夜雨聆风有了openclaw，我们普通不用懂编程就可以直接用自然语言直接对他下命令，实现以前只有专业机构才能做到的程序化操作。但体验过后才发现，这扇门背后，既有希望，也有不少现实的坑。
一、OpenClaw能做什么
对于大多数普通投资者，投资最耗时的部分是盯盘、筛选股票、寻找买卖时机。OpenClaw的核心功能就是把这些重复性的工作自动化。
它不需要专业的编程技能，新手也能设置基本的筛选指标。比如可以设定"市盈率低于15、换手率大于3%"这样的条件，然后让系统自动监控。这种低门槛的自动化，对想省时间的投资者有吸引力。
二、AI对投资竞争的影响
以前投资的差距更多在于谁花更多时间研究财报、分析行情。只要肯努力，总能慢慢追上。
但AI出现后，这个平衡被打破了。有AI工具的投资者相当于24小时都有人在盯着市场、筛选标的，没有AI的还在人工盯盘。付出同样的努力，效率差距却越来越大。
三、实际应用场景
OpenClaw最实用的场景是量化筛选。可以设置自己的筛选条件，比如"市盈率低于15、换手率大于3%、近5日涨幅超5%"，然后让系统定时监控全市场股票。符合条件时系统会提醒，甚至可以自动下单。
最近我让openclaw每天定时按照我的要求筛选出股票，最近观察了下，整体真表现不错，基本都表现比大盘强，例如动力电池龙头公司。后面将根据筛选出来的股票，实际买入试验下。如果真赚钱够了，去升级装备，买个好显卡。
四、实际使用的问题
OpenClaw听起来不错，但用起来有几个明显的坑。
1. 本地显卡不够用
OpenClaw需要搭配大模型才能工作，模型的好坏直接决定体验。我测试了qwen3.5-9b、Qwen2.5-Coder-7B-instruct等本地模型，大部分时候答非所问，能完成股票筛选等核心操作的几率大概只有10%。
问题不在于操作方式，而是OpenClaw对模型的要求很高。至少需要20B参数以上、上下文窗口128k以上的模型，才能稳定完成投资相关的自动化操作。要达到这个要求，至少需要24GB显存的中高端显卡。
而普通消费级显卡（例如12GB显存）根本跑不动20B以上的模型。
2. 消耗token过多
这个问题和OpenClaw的运行机制有关。哪怕只发"你好"两个字，OpenClaw发送给大模型的信息体量就达到32k以上。
OpenClaw会把所有工具、历史对话、插件信息全部打包发给大模型，即使这些信息和当前指令无关。飞书插件的问题尤其突出：不装飞书插件时信息量约16k，装上后直接翻倍到32k，因为每条指令都会把飞书的工具信息全部发送。
更麻烦的是，每发一条指令，OpenClaw都会先调用飞书工具尝试执行，哪怕这条指令根本用不到飞书。飞书插件也不是没用——筛选出股票后可以直接同步到飞书多维表格——但这便利的代价是成本翻倍。
五、总结
OpenClaw确实有潜力。配合云端模型，能实现量化筛选、定时盯盘、自动同步数据等功能，提升效率。
但它目前还不成熟：对硬件和模型要求过高，普通投资者难以承担；消耗token过多，使用成本高，尤其装上飞书插件后更明显。
如果只是想体验核心功能，建议先用云端模型试试。确实有量化投资需求，再考虑升级硬件和优化配置。
最后，工具只是辅助。OpenClaw能省时间、提效率，但不能替代投资决策。这点不会因为AI发展而改变。
