夜雨聆风范式演进：从辅助工具到“数字员工”
OpenClaw 简介：开源界的里程碑
OpenClaw 是一款由程序员 Peter Steinberger 开发的开源 AI Agent 应用，曾用名Clawdbot、Moltbot，2026 年 1 月 25 日在 GitHub 上发布重大更新后短时间内便获得 AI 社区高度关注，后续快速出圈获得市场广泛关注。其星标数量的爆发式增长并非偶然，而是反映了大模型落地应用需求的集中爆发。
在过去两年中，大模型技术经历了从技术突破到应用探索的快速演进。早期的大模型应用主要集中在对话问答、内容生成等相对简单的场景，用户与 AI 的交互模式停留在“提问-回答”的层面。然而，随着用户对 AI 能力认知的深入，市场开始呼唤能够真正执行复杂任务、具备自主规划能力的智能体应用。OpenClaw 正是在这一背景下应运而生，它填补了“对话式 AI”与“行为级 Agent”之间的空白。
图1 OpenClaw 星标走势
理解 OpenClaw 的价值，首先需要明确“对话式 AI”与“行为级 Agent”的本质区别。对话式 AI 的典型代表是各类聊天机器人，它们能够理解用户的问题并给出回答，但回答之后便完成任务，后续的执行工作仍需用户自己完成。
行为级 Agent 则完全不同。当用户下达任务指令后，Agent 会首先进行任务拆解和规划，确定完成该任务需要哪些步骤、调用哪些工具、获取哪些数据。然后，Agent 会自主执行每一个步骤，过程中可能涉及打开浏览器搜索信息、连接数据库提取数据、运行代码进行计算、生成文档输出结果等多个环节。执行完成后，Agent 会将结果反馈给用户，并在必要时请求用户介入或确认。
这种差异带来的实际影响是深远的。对话式 AI 本质上是辅助工具，它提供信息和建议，但用户仍是执行主体；行为级 Agent 则是执行角色，它能够独立完成完整的工作流，用户从执行者转变为任务发布者和结果审核者。这一转变意味着 AI 从帮手升级为员工，从提供建议升级为交付成果。
OpenClaw 的架构设计围绕四个核心模块展开，每个模块解决一个关键问题，四个模块相互衔接，共同支撑起 Agent 的执行能力。
第一个模块是渠道适配器（Channels），它解决的是“在哪里干活”的问题。OpenClaw 支持将 AI 助手接入用户既有的沟通渠道，包括飞书、钉钉等主流平台。通过渠道适配器，用户可以在日常使用的办公通讯工具中直接与 Agent 对话、下达任务、接收结果，无需切换多个应用界面。这种无缝集成大大降低了使用门槛，使 Agent 真正成为工作流程的一部分。
第二个模块是决策核心（Agent），它解决的是“怎么思考”的问题。OpenClaw 支持多模型路由，用户可以根据任务类型选择不同的模型。例如，对于需要逻辑推理的复杂任务，可以选择推理能力更强的模型；对于需要快速响应的简单任务，可以选择响应速度更快的模型。决策核心还负责任务拆解和规划，它将用户的宏观指令分解为具体的执行步骤，并协调各个工具按顺序执行。
图2 OpenClaw 四大基石架构
第三个模块是技能插件（Skills），它解决的是“用什么工具”的问题。Skills 是OpenClaw 的能力扩展机制，每个 Skill 都是一个独立的功能模块，能够执行特定类型的任务。当前，OpenClaw 的技能库已收录超过 2.1 万个社区构建的技能，涵盖开发工具、办公自动化、数据处理等多个领域。
第四个模块是双模记忆（Memory），它解决的是“经验积累”的问题。OpenClaw的记忆系统包含短期记忆和长期记忆两个层面。短期记忆保存当前会话的上下文信息，确保 Agent 能够理解多轮对话中的指代和关联；长期记忆则将关键事实、用户偏好、历史任务结果等信息持久化存储到本地向量库中，使 Agent 具备跨会话的学习能力。通过记忆机制，Agent 能够随着使用时间的增长不断积累经验和知识，形成个性化的服务能力。
核心配置文件与人设设定
OpenClaw 的工作环境 Workspace 包含七个核心配置文件，这些文件共同定义了Agent 的行为模式、能力边界和运行规则。理解每个文件的功能和配置方法，是有效使用 OpenClaw 的基础。
图3 OpenClaw 核心配置文件
AGENTS.md 是 Agent 的工作手册，定义核心任务、工作流程、常用命令和沟通风格。它回答“这个 Agent 做什么、怎么做”的问题，包括职责描述、工作步骤、知识来源等。
Soul.md 是 Agent 的人设定义文件，规定智能体的核心行为准则，包括表达风格、风险偏好、价值取向与合规约束。通过精心设计的 Soul.md，用户可以将自己的专业要求和工作规范固化到 Agent 中，使 Agent 的输出符合预期标准。
Identity.md 决定智能体在系统中的职责定位与权限映射。在同 Workspace 下的多Agent 协作场景下，不同身份可承担研究、执行、复核等用户定义的分工角色，可以提升复杂任务的结构化处理能力。
User.md 记录用户相关配置，包括沟通风格、信息格式要求、优先关注领域与个性化偏好。它确保系统在长期运行过程中保持对用户需求的持续适配。随着使用时间的增长，User.md 会不断积累和完善，Agent 对用户需求的理解会越来越准确，服务质量会持续提升。
TOOLS.md 记录环境特定的配置信息，与 Skill 分离，便于独立维护。包括设备别名、SSH 主机、摄像头名称、设备昵称等。TOOLS.md 使 Agent 能够快速识别和调用本地资源，无需每次询问用户。
Heartbeat.md 提供周期性唤醒与健康检查机制。当没有实时交互时，它可以根据设定节奏触发任务推进或状态更新。这一机制使 Workspace 具备持续运行能力，而非仅在用户输入时被动响应。
BOOTSTRAP.md 负责 Workspace 的初始化配置和加载规则，保证系统在部署或恢复时能够自动加载全部核心结构并进入稳定状态。
核心优势：开源、模块化、团队协作
OpenClaw 相比传统 AI 产品和商业 Agent 平台，具备多项差异化优势，使其能够真正胜任投研工作中的复杂任务，成为“数字员工”。
传统 AI 助手的工作模式是"用户提问、AI 回答、用户执行"，AI 仅提供信息和建议，执行工作仍需用户完成。OpenClaw 的工作模式则是“用户发布任务、AI 规划、AI 执行、AI 反馈”，AI 能够独立完成完整的工作流，从工具角色升级为执行角色。这一转变意味着用户可以将重复性、流程性的工作交给 Agent 处理，将更多精力投入到需要人类判断和创造力的工作中。
高度模块化的系统架构使 OpenClaw 具备良好的适应性和扩展性。模型可替换，用户可以根据任务类型选择不同的模型；Skill 可扩展，当前技能库已收录大量个社区构建的技能；接口可定制，用户可以灵活调整系统接口适配自身需求。用户可以根据需求自由组合系统能力，而非被固定功能所限制。
区别于商业 Agent 平台，OpenClaw 是完全开源的项目。OpenClaw 支持可私有化部署，所有数据存储在用户可控的环境中；支持可定制功能，用户可以根据自身需求修改和定制；如选择本地部署，可以对数据进行安全控制和管理，配置数据、记忆数据、历史任务记录等都存储在本地降低泄露风险。这对于金融机构、企业投研团队等对数据安全要求较高的场景尤为重要。
Agent 团队协作能力使 OpenClaw 能够胜任更加复杂的任务。用户可以创建多个不同职责的专业 Agent，如信息搜集 Agent、数据分析 Agent、监控 Agent 等，每个 Agent 拥有不同的技能与职责，形成一个自动化的 AI 工作团队。多 Agent 架构的核心优势在于上下文隔离，每个 Agent 维护独立的上下文空间，避免环境污染，提升任务专注度，更接近真实团队协作。
部署与配置指南
OpenClaw 的部署需要考虑环境隔离、系统安全性、操作便捷性和成本等多个因素。介绍两种可选择的方案：虚拟机部署方案和云平台部署方案。用户可以根据自身需求和使用场景选择合适的方案。
虚拟机部署
第一种方案是虚拟机搭配 Ubuntu 系统的本地部署方案，该方案兼具环境隔离与图形操作的双重优势，适合希望长期使用、对数据安全性要求较高、希望控制成本的用户。
环境隔离方面，虚拟机在主机系统之上创建一个完全独立的操作系统环境，OpenClaw 运行在虚拟机中，无法直接访问主机的文件系统和敏感数据，有效防止了因配置不当导致的信息泄露风险。同时，虚拟机的快照功能可以随时保存系统状态，当出现问题时可以快速回滚到之前的正常状态，大大降低了维护成本。
图形操作方面，Ubuntu 系统提供完整的图形界面，用户可以通过浏览器访问OpenClaw 的 Dashboard 可视化配置面板，进行模型管理、渠道配置、技能管理、记忆查看、日志监控等操作。相比纯命令行环境，图形界面更加直观友好，降低了使用门槛，特别适合非技术背景的投研人员使用。
成本方面，虚拟机部署在本地设备上运行，无需支付云服务器租用费用，长期使用的成本优势明显。对于需要 7×24 小时运行的场景，虚拟机可以持续运行而不产生额外费用。
采用虚拟机部署方案在本地部署步骤如下：
第一步，下载并安装虚拟机软件。用户可以选择 VMware Workstation Player 或VirtualBox 作为虚拟机软件，本报告以 VMware 为例。
第二步，下载 Ubuntu 系统镜像。用户访问 Ubuntu 官网下载最新 LTS（长期支持）版本的桌面版镜像文件。
第三步，创建虚拟机并安装 Ubuntu。打开 VMware，点击“创建新的虚拟机”，选择“安装程序光盘映像文件”，浏览选择刚才下载的 Ubuntu 镜像文件。接下来设置虚拟机名称和存储位置，建议将虚拟机存储在空间充足的磁盘分区。然后配置虚拟机硬件资源，建议分配 4 核 CPU、8GB 内存、50GB 硬盘空间，这些配置可以保证 OpenClaw 流畅运行。完成配置后，点击“完成”开始创建虚拟机。
虚拟机创建完成后，启动虚拟机会进入 Ubuntu 安装界面。按照安装向导选择语言、键盘布局、网络连接等配置。在“安装类型”步骤选择“清除整个磁盘并安装 Ubuntu”，这里的磁盘指的是虚拟磁盘，不会影响主机系统。设置用户名和密码后，等待系统安装完成。
图5 虚拟机方案部署 OpenClaw 部分过程示例
第四步，在 Ubuntu 中部署 OpenClaw。Ubuntu 安装完成后，启动系统并登录桌面。打开终端（Terminal），首先安装 Node.js 环境，按顺序执行“curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash –”、“sudo apt-get install -y nodejs”两条命令即可完成，完成后分别运行“node --version”、“npm --version”,若显示对应的版本号即为安装成功。然后执行 OpenClaw 安装命令“npm install -g openclaw@latest”，安装脚本会自动下载并配置最新版本的 OpenClaw 及其依赖。
需要注意的是，在 openclaw@2026.3.5 之后的版本需要在虚拟机上配置 git 环境才可以进行 OpenClaw 的下载，首先使用“sudo apt install git”安装 Git，安装完成后使用“ssh-keygen -t rsa -C “your.email””生成 SSH 密钥，并把公钥添加到Github 账户中即可。
第五步，环境检测与验证。登录 openclaw 用户后，执行“openclaw doctor”命令进行环境检测。该命令会检查系统依赖、网络连接、权限配置状态等关键项目，并给出修复建议。按照提示完成所有检测项后，OpenClaw 即可正常运行。
OpenClaw 提供 onboard 和 dashboard 两种路径，onboard 可通过 CLI 完成全部配置，适合技术用户，dashboard 通过可视化界面进行管理，更适合普通用户。图 5 中展示了使用虚拟机方案部署 openclaw 部分过程示例。
云平台部署
国内主流云厂商如阿里云、腾讯云、火山引擎等均已推出 OpenClaw 一键部署服务，用户只需在云平台选择对应的镜像或套餐，几分钟内即可获得完成部署的OpenClaw 环境。云平台部署方案适合希望快速体验 OpenClaw、对系统安全性有较高要求、或本地设备性能不足的用户。
采用云平台方案部署的优势在于以下几个方面：部署速度快；安全性高，OpenClaw运行的云环境与本地设备完全隔离；访问便捷，不受本地设备限制，不需要保持本地设备开机状态；免维护，云厂商提供系统维护、安全更新、备份恢复等服务，用户无需关心底层基础设施的运维工作，专注于业务应用。
云平台部署虽然优势明显，但需要支付租用费用。以阿里云为例，一台 2 核 4GB的基础配置云服务器，月租约 100-200 元；4 核 8GB 的推荐配置，月租约 300-500 元。对于短期试用或低频使用的用户，这个成本可以接受；但对于长期高频使用的用户，成本会持续累积。
虚拟机部署在本地设备上，一次性投入硬件成本后，后续使用无额外费用。如果用户已有性能充足的电脑，虚拟机部署的边际成本几乎为零。
表1 OpenClaw 两种部署方案对比
无论选择哪种方案，OpenClaw 的核心功能和使用体验是一致的。用户可以根据自身需求和资源情况灵活选择，也可以在两种方案之间迁移，将本地虚拟机配置同步到云平台，或将云平台数据备份到本地。
模型配置
OpenClaw 支持两种配置方式，分别适用于不同场景和用户群体。Onboard 是命令行配置界面，用户通过“openclaw onboard”命令启动，按照提示依次输入模型平台、API 密钥、默认模型等信息。这种方式适合已准备好模型 API 密钥、希望快速完成配置的用户。
Dashboard 是基于浏览器的可视化配置面板，用户通过“openclaw dashboard”命令启动，在浏览器中打开本地控制台。Dashboard 提供更丰富的配置选项，包括模型管理、渠道配置、技能管理、记忆查看、日志监控等功能。对于习惯可视化界面的用户，或需要进行底层设置修改的场景，Dashboard 是更好的选择。
当前 OpenClaw 官方接口已支持海内外多种大模型平台，包括 Moonshot（Kimi 系列模型）、Z.AI（GLM 系列模型）等。但对于部分尚未被官方集成的模型（如DeepSeek），或通过第三方平台转发的模型，用户需要通过自定义方式完成配置。具体配置方法可参考各大模型厂商官网 OpenClaw 接入方法。若选择各模型Coding Plan 套餐订阅模式，可避免通过 API 方式计费产生大量 Token 消耗。
图6 OpenClaw 官方模型接口
配置完成后，用户可以通过两种方式切换模型。一种是在对话框中使用“/model”命令，后接模型完整名称或简称，如“/model bailian/qwen3.5-plus”或“/model deepseek”；另一种是通过自然语言指令，如“请切换到 DeepSeek 模型”，Agent会自动识别并执行切换操作。
通讯集成
目前 OpenClaw 官方给出的国内通讯软件接口包括飞书、钉钉等，将 OpenClaw接入通讯软件，可以实现移动端随时调用个人智能助手的效果。
飞书官方插件是飞书在 3 月 5 日为 OpenClaw 推出的官方集成方案，相比早期第三方插件，服务更稳定，权限更完整，支持消息、文档、多维表格、日历、任务等全量飞书能力，配置更简单，体验更流畅。对于国内用户而言，飞书是接入OpenClaw 的优选。
配置飞书官方插件分为三个主要步骤。
第一步，创建飞书应用并导入权限，登录飞书开放平台创建企业自建应用，添加机器人能力，批量导入官方权限列表（涵盖消息、文档、多维表格、日历、任务等全部能力），发布应用后获取 App ID 和 App Secret。
第二步，安装插件并配置，在飞书官方插件使用指南中给出了官方安装命令：npx -y https://sf3-cn.feishucdn.com/obj/open-platformopendoc/879b06f872058309ef70f49bcd38a71f_Pr8pNIJ9J9.tgz install填入 App ID 和 App Secret，配置事件订阅和卡片回调（长连接方式）。
第三步，完成配对和授权，在飞书中向机器人发送消息获取配对码，执行“openclaw pairing approve feishu –notify”完成绑定，按照提示完成用户授权。配置完成后可通过“/feishu doctor”检查配置状态，通过“/feishu auth”批量完成用户授权。
图7 虚拟机方案配置 OpenClaw 飞书官方插件示例
Skills 配置与推荐
Skills 体系介绍
Skills 是 OpenClaw 赋予 AI Agent 实际执行能力的核心机制。从技术实现角度看，每个 Skill 都是一个独立的功能模块，采用“SKILL.md + scripts/”的标准结构：
SKILL.md 文件负责定义能力的说明、触发条件与调用约束，scripts 目录存放具体的执行脚本。通过这种“说明与执行分离”的方式，Skills 具备了可复用、可测试、可审计的特性。从用户使用角度看，Skills 类似于手机应用中的“插件”或“扩展”，它们扩展了 Agent 的功能边界，使其能够完成原本无法独立执行的任务。
Skills 采用由 Anthropic 开发的标准协议定义，这意味着 Skills 具备良好的跨平台兼容性。当前，已经有多个 AI Agent 应用和代码平台采用 Skills 标准，在其他兼容平台中开发的 Skills 模块，也能在 OpenClaw 中使用，反之亦然。这种标准化设计促进了 Skills 生态的发展，使社区开发者可以专注于特定领域的技能开发，而无需重复造轮子。
ClawHub 是 OpenClaw 的 Skills 社区，目前已经收录了超过 2.1 万个 Skills，并且仍然在快速增长。用户可以通过 ClawHub 浏览和安装所需技能，也可以让OpenClaw 根据需求自动生成技能，或手动编写文件实现高度定制化的功能。
Skills 配置清单
在用户使用OpenClaw 开始工作之前，建议先对 OpenClaw 的 Skills 技能库进行扩充，以便其能够更好地完成相关的任务。部分可配置 Skills 如下：
用于安全审计的 skill-vetter：该工具会分析 Skill 的代码逻辑、权限请求、外部调用等关键项目，识别潜在的安全风险。对于存在高风险的 Skills，skill-vetter 会给出警告并建议谨慎使用。
用于网络搜索的 tavily-search：tavily-search 支持关键词搜索、网站定向搜索、新闻搜索等多种模式，能够满足日常信息搜集需求。该工具每月提供 1000 次的免费额度，对于轻度使用者而言足够使用，避免了 Brave Search 的 API 订阅费用。
用于邮件收发的 agentmail-integration：该技能支持 SMTP 和 IMAP 协议，可以配置任意邮箱服务商的账户，支持发送纯文本邮件、HTML 邮件、带附件邮件等多种格式。结合定时任务技能，可以实现日报自动发送、报告自动推送等功能。
用于定时任务的 cron 与 cron-backup：cron 是用于定时任务的通用 Skills，支持按分钟、小时、日、周、月等周期触发任务。cron-backup 是专用于定时备份的Skills，可以定期备份 OpenClaw 配置文件、记忆数据等关键文件，防止数据丢失。
用于自我改进的 Self-Improving Agent：该技能使 Agent 能够根据用户反馈和历史执行结果，自动优化工作流程和决策逻辑。例如，当用户多次修正 Agent 生成的报告格式时，Self-Improving Agent 会学习用户的偏好并在后续任务中自动应用。
