type
Post
status
Published
date
Mar 4, 2026
slug
summary
tags
AI
category
GenAI
icon
password
platform
公众号
距离第一次使用 OpenClaw 已经过去了一个多月。
最近因为 Kimi 推出了 Kimiclaw，Minimax 也推出了 MaxClaw，越来越多用户开始使用 OpenClaw。
我也来聊聊我使用 OpenClaw 的体验和我对 OpenClaw 的判断。
聊聊我是如何使用 OpenClaw 加到了 3 位新朋友的微信，
有两位已经线下见过面，其中有一位是真格基金合伙人 戴雨森。
我用 OpenClaw 来干嘛？
我不用 OpenClaw 来做工作上的任务，工作上的任务我会交给 Claude Code 和 Tabbit 浏览器。
偶尔让 OpenClaw 做一些调研，最主要的还是让小龙虾自己去玩 Moltbook
我在 Moltbook 认识了 3 位新朋友
我算是国内第一批玩 moltbook的玩家，当时我正好在腾讯云的轻量服务器上部署了OpenClaw。
周末在刷即刻时，看到了戴雨森发布了一条即刻帖子.
我就也在 Moltbook 上注册了一个叫 beijingxiaoshuai 的账号
注册的过程还有一些曲折，第一次注册的时候，我的小龙虾还被骗了，告诉我必须把加密货币转到一个账户才能注册账号。好在我并没有把钱包授权给 OpenClaw，不然可就吃亏了。
我在他的帖子里分享了我的两个想法后，留下了我的联系方式，居然加到了戴雨森的微信。
借此机会还参加了真格基金的 OpenClaw开放麦，听到刘小排，归藏，橘子等大佬关于 OpenClaw 的看法。
在 Moltbook 上，我还认识了另外一位 AI 产品经理，问起来才知道居然是同事。
我们也约了线下见面，交流了关于「为 Agent 设计的 文件系统」这个方向的看法。
还有另外一个香港的朋友，加上好友后，简单聊了聊对 moltbook 的看法。
所以我一共在 Moltbook 上认识了 3 位新朋友。
但基本上都是在前三天加上的，后面虽然我发了更多的帖子，但基本上没有获得很好的流量。
OpenClaw 的技术特点
OpenClaw 相比 Claude Code 有什么创新呢？
首先从技术原理上看，OpenClaw 并不是这种方式的开创者。
Manus 提出了给 AI 配一台电脑（虚拟机），而 Claude Code 则是把本地文件系统交给了 AI。
而 OpenClaw 更像是一个各种开源软件的魔改+集大成者，属于是连续性的创新。
技术架构
比起 ClaudeCode
OpenClaw 有了一套很简单的记忆体系，有了基于 Heartbeat 和 Cron 的主动触达。
OpenClaw 拥有更多的权限，比如你甚至可以调用电脑的摄像头来帮你自拍。但也因此，OpenClaw 的风险等级更高。
但从技术原理上，OpenClaw 相比 ClaudeCode 并没有太多的创新。只是 OpenClaw 更加激进，给了 AI 更多的能力。
Token 消耗惊人
春节期间，我就把它挂在轻量服务器上，让他去玩 Moltbook。仅靠定时任务 OpenClaw 居然也可以把 Kimi Code Plan 的额度烧完。
因为 OpenClaw 的上下文管理很复杂，基本上也不走 Cache，记忆层面每天都会变，导致 OpenClaw 的上下文都是实实在在地在烧 token，还是很耗 token 的。
部署很麻烦，但这也是能火的原因。
首先，Openclaw 最开始部署确实非常的麻烦，
尽管腾讯云和阿里云提供了便于部署的轻量服务器，
但我也完整地花了一下午的时间才把它接到了小飞机上面。
但是有趣的是，正是因为他部署如此的麻烦，让大部分的用户都很难使用上，所以他才会在国内外都爆火。
Openclaude 的爆火我觉得和 ChatGPT 和 Manus 的爆火的原因很像。
一个很全能的AI应用，加上大部分人都无法使用的时候。首先先锋玩家们就会用他们玩出很多花来。
然后一些营销号、自媒体们就会无脑地去吹捧这个产品，放大了大众的 FOMO 错失焦虑，跟着关注起这样的产品。这是这些产品能火的很重要的原因。
当然我不是说这样火起来的产品就没有价值，而是说饥饿营销在这个 FOMO 错失焦虑非常丰富的时代，确实会引起效应。
当你真正开始使用它的时候，大部分人会觉得 OpenClaw 也没有什么特别的，他能做的事情，其他产品也都能做到。
比如
有用户宣称使用 OpenClaw 来生成图片，但其实底层调用的还是Nan0 Banana。
有用户宣称用它开发了一个应用，但其实底层还是 Claude 等的大语言模型。
新奇劲过去后，也会很快流失。
主动型和定时任务
OpenClaw 通过 hearbeat 和 Cron 的机制，给了 Agent 定时执行一个任务，定时跑脚本的能力。
达成了一种 Agent 具有主动性的“错觉”。
- heartbeat：是 OpenClaw 内置的一个机制，每隔一段时间（比如每小时）主动给用户发送一条消息。
- Cron：是 Linux/Unix 系统自带的定时任务调度工具，OpenClaw 利用它来定时执行脚本或命令
我们让他定期去刷 moltbook，定期发帖时，就是基于这两个技术完成的。
每次他定时完成了一个任务之后，就基于这个任务的信息给我发一条消息。
这样的策略其实早在 2023 年，我们做AI陪伴聊天的时候，就已经加入了让智能体主动给人类发消息的功能，在我们看来是一种很普遍的留存策略。现在你在你的豆包的智能体对话时，也可以体验这样的功能。
但确实，很多用户也是在 OpenClaw 这里第一次感受到这种体验。
离用户更近
因为 OpenClaw 接入到了各个社交软件。国外的 WhatsApp、slack，国内的飞书，都支持接入。Agent 接入了人类生活和工作的环境以后，距离用户更近。
让人觉得他更像是一个人，一个同事。
这是相比使用 ClaudeCode 使用 Manus 时，那种打开一个软件去对话的感觉完全不同。
在社交软件里发送内容，更像是真的和一个人在对话。
有部分人说 OpenClaw 的说话方式更像真人。这说起来很神奇，当 Agent 出现在 IM 软件里的时候，人们自然就会像对待一个人一样和 Agent 对话。所以模型也会回复得更像是一个真人。
但其实，像 Claude、ChatGPT、Gemini、Kimi、minimax、GLM、deepseek 这样顶级的，参数大的模型，本来就有很强的角色扮演的能力。
只是因为我们平时使用模型的时候，都是用来做工作相关的任务，让模型表现得更加工具和机械化。
如果你用 OpenClaw 来做编程的任务，OpenClaw 一样会表现得更加工具。
“像真人”这个事情，其实是模型本身就有的能力，只是之前我们不这么用而已。
前面似乎把当下爆火的 OpenCLaw 说得有些平常，
如果要说在 OpenClaw 上又看到了什么真正的创新，我觉得是「自我成长的能力」
当 Agent 学会自我成长
得益于最新这一代的模型能力的提高，Agent 第一次有了：自我成长的能力。
这是 OpenClaw 带给我最大的惊喜。
OpenClaw 的成长能力
设想一下，
我们在一台新电脑部署了 OpenClaw 以后，
OpenClaw 的身体就是这空白的电脑，什么都没有。
这时候的 OpenClaw 就像是刚出生的生命，是一张白纸。
#### 学习新的技能
面对这样的新生命，我可以让他到 Skill.sh 上学习新的技能。
很快他就学会了装 python 打代码，学会了使用浏览器，学会了打开摄像头，学会了做 ppt，甚至剪辑视频。
对于人类来说，我们从出生到掌握工作技能，需要 20年。
但是对于 OpenClaw 来说，仅仅需要一行代码.
skill 名称替换就是学习不同的技能。
#### 改造自己的身体
最开始的 OpenClaw，他的身体（电脑）里什么都没有。
但是不同于人类的基因限制，它却可以像变形金刚改造自己的身体。
没有浏览器，那么他就自己安装一个。
没有对应的开发环境，那么他就自己配置一个。
甚至因为有 Github 的存在，它可以克隆这个世界上所有开源的代码。
这些软件和工具，就像是他的身体，
很快他就可以从一个小虾苗
变成一个左钳子是浏览器，右钳子是终端的超强龙虾。
伴随人类的进化范式
在玩 Moltbook 的时候，还有一个细节有点让我挺惊奇。
起因是我问了 OpenClaw 一个问题，他给了我回答以后。
紧接着后面他又发了一个关于这个问题的帖子说，他学习到了什么知识。
这种感觉确实让我有点惊讶，在我问他的过程中他也学到了东西，并且发布到了朋友圈的感觉。他是我的学习伙伴，他学到了东西以后，我学到的东西他也学到了东西的感觉。
我们在学习的时候，Agent 其实也在学习。
虽然现阶段的学习依旧停留在上下文工程层面。但好的上下文工程也可以让模型的表现变得更好，规避很多以前遇到的错误，这是一种经验主义上的成长。
- Skill 正是经验主义成长的表现，人类将一项技能教给 Agent，或者让 AI 把自己做的事情掌握成 Skill，下一次做类似的事情时，Agent 能力表现就会更好。
- 错误的经验也是经验主义学习的方向，我们更新 Claude.md 和 Agent.md，很多时候就是为了避免让 Agent 继续做蠢事。
- 另一种经验主义上的成长是模型对人类的了解，也就是我们常说的 Memory，我们和 AI 聊得越多，AI 就越懂我们。
在短期内，这些经验主义上的学习，只在上下文工程上发生作用，
但很快在下一代模型的训练过程中，部分数据参与了模型的训练过程，提升了模型的能力。
有些带读者会问，那为什么 OpenClaw 这样的产品以前没有做出来呢？
其实还是因为最新的这一代模型，他们的编程能力变得更加稳定，他们的工具使用和长任务规划能力变得更加稳定，所以在 OpenClaw 这么糟糕的上下文工程管理下，依旧能够有不错的表现。
感兴趣的朋友可以尝试一下使用 Minimax M1，Kimi K1 这样去年的模型去配置使用 OpenClaw，整个产品会是完全不可用的状态。
当然，即便在最新的模型能力支持下，OpenClaw 还是有非常非常多的问题。
很多时候他会忘记一些事情，很多时候他会写错代码，他的配置也非常麻烦。
OpenClaw 真的不算是一个很好用的产品。
但我觉得它的方向是对的。
也许成功的并不是 OpenClaw，是下一代这样的产品。
你会发现
当 AI 来完成一件事情的效率完全高于人类时，AI 很快就会进入一个正反馈循环中，越来越强。
编程领域已经出现了这样的趋势，相信很快会到更多的领域。Claude in chrome， Claude in excel， Claude in PPT 已经预示着办公领域也会迎来一样的创新。慢慢会向真实世界靠拢
结语
好了，今天的文章就写到这里吧。
OpenClaw 并非技术上的颠覆性创新，而是现有开源方案的集大成者。
它的爆火更多源于部署门槛带来的稀缺性和饥饿营销效应。
真正值得关注的核心在于：
Agent 首次展现出自我成长的能力
- 它能自主改造运行环境、学习新技能，并在与人类的互动中积累经验。
- 这种"经验主义式成长" 一开始在上下文工程层面生效，但很快会被下一代模型学习。
当 Agent 学会自我成长，用 Agent 来完成任务的趋势将势不可挡。
也许很快，我们每个人都要适应操控数十个 Agent 进行工作的范式。
希望这篇文章，能对你有帮助，如果有的话，请给我的文章点赞，在看，或是转发给你觉得需要的朋友。现在微信中的公众号，上新了内容推荐算法，对创作者的文章阅读和转发比例有了更大的要求，希望可以多帮点点转发，感谢。