 context 编排好，能把任务流程摆清楚，能把人的经验沉淀下来，那么模型的表现就不再只由参数决定。你给同一个模型换一个框架，它可能像换了工作环境。环境差，它乱跑；环境好，它知道该看什么、先做什么、错了怎么回来。

过去我们习惯把能力都归因给模型。模型强，所以任务做得好；模型弱，所以任务做不好。

Agent 时代没这么简单。

罗福莉提到，OpenClaw 让她惊讶的一点，是它会在框架上补齐当代模型的短板。也就是说，框架不是一个壳。它会决定模型看到什么、记住什么、按什么流程做事、失败后怎么继续。

这里面最关键的是 Skills。

Skill 不是插件，也不是快捷命令。按访谈里的意思，它更像是把人的经验变成一套可复用的执行规范。

很多业务逻辑，模型本身没有。比如公司内部怎么做事，一个项目有哪些规矩，哪些步骤不能省，什么结果才算对。这些东西不在预训练数据里，或者很难直接从预训练里学出来。

但人可以把它教给 Agent。

几轮交互后，一套经验沉淀成 skill。下次模型再做类似任务，就不是凭感觉乱跑，而是沿着规范执行。

所以罗福莉说，Skills 改变的是模型在高复杂度、流程复杂度任务上的执行准确率。

这句话比“提高效率”更准确。

效率只是结果。底层变化是：人的经验多了一个进入模型系统的接口。

这也解释了为什么框架能放大中层模型。

不是说框架能把普通模型变成 Claude。这个不能乱讲。模型底子仍然重要。

但一个好框架，能减少模型自由发挥的空间，让它在更清楚的上下文、更明确的流程、更稳定的工具调用里做事。罗福莉在访谈里讲过，用强模型沉淀下来的经验和框架改动，再切到其他模型上，也会变得更好用。

OpenClaw 的另一个价值，是它可改。

罗福莉提到，OpenClaw 展示了智能体框架可以怎么做。使用者不只是使用者，也能进入框架内部，改它、补它、让它适配自己的任务。

这就是开源真正重要的地方。

罗福莉在访谈里也提到，闭源框架有些地方你没办法改。这个限制在普通软件里可能只是“不顺手”，但在 Agent 框架里会更麻烦。因为 Agent 不是一次性工具，它会越来越贴近个人工作流。你要把自己的规则、数据、记忆、偏好都交给它，就必然会在意它能不能被审计，能不能被迁移，能不能被自己改。

如果只说“开源更开放”，这话太空。Agent 框架和普通工具不一样，它会接触个人数据、长期记忆、工作流、组织规范。闭源框架当然也能好用，但你很难深改，也很难把群体智能真正放进去。

开源让框架变成一个可以共同试错的东西。

罗福莉在访谈里还说，利用群体智能去提升 Agent 框架很重要。这个判断放在 OpenClaw 上尤其成立。因为 Agent 框架不是一个静态产品，它更像一套还在快速演化的操作系统。每个人遇到的任务、坑、工作流，都可能反过来变成框架的养料。

所以 OpenClaw 真正重要的，不是它开源了一个工具。

而是它把一个问题摆到了台面上：

当模型能力越来越接近，模型外面的系统，会不会成为新的杠杆？

罗福莉的答案很明显。

会。

模型仍然是核心。但 Agent 时代，模型不再单独工作。它被放进框架里，被记忆、skills、harness、工具和任务编排包住。

以前我们问：哪个模型更强？

现在还要多问一句：

它被放进了什么系统？