38.7万星、9个月、全球第6：为什么OpenClaw把个人AI助手做成了「全平台操作系统」

9个月、38.7万颗星、GitHub 全球仓库排名第 6 位。

这个增速放在任何一类开源项目里都足够夸张，而它的主角是一个定位为「个人 AI 助手」的项目——OpenClaw。更有意思的是，它的作者 Peter Steinberger 从一开始就没把它做成企业级产品，而是走了 single-operator（单人操作）、本地优先、多渠道接入的路线。

一个给个人用的 AI 助手，为什么能跑出接近操作系统级别的增长速度？答案可能不在模型有多聪明，而在另一件事上：AI Agent 的竞争，正在从「比谁更会聊天」转向「比谁接入的场景更多、扩展能力更强」。

一、OpenClaw 到底火在哪：三个容易被忽略的细节

先看一组最直观的数字：OpenClaw 项目创建于 2025 年 11 月，到现在大约 9 个月，star 数已经冲到 38.7 万左右，排在 GitHub 全球第 6 位。同期的相关项目里，obra/superpowers 约 27.7 万星，hermes-agent 约 23.5 万星，n8n 约 20.2 万星，firecrawl 约 17.1 万星——整个 AI Agent 开源赛道都在加速，但 OpenClaw 的位置尤其靠前。

OpenClaw 与同期 AI Agent 开源项目星标对比

真正值得注意的不是数字本身，而是三个容易被热搜标题盖过去的细节。

第一个细节：它从第一天起就定位「个人 AI 助手」，而不是企业级协作平台。作者 Peter Steinberger 的设计理念里，single-operator 是核心前提——这个系统服务的是一个人，不是一个团队。这和很多从企业场景往下沉的 AI 助手路径刚好反过来：先把一个人的事做透，再考虑多人协作。

第二个细节：它的 Skills 系统不是存在云端数据库里，而是以 SKILL.md 文件的形式，直接放在本地 workspace 下。格式和 Claude Code Skills 类似，但因为整个系统走的是 Gateway 架构，同一份 Skill 可以在 CLI、TUI、网页 UI，甚至 WhatsApp、Telegram、Slack 等多个渠道里复用。换句话说，能力写一次，到处都能用。

第三个细节：项目采用 pnpm monorepo 结构，TypeScript 占比 90.2%，已经发布了 220 多个 release，活跃贡献者数量远超过同类型的 AI 助手项目。9 个月时间、220 多个 release，换算下来差不多每 30 小时就有一个新版本。这个迭代速度，放在个人工具品类里很少见。

这三个细节拼在一起，指向的不是又一个「聊天机器人套壳」，而是一个正在成形的东西——个人 AI 助手的操作系统。

二、Gateway 架构：把 AI 助手从聊天窗口里解放出来

理解 OpenClaw 为什么能跑这么快，关键是理解它的 Gateway 架构。

简单说，整个系统分成三层。最核心的是 Gateway，它是本地运行的控制平面，管会话状态、管工具调用、管事件分发、也管各个渠道的连接。Gateway 之上是前端层——CLI、TUI、Control UI，分别给喜欢命令行、终端界面和图形界面的人用。Gateway 之外是渠道层——WhatsApp、Telegram、Slack、Discord 这些消息平台，通过 Channels 接进来。

OpenClaw Gateway 三层架构示意

这个结构和我们熟悉的「App 里嵌一个聊天框」很不一样。传统的 AI 助手，能力绑定在一个入口上：网页版的就只能在网页里用，桌面 App 的就只能在桌面 App 里用，换个地方能力就断了。

而 Gateway 架构的核心思路是：把能力和入口拆开。你的 Skill、你的工具、你的会话状态，都在 Gateway 这一层统一管理；前端和渠道只是不同的「皮肤」和「接入点」。你早上在 Telegram 里让 AI 帮你整理消息，中午在 CLI 里让它处理代码，晚上在桌面 UI 里让它规划下周的事——背后用的是同一套能力、同一份上下文。

在扩展机制上，OpenClaw 还做了两层拆分：Skills 层和 Plugins 层。Skills 是 Agent 可以直接调用的能力模块，偏向应用层；Plugins 是更底层的扩展 SDK，偏向系统层。生态通过 ClawHub 分发，上层用户拿 Skill 就能用，下层开发者写 Plugin 就能扩展。

这种「核心网关 + 多端接入 + 双层扩展」的结构，已经很像早期操作系统的样子：内核管调度和资源，外壳提供交互界面，应用生态提供功能。区别只是操作系统管的是硬件和文件，而它管的是 AI 能力和你的数字生活。

三、AI Agent 生态正在分成四层，每一层都在出头部项目

OpenClaw 的爆发不是孤立事件。把同期的几个热门项目放在一起看，能读出一个更清晰的信号：AI Agent 领域正在从「一锅粥」变成「分层结构」，每一层都在长出独立的头部开源项目。

AI Agent 生态四层分层结构

最底层是模型层。这一层的玩家大家都很熟悉，各家大模型厂商提供推理能力，是整个栈的地基。

往上一层是 Agent 运行时 / Harness 层。这一层解决的是「怎么让模型真正干活」的问题——工具调用、子代理、任务规划、状态管理。hermes-agent、DeepSeek Harness 这类项目都在这一层。它的核心价值不是模型本身，而是把模型的能力工程化、流程化。

再往上是 Skills / Plugins 生态层。superpowers 就是典型的这一层玩家——它不自己做 Agent 运行时，而是给 Agent 提供可复用的技能模块。Skill 写得越好、覆盖的场景越多，Agent 能做的事就越多。这一层的竞争，本质是生态规模和质量的竞争。

最上面是渠道 / 接入层。也就是用户从哪里和 AI 打交道——是 Telegram、是 Slack、是命令行、是桌面 App，还是浏览器扩展。n8n 某种意义上也在这个大范畴里，它管的是工作流和系统之间的连接。

这个四层结构一旦成形，竞争逻辑就变了。

以前评判一个 AI 助手好不好，主要看一件事：模型聪不聪明。现在要衡量的东西多得多——运行时稳不稳、Skill 够不够多、接入的渠道广不广、本地数据安不安全。每一层都可以独立替换、独立升级，也每一层都可能冒出新的赢家。

OpenClaw 之所以涨得快，一个重要原因就是它不止占了其中一层。它自己有 Gateway 运行时，有 Skills 生态，有多个前端，还接了一堆消息渠道——相当于在四层架构里同时占了中间三层，然后用一个统一的控制平面串起来。这种「垂直整合」的打法，在早期生态里往往跑得最快。

四、从编程工具到个人操作系统，品类正在变宽

如果把时间往回拉一两年，AI Agent 几乎等同于「AI 编程助手」。大家讨论的是 Claude Code 好不好用、Cursor 够不够快、AutoGPT 什么时候能真正跑通。工具的主要用户，是开发者。

但 OpenClaw 的走红，标志着一件事：AI Agent 的品类边界，正在从编程工具扩展到全场景个人操作系统。

个人AI助手演进路径：从聊天机器人到全平台操作系统

这个演进不是一步到位的。最早的形态是聊天机器人——你问它答，信息查询为主。然后是编程助手——能写代码、能改 bug、能跑命令，进入了生产工具领域。再然后是工作流自动化——接各种 SaaS，让 AI 帮你流转信息、触发动作。

到了 OpenClaw 这一步，形态开始变成「个人操作系统」：它不只是帮你做一件事，而是成为你和数字世界之间的一个统一入口。消息、文件、代码、日程、知识……只要能接进渠道和 Skill，都可以通过同一个 AI 控制平面来处理。

这个变化对普通人的影响，可能比想象中要大。

当 AI 助手还是编程工具的时候，它的用户主要是开发者，大众感知不强。但当它变成个人操作系统之后，使用门槛会大幅下降——你不需要会写代码，甚至不需要会用命令行，在你日常用的聊天软件里就能调用 AI 能力。用户基数一换，增长的天花板也就换了。

当然，这条路远没到终点。多渠道的体验一致性怎么保证？本地数据和云端能力怎么平衡？Skill 生态的质量怎么把控？个人隐私和安全怎么守住？每一个问题都是硬骨头。

但方向已经很清楚了：个人 AI 助手的竞争焦点，正在从「谁的模型更聪明」，转向「谁的生态更开放、接入渠道更多、扩展能力更强」。模型当然还是基础，但决定胜负的，可能是模型之外的那些东西。

结语

38.7 万星、9 个月、GitHub 全球第 6——这些数字是结果，不是原因。

OpenClaw 真正做对的事，是抓住了一个拐点：当 AI 模型的能力逐渐够用，人们需要的就不再是又一个聊天窗口，而是一个能把能力带到各个场景里的系统。Gateway 架构、多渠道接入、双层扩展、本地优先，这些选择加在一起，刚好踩中了这个拐点。

对普通用户来说，这可能意味着一件更实际的事：你未来每天用的 AI 助手，也许不是装在某个 App 里，而是像现在的操作系统一样，安静地跑在后台，通过你熟悉的各种入口帮你处理事情。

它不会取代你用的每一个软件，但它可能会变成你和这些软件之间的那一层。

本文由 AI 辅助创作，经人工校对后发布。