OpenClaw 凉了?那套玩法留下了

几个月前，OpenClaw 还红得发紫。

全民养虾，卖龙虾盒子，上门安装都成了生意，热闹非凡。

这才过去多久，几乎没有人再提它了，几乎所有的圈内活动，也不再出现这个字眼。

现在想起来，仿佛是上个世纪的事情。

人人都想养龙虾

那时，由于 OpenClaw 安装配置门槛高，我把它封装成在 Windows 上一键安装的桌面应用。在给金融班的同学做实操培训时，现场带着大家安装、上手。

我把这个项目在 GitHub 上开源了。但是，热潮很快趋于平静了，需求消失了。我也不再追着 OpenClaw 的频繁更新发新版。

实际上，我自己从来没有把 OpenClaw 作为主力。

OpenClaw 更像一个落地样板：把 Agent 和 Skills 做成能在本地真正跑起来的系统。Agent 负责拆任务、调工具；Skills 把经验封装成可复用模块。

我把这个观点写进了 2026 AI 大拐点。

在今年春天一系列的讲座里，我给听众的建议是：先学写 Skills，再在 Trae、WorkBuddy 这类智能体里把它用起来。

你可以不用 OpenClaw，但这套模式必须学。

门槛降下来了

上周，去沈阳参加数据要素大赛，我和同伴聊起来，对这几个月的巨大进展都觉得不可思议。

OpenClaw 不再火爆，但年初的热闹，却在扎扎实实产生成果。

三月中旬，也是春节后刚上班不久，我们就开展了 OpenClaw 技术实践与创新研讨会。全员学 Agent Skill，拆 OpenClaw 的架构，练 Trae + Skills 在自己的工作中。

我反复说，OpenClaw 能做到的，本质上 Trae、Cursor、Codex 这类 AI 编程智能体也能做到。而且，我更鼓励大家使用后者， 它更可控，编程能力更能帮我们把想法变成现实。

短短四、五个月过去，研究室老师们在没有编程经验的情况下，把自己的工作流程做成了 Skills，把数据分析做成了可视化网站，把研究模型做成了 Windows 客户端软件。

这些在一年前，都难以想象。

同一个模式

OpenClaw 的优缺点都很突出。

它安装配置复杂，代码繁杂，安全性问题不断，本身比较重，Token 也烧得特别多。

这些顾虑和问题，我在OpenClaw 会乱来吗里专门写过。

所以，人们纷纷开始做自己业务场景里更安全、更好用的智能体。AI 编程工具则变得更加通用化，Harness 工程越来越强。我们也看到 WorkBuddy 这类使用体验更好的产品出现。

我们做了 RCESBot 科研智能体。

今年四月发布 RCESBot 1.0 时我还是开发主力，而暑期完成的 RCESBot 2.0 已经由研究组同事推进。

RCESBot 展现了非常强大的数据支撑与科研技能，尤其是专利全生命周期智能服务、催化表征专家技能等方面具备很强的竞争力。

虽然，OpenClaw 在我们的视野里几乎消失了，但是底层还是那件事：Agent + Skills，接到真实业务场景里干活。

写在最后

大家已经不谈论 OpenClaw 了。我做的桌面版也不再更新。甚至，似乎整个 GitHub 开源社区都冷清了。

但是，这套玩法却进入了更多人的日常。同事开始写 Skill，工具从 OpenClaw 换到 WorkBuddy、Trae、Cursor，再落到垂直的 RCESBot 科研智能体。

变化很快，但方向一致。

若你还没开始用，我仍会说那句老话：先学写 Skills，再找一个顺手的智能体，把它用起来。

如果需要一个专属的智能体，用这个模式，你也可以做一个。