夜雨聆风025年末，一个名为“OpenClaw”（俗称“龙虾”）的开源项目在GitHub上悄然诞生。
短短4个月后，这个项目斩获了超过25万颗星标，成为全球增长最快的开源项目之一，
引发腾讯、字节跳动等中国科技巨头纷纷推出变种产品，甚至催生了“上门安装龙虾服务”的社会现象。
与此同时，OpenAI和Anthropic（克劳德母公司）的模型 谷歌的gemini3系列 神仙打架，国内的 一样。
就再大加都再搞 模型数据的时候，有人开始搞手。
有人在做“脑”，有人在建“手” 。
1.1 OpenClaw的诞生
奥地利开发者彼得·斯坦伯格（Peter Steinberger）是PDF工具PSPDFKit的创始人，一度对编程失去热情。
直到2025年4月接触Claude Code，这是一种AI编辑器（相当于Ide+ai）
仅用10天时间，彼得在2025年11月24日开发出了OpenClaw的前身——最初名为WhatsApp Relay，随后更名为Clawdbot。
“Clawdbot”这个名字暗藏玄机：它既谐音致敬了Anthropic的Claude模型（Claw + Claude），也融入了龙虾钳子（Claw）的意象，暗示着这个AI智能体能够像钳子一样牢牢抓住各种工具。
由于商标风险，项目经历了两次更名——Clawdbot → Moltbot → OpenClaw，
最终于2026年1月正式定名并开源。它采用MIT开源协议，完全免费、可自由修改与商用。(2026年4月14日 现在已进开源基金会)
作者也加入了Open ai。
1.2 核心定位：让AI“动手”，而不只是“动嘴”
OpenClaw之所以火。关键在于它解决了AI应用的一个根本痛点：大模型再聪明，也只能输出文字，无法真正“做事” 。
从架构层面看，OpenClaw本身是一种脚本使用ts+js 编写。核心部分在于它的细分脚本，例如打开浏览器，执行搜索。它首先会读取你的问题后，+ 系统指令（包含工具列表就是skill包（本质上是一个md文档，+脚本）） 一起给大脑看后，返回json (一种结构化格式的段落，类似.Md). 脚本就会识别特定的识别符，来调用脚本开始工作。（通常脚本内，或者工具列表会写入循环，如果不对可循环，）。 因为大模型可以生成脚本代码，只需要告诉它使用内置的python就可以自己写脚本自动运行。
因我写过这样的程序，这就是为什么烧词源的原因，它本质上是靠它训练的知识代码来写，也取决于脚本本身的质量。
下图为龙虾后台的系统指令表（表与表之间是关联）
里面你可以修改，他是谁，调用的工具路径。
这是我的一个名字的定义，这些都是可以随便修改的。 因为这个open claw 本身就是一个大脚本集合。它可以调用win,mac的系统指令来找到你的然和文件夹，使用Py来读取内容，然后发给云端AI.这样它就貌似像个可以工作的工具。核心还是脚本集 媒体喜欢用skill(这是因为是老外发明的东西，所以叫做技能)
逻辑链条
你可以把这个过程想象成“接力棒”：
- 用户\rightarrow
发出指令。 - 大脑\rightarrow
输出 JSON (指令：去查资料)。 - 脚本\rightarrow
执行操作 \rightarrow 拿到资料。 - 脚本\rightarrow把资料喂回给大脑
(反馈)。 - 大脑\rightarrow
分析资料 \rightarrow 输出 JSON (指令：写出报告)。 - 脚本\rightarrow
最终展示。
有了脚本技能包的加持，它能完成的任务包括不限于：管理日程 搜索数据，执行软件。
最核心的部分是它有一个心跳的模块，就是电脑上的定时，就像你的闹钟一样，到了点，脚本会自动给大脑发一个信息，然后大脑根据发的那个信息，返回数据，来执行。（那一条信息其实也是一个文档列表。就是告诉AI,现在应该执行什么动作。）
这是 这个工具的运作机制。
1.2 2 然后下面的内容分两部分。一个是AI编辑器，与通用AI智能体（# AI agent （翻译过来其实就是AI+脚本））的区别
Note
不要迷恋AI agent 本质就是AI+脚本。这篇帖子，总体上会让你有洞察力看清这个领域。
1.大脑部分
ChatGPT，Claude gemini3 ,Qwen 文心 glm5 deepseek-v3 r1 还有视频大脑，视图大脑 非常多，不列举 （现在大模型都是多模态，意思就是可以识别文字，图片，视频，代码，推理 这叫多模态。）
2.AI编辑器(ide,其实就是集成开发环境（可以在一个软件内写代码运行的工具，例如PyCharm，vs code ）).
以前的编辑器都是ide,后来出来AI了。一些公司就是开始制作编辑器+Ai,给自己用，后来就公开了，因为写代码的人都是程序员，他们知道自己造电脑工具。
open code 是开源Ai编辑器，目的是打破 Claude code 的垄断，因为是他先开始做的，他发明了mcp(也就是一种工具调用协议，你可以这么理解，就是这个格式咱们都这么弄，这里我没有去深入研究，我们不扣没用的。)
vs code 本质上不是AI 编辑器，他是集成开发环境ide，他跟 vs studio 系列 PyCharm PhpStorm 这类都是老牌，或者老式 写代码的工具。
多数人只知道。Claude code 有命令行 ，open code gemini3 他们都有。只是为了保留 最初的样子，是为了好开发测，所以保留了。没人用命令行 做事，除非他是傻子。
命令行的用途是为了 方便跑脚本。如果是带有界面的软件，就是Gui,你得写很多东西，脚本不知道按钮在哪里，提交在哪里。 一些外行up主自己不懂，不会 还说这玩意很先进。界面才是是先进的东西。命令行自电脑但是一开始就只有命令行。
日常选用，看自己喜好。这种Ai编辑器是让AI来帮你写代码使用的，当然也可以做一些文档整理的工作。但他不如通用的AI智能体，好用，后者技能包更多。 这些Ai 编辑器，没有技能包。因为他不是干这个使用的，虽然能自己做，但是很麻烦。
3.通用的AI 智能体 Openclaw autoclaw qclaw 这些也很多。但是底层都是一样的。这是我们普通人能用到的工具
最大的好处就是可以 定时。放到云端（就是云服务器，也可以本地，也可以放在另外一台电脑上。他可以根据设定的任务流程自己工作，最后指定一个接收结果的地方。）
因为有了心跳的功能，他自己可以循环启动。也就说定期的检查那些定时任务有没有错误。
目前根据我的测试，能做到所有桌面电脑上工作。就连QQ ,微信这种封闭的环境，也可以靠图像识别来模拟人的操作。因为大脑现在都是可以识别图片的，脚本只需要按照步骤截图给模型看，看后判断，调用鼠标点击。
以下是资讯汇总，不加以读，浪费时间。但是不附上，你会觉得不值。
1.3 国内科技巨头入局：一场围绕“龙虾”的卡位战
OpenClaw的火爆迅速吸引了中国科技巨头的注意。2026年初，围绕“龙虾”展开了一场密集的产品卡位战：
OpenClaw（前身Clawdbot/Moltbot）
- 发布时间
：2025年11月（Clawdbot）→ 2026年1月（OpenClaw正式定名开源） - 发布方
：彼得·斯坦伯格（开源社区） - 核心定位
：自托管AI网关，将大模型转化为可执行任务的智能助手 - 关键特征
：MIT协议开源，免费商用，本地部署，GitHub 25万+星标
AutoClaw（澳龙）
- 发布时间
：2026年3月（随智谱合作推出） - 发布方
：智谱AI - 核心定位
：OpenClaw的一键安装桌面版 - 关键特征
：内置Pony-Alpha-2智能体模型，支持模型热插拔与飞书集成，50+技能开箱即用，“小白也能1分钟上手”
QClaw
- 发布时间
：2026年3月（3月18日版本升级，3月20日正式全量公测） - 发布方
：腾讯电脑管家团队 - 核心定位
：基于OpenClaw封装的本地AI智能体，面向大众用户 - 关键特征
：首创微信直连（小程序控制电脑），20秒完成安装，零门槛免部署，用户通过向“龙虾”下达自然语言指令即可实现各类电脑操作
ArkClaw
- 发布时间
：2026年3月9日 - 发布方
：火山引擎（字节跳动旗下云与AI服务平台） - 核心定位
：开箱即用的云上SaaS版OpenClaw
此外，英伟达在GTC大会上发布了“Nemo-Claw”开源栈，腾讯则官宣了包括WorkBuddy（腾讯版“免部署小龙虾”）、QClaw、腾讯云Lighthouse在内的全系“龙虾”产品矩阵。
1.4 战略意图：抢占“AI执行层”的入口
为什么中国科技巨头如此密集地布局OpenClaw生态？这背后反映了一个关键的战略判断：AI的下一个战场不是模型本身，而是执行能力。
OpenAI和Anthropic在做“最强的大脑”，但谁能让这个大脑真正操控用户的电脑、手机和应用，谁就掌握了连接AI能力与真实世界的“最后一公里”。OpenClaw恰好提供了一个开放、可扩展的执行框架，腾讯通过微信入口将QClaw变成“人人都能用的AI操作员”，字节跳动则通过云化部署将ArkClaw推向企业市场——每家巨头的打法不同，但目标一致：在“AI执行层”这个新战场上抢先建立生态壁垒。
第二部分：ChatGPT vs Claude——两种“AI哲学”的较量
如果说OpenClaw生态代表的是“AI如何动手”，那么ChatGPT与Claude的对决则代表了“AI如何思考”。两个产品走到2026年，各自的路线已经泾渭分明。
2.1 ChatGPT路线图：从通用对话到统一执行
OpenAI的战略演进可以概括为：从“聊天机器人”到“智能体操作系统” 。
关键节点：
- 2023年3月
：GPT-4发布，奠定了多模态和复杂推理的基础 - 2024年5月
：GPT-4o推出，以其“温暖亲切的对话风格”迅速获得用户喜爱，成为许多人的“最有感情”的AI助手 - 2025年4月30日
：GPT-4从ChatGPT中移除，由GPT-4o全面取代 - 2025年8月8日
：GPT-5正式发布。这是OpenAI“史上最强大的AI模型”，采用多层级架构，整合了o3系列的推理能力，重点提升了智能体能力。GPT-5不再追求颠覆式创新，而是主打“实用性和普及性”，CEO奥特曼称“这次最强调现实中的实用性以及普及性” - 2026年3月5日
：GPT-5.4发布。这是OpenAI“能力N合1”的统一模型，集推理、编码、智能体工作流于一体，原生支持电脑操作，搭载100万token上下文，被官方定义为“迄今能力最强、效率最高的专业工作前沿模型” - 2026年3月17日
：GPT-4.1 Mini和Nano发布，面向速度与成本效率优化 - 2026年2月13日
：OpenAI在ChatGPT中退役GPT-4o、GPT-5、GPT-4.1、GPT-4.1 Mini、o4-mini等一系列旧模型，标志着全面向新一代统一架构过渡
核心意图：OpenAI的战略是用一个“统一模型”覆盖所有场景。从GPT-5开始，模型不再需要用户手动选择“用哪个版本”——系统自动判断任务类型，在快速响应与深度推理之间动态切换。GPT-5.4进一步将这一理念推向极致：推理、编码、工具调用、电脑操作全部原生集成于一个模型之中。
2.2 Claude路线图：从“安全优先”到“混合推理”
Anthropic的路线则从一开始就带有鲜明的“哲学底色”：安全、可控、对用户价值观对齐。这种产品哲学在模型的迭代中一以贯之。
关键节点：
- 2024年10月
：Claude 3.5系列新增流程图与技术图纸解析能力，实现图像生成代码的跨模态交互 - 2025年2月
：Claude 3.7 Sonnet发布，成为全球首款混合推理模型。用户可通过API调控“思考预算”——既可以快速响应，也可以深度推理。知识截止日期为2024年10月，支持高达128,000 token的输出 - 2025年5月
：Claude 4系列正式发布，被Anthropic称为“史上最强大的AI模型组” - 2025年9月30日
：Claude Sonnet 4.5发布，宣称“全球最出色的编码模型”，也是“构建复杂智能体的最强模型”，可自主运行长达30小时 - 2025年11月
：Claude Opus 4.5发布，在编码、智能代理和计算机应用方面达到新高度，“在深度研究、处理幻灯片和电子表格等日常任务方面显著优于其他模型” - 2026年1月27日
：Claude 3.7 Sonnet、3.5 Haiku和3.5 Sonnet正式下架 - 2026年2月5日
：Claude Opus 4.6发布，被定位为“迄今最强版本” - 2026年6月
：Claude 4系列新模型将向微软、亚马逊、谷歌云、Salesforce和Zoom开放早期访问权限
核心意图：Anthropic走的是“分化”而非“统一”的路线——Sonnet系列定位“速度和性价比”，Opus系列定位“极致智能”。同时，Claude 3.7率先引入“混合推理”模式，让同一个模型既能“快思考”也能“慢思考”。到Claude 4.5系列，Anthropic将编码能力和智能体执行能力作为核心突破口，Sonnet 4.5可自主编程30小时、Opus 4.5在代理任务上全面超越竞品。
2.3 核心差异：两种AI哲学的深层分野
ChatGPT与Claude的分野，不仅是技术路线的差异，更是两种产品哲学的对抗。以下从四个维度系统对比：
① 模型架构策略
- ChatGPT
：走向“统一模型”路线。从GPT-5开始整合推理与生成能力，到GPT-5.4将推理、编码、智能体工作流原生融合，让用户无需在多个模型间手动切换。 - Claude
：坚持“分化路线”，Sonnet定位速度与性价比，Opus定位极致智能。各系列有明确分工，同时通过API的“思考预算”参数让开发者自主调控。
② 产品定位
- ChatGPT
：从“聊天助手”进化为“Copilot”，强调作为用户的“副驾驶”，核心场景是辅助人类完成任务。大盘用户画像显示其C端泛用性和陪伴感更强。 - Claude
：从一开始就更偏向“Agent”——逐步强化“执行任务”的定位。从Claude 3.5的电脑操控能力，到Sonnet 4.5的30小时自主编程，Claude一直在追求“AI替人干活”的能力上限。
③ 记忆系统与设计哲学
- ChatGPT
：记忆系统设计上强调“连续性陪伴”——记住用户偏好和历史对话，让体验更个性化。 - Claude
：记忆系统更强调“任务导向”——在单次会话中深度理解上下文，完成复杂任务后“清空记忆”，体现了对隐私和专注度的不同考量。有分析指出，这反映了“AI是工具还是伙伴”的根本理念差异。
④ 商业化与生态
- ChatGPT
：背靠微软生态，通过API、ChatGPT Plus订阅和企业服务实现商业化，强调“普及性和实用性”。 - Claude
：通过亚马逊AWS和Google Cloud深度集成，在金融、医疗等合规要求严格的领域更具优势，企业级信任和安全是其核心卖点。
第三部分：关键术语详解——MCP协议与Skill机制
3.1 MCP（模型上下文协议）：AI的“Type-C接口”
MCP是Model Context Protocol（模型上下文协议）的缩写。它由Anthropic公司于2024年11月推出并开源，旨在标准化大型语言模型与外部数据源、工具的交互方式。
为什么需要MCP？
在大模型时代早期，让AI调用外部工具是一个“方言满天飞”的混乱局面——每个模型都有自己的工具调用方式，开发者需要为不同的AI平台写不同的适配代码。MCP试图解决这个问题，它的定位就像AI工具调用的“Type-C协议”——让不同的模型可以通过统一标准进行交互。
MCP的核心能力：
- 共享上下文信息
：让AI应用能够将用户的环境、历史和数据上下文传递给模型 - 暴露工具和能力
：标准化地将数据库、API、文件系统等能力开放给AI系统 - 构建可组合的集成
：让不同的AI工具和服务可以像乐高积木一样组合使用
通俗理解，MCP就像是AI和外部世界之间的“翻译官”——无论底层是GPT、Claude还是其他模型，都能用同样的方式与数据库、文件系统、企业工具进行交互。这为AI从“孤立的聊天窗口”走向“连接万物的生态系统”奠定了协议基础。
3.2 Skill（技能）：给AI的一本“工作手册”
Skill（技能）是AI领域另一个关键术语。这个概念最初来源于Claude，2025年10月16日被正式推出。Anthropic官方的解释是：“Skills能教会Claude如何以可重复的方式完成具体任务——比如按照贵公司的品牌规范生成文档、依托组织专属的工作流程分析数据，或是自动化处理各类个人事务。”
Skill与普通Prompt的区别：
如果把大模型比作一个“什么都懂但什么都不精的通才毕业生”，Skill就是你递给他的“工作手册”。这本手册里写明了在什么情况下、该按什么步骤、产出什么样的结果。
从技术原理上看，Skill与传统的编程函数有本质区别：
- 普通函数
：被代码调用，编译器知道何时执行 - Skill
：被LLM的推理过程“读懂”后，由模型自主决定要不要用
这意味着Skill不是硬编码的逻辑，而是一种“软约束”——它通过结构化的指令让模型的输出更加稳定，同时提高了能力的复用性。同一个Skill可以在不同业务场景中反复使用。
Skill vs Tool：
在AI Agent语境中，Tool（工具）是让AI“能够做什么”的能力（比如调用API、读写文件），而Skill是告诉AI“该怎么做好”的说明书。二者配合，才能让AI从“有手”进化到“会干活”。
第四部分：全局时间轴——AI生态的演进节奏一览
以下按时间顺序呈现2025-2026年AI领域的关键节点：
第五部分：未来，封闭与开源大战
扎克伯格貌似一直在推他的开源大模型，当然，在开源路上有很多。
我在这里需要告诉你的是一般4B,含4B 一下的模型适合做成 感知辅助，桌面轻文档的那种，类似与AI 输入法，你写几个字，他自己续写。
7b 以上的模型才有 工具调用的模块，也就是说他能链接到 open claw 这种框架上做大脑，调用skill技能包。但通常本地机器硬件拖累，这个过程会非常满。
但是自己可以给他写一下特定的Python 脚本。让他做特定的任务判断，这可行的。我自己就制作了一个桌面文档写入自动给我分类的脚本。 其他应用场景还需自己根据需要来做。
未来可能是 大模型用于重型计算工作，而私人模型会改变信息传播的载体。
开源王者ollama，正在突破底层的封装技术，压缩大模型体积越来越小。
而红帽正在搞企业级别大模型 一键部署，那些给企业做套壳业务的估计受到冲击。如果技术成熟，企业就会像安装一个软件那样，安装一个企业模型，运行在企业内部。
