乐于分享
好东西不私藏

对OpenClaw的几个认识

对OpenClaw的几个认识
认识1:OpenClaw成为爆火的现象级产品,也将是Agent的一个典型拐点
1)2026年1月底:OpenClaw在开源社区及开发者的范围内大火:公众号铺天盖地都在介绍怎么配置,云服务厂商都速度上线了一键部署,生怕错过这波热度。与此同时,各种行为艺术又满天飞:ClawdBot、MoltBot、OpenClaw,一周内改了三次名;结果改名的时候账号还被抢注,被一个叫$CLAWD的代币诈骗了1600万美元。与此同时,安全漏洞也层出不穷:有12%的第三方skills含恶意代码,有不少人把控制台裸露在公网上没设密码。

2)2026年2月底三月初:OpenClaw在移动终端、PC以及各大厂、大V的一键安装的各类变种安装(手机、PC、云端、企业版)大火

一时间让人感觉“养龙虾”成为赶上AI浪潮的一个必须的动作,那么这东西到底要不要装?装了有什么风险?这到底是下一个生产力革命还是又一个两周就过气的玩具?

认识2:OpenClaw把可干事的Agent,从技术小众群体 推进到早期大众 乃至 成为 “全民通用产品”

    1. 裂谷左侧:小众核心用户;核心:跨域裂谷;裂谷右侧:大众普通用户   

      根据《跨越鸿沟》对技术采用生命周期的过程,新产品从创新者 / 早期采用者早期大众 / 晚期大众渗透时,会出现跨域裂谷(核心鸿沟),尤其是 AI应用 这类从 “技术小众产品” 向 “全民通用产品” 跨域的工具,裂谷是成败关键,裂谷两侧用户需求、决策逻辑完全不同。我们知道一个新技术的生命周期的S曲线&基于新技术的应用拓展的历程如下:

    • 创新者:技术极客 / 研发团队,关注技术本身,愿意尝鲜、容忍缺陷(如早期玩 Cursor 的程序员);
  • 早期采用者:行业从业者 / 科技爱好者,关注技术价值,能自主解决产品痛点,愿意为尝鲜付费(如最早用 OpenClaw 的技术从业者);
  • 共性:决策逻辑为 “技术驱动”,对产品缺陷容忍度高,无需完善的产品体验 / 服务。

早期大众:普通职场人 / 泛用户,关注产品实用性,需要完善的体验、清晰的使用场景,对缺陷零容忍(如用 OpenClaw 处理办公的非技术人员);

  • 晚期大众:保守型用户,关注产品性价比 / 主流性,需看到他人成功案例才会使用,依赖完善的售后 / 生态;
  • 落后者:技术排斥者,仅在产品成为行业标配时才会被动使用;
  • 共性:决策逻辑为 “需求驱动”,注重产品的稳定性、易用性和配套服务,对技术细节无感知。是新产品从 “小众” 到 “大众” 的核心障碍,裂谷的本质是用户需求 / 决策逻辑的断层(如 OpenClaw 从 “程序员” 向 “非技术人员” 跨域时,面临 “易用性 vs 功能性”“安全 vs 便捷性” 的矛盾);
  • 裂谷挑战:小众用户容忍的痛点(如记忆不可控、安全漏洞),会成为大众用户放弃的核心原因;大众用户关注产品体验 / 稳定性 / 安全性,而非技术本身。

    OpenClaw 的跨域裂谷现状:OpenClaw 仅完成了 “从创新者 / 早期采用者到早期大众” 的初步跨域,但未完全跨越裂谷 —— 其为了适配大众做的 “聊天界面、统一记忆” 设计,解决了易用性,但带来了 “功能受限、安全风险” 等问题,成为进一步渗透晚期大众的核心障碍。

    认识3:技术能力普惠化,将小众的技术能力推向了更广泛的非技术用户群体;创新点是:统一入口、持久化记忆、工具生态等可迁移认知融入自身工作流,实现工具的个性化适配。核心结论为其爆火并非技术创新,而是技术普惠,且工具终会过气,对工具本质的理解才是核心价值。

    1)、爆火核心原因:技术能力的普惠化

         OpenClaw 的走红与此前 DeepSeek 逻辑高度一致,并非技术上实现突破,而是将小众的技术能力推向了更广泛的非技术用户群体:此前 Cursor 等能本地编程、读写文件的 Agentic AI 仅程序员使用,大众仍在使用功能有限的消费级 AI,形成能力断层;

           OpenClaw 首次将这类本地 Agent 与飞书、Slack 等主流通信软件结合,让非技术用户首次接触到有记忆、能执行命令、可持续迭代的 Agentic AI,实现了技术能力的下沉。

    2) 流行的关键设计:三大核心决策形成正向飞轮

     聊天界面是其出圈基础,而背后的三大设计让用户感知到 “智能”,且三者相互促进形成飞轮效应:

    (1)统一入口与上下文:打破各项目上下文隔离的现状,全平台对话上下文共池,跨场景交互仍能保持记忆,提升用户体验;
    (2)持久化分层记忆:基于 SOUL.md、USER.md、MEMORY.md 等文件构建记忆系统,AI 会自动提炼有价值信息、清理过时内容,实现短期、中期、长期记忆的分层管理,让用户感觉 AI “在成长”;
    (3)丰富的可组合 Skills:工具数量的价值呈非线性增长,多 Skills 可组合出完整业务能力,且 AI 能自主编写新 Skill 并复用,形成自我进化闭环。三者结合实现了数据复利(记忆 + 统一上下文)、自我进化(记忆 + Skills),再叠加聊天界面的高易用性带来的高使用频率,推动能力持续提升。
    3)、先天局限:为 “全民易用” 做出的设计妥协

        OpenClaw 的所有问题均源于为适配最广泛用户而做的 trade-off,核心局限集中在三方面:

    (1)界面瓶颈:聊天窗口的线性对话、低信息密度、低过程可观测性,无法满足深度知识工作的需求;
    (2)记忆系统不可控:知识无法显式管理,AI 会自动摘要、重写甚至删除内容,更新过程为黑盒,且统一记忆易造成跨项目信息干扰,影响进阶用户的工作效率;
    (3)安全风险突出:12% 的第三方 Skills 含恶意代码,且同时满足 “访问私有数据、暴露于不可信环境、可对外通信” 的 “致命三角”,安全与易用形成矛盾,高权限带来便捷的同时,也埋下数据泄露、被攻击的隐患。此外,其爆火后还出现改名频繁、账号被抢注、相关代币诈骗 1600 万美元等乱象。

    4)优化思路:基于现有工具打造更适配的工作流

       不要无脑跟风使用 OpenClaw,而是借鉴其设计哲学,结合 OpenCode 等工具扬长避短,核心优化决策有四点:

    (1)复用成熟 Agentic Loop:以 OpenCode 等开源工具为基础,避免重复开发繁琐的底层功能,将精力聚焦于业务逻辑注入的 Agentic Architecture;
    (2)文件化可控记忆:继承 “磁盘即记忆” 思想,将记忆分为项目级和人物级,通过 Git 做版本管理,解决 OpenClaw 记忆不可控、信息干扰的问题,同时保留其自我进化机制;
    (3)安全化接入 Skills:不直接安装第三方 Skills,由 AI 审查源码后重写干净版本,降低供应链攻击风险;
    (4)打造原生移动端入:开发 OpenCode 的 iOS 原生客户端,实现 AI 工作进度实时可视、多模型切换、语音输入等功能,兼顾移动端的便捷性和操作的可控性,该客户端已开源。

    5)核心启示:现象级工具的爆火必然伴随设计妥协,直接使用往往效率非最优;真正的价值不在于跟风使用工具,而在于理解其背后的设计逻辑,将统一入口、持久化记忆、工具生态等可迁移认知融入自身工作流,实现工具的个性化适配。

      参考资料:[1]Computing Life: https://yage.ai/
      [2]和Manus一样: https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
      [3]不是线性的: https://yage.ai/manus.html
      [4]致命三角: https://simonwillison.net/2025/Jun/16/the-lethal-trifecta/
      [5]我之前的一篇文章: https://yage.ai/ai-builder-space.html
      [6]开源: https://github.com/grapeot/opencode_ios_client作者 : Yan Wang / 鸭哥
        Samsara 应用科学家,哥伦比亚大学博士,曾在 Pinterest / Microsoft 等公司工作,发表过近40篇国际顶会期刊论文。个人网站:Computing Life 鸭哥OpenClaw深度分析:为什么突然就火了,以及对我们意味着什么