KNOWLEDGE BASE · OpenClaw教程

OpenClaw成为最受关注的AI Agent平台

开源AI智能体框架OpenClaw近期热度持续攀升，GitHub星标数已达约16万，成为当前最受开发者关注的AI Agent项目之一。它的前身是Clawdbot与Moltbot，定位是始终在线的个人AI助理，核心卖点并非模型能力本身，而是把模型接入真实工作流的方式。

与单一聊天窗口不同，OpenClaw采用本地网关架构：网关负责在Slack、Telegram、邮件等消息渠道、API与系统工具之间路由请求，技能层则决定智能体能执行哪些动作。用户可以远程下达指令，由它发送消息、管理文件、运行脚本或执行定时任务。由于网关运行在用户自己的设备或服务器上，数据不必经过第三方托管，这一点对注重隐私的团队颇具吸引力。

这种数字员工式的定位解释了它的流行。开发者不再满足于让模型回答问题，而是希望它真正动手完成工作；OpenClaw把模型、工具与消息渠道串成一条可编排的链路，恰好承接了这部分需求。围绕它形成的技能市场也在扩张，用户可以用现成技能快速扩展能力，或自行编写技能接入内部系统。

生态热度同时带来安全议题。项目曾因部署暴露与不安全的技能执行引发多起安全事件，Semgrep等安全团队专门发布了针对OpenClaw的加固速查表，把提示注入、恶意技能与供应链列为三大威胁面，并建议在执行层建立沙箱。安全研究者的普遍建议是：不要让它接触核心业务系统与敏感数据，测试环境应使用独立虚拟机或云实例。

官方在2.0版本中收紧了权限隔离与技能授权审核，社区也在补齐审计工具。对使用者来说，OpenClaw的价值在于把个人助理从厂商云服务中解放出来——模型提供商可自由切换，官方支持OpenRouter及25家以上模型接入，数据与配置默认留在本地。不过，本地部署也意味着运维责任由用户承担，升级、备份与凭据管理都需要自行安排。

热度之下更需要冷静判断。自主执行类智能体天生伴随风险，OpenClaw越受欢迎，围绕技能来源与权限配置的攻防就越激烈。它很可能继续留在AI Agent话题的中心，但能否从开发者的玩具变成生产环境的可靠组件，取决于安全与生态治理能否跟上。从项目走向平台，需要解决的不只是功能问题，还有生态信任问题。

📖 原文链接：https://studyopenclaw.cn/?p=2252

OpenClaw 知识库 · OpenClaw教程