OpenClaw 手记(六)为什么突然火了?热潮、安全与谁在赚钱有些工具是慢慢渗透进生活的。你不会明确记得自己第一次见到它，只会在某一天忽然发现：哦，原来大家都在用了。它给人的感觉更像是突然被扔进人群里的一颗石子。前几天还只是少数人提起，转眼之间，群聊里有人在讨论，社交平台上有人在晒配置，教程开始铺天盖地，代部署和代安装服务也跟着冒出来。连一些原本不直接相关的东西，比如适合长期开机的 Mac 设备、模型套餐、技能市场、自动化工作流，也都被一起卷进了这股热潮里。所以问题并不只是“OpenClaw 强不强”。更值得问的是：它为什么会火得这么快、这么猛，而且火得这么不均匀？有人兴奋，有人焦虑，有人忙着下场折腾，也有人已经开始借这波风口赚钱。我觉得，OpenClaw 的爆红，不只是因为它是一个工具，更因为它把三种东西同时推到了大家面前：对 AI Agent 的想象、对权限与风险的担心，以及一整套围绕它迅速生长出来的生意。如果只把 OpenClaw 看成一个聊天工具，就很难理解它为什么会这么热。今天会聊天的大模型太多了。ChatGPT 能聊，豆包能聊，通义能聊，DeepSeek 也能聊。单纯从“你问一句，它答一句”这个维度看，OpenClaw 并没有天然稀缺到足以引发一场集体躁动。它真正打动人的地方，在于它看起来不像一个聊天框，而像一个“能替我做事的东西”。聊天工具给人的感觉是咨询台。你卡住了，去问它；你想不明白了，去问它；你要改一段话，去问它。它再强，默认也还是一个被动响应的角色。而 OpenClaw 代表的是另一种想象：它能不能接到飞书里？能不能盯着某个任务？能不能帮我下载、整理、定时跑点事情？能不能像一个数字助理那样，待在电脑环境里，替我把一部分流程接过去？很多人第一次认真地感受到，AI 也许不只是“一个会说话的模型”，而是“一个能跑起来的代理”。哪怕这种代理离真正稳定、可靠、放心使用还差得很远，光是“它似乎开始能干活了”这件事，就足以把大家的想象力点着。说得直白一点，OpenClaw 卖的不是答案，而是代理幻想。它让人看见一种以前只存在于设想里的场景：我不是每次都亲自点来点去、查来查去，而是把一部分事交给它，让它自己去跑。这种感觉对很多人来说，比“再来一个更会聊天的 AI”要刺激得多。OpenClaw 火起来，还有一个很重要的原因：它碰到了很多人长期存在、但一直没有被真正满足的需求。这个需求其实一点也不高级，甚至可以说相当朴素：我能不能少做一点重复劳动？我能不能让电脑替我盯着一些东西？我能不能把那些明明步骤固定、但每天都要重新来一遍的事情，交给一个东西自动完成？在过去，普通人当然也知道“自动化”这个词，但大多数人对自动化的理解，要么停留在写脚本，要么停留在“那是程序员玩的”。门槛高、反馈慢、失败率高，导致很多人虽然有想法，却很少真会走到落地这一步。OpenClaw 的出现，让这种感觉第一次变得贴近了。哪怕你并不懂代码，哪怕你不完全明白底层怎么回事，你也会在各种展示里产生一种强烈的错觉：好像现在离“我有一个数字打工人”已经不远了。它可以接消息、调用工具、读说明、装 skills、跑脚本、连平台。你不一定会真的把这些全用起来，但只要看到这些可能性，脑子里就会自动开始补全很多画面。很多技术产品的传播，靠的是参数、性能、价格和评测；OpenClaw 这种东西的传播，更多靠的是想象力。别人发的不是“这个 benchmark 提升了多少”，而是“我终于让它在飞书里回我了”“我让它自己装好了某个 skill”“我好像真的养了一个会干活的 AI”。这些内容天然就适合传播。因为它们不是冷冰冰的功能说明，而是带有明显情绪色彩的展示：我折腾出来了，我的电脑变得不一样了。普通软件火起来，通常只是软件本身火。OpenClaw 不太一样，它一火，周边一整圈东西都会被带起来。你很快就会发现，OpenClaw 这种 Agent 类工具，表面上是一个前台，背后吃的却是底层模型能力。模型够不够聪明、够不够便宜、够不够稳定，都会直接影响使用体验。于是大家开始研究该接谁、哪家划算、哪个套餐更扛造、哪一种适合长流程。虽然不是所有人都一定要上本地重装备，但一旦讨论进入“长期运行”“常驻电脑”“本地部署”“多开任务”这些语境，Mac Mini、Mac Studio 这一类设备的话题度就会迅速上升。它们不再只是电脑，而是被重新包装成某种“AI 生产力载体”。一个需要安装、配置、接模型、接消息平台、装技能、调工作流的东西，本身就会催生出服务市场。有人卖代安装（一周之后卖代卸载），有人卖代部署，有人帮你接飞书，有人帮你做自动化流程。对很多用户来说，他们真正买的不是技术，而是“少走弯路”和“省去折腾”。每一波新工具起来，都会迅速长出一批“教育家”。有人认真做教程，帮助新人跨过门槛；也有人顺势把热潮包装成知识付费生意，把“有门槛但可折腾”讲成“人人装上就能起飞”。两者往往同时存在，而且边界并不总是清晰。所以 OpenClaw 的热，并不是一个单点事件。它更像一个触发器，一按下去，模型、硬件、服务、培训、社群，全都开始跟着转。这也是为什么你会觉得它火得“异常”。因为你看到的从来不只是一个工具，而是一整个被带动起来的生态。OpenClaw 一热，另一个几乎同步起来的词就是：安全。普通聊天工具再强，大多数时候你对它的理解仍然是“我发一句，它回一句”。它主要发生在对话窗口里，哪怕大家知道它背后也有复杂系统，但在日常感受上，它还是一个相对封闭、相对可控的产品。一旦它开始接入本地环境、消息平台、脚本、skills、定时任务，很多用户对它的感受就会迅速从“它会不会答错”变成“它到底能做到哪一步”。它能不能读文件？能不能执行命令？能不能误操作？装的 skill 到底有没有夹带私货？它如果自己跑起来了，我到底知道不知道它在跑什么？尤其是当一个人并不真正理解 Agent 的运行方式时，恐慌会被进一步放大。很多人并不清楚哪些能力来自模型，哪些来自脚本，哪些来自本地权限；也分不清“它理论上能做到什么”和“它默认就会做到什么”之间的差别。于是所有模糊的地方，都会自然被脑补成风险。因为真正值得担心的地方确实存在。比如来源不明的冷门 skill，比如权限给得过大却缺少监控的自动化任务，比如用户把“它很聪明”误以为“它很可靠”。一个能调工具、能跑流程、能和外部环境交互的 Agent，本来就应该比聊天机器人更值得谨慎对待。所以更准确的说法也许是：OpenClaw 引发的安全恐慌，并不全是误解，但其中很大一部分，确实来自能力变强了，而理解没有同步跟上。换句话说，大家怕的未必只是 OpenClaw 本身，更怕自己并不知道自己到底交出去了什么。五、谁更早赚到钱？往往赚的是“复杂度”而不是“能力”把热潮和恐慌放到一边，再往后看一层，你会发现一个更现实的问题：这波 OpenClaw 热里，究竟是谁更容易先落袋为安？答案往往不在“谁把工具用得最强”。很多时候，更早赚钱的人，瞄准的是另外两样东西：注意力和复杂度。当一个新物种出现，公众最先买单的往往不是深度，而是解释、示范、预测和“我跟上了吗”的确定感。于是有人先把热度组织起来，把好奇和焦虑翻译成内容，再翻译成流量与收益。OpenClaw 不是“打开就用”的聊天产品，它需要安装、配置、接入、调模型、接平台、装 skill、维护长期任务。普通人最缺的往往不是模型能力，而是时间、耐心和试错成本。谁能把这些弯路压缩成可交付的结果，谁就更容易赚钱。无论你用的是哪家 Agent，最后都要回到模型调用上。热潮越大、任务越长、自动化跑得越勤，token 消耗越多，最终收益也越倾向于流向“能稳定供给能力”的一端。所以，一场技术热潮真正养活的，从来不只是产品本身，而是围绕它把“麻烦”转成“可购买”的价值。写到这里，其实已经能看出一个有点矛盾、但又很真实的结论。因为它不是单纯“又来了一个 AI 工具”，而是让很多人第一次认真想象 Agent 这件事。它把“聊天”往前推了一步，推到了“代理”“工具调用”“长流程”“自动化”这些更接近真实工作的方向上。哪怕现在还远远谈不上成熟，它也确实让更多普通人第一次触摸到了那道门。它并没有凭空解决自动化的所有问题，也没有一下子把复杂系统变成人人可用的日常基础设施。它依然会出错，依然会偷懒，依然会让人摸不清边界，依然需要你自己理解权限、理解模型、理解工作流。很多时候，它更像是一个“能让你看到未来轮廓”的东西，而不是一个已经彻底成熟的终局产品。所以对 OpenClaw 最合适的态度，既不是盲目兴奋，也不是简单嘲笑，而是把它看成一个信号。这个信号告诉我们：大家已经不满足于只和 AI 聊天了，大家开始想让 AI 真正进入任务、进入电脑、进入流程、进入日常工作。这种需求一旦被点燃，就很难再退回去。也正因为如此，OpenClaw 本身会不会一直热，其实没有那么重要。它可能会降温，可能会被后来者替代，可能会被更成熟、更稳定、更便宜的产品分流，甚至可能像很多阶段性爆红工具一样，最终只留在一部分重度用户的工具箱里。OpenClaw 的热潮终将消退，但 agent 的时代已经到来。
夜雨聆风