夜雨聆风
题图摄于故宫
最近，科技圈被一只“龙虾”（OpenClaw）刷屏了。它之所以火爆，是因为打破了传统 AI 的“只说不做”的规律，能真正理解指令并直接操作电脑完成任务。它是怎样做到的呢？本文将深入解读 OpenClaw 完成任务的机理。
想象一下，你手下有位特别靠谱的行政助理，接到了这样一个任务：
“把上个季度所有部门的会议纪要翻一遍，找出已经拍板的决策事项，按部门整理成一份简报，下午领导要看。”
这位助理会怎么做？
今天要聊的 OpenClaw，干的就是这么个事儿——只不过，它的“脑子”是大语言模型，它的“手”是本地各种工具。两者配合，才能把一个模糊的自然语言请求，变成实实在在的交付成果。
OpenClaw是个啥？一句话：大脑+工具箱
OpenClaw 是一个基于大语言模型的任务执行框架。它的设计理念特别简单：
每一次任务，都是一场大模型和工具之间的“多轮对话”：大模型发指令，工具执行并回报结果，大模型看了结果再接着思考下一步……直到任务搞定。
举个例子：整理会议纪要，生成决策简报
咱们来个实打实的办公场景：
这活儿要是人干，少则十几份、多则几十份文件，每份都得仔细看，还得分辨哪些是“真拍板”，哪些只是“讨论讨论”。下面是 OpenClaw 干这活儿的全过程：
第1轮：先摸清家底
用户下达指令后，OpenClaw把它连同可用工具清单一起发给大模型。大模型像个刚接手任务的小组长，先琢磨：“要干啥？从哪下手？”
它推理：要处理会议纪要，得先知道文件夹里有哪些文件。于是发出第一个指令：列举“会议纪要”文件夹所有文件。
OpenClaw 执行指令，返回 18 份文件名，比如“2025Q1_市场部_产品策略会.docx”、“2025Q1_技术部_架构评审会.docx”。
这一步的精髓：大模型没瞎猜，而是先看全貌——就像新助理不会连文件柜都没打开就动笔写报告。
第2轮：逐份阅读，提取决策
拿到清单后，系统把文件名拼进上下文，再次调用大模型。这回大模型看到了真实文件，开始干正事：一份份读，从中找出“已确认的决策”。
它连续发出多个文件读取指令，OpenClaw把一份份纪要正文返回来。大模型开始“阅读”：
遇到“会议决定，自下季度起将华东区销售目标上调15%”或“技术部确认采用新数据库方案，由王工牵头推进”，它能准确识别这是拍板的决策，记下内容、部门和日期。
碰上“有人提出可以考虑”“下次再研究”，就自动过滤掉。
这是全流程的高光时刻：十几份散乱纪要，在大模型手里变成结构清晰、分类明确的决策清单。这种语义理解力，是关键词搜索永远做不到的。
第3轮：整理成文，写入文档
所有纪要读完、决策提取完，大模型进入收尾：把结果整成用户要的简报。
它按部门归类决策条目，每条注明来源会议和日期，格式简洁清爽。然后调用文件写入工具，保存为新 Word 文档，命名“2025Q1_各部门决策汇总简报.docx”。
完成后，OpenClaw 回报用户：简报已生成，共涵盖18份会议纪要，提取47条明确决策，按市场、技术、运营等六部门分类，文档已保存至指定位置。
整个过程调用大模型3次。每一次都在前一次基础上累积更多上下文——从“不知道有啥文件”到“读完了所有内容”再到“整理好可以交差”，一步步收敛到最终结果。
为啥非得折腾好几轮？一次干完不行吗？
这是个好问题。它恰恰点出了大模型的本质局限。
第1轮：感知——用大模型理解任务，规划第一步行动 第2轮：行动与反馈——工具执行，结果返回，大模型根据真实内容调整判断 第3轮（及更多）：收敛——基于充分信息，完成最终输出
五、这背后有个“洋气”的名字：ReAct范式
想：大模型分析当前状态，判断下一步干啥，比如用什么工具，获取什么信息等等 做：调用工具，执行具体操作 看：把工具返回的结果送还给大模型，作为下一轮推理的输入
就这么转圈，直到大模型判断任务已完成，输出最终答案。
这个循环里，不同的模型的结果差异很大，也决定了哪个模型更聪明。聪明的模型可以用较少的轮次成功地解决问题；“笨”的模型则需要更多的轮次才能找到答案，或者根本就找不到问题的解。
这里学问很多，打算另外写篇文章来探讨更多的细节，也回答诸如“为什么我的模型很费token”这类问题。
LangChain、AutoGen、OpenAI 的 Function Calling（函数调用），本质上都是 ReAct 这个思路的工程实现。
这套“想—做—看”的循环，不只是 OpenClaw 在用。如果你关注过最近火热的 AI 编程工具——比如 Cursor、 Winsurf，或者所谓 Vibe Coding 的玩法——会发现它们底层也是同样的逻辑。
只不过，OpenClaw 的双手是文件读写工具，目标是帮你整理文档；而 Vibe Coding 的双手是代码编辑器、编译器和终端，目标是帮你写出能跑的程序。
一个是行政助理，一个是程序员助理；干的活儿不一样，但干活的方式出奇地一致。这也说明，ReAct 正在成为 AI 智能体执行真实任务的通用模式。
本地工具：从“知道”到“做到”的最后一公里
如果说大模型是“知识渊博的军师”，那本地工具就是“能动手干活的士兵”。少了谁都不行。
OpenClaw 支持好几种本地工具，常见的有：
文件系统工具：列举、读取、写入各类文档。这是绝大多数办公任务的地基——不管处理 Word、PDF 还是表格，都离不开它。 格式转换工具：在不同文件格式间转换，比如把PDF转成可编辑文本，或者把多份文档合并成一份，满足公文处理的各种要求。 网络工具：访问在线资源、查数据库、调企业内部系统接口，让大模型能拿到本地文件之外的实时信息。 代码执行工具：对数据做计算、统计、分析，适合需要对大量文档内容做定量汇总的场景。
OpenClaw的设计围绕三条核心原则：
第一，决策与执行分离。大模型只负责“想”，工具只负责“干”。大模型灵活但够不着文件，工具可靠但听不懂人话——各司其职，互不越界。
第二，上下文累积驱动推理。每一轮工具执行的结果，都追加进上下文，作为下一轮思考的依据。就像助理桌上堆的资料越来越多，判断自然越来越准。
第三，自主判断何时收工。大模型每轮自己判断：任务没完就接着调工具，处理好了就生成答案。这种自主性，让 OpenClaw 能应对开放式任务，而非死板的固定流程。
绕不开的问题：数据隐私咋办？
读到这里，细心的人可能犯嘀咕：会议纪要送进大模型，内部信息不就泄露出去了吗？
这顾虑没错。调用公有云API，文件确实经网络传到第三方服务器。碰上机密数据，风险不容忽视。
好在有解。实际部署有几种成熟路子：
本地化部署。在企业内网部署开源大模型（如Llama、Qwen、DeepSeek），推理全程内网完成，数据不出企业网络。
企业专属服务。主流云厂商提供专属服务，合同承诺数据不用于训练、不作留存，适合有合规要求但暂不自建的情况。
数据脱敏。送进大模型前，先用工具对人名、金额等敏感字段做替换，处理完再还原，降低实质风险。
说白了，问题不在“能不能用AI”，而在“怎么用”。合理部署，完全能在享受智能化效率的同时，把隐私风险控制在可接受范围。
写在最后
当大模型和本地工具紧密协作，当多轮调用把感知与推理串成完整闭环，原本需要数小时人工处理的文档工作，就可以交给系统自主完成。
欢迎关注 亨利笔记， 👍 点赞 | ⭐ 收藏 | ↗️ 转发。欢迎评论区聊聊你的看法。
近期文章：
龙虾政策直击：OpenClaw 爆火背后，OPC “超级个体”时代真的来了
别再只会写提示词了！MCP+Skills这两大杀器，正在终结“AI智障”时代！
本公众号聚焦人工智能，云原生和区块链等技术原理，请立即关注亨利笔记（ henglibiji )，以免错过更新。
