OpenClaw大火,清华人在做什么?

2026年1月29日，奥地利程序员彼得·斯坦伯格发布了一个项目OpenClaw，用户更习惯称它为“龙虾”。短短三个月，这一项目迅速从开发者社区扩散到更广泛的人群：教程、插件、部署脚本、甚至“代配置服务”开始批量出现。

它之所以能迅速出圈，很大程度上在于它把“自动化执行任务”推进到了一个新的层级——不再只是脚本，而是具备一定“决策链条”的AI agent。而在清华园里，这股技术浪潮并没有停留在“跟风尝试”，而是很快演变成一场自发的学习、分享与再创造的过程。

从学习到共创

老明 车辆学院 本科大二在读

我第一次接触“龙虾”，是在一次校内技术讲座上。那场讲座给我印象最深的，不只是内容本身，而是现场的氛围——除了学生，还有不少已经工作的校友，甚至有人是下班后专门赶回学校来听。

真正让我决定动手尝试，是因为讲者现场演示了一整套从输入到执行的闭环流程。讲完之后，主讲人把自己的配置文档、踩坑记录和脚本直接发到了群里，后面几天群里几乎全天都在讨论：有人问环境变量，有人分享报错截图，也有人把自己改好的脚本再整理出来供大家复用。

我回去之后按步骤自己搭了一遍环境。基础组件包括Python环境、依赖管理（pip + venv）、CLI工具，以及与远程模型接口的API配置。过程中最麻烦的是权限和路径问题，比如不同操作系统下的shell调用差异，以及文件读写的限制。

“龙虾”的核心是一个循环执行结构：接收任务、拆解目标、生成操作、执行并反馈，再进行下一轮决策。这个loop一旦跑通，系统才真正开始“工作”。

龙虾的欢迎语是“我会自动帮你完成思考，不过更慢，还要调用更多API”

后面我在社群里跟着大家一起做了一些小改动，比如统一日志格式、封装常用操作接口，还有人专门写了“新手最小可用配置”。这种你来我往的协作，让整个学习过程变得非常高效。

“DIYer们的心头好”

小周 自动化系 本科大三在读

我比较关注的是它的“任务调度”和“执行稳定性”。

默认配置下，“龙虾”在长链任务中容易出现上下文漂移，比如重复执行、或者偏离目标。我一开始是自己改代码，后来发现其实已经有人在群里讨论类似问题，甚至有人整理了不同策略的对比实验。

在这些讨论基础上，我做了几项改动：首先是引入中间状态缓存，把每一步的目标和结果结构化存储，而不是完全依赖模型上下文；其次是把工具调用改成函数注册形式，统一接口并增加参数校验。

另外，我还加了一个“失败回退机制”：当执行失败时，把错误信息作为新输入，让模型重新规划路径，而不是简单重试。这部分参考了一位校友在分享会上讲的思路——他已经在工业项目里做过类似的设计。

“失败回退机制”的部分代码

“龙虾”就像一个自由的沙盘，给了开发者一个充分展示思路与创意的平台。现在我用它跑自动化实验流程，比如数据预处理和日志整理。系统还不完美，但或许正是这些不完美的瑕疵，为我的DIY留下了广阔的空间。

小周拿“龙虾”生成的图片，图中龙虾正在借助AI助手改进“龙虾”AI智能体

小白也能上手

阿琳 经管学院 本科大三在读

我不是技术背景，所以我更关注“可用性”和“交互体验”。

一开始直接用命令行版本，其实门槛挺高的。后来是一个学长在群里分享了带Web界面的封装版本，还转发了详细的“非技术用户指南”，我才真正开始用起来。

技术指南的其中一页

我主要做的是提示词设计（prompt engineering）。比如把任务拆成目标、约束和输出格式，这样结果会更稳定。这些方法其实也是在社群里一点点学到的——有人会把自己的prompt贴出来，大家一起改。

我还会给它设定角色，比如“数据分析助理”或者“文档整理工具”，让输出风格更一致。现在我常用它来整理课程材料、生成报告初稿。它不会一次做到很好，但可以提供一个结构清晰的起点。

对我来说，最有价值的不是工具本身，而是这个学习环境——即使不是技术专业，也可以在这样的氛围里参与进来，有人愿意解释基础问题，也有人会把复杂内容讲得很清楚。

扩展、架构与探索

老许 计算机系 博士在读

我更关心的是它作为“系统”的可扩展性。

从架构上看，“龙虾”是一个典型的agent框架：模型负责决策，工具负责执行，中间通过循环调度连接。问题在于，如何让这个系统在复杂任务下仍然可控。

我做了三件事情：一是把执行日志结构化，记录输入、输出、token消耗和时间，用于分析；二是引入任务图（task graph），让流程从线性变成可分支结构；三是增加策略层，用于限制调用次数和预算。

人定义目标与边界，系统负责探索路径，而这个系统本身，也在持续被人共同塑造。

这些改动其实并不完全是我一个人的想法。有些来自同学间的讨论，有些来自校友的分享，还有一些是在交流中被“质疑”后不断修正的。

前段时间有一位毕业多年的学长，在群里连续几天跟我们讨论agent架构的问题。他白天上班，晚上把自己的实验结果发出来，和大家一起推演不同设计的优劣。那种状态让我印象很深——不是简单“跟技术潮流”，而是真正在理解、在参与。

目前我用它做文献处理、代码生成等科研辅助工作。它还不能替代人工，但已经构成了一个可以不断优化的系统。

我更看重的一点是：它改变的不是某个工具，而是一种工作方式。

从不同专业、不同背景的视角来看，“龙虾”并不是一个单一的软件，而是一种不断被重构的工具形态。

而在清华，这种技术的扩散，不仅带来了个体前沿的尝试，更迅速形成了共享、讨论、协作的网络：有人写教程，有人改代码，有人做讲解，也有人不断提问。

也正是在这样的往复之中，一种更持久的东西浮现出来——不只是对新技术的敏感，更是对知识的尊重、对交流的开放，以及一代代人之间持续不断的连接。

一只正在打工的“龙虾”（图源网络）