27万Star的OpenClaw实测:最火的AI助手,未必最适合你

工具工坊 · REVIEW2026.08

Star多就等于好用？

27万Star的OpenClaw实测两周

未必最适合你

本地优先 · 跨设备 · 隐私

不是吹捧，也不是劝退

OPEN SOURCE实测

据公开信息，GitHub上Star数已超27万——什么概念？比React还火，比Vue还热闹。

OpenClaw，一个号称“个人AI助手，跨平台跨设备”的开源项目，打着“龙虾方式”（The lobster way）的旗号，要改变你和AI的相处模式。

我抱着“神器降临”的心态实打实用了两周。结果第一天就被泼了盆冷水——27万Star的项目，跟我想的完全不一样。不是它不好，而是“适合谁用”这件事，比“有多火”重要得多。今天不是吹捧，也不是劝退，而是一份普通打工人的真实测评。

PART

痛点放大：AI助手碎片化，你的数据散落一地

PAIN · FRAGMENT

先说为什么要折腾它。作为一个“会用AI的打工人”，我的日常是这样的：

手机里开着豆包，电脑上挂着ChatGPT，平板上还有个Kimi。三个设备，三个AI，三个互不相识的上下文。早上在地铁上让豆包列了会议提纲，到了工位还得把提纲复制一遍喂给ChatGPT继续展开。

更别提隐私。客户方案、内部数据、个人笔记，每次提问前都要做心理建设：这条信息发出去会不会出事？

这就是AI助手碎片化的痛：每个设备一个AI，每个AI都不认识你，每次都要重新自我介绍。

维度	Before（不用OpenClaw）	After（用OpenClaw）
跨设备同步	手机电脑各开各的AI	一个助手跨设备接力
隐私保护	数据上传到云端	本地优先，数据不离开设备
上手门槛	需要懂编程才能定制	自然语言描述即可
响应速度	云端模型有网络延迟	本地推理即时响应
定制能力	通用助手不懂你的习惯	可学习个人偏好

看完这张表是不是心动了？别急，实测的故事才刚开始。

PART

解决方案预告

SOLUTION · TOOL

OpenClaw的思路很直白：把AI助手从云端搬到你的设备上，让它在手机、电脑、平板之间无缝接力。它主打四件事——本地优先（Local-first，数据优先存在你自己的设备上）、隐私保护、跨设备同步、自然语言交互。

听起来很美。但“听起来美”和“用着爽”之间，往往隔着真实打工人两周的折腾。下面进入实操，每一步的坑我都给你标出来。

— 一只科技感十足的龙虾坐在跨设备生态中心，胸口亮着AI核心——这就是OpenClaw的“龙虾方式”

PART

操作步骤

STEP · BY · STEP

STEP 01

安装

OpenClaw的安装比想象中友好，提供了一键脚本，不用手动装一堆依赖：

...bash

# macOS / Linux 一键安装

curl -fsSL https://openclaw.dev/install.sh | sh

# Windows 用 winget

winget install OpenClaw.OpenClaw

首次启动会引导你选择设备角色：主机（Hub，存数据的老大）或从机（Node，只同步的跟班）。第一台设备选“主机”，它将成为你的数据中枢。

⚠️ 一个账号只能有一个主机，其余都是从机。搞反了要重置，别问我怎么知道的。

STEP 02

配置模型后端

装完不等于能用。这里就是劝退普通人的第一道坎——OpenClaw本身不是大模型，而是一个“壳”，你得自己接模型：

...yaml

# ~/.openclaw/config.yaml

model:

　provider: ollama # 本地用Ollama跑开源模型

　name: qwen2.5:7b

　endpoint: http://localhost:11434

sync:

　relay: lan # 局域网优先，更快更安全

　encryption: true # 端到端加密

privacy:

　local_first: true

　cloud_fallback: false # 关闭云端兜底

说句大实话：provider、endpoint这些词，对非技术用户就是天书。这也是它坐拥27万Star（据公开信息）却没能火出开发者圈的根本原因——配置门槛挡住了大多数人。

我的建议：完全不懂技术的话，找个懂行的朋友帮你配一次，之后就能一直用。

STEP 03

使用——跨设备接力

配好后，体验确实惊艳。直接用自然语言对话：

帮我把昨天会议纪要整理成三个行动项，

同步到手机待办里

[OpenClaw] 已从笔记库识别“昨天会议纪要”。

整理出3个行动项：

1. 周三前完成Q3预算初稿

2. 约产品经理过需求文档

3. 回复客户邮件确认交付时间

已同步到手机待办，需要设置提醒吗？

最让我惊喜的是跨设备接力：电脑上聊到一半，合上电脑掏出手机，对话还在那儿等你，上下文一点没丢。本地推理也快，简单问答几乎零延迟，比等云端API转圈圈舒服太多。

这一刻我才懂“个人AI助手”的真意——它认识你，记得你，跟着你。

STEP 04

定制——让它懂你

OpenClaw真正的杀手锏是定制，而且不用写代码，自然语言就能教它你的偏好：

记住我的偏好：

- 笔记默认用Markdown格式

- 工作时间9点到18点

- 给客户邮件用正式语气，

　内部沟通可以随意

[OpenClaw] 偏好已记录，将应用到后续所有对话。

之后它写邮件会自动区分对象用不同语气，整理内容默认输出Markdown。这种“懂你”的感觉，通用云端AI给不了。

PART

效果证明

PROOF · RESULT

两周实测，我记录了几个关键数据，对比之前的主力组合（ChatGPT网页版 + 手机豆包）：

指标	原方案（云端AI）	OpenClaw	变化
跨设备上下文延续	手动复制粘贴	自动接力	省去95%重复输入
隐私敏感任务可用率	约40%（需评估风险）	100%	完全本地化
简单问答响应延迟	1.5-3秒	<0.3秒	提升约5-10倍
复杂任务质量	顶级云端模型	依赖本地模型	略有下降
配置上手耗时	即开即用	约2-4小时	见仁见智

数据来源：作者两周日常办公实测，硬件为M2 MacBook Air + iPhone 15，本地模型Qwen2.5-7B。复杂任务若接入云端大模型可补齐，但隐私优势会打折。

这里有个无法回避的真相：本地模型在复杂推理、长文写作上，确实打不过GPT-4级云端大模型。这就是OpenClaw的核心取舍——隐私和智力，你得选一个。

PART

进阶提示

PRO · TIPS

1. 善用“技能”系统

OpenClaw支持用自然语言定义技能，比如“我说‘晨会模式’就拉取昨天未完成的待办和今天的日程”。把它当私人快捷指令库。

2. 局域网同步是宝藏

手机和电脑在同一WiFi下时，OpenClaw优先走局域网直连，比云端中继快一个量级，还更省流量更安全。

3. 定期导出偏好

它学到的你的习惯存在本地一个文件里。定期备份，换设备时一键恢复，不用重新“调教”。

PART

举一反三

VARIATIONS · EXTEND

场景一：个人知识管理

接上Obsidian或Logseq笔记库，用自然语言检索串联笔记。手机随手记一句话，回到电脑自动归类归档，相当于一个认识你全部笔记的私人图书管理员。

场景二：家庭智能中枢

装在旧电脑或树莓派上当主机，接上智能家居协议。全家人的手机说话它都能响应，数据不出家门，比把生活数据交给云厂商踏实。

场景三：小团队内部助手

一个主机配几个从机，团队共享一个“团队大脑”，记得所有项目上下文。数据可完全不碰公网，涉密行业刚需。不过多用户权限管理目前还较基础，团队大了要谨慎。

///

LAST

行动号召

ACTION · NOW

OpenClaw不是“装上就好用”的神器，更像一把需要磨合的好刀。配模型、调偏好、养习惯，前两周确有门槛。可一旦跑顺，那种“一个懂你的AI跟着你跨设备跑”的体验，回不去了。

最值得做的第一步：别急着装，先想清楚一个问题——你最在意的到底是“AI够聪明”，还是“AI够懂我、够安全”？如果是后者，OpenClaw值得你花一个周末。

觉得有用？点个「在看」让同事也看到👆

轻度互动：你手机和电脑用的是同一个AI吗？评论区打个“同”或“不同”就行，看看有多少人还在跨设备复制粘贴。 📱

中度互动：给现在的AI助手打分——“跨设备接力”和“隐私保护”各打几分？留言告诉我你的评分和理由，后续挑高频痛点再做针对性测评。 ✍️

本文技术分析由AI辅助完成，关键数据为作者实测，部分推断性数据建议读者自行核实。

我是不庸AI，热衷于分享 AI 观察与干货。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

在看

THANKS FOR READING