夜雨聆风OpenClaw在GitHub上拿了25万颗星，一堆人吹它能当你的全时AI助手。但一个亲眼看着上千个实例跑起来的人说，它唯一真正能稳定工作的，就是每天早上给你发个新闻摘要。
- 我们监控了大约一千个OpenClaw部署，和那些投入数周时间想让它工作的工程师、创始人聊过，发现没有一个站得住脚的合法用例。
- 核心问题是记忆不可靠，而且你无法预知它何时会忘记关键信息，这导致任何需要持续跟踪的任务都充满风险。
- 唯一被验证有效的场景是：自动抓取你关心的新闻，生成摘要，然后通过WhatsApp在早上发给你。但这用个定时任务加任何LLM API都能实现。
故事是怎么开始的
我们在云上做基础设施，用户经常在上面开Linux虚拟机。之前我们做了个视频，展示怎么大概7分钟在一个隔离的VM上部署OpenClaw，结果视频火了。从那以后，我们这边大概部署了一千个OpenClaw实例。
我也跟圈子里一堆all in OpenClaw的人聊过，都不是周末玩玩的那种，是花了好几个星期想让它真正派上用场的工程师和创始人。结果我发现，一个能经得起推敲的用例都没有。
“不是说OpenClaw是假的——它是个真实的软件。它能安装，能运行，能连你的通讯应用，能和Claude、GPT对话，能执行shell命令。技术是存在的。”
但当我观察人们到底用它做什么时——从我们上千个部署，从和圈内人的对话，从LinkedIn和Twitter上泛滥的帖子——我找不到一个用例能在仔细审视下成立。
问题出在哪儿？记忆是硬伤
核心问题就一个：记忆，所有其他问题都由此而来。 OpenClaw设计成一个持久的智能体，是你全天候的助手。但它的记忆不可靠，最糟的是——你不知道它什么时候会出问题。
比如你在策划一个生日派对。三个人答应了，一个人拒绝了。你让OpenClaw发个更新邮件。它一直跟着整个对话，有上下文——但它忘了那个人拒绝了。结果所有人都收到了错误信息，而你没发现，因为本来你就不该去检查它的每一个输出。
一个你每次都要去验证的自主智能体，说白了就是个步骤更复杂的聊天机器人。
这可不是下一个版本就能修的bug。这是OpenClaw管理上下文方式的根本性限制。智能体运行着，上下文被填满，事情就被忘了。有时忘掉的是重要的事。在造成损害之前，你永远不知道它会忘掉哪些事。
那“我用OpenClaw自动化了整个团队”是怎么回事？
我仔细研究了很多这类帖子。每次不外乎两种情况：要么他们做的东西用普通AI工具（Claude、ChatGPT之类的）本来就能做，要么就是个技术上能跑一次但没人会真的用于实际工作的演示。
讲真，因为OpenClaw内容现在有流量，所以人们就生产OpenClaw内容。但这不意味着那些用例是真实的。
那到底要不要折腾呢？如果你有个空闲的周末，并且喜欢捣鼓新技术，OpenClaw是个迷人的实验。它的方向是对的，让智能体在真实电脑上做真实的事是未来的趋势。但目前的执行还不到位。在记忆真正可靠工作之前，其他大部分都是表演。
留言聊聊
你觉得自主智能体目前最大的障碍是技术本身，还是我们还没找到对的“杀手级”应用场景？
来源：Reddit LocalLLaMA｜原文：OpenClaw has 250K GitHub stars. The only reliable
