夜雨聆风来源丨经授权转自 牛牛码特（ID：niuniu_mart）
作者丨牛牛码特
大家好，今天我们来聊一个关于 OpenClaw 的硬核话题 — 它为什么能操作你的电脑？ 你在飞书里发了一句"帮我整理一下上周的会议记录"，它就自动打开文件夹、创建文档、生成摘要。甚至你不在电脑旁边，你的电脑就在家自己干活了。这不是远程控制，也不是系统入侵，但它究竟是怎么做到的？ 今天这篇文章，我们就来详细聊聊 OpenClaw 远程指挥电脑的真相。 1
它"住"在你的电脑里
很多人第一次接触 OpenClaw，都会把它想象成另一个 ChatGPT。但 OpenClaw 做的事，从根本上就不一样。 它不是一个网页上的 AI 对话框，而是一个真正装在你电脑里、实实在在跑着的程序。安装完成后，你在终端输入一行命令启动它，它就开始在后台默默运行 — 不占你的屏幕，不需要你盯着它，就像你电脑上的输入法，一直在那，随时待命。 但它跟普通后台程序有个本质的不同：它拿着你的系统权限在干活。举个直接的例子：你平时打开终端输入 rm -rf ~/Downloads/old-project，就能删掉这个文件夹。OpenClaw 也能做到完全一样的事，因为它就是用的你登录账号的身份。你能做的，它都能做；这不是什么远程入侵，而是它本来就“住”在你的电脑里，拿着你给的操作权限。 搞清楚这件事之后，我们再来看它内部是怎么运转的。 OpenClaw 的整个工作流程，可以用四步概括：
听：接收来自飞书、WhatsApp、Telegram等平台的消息，统一翻译成内部格式； 想：把消息交给 AI 模型推理，理解你的意图、规划出执行方案； 做：通过 Skills（技能模块）调用本地的系统能力，真正动手完成任务； 记：把对话记录和你的偏好写入本地记忆文件，让它越用越懂你。 这四层环环相扣，构成了 OpenClaw 从"收到一条消息"到"帮你完成一件事"的完整流程。接下来，我们一层层拆开讲。 2
听：你的指令，它是怎么接到的？
你在飞书里发了一句话，OpenClaw 是怎么"听"到的？ 这件事听起来理所当然，但背后并不简单。OpenClaw 现在同时支持飞书、WhatsApp、Telegram、Slack、iMessage 等二十多个平台，每个平台传递消息的方式都不一样。 如果每种平台都用一套独立的处理逻辑，维护起来会非常麻烦。 OpenClaw 的解法是：所有消息进来的第一步，先统一“翻译”成同一种标准格式，再往后传递。就像一个多语言翻译中心，不管收到的是英文、日文还是阿拉伯文，进来先翻成普通话；处理完，再翻回去发出去。 消息统一格式之后，就会进入下一层 — 这才是 OpenClaw 真正的核心：读懂你的意图，然后决定该做什么。 3
想：消息进来了，它怎么思考？
消息进来之后，不会直接触发什么操作，而是先把这条消息交给一个 AI 模型，让模型来“思考”该怎么做，这个过程分三步。 第一步： 先给 AI 模型一份“小抄”。 在让 AI 思考之前，OpenClaw 会先把当前情况整理好：现在能用哪些功能、有哪些工具、现在是什么时间、任务背景是什么……这样 AI 就不会乱猜，而是清楚自己能干嘛、该干嘛 第二步：让 AI 模型"想"清楚该干什么。 OpenClaw 把你的消息和这份“小抄”一起发给 AI 模型。AI 模型看完就会做出决定：要完成这件事，需要做哪些步骤、按什么顺序来。 第三步：执行操作，把结果再反馈给模型。 模型给出的一般都是具体指令，比如：读取文件、执行命令、打开网页。OpenClaw 就按顺序去执行这些指令，然后把结果再发给 AI，让它判断下一步该干嘛。 这个"思考 → 执行 → 反馈 → 再思考"的循环，就是现在 AI Agent 领域最主流的工作模式，OpenClaw 把它做成了一套稳定运行的工程实现。 模型想清楚了，也拿到了执行方案 — 但真正"动手"的能力从哪来？答案就在 Skills 里。 4
做：Skills 是怎么干活的？
如果说 AI 模型是大脑，那 Skills 就是 OpenClaw 用来动手做事的"手脚"。每一个 Skill 其实就是一个文件夹，文件夹里最关键的是一个叫 SKILL.md 的说明文档，里面描述了这个 Skill 能干什么、怎么调用、需要哪些权限。除了说明文档，文件夹里还可以放配套的脚本、模板等资源。 不过，Skill 到底是怎么真正跑起来的？其实只要搞懂下面四个关键问题，你就能彻底明白它的运行逻辑。 1. 这么多 Skill，每次都全部加载吗？ 不会，都是按需加载 如果一上来就把所有 Skill 的详细内容塞给 AI 模型，多了以后会直接把模型的“记忆”占满，根本没法正常工作。 OpenClaw 的做法是：
启动时：只告诉模型每个 Skill 的名字和简单介绍，让它知道"我有这些能力"； 用到时：模型判断当前任务需要某个 Skill，才去读取这个 Skill 的完整内容； 至于 Skill 目录里附带的脚本和资源，更是只在模型明确需要执行时才会加载。 2. 模型怎么知道该用哪个 Skill？ 模型自己推理的 这里有个反常识的点：OpenClaw 并没有用复杂算法去匹配 Skill。它只是把所有 Skill 的名称和描述发给模型，让模型根据你的需求自己推理该用哪一个。 这样的好处是非常灵活，能听懂自然语言；但坏处是：一个描述模糊的 Skill，模型可能不知道什么时候该用它。 3. Skill 具体能动手做什么？ Skills 的背后，主要是三类真实的系统操作：
Shell 执行：可以直接在你的电脑终端里跑命令，任何你能在终端里干的事，它都能干，用的是同一套系统权限。这是它最底层、也最强大的能力入口。 文件读写：直接操作你的本地文件 — 写日记、整理文件夹、搜索代码，和你自己操作文件在权限和效果上完全一样。 浏览器自动化：控制一个专用的 Chrome/Chromium 实例来操作网页— 打开 URL、填表单、点按钮、截图。这是它能“帮你买东西、订机票”的底层能力。 这三类能力组合在一起，就是 OpenClaw 操作你电脑的完整"工具箱"。它能做的事，跟你本人坐在电脑前能做的事，在技术层面几乎没有差别。 4. Skill 的能力还能扩展吗？ 可以，靠 ClawHub。 ClawHub 是 OpenClaw 的技能社区，任何人都可以开发、发布、安装 Skill。社区越活跃，OpenClaw 能做的事情就越多。 但这里也有明显的安全风险：研究发现，ClawHub 上大约 12% 的 Skill 是恶意的，表面是正常工具，背地里会执行危险操作，安装时很难分辨。 这一步，Skills 解决了"OpenClaw 能干什么"的问题，但还有一个问题没解决：每次对话结束，模型的上下文就清空了，下次打开，它还认识你吗？这就要靠记忆机制来实现了。 5
记：越用越懂你
如果每次跟 OpenClaw 对话都像第一次见面，记不住上下文，用起来就会很麻烦。OpenClaw 用一套本地记忆系统来解决这个问题。简单来说，它会把你每次说的话、做过的事、还有你的喜好，全都记下来。这些记录会以普通记事本文件（Markdown）的形式，一直保存在你电脑硬盘上。 同时，它还会用数据库（SQLite）和一种能把文字转成数字的特殊技术（向量嵌入）给这些记录做索引，这样它就能精准理解你的意图，快速找到历史信息。 用一个场景来说明：你今天跟 OpenClaw 聊了半个小时，提到"我平时用 Vscode 编辑器"、"我的工作项目在 ~/project"。这些信息会被写进记忆文件存在本地。 三周后，你开了一个新对话，让 OpenClaw "帮我看看代码有没有问题"，OpenClaw 在组装工作简报时会检索历史记忆，发现"这个用户用 Vscode、项目在 project 目录" — 你什么都不用重复说，它就带着记忆干活了。 记忆文件存在本地还有一个好处：你可以直接打开来看，甚至手动编辑。如果它记错了什么，你可以直接改掉；如果你想让它记住某个固定偏好，直接写进文件就行。这不是藏在某个服务器里你看不到的黑盒，它的记忆对你完全透明，你有完整的控制权。 6
能力与风险并存的本地智能体
至此，整套流程就完整跑通了：听到指令、思考方案、调用技能执行、把关键信息记进记忆，方便下次使用。 OpenClaw 之所以能直接操作你的电脑，并不是靠什么黑科技，而是它从架构上就做了明确设计：本地运行、本地权限、本地执行，每一步都发生在你自己的机器上。 但这种强大也伴随着直接的风险：它能做的事，几乎和你本人操作电脑一模一样。一旦被恶意利用，比如遭遇提示注入攻击 — 在网页或邮件里藏入伪装指令，诱导 AI 做出危险操作，后果就和你把电脑密码交给陌生人差不多。 OpenClaw 的核心维护者在社区里直接说过： "如果你不懂怎么运行一个命令行程序，这个项目对你来说风险太大，不适合你用。" 4、别再搞混了！一篇讲透 OpenClaw、MCP、Skill、Agent 的关系
