ARTICLE · 1038613

把 AI 装上手脚:OpenClaw 这套系统,到底在解决一个什么问题?

发布时间：2026-09-19 17:25:24 最近访问：2026-09-19 17:25:24

把 AI 装上手脚：OpenClaw 这套系统，到底在解决一个什么问题？

你有没有过这种时刻？

跟 ChatGPT 聊得很爽，让它写一段文案、回一封邮件、改一段代码，顺滑得不行。但你想让它真的帮你把这封邮件发出去——它停了。

"抱歉，我是 AI，无法直接操作你的邮件客户端。"

这句话，几乎是过去两年所有聊天式 AI 的天花板。它能想、能写、能说，但它不能动手。

那有没有一种系统，是把 AI 和"动手能力"绑在一起的？

有。这就是今天要聊的 OpenClaw。

本文想用大白话讲清楚一件事：这套系统到底是什么、怎么搭起来的、解决了什么问题、普通人怎么用上。架构部分我会画图，但不会堆术语；案例部分会点名场景，但不会编故事。

一、先说它解决的核心问题

在所有 AI Agent 产品里，OpenClaw 走了一条很反常识的路：

•它不生产智力，它给智力装手脚。

什么意思？

•现在的 ChatGPT、文心一言、Claude，本质是"大脑"。它们聪明、能写、能想。

•但要让大脑真的把事办了——打开浏览器点开网页、读 PDF 后填表、定时发推送、跨应用搬运文件——这些动作，传统 AI 做不了。

•OpenClaw 就是那一层"把大脑接到手上的胶水"。

它的核心设计哲学只有三句话：

1.一个进程搞定一切——不需要 Docker、不需要 Kubernetes、一个二进制 + 一份配置就能跑。

2.数据留在本地——你的对话、记忆、文件，全部在你自己的硬盘上，模型只"记住"被写入磁盘的内容。

3.渠道/模型/工具都能换——飞书、微信、Telegram、Claude、GPT、Gemini 都能接，但底层规则不变。

这三句话，决定了它的整个架构形态。

二、它长什么样？五层递进结构

我把它拆成五层（用工程师朋友的话说就是"五层递进、每层独立、可扩展可排障"）：

•每一层职责独立，可换可升级。 这就是它能在一两年内演化出几十个插件、几百种能力的关键。

三、每一层在解决什么具体问题？

① 接入层：怎么跟它说话

这是最"卷"的一层，也是普通人最有感的一层。

•多渠道支持是这一层的核心——同一个 Gateway，可以同时接：

•聊天工具：飞书、微信、Telegram、Discord、Slack、WhatsApp、iMessage、Signal、Teams、Matrix、QQ 机器人……（官方公开列表 20+ 个）

•原生 App：iOS / Android / macOS / iPad / Linux 桌面伴侣

•Web 端：Control UI（v2026.8.1 重做，对话 + 文件 + 审批 + 仪表板一站集成）

•为什么这件事重要？

因为它意味着：你不必为了用 AI 切换工作流。你在飞书群里跟它说话，它就在飞书里回你；你在手机上点开 App，它就在手机上给你推结果。AI 不再是一个独立的 App，它长在你已有的工作流里。

② 调度层：一个 Gateway 管所有事

整个系统的"唯一控制平面"叫 Gateway，默认跑在 ws://127.0.0.1:18789。

它干七件事：

职责	干啥的
WebSocket 服务	所有客户端的实时通信入口
HTTP 服务	Web 界面、第三方 Webhook
会话管理	谁在哪个群里、聊到哪了、要不要压缩
鉴权授权	谁有权连进来
渠道生命周期	渠道挂了重连、新渠道自动注册
事件广播	流式输出、实时进度推送
审批队列	需要人工点头的命令先排队

•关键设计： 路由器根据 渠道 + 账号 + 对端 把消息分发给不同的 Agent。

意思是你可以在同一个 Gateway 里跑多个 Agent：

•Discord 的 #code 频道 → 编程 Agent

•家里的 WhatsApp → 生活助理 Agent

•飞书的工作群 → 工作 Agent

•安全边界要注意： OpenClaw 的默认假设是"一个 Gateway = 一个可信操作者"，不做共享 Gateway 的敌对多租户隔离。如果要给公司多部门共享，得每个部门跑一个独立实例。

③ 认知层：它怎么想、怎么记

这是 OpenClaw 最具原创性的一层。

•一次完整的思考循环（Agent Loop）是这样的：

•接收消息

•拼装上下文（系统身份 + 你的指令 + 记忆 + 相关技能 + 对话历史）

•调模型推理

•决定要不要动手（调工具）

•流式回复

•把结果存进 Session

•记忆系统是它的灵魂，分三层：

•Dreaming 是什么？ 这个名字很有意思——它在后台跑三个阶段：

阶段	干啥的	写入长期记忆？
Light（浅睡）	把最近的短期记忆排序、去重，暂存候选	否
REM（快速眼动）	反思主题和反复出现的想法	否
Deep（深睡）	给候选打分，过阈值的才入长期记忆	是

只有 Deep 阶段才会真正写进 MEMORY.md。整套机制强调可解释、可审查——你不希望 AI 半夜偷偷往你的长期记忆里塞东西。

④ 执行层：它能干什么

这一层是 AI 真正"动手"的部分。OpenClaw 把执行能力分成五组：

工具组	能干啥
文件系统	读写编辑文件、结构化补丁
运行时	执行 shell、管理后台进程
浏览器 & 画布	控制专用浏览器、在节点上画 UI
消息	跨渠道发消息、管会话
自动化	定时任务、网关控制

•安全性是关键。这层有五种权限模式：

模式	策略	适用场景
`deny`	完全禁止执行命令	不想让 AI 动主机
`allowlist`	只跑白名单里的命令	已知安全的命令集
`ask`	白名单外每条都要人工批	严谨场景
`auto`	自动审 → 不行再人工	编码会话常用
`full`	不拦	完全信任的环境

•默认是 deny——OpenClaw 的设计哲学是"能力越大、门槛越高"，不会让你一键解锁所有执行权限。

⑤ 扩展层：能力边界怎么扩展

OpenClaw 最让我佩服的设计是 Skills 系统。

一个 Skill 就是一个 SKILL.md 文件——YAML 头声明"什么时候用我、需要什么环境"，正文用自然语言 + 结构化描述说明"怎么用我、参数是什么"。

•这意味着： 任何人都可以把自己的领域知识包成一个 Skill，分享给别人用。OpenClaw 官方维护了一个叫 ClawHub 的公共注册表，类比 npm / pip / 苹果 App Store，搜索、安装、版本管理、星级评价都有。

•这才是 Agent 生态真正该有的样子——不是每个团队从零造轮子，而是有个公共池子把经验沉淀下来。

四、1.0 到 2.0：到底变了什么？

OpenClaw 经历了一次大的架构重构。官方把这次重构叫"从个人工具到协作平台"。

•拿掉的：

•旧版的"配置墙"——以前装 OpenClaw 要先有 API Key、要做一堆命令行配置；现在大部分配置挪到安装后、用对话自然完成。

•旧版捆绑的 OpenProse 插件——拆出来用更标准的方式实现。

•"本地执行 = 只能在 Gateway 机器上跑"——现在任务可以分发到 Worker Node（已配对的手机 / 平板 / 云端）。

•加进来的（四个架构级能力）：

1.Active Memory + Dreaming —— 记忆从"被动存文件"变"主动整合"。

2.Shared Cloud Sessions —— 团队成员可以加入同一个任务，保留上下文继续干。

3.安全治理层 —— 第三方插件安装前要展示能力、有审计命令、有凭证遮罩。

4.Self-learning + Skill Workshop —— Agent 可以从完成的对话里"自学"，把方法沉淀成新 Skill。

5.这个重构有多大？ 官方公布的规模是上万级 PR、上百位贡献者。创始人的原话大意是：原本只是想简化安装流程、重做浏览器，最后发现为了"让一个非技术用户更快用上一只能用的龙虾"，必须同时重构会话、记忆、权限、密钥、云端执行、多 Agent 协作和团队共享。

6.架构稳定性 = 功能快速迭代的前提。这一点被这次重构完整验证了。

五、它能干啥用？三个场景

🧑‍💻 场景 1：个人生产力（从"对话"到"执行"）

最典型的场景是跨应用、多步骤的重复操作——你不再需要在聊天窗口、浏览器、笔记软件之间来回切。

具体能干啥？

•自动处理邮件、定时完成任务

•充当交易助理，扫描财报日历、按预设策略筛信号、实时推送

•充当"AI 编辑部"——总编、记者、编辑、校对、排版、发布，每个角色都是一个 Agent，输入主题自动跑完全流程

🏢 场景 2：组织工作流（把 AI 嵌入已有的 IM）

•这是最被低估的一个场景。

当 OpenClaw 进入企业，AI 的角色从"独立 App"变成"嵌在飞书/企微里的同事"。几个公开报道的方向：

•公文分发：有地方政府用 OpenClaw 接企业微信/飞书，过去联系 200 多家企业要数天，现在一份文件从一级集团到三级集团压缩到十几分钟。

•金融投研：从"被动响应"升级到"主动执行"——预设目标后，自主跑完"信息抓取→数据整理→初步分析→结果反馈"闭环。有量化基金经理形容它是"24 小时带了个资深基助在身边"。

•12345 政务热线：自动识别工单的诉求类型、事发区域、紧急程度，标准化分类标引。

🚀 场景 3：一人公司（OPC，One Person Company）

这是最有产品颠覆性的场景。

•核心逻辑： OpenClaw 把"雇佣"从人力市场转移到了配置界面。你不招员工，你配 Agent。

各地政府已出台专项政策支持这条路线，公开报道里能看到几个有代表性的方向：

•制造业智能工厂：有 3 人团队聚焦设备维护，靠 OpenClaw 跑通了端到端业务并拿到订单。

•跨境营销物料：有团队基于 OpenClaw 的能力，一分钟内产出十几张专业级营销海报。

•网文出海独立站：有创业者两天内独立搭出一个独立站。

•这件事的产品意义在于： AI Agent 不再是"老板的工具"，而是"老板的员工"。

六、普通人怎么用上？（国内手机端路径）

国内用户上手 OpenClaw 主要有两条路径。

路径 A：云端托管（零部署）

•百度 App × OpenClaw：在百度 App 搜"OpenClaw"，一键部署到云端、配置模型和联网能力，免服务器、免 API Key、免命令行。

•阿里云 JVS Claw：已上架苹果 App Store 和国内安卓应用商店，iOS 12+ 可用，新用户有 7 天免费调用量。

•百度红手指 Operator：安卓端，结合自研移动 Agent 能力，可跨 App 完成打车、外卖订餐等操作。

路径 B：自托管 + 手机客户端

方案	适合谁	关键点
官方原生 App	愿意自己跑 Gateway	iOS / Android 都有，App 只是个 WebSocket 客户端，通过局域网/Tailscale/SSH 隧道连接
Android 本地部署（社区版 openclaw-termux-zh）	极客、想一台手机搞定	安卓 10+，无需电脑，但强烈建议用闲置备用机——OpenClaw 拥有系统级读写权限
ClawApp（手机浏览器/PWA/APK）	想轻量体验	需要一台电脑跑代理服务（端口 3210），支持图片、语音、多 Agent 选择
ClawConnect 扫码配对	国内环境友好	装插件后终端出二维码，手机扫码即配，无需配飞书/钉钉机器人

国内网络两个坑

1.依赖下载：社区版务必配置国内镜像（pnpm config set registry https://registry.npmmirror.com/），不然装到一半会卡。

2.联网搜索：OpenClaw 默认搜索在国内不好使，装一个 Multi Search Engine Skill 就解决，免费稳定。

七、最后讲讲它最反常识的设计选择

通篇看完，你会发现 OpenClaw 几乎每一个架构决策都在"反规模"：

•单进程 Gateway → 放弃了水平扩展，换来了部署的极简性

•本地优先 → 放弃了云端协同的便利，换来了数据主权的完整性

•分层解耦 → 放弃了端到端优化的空间，换来了每一层可独立演进的能力

这些选择在云原生时代显得很"老派"，但它换来的东西是：

•一个普通用户能在 10 分钟内跑起来

•你的数据从第一天起就在你自己的硬盘上

•任何一个层出问题都能定位、能替换

•AI Agent 这件事，比的不是谁的功能更多，而是谁能跑得久。

一个能在你手机上跑、在你硬盘上存、按你的规则跑两年的系统，比一个需要付费订阅、数据上云、随时被关停的服务，长期价值高得多。

写在最后

如果你也在折腾 AI Agent，你会发现 2026 年这个赛道已经分化成两条路：

1.大而全的 SaaS——功能多、开箱即用、但数据和执行权都在云上

2.本地优先 + 生态开放——上手门槛高一点、但你的数据和执行权永远在你手上

OpenClaw 选了第二条。走不走这条路，取决于你想要的是"方便用"，还是"长期拥有"。

•关于作者： 小飞哥，AI 架构师 + 独立开发者，专注普通人的 AI 工具实践。公众号同步更新，会写一些不编数据、有真实踩坑的过程记录。

📮 想看更多这样的拆解 + 一起实战？