OpenClaw会死，但它让我想清楚了几件事

第一次知道openclaw还是在今年过年前，那时候他还没改名，还是叫clawdbot。

当时刷到的大部分内容是在说它很牛：可以控制你的电脑、通过 iMessage 或 Telegram 跟它对话、装上各种 skill 就能扩展能力。类似的东西 Manus 也有，但 OpenClaw 有两个不同：一个是部署在本地直接操控你的电脑而不是跑在沙盒里，另一个是它有长线记忆设计——能通过记录每次任务和对话来构建上下文，让它比 Manus 更「懂你」。

我当时的第一反应是：这东西有意思。

于是我果断买了一台 Mac Mini M4，把 OpenClaw 部署在本机，用飞书调用，选模型纠结了半天，还是选择了 Kimi K2.5，是性价比之选。

然后它就开始教我做人了。

它和我想的不一样

第一课：模型是天花板，不是地板。

我用的是 Kimi K2.5，不是 Claude Opus 或者 GPT-5 这种 SOTA 模型。结果就是：很多任务需要多轮交互才能符合预期，意图识别模糊，执行动作频繁跑偏。

这不是 OpenClaw 的问题，是我对它的理解有偏差。OpenClaw 本质上是一个模型能力的放大框架，而不是独立的智能体。它把任务拆解、工具调用、记忆管理这些事做得很好，但最终执行质量高度依赖底层模型的理解能力。用非 SOTA 模型，就像用一台好相机配了一个普通镜头——机身再好也没用。

第二课：维护它比用它花时间。

OpenClaw 的调用方式依赖 CLI，配置文件一旦出问题你得自己定位、自己修——或者丢给另一个模型帮你修。于是就导致一个荒诞的局面：我买这台机器是为了提效，结果大量时间花在了让 OpenClaw 本身保持正常运行上。

想提效的任务还没怎么执行，已经先在调试上消耗了半天。

这两课加在一起，让我意识到一件事：我对「AI 工具」的期待还停留在旧框架里——我以为它是一个装好就能用的产品，但它现在更像一个需要持续调教的基础设施。这不是失败，是我的认知没跟上。

它真正的创新是接触面

冷静下来想，OpenClaw 在技术上并没有太多颠覆性的创新。

它做的事情，Claude Cowork 和 Manus 之前都做过——任务拆解、工具调用、Agent 编排。OpenClaw 真正不一样的地方只有一个：它把交互入口从 chatbox 换成了 IM。

从必须打开某个网站、在某个对话框里输入指令，变成了直接在你每天最常用的 IM 软件里发一条消息。

这个改变看起来很小，但它做到了一件别人没做到的事：命中了整个开发者社区。

开发者本来就在Telegram、Discord 里活跃，OpenClaw 直接出现在他们的工作台上，降低了尝试门槛。开发者尝试了，觉得有意思，开始写 skill、写教程、在社区里分享。社区热起来，破圈到更广泛的科技圈，再蔓延到普通用户。OpenClaw 成了第一个把 Agentic AI 带入大众视野的产品——不是因为它技术最强，而是因为它选对了入口。

对比豆包手机——它想做的事和 OpenClaw 本质上类似，都是想让 AI Agent 控制你的设备。但它选择了手机作为终端，直面的是微信、支付宝、抖音这些已经高度固化的软件生态，没有切入一个天然活跃的社区，所以只引起了小范围的注意，没能引燃。

接触面决定声量，声量决定生态跟进速度。

功能边界被软件生态锁死

用久了我发现 OpenClaw 还有一个更根本的限制：它能干什么，完全取决于现有软件生态愿不愿意开放。

小红书有对应的 skill，是因为有人做了 MCP 接入。微信没有，是因为微信不开放。抖音的反爬机制做得严格，浏览器自动化很难绕过。飞书比微信开放，所以国内用 OpenClaw 最顺手的 IM 是飞书而不是微信。

这不是 OpenClaw 的缺陷，这是 Agent 时代最核心的竞争变量。

谁的平台开放，谁就先被 Agent 整合；谁封闭，谁就先被边缘化。这个逻辑在以前不成立，但当 Agent 开始成为主要的交互入口，软件生态的开放性就从产品设计问题变成了战略竞争问题。

目前有三条路在同时走：

一、平台主动内置 Agent

这里有一个容易忽略的分层：大平台内置的 Agent 服务的是大多数普通用户，目标是「让人感觉 AI 有用」；而 OpenClaw 服务的是那批有探索欲、想真正改变工作流的用户。这两个目标不在同一条赛道上竞争——大平台为了满足大多数，在创新上必然有所取舍。所以问题不是「微信内置 Agent 会不会干掉 OpenClaw」，而是两者从一开始就不是同一群用户。

二、Agent 绕过平台

越来越多的开发者在做更高明的反爬 skill，比如 Scrapling 通过更复杂的机制绕过了大部分网页端的登录验证。随着 skill 的发展，完全绕过主流反爬策略只是时间问题。这是一场猫鼠游戏，平台的反爬成本会持续上升。

三、新应用替代旧平台

音乐制作、视频剪辑、PPT 生成、数据分析——这些工具类应用正在被 AI 原生产品蚕食。社交、电商、游戏也开始出现挑战者。AI coding 成本降低之后，原本「预期收益不够高、不值得做」的细分领域都需要重新评估。

极端一点想：以后可能根本没有「应用市场」，只有一个你一句话就能生成所需应用的分发平台，底层对接支付、通知、物流、地图这些基础能力。应用从长期存在的产品，变成按需生成、用完即走的一次性响应。

新玩家的机会在哪里

做分发平台有明显的先发门槛。字节、阿里、腾讯这种生态足够丰富的玩家占优势——他们已经有支付、物流、地图、用户体系，缺的只是整合能力和底层模型。谁能率先把这些整合起来，谁就能在分发平台的位置上站稳。

新玩家直接做分发平台很难，除非可以在终端入口上做出革新，比如AI眼镜，但也可以做分发平台的上游供应商：算力供应、能力供应，还有一个最被低估的方向——专家知识。

专家知识这里有三个阶段正在依次展开：

现在

专家知识以信息流的形式传播。Suno 和即梦在公开作品的同时也公开提示词，用户通过学习别人的提示词，慢慢习得如何描述脑子里的东西。门槛还在，但在下降。

近期

对话引导和内置补写。类似代码补全的逻辑，系统在你输入意图的过程中实时给出专业表达建议，帮你把「我想要那种感觉」翻译成可执行的描述。

未来

专家知识库直接接管表达层。用户只需要表达意图，系统自动翻译成专业描述，普通用户和专业用户之间的表达鸿沟消失。谁在某个细分领域垄断了这种翻译能力，谁就是下一代分发平台无法绕开的上游。

最后

OpenClaw 是开源产品，它本身会被快速复制甚至超越。部署方式、IM 接入、MCP 协议，这些都不属于它，属于其他平台。任何人都可以照着做一个。

但有一件事没有人能复制：它是第一个把 Agentic AI 带进大众视野的产品。「龙虾」这个符号已经和 Agentic AI 绑定在一起了。就像 Linux 被无数公司用来做商业产品，但「Linux 社区」没有人能抄走——OpenClaw 真正的护城河不在代码里，在社区和认知里。

不过这里有两个我还没想清楚的问题：

我还没有答案。