写在开头

• • Tip 1：先理解，再质疑；小龙虾当前还有很多不足，网上也列举了很多，但是对于这种新工具，要有开放的心态首先尝试学习，理解，发现他的能力；只有理解了，才能客观评价他的不足；
• • Tip 2: 先宏观，再细节；这篇文章是尝试以最通俗的方式和类比把Openclaw是什么给非技术背景的同学讲清楚，如果真想了解具体的实现，请移步 https://github.com/openclaw/openclaw (Star 316K；对比 Linux Star 223K)

基础概念

大模型（脑子）

不要神化大模型，大模型全称是大语言模型 (LLM = Large Language Model)，粗浅的理解他是一个“成语接龙”的模型，在模型训练的阶段学习了公开能获取的语料（各种各样形式的文本），因为学习量很大就掌握了人类说话（自然语言）的习惯，能够进行“成语接龙”。比方说，你和他说“锄禾”，他预测下一个字是“日”的概率最高，就返回“日”，接下来下一个字是“当”的概率最高，就输出了“当”，以此类推；

基于这样的成语接龙，大模型已经能和你很好的对话了。但是大家经常会听到几个词：

• • 提示词工程 (Prompt Engineering) ：大模型没有回复给你想要的答案，首先想一下是不是你问问题的方式不对；打个比方：饭店厨师问你：先生吃什么；你说：随便；那上来的菜很可能不是你想要的；所以你要组织你的语言（Prompt），更加好的告诉他你的需求是什么 - 两荤两素，少糖，重辣，不要香菜；这样你的需求才能被更好的传递给厨师/大模型，给你做出你想要的菜；
• • 知识库（RAG）：你的问题/需求描述的很详细了，返回的结果还不是你想要的；这很有可能是这个厨师没有你想吃的菜的菜谱，不知道怎么做；所以这个时候你就要把菜谱一起给到厨师，同时和他讲 - 我要两荤两素，其中的一个荤是红烧肉，红烧肉的菜谱我一并给你；
• • 微调（SFT）：菜谱什么的都给了厨师，还是不行；很可能你点的是西餐，厨师是个中餐厨子；这个时候就需要把厨师送回培训学校，重新训练他的西餐技能；

这是最直观的理解，通常情况下，优化你大模型的回复应该是 首先考虑 提示词工程，不行再考虑RAG，最后微调（个人甚至绝大部分企业是没必要去微调的）；背后大模型训练是理论（Transformer/Scaling Law...）+ 技术（分布式/优化算法/PEFT...）+ 框架（DeepSpeed/Megatron/Llama-Factory...）三位一体的系统工程；一般人不需要了解这么多，就像你会用手机，但不需要知道手机里面各种元器件是怎么设计出来的一样；

比较正式的定义

智能体（四肢）

大模型已经能够理解人类语言并能和人类对话了，做个问答机器人已经足够了。但是如果想让大模型开始执行其他比较复杂的任务，还需要给他装上躯干和四肢；这样可能还是不好理解，打个比方，厨师炒菜 - 现在这个厨师已经能完全理解怎么做你想吃的菜了，但是这个厨师没有手脚 - 只是在语言上理解，先切菜，再烧油，再炒菜；所以你就需要给他长出手脚，这个手脚就是智能体。

这可能是我想到最通俗的解释了，先这样理解。实际场景下 - 智能体是对大模型的封装并链接到不同的技能来完成复杂任务；可能很多人会告诉你智能体就是大模型，智能体和大模型是一体的，智能体是串联了大模型和不同的能力等等。这些都太似是而非，最终创造个东西是为了解决问题做事情的，把智能体理解成一个人，里面装了大脑，装了手脚，能操作东西，有不同的技能，能解决问题，才是最本质的方式。通常情况下，智能体通过大模型来理解用户的意图，生成相应的作业任务，然后智能体来链接不同的能力 - 比方说打开个Excel，比方说识别个图片等等，最后完成用户的请求的。把他理解成是一个张了脑子，能做事情的数字人就好了；

比较正式的定义 - 看到这样的云里雾里的大部分人已经放弃了

Openclaw (智能体平权)

Openclaw为什么火了呢，在我看来他打开了创建智能体的新方式。今年前创建智能体，主要有两种方式：

• • 代码方式：通过代码来构建智能体（LangChain / LangGraph；AutoGen（微软）CrewAI / OpenAI Assistants API），只有会写代码的人才能创建智能体；
• • 页面拖拽：通过图形化界面拖拽配置的方式来生成智能体（Dify/Coze等），会用这个工具的才能生成智能体；

可以看到多多少少还是有些入门门槛的；而Openclaw他是可以直接通过提示词（也就是你和他直接对话，下指令），他就能直接帮你生成智能体（注1，先不要纠结智能体和技能-Skill的区别，后面会讲；注2，也不要纠结现在他写代码的能力还是不完善，这个会快速迭代的）。所以，他能让“每个人都能创建智能体”，做到了智能体平权。

能做什么

此处偷个懒，直接问deepseek

怎么做的

Openclaw设计成这个样子：

• • 最上层是交互接口：可以是网页和他对话/发起命令，可以是聊天工具，可以TUI （命令行窗口）
• • 下面的框是你的电脑：上面装了Openclaw，Openclaw通过技能来执行各种操作，例如操作你的文件/浏览器还有本地程序；
• • 右边是大模型：你的问题指令是通过大模型来理解，并生成相应的任务的；网上很多文章容易把Openclaw和大模型混为一谈，分开成两个独立的模块比较好理解，毕竟Openclaw可以接入多种大模型（包括本地的），所以世界上也是独立的，只是用户配置好之后，只需要和Openclaw交互，屏蔽了后面的大模型。

串联在一起，他是这样工作的：

• • 用户问题 → Openclaw转发问题 → 大模型意图识别：这里面有两个场景
1. 1. 常识类问题：不需要技能，大模型直接回答问题，并告诉Openclaw → OpenClaw 最终回复给用户。
2. 2. 任务类请求：需要调用技能，大模型决定调用哪个技能，并告诉Openclaw → OpenClaw调用对应技能执行 → 技能返回结果 → 大模型将结果转为自然语言 → 最终回复给用户。
• • 简单理解，大模型是一个外脑，Openclaw转发问题的时候，会一并带上很多其他信息（后续文章会讲到），其中包括有哪些技能可用，每个技能负责处理什么样的关键词，这样大模型就能知道该调什么技能了。

技能是什么

从上面介绍可以看到，除了问答类的场景，Openclaw的真正能力是通过技能（Skill）来实现的。技能是什么呢？技能就是被包装过之后的程序代码，对就是程序，就是代码，和日常情况下大家理解的程序/代码/应用没有本质区别；只不过这个程序被包装了，能够被大模型理解他的功能是什么，在什么情况下该被调用；

为了有点直观感受，看一下这个目录结构

这个是你安装过openclaw之后你的本地目录，高亮的部分是一个具体的技能（自己随便添加的一个统计文件的技能）。这样很容易看清，技能都被存放在~/.openclaw/workspace/下面。

这个file-counting-skill技能，里面最关键的是SKILL.md，用来描述对应的技能。当用户发起一个指令，openclaw会把所有技能的SKILL.md里面的“描述”一起发送给大模型，大模型通过语义匹配就知道，应该调用哪个技能里。所以，描述很关键，如果想让你的技能被正确的匹配，就需要把你的技能是做什么给描述清楚。简单看下，SKILL.md的一些信息，有个感觉，前面说的“描述”就是第二行的description

前面说到，技能/skill是对程序的包装，而这个包装就是SKILL.md，正是有了这个包装，大模型才知道该调用哪个技能。

而程序呢，可以看到就是在scripts目录下面，写的程序文件，和程序员们日常写的代码，没有任何区别，唯一的区别就是这些代码是openclaw自己写的（其实是通过大模型）。而且，如果会编程，完全可以自己改，自己写，都没问题。

另外一个特别的点（普通人不写代码也不需要理解），这种程序一定要写成命令行的形式，因为命令行的输入/输出都是文本，最适合和大模型交互。（这一点也很好理解，API封装的程序/服务是为了给程序互相交互 - 微服务，GUI/界面/封装的程序是为了给人交互使用，CLI/命令行封装的程序最适合给大模型交互调用）。

回头来看

端到端： 用户请求 -> Openclaw -> 大模型定调用哪个技能 -> Openclaw调用技能 -> 技能就是程序。

所以这里面并没有魔法，最终还是通过普通程序来实现用户想要执行的动作。大模型起到什么作用呢？意图识别，到底调用哪个程序完成任务；实活儿还是程序来实现。虽说是智能体平权，但是现在模型的理解能力/编码能力，稍微复杂一点的还是需要程序员介入的。

说了半天，怎么没有了智能体？到底什么是智能体，当你启动Openclaw的时候，你已经自动获得了一个智能体 (agent:main 不要纠结这个名称)，只不过这个智能体只连接了大模型，只能做些问答。你所要做的就是要给这个智能体 1）先添加技能 2）通过智能体使用你添加的技能。

打个比方，你招聘了一个人（智能体），这个智能体唯一的能力就是对话（大模型），你要培训他（添加技能 - 对话的方式），接下来你就可以用它做事情（直接命令你的智能体做事情 - 对话的方式）

再深入一点，Openclaw是支持多智能体的，也就是你可以招聘多个人（智能体），你可以让每个智能体都有各自的技能，也可以让他们使用共享技能。换个角度理解，你可以在团队招聘一个全才（智能体安装了所有的技能），你也可以招10个人（智能体）每人一个技能。各有利弊，个人用户不需要搞的很复杂，一个智能体多个技能足矣；

结语

还有很多内容没有讲到，记忆功能，各种配置，小技巧，后续逐渐更新。写这个文章是想用最通俗的表述方式来做科普，太深入太全面各种异常分枝，实现细节，可能直接吓走没有技术背景的同学了。但错误之处，类比不当，还请多指正。技术细节问题有需要可以随时交流；