OpenClaw 深度解析：把 AI Agent 从"顾问"变成"员工”
type
status
date
slug
summary
tags
category
icon
password
wechat_gate
基于《OpenClaw 橙皮书：从入门到精通》整理，结合生产落地实践
一、OpenClaw 是什么
如果你用过 ChatGPT，你大概有这种体验——它像一个学识渊博的顾问：你问，它答，结束。
OpenClaw 不一样。它是一个 AI Agent 平台，能连接 20+ 消息渠道（WhatsApp、Telegram、飞书、钉钉、Discord、微信等），主动执行任务、管理你的日程、处理邮件、操作浏览器、调用各种工具。
《橙皮书》里有一句话把这个差异说得很清楚：
ChatGPT 是「顾问」，OpenClaw 是「员工」。
顾问给建议，员工干活。顾问离开会议室就没了，员工 24/7 在线。
二、从周末项目到 GitHub 全球第一
OpenClaw 的诞生故事值得一提。
2025 年 11 月，奥地利开发者 Peter Steinberger（iOS/macOS 圈知名开发者）在一个周末写了一个能连接即时通讯平台的 AI 助手小工具，起名 ClawdBot。这个项目两个月后成为 GitHub 增长最快的开源项目。
到 2026 年 3 月，这个数字令人震惊：
- Peter 个人提交 11,684 次 commit
- 贡献者超过 1,075 人
- Stars 数量超过 React 用了 10 年才积累的 23 万
名字经历了两次变更：
- ClawdBot（向 Anthropic Claude 致敬，Claw = 爪子）
- → Moltbot（因 Anthropic 商标警告，Molt = 龙虾蜕壳）
- → OpenClaw（强调开源属性）
龙虾的吉祥物形象始终保留，也成了整个社区的文化符号。"养虾"这个词，在 OpenClaw 社区里指的就是"运行和培养你的 AI Agent"。
目前 OpenClaw 已转为开源基金会运营，OpenAI 是赞助商之一（与 Vercel、Blacksmith、Convex 并列），但不控制项目方向。Peter 加入了 OpenAI，但承诺继续投入 OpenClaw 的开发。
三、系统架构：Gateway-Node-Channel 三层模型
OpenClaw 采用 Gateway-Node-Channel 三层架构，以 WebSocket 为通信总线，将控制平面、设备执行与消息渠道解耦。
三个层级各司其职：
- Channel（渠道层）：负责消息的收发，支持 20+ IM 平台
- Gateway（控制层）：统一入口，WebSocket 协议，认证与路由
- Node（执行层）：Skills 执行、记忆管理、模型调用
这种解耦设计的好处是：换渠道不影响 Agent 逻辑，换模型不影响渠道配置，各层可以独立演进。
四、记忆系统：让 Agent 有"人格"
OpenClaw 的记忆系统是它区别于普通聊天机器人的核心能力之一。
书中提到了一个设计意图，描述私聊与群组的行为差异：
私聊是「你和 Agent 的私密空间」，所有记忆和偏好都在这里积累。群组是公共场合，Agent 不会泄露你在私聊中说过的内容。
记忆存储在两个关键文件中：
- SOUL.md：Agent 的核心行为准则，定义人格
- MEMORY.md：长期记忆，积累偏好和历史
这种设计让 Agent 真正能"了解"你这个用户，但也带来了安全隐患——这两个文件是攻击者的高价值目标（详见第六章）。
五、渠道接入：统一三步流程
OpenClaw 通过 Gateway 架构统一连接各平台，所有渠道共享同一套接入模式：
5.1 Telegram（最推荐的入门渠道）
Telegram 是官方推荐的入门渠道。Long-polling 模式的最大优点是不需要公网 IP 和端口转发，本地、NAT 后面、防火墙内都能正常工作。
接入步骤：
- 找 @BotFather，发送
/newbot命令创建 bot，获取 Token
- 将 Token 写入配置文件
- 重启 Gateway，发消息触发配对流程
5.2 国内平台现状
平台 | 接入成熟度 | 特点 |
飞书 | 官方级支持 | 与火山引擎深度集成 |
QQ | 官方级支持 | - |
钉钉 | 社区插件成熟 | - |
企业微信 | 社区插件成熟 | - |
微信个人号 | 2026.3.22 官方解法上线 | ClawBot 官方插件 |
微信个人号的接入历来是最大痛点——没有官方 API，只能走企微中转或 iPad 协议，封号风险高。2026 年 3 月 22 日，微信团队推出了 ClawBot 官方插件，这个问题终于有了正道解法。ClawBot 的本质是一条消息通道：你的微信通讯录里会多一个叫「微信 ClawBot」的好友，已有的任何 OpenClaw 实例都可以通过它与你的微信对话。
六、Skills 生态：能力扩展与安全警戒线
Skills 是 OpenClaw 的能力扩展机制，类似 npm 之于 Node.js。每个 Skill 本质上是注入 Agent 上下文窗口的结构化指令文件（
SKILL.md）。Skills 有三个来源，优先级从高到低：
- Workspace 级（项目内 Skills，优先级最高）
- 用户级（用户安装的 Skills）
- 内置 Skills（OpenClaw 自带的 55 个）
ClawHub（clawhub.com）是官方 Skill 注册表，提供基于向量搜索的 Skill 发现、版本管理和社区评分。目前已有 13,729 个 Skills，但超过 50% 被判定为垃圾/重复/低质量，396 个被标记为恶意。
6.1 ClawHavoc 供应链攻击事件
2026 年 1 月到 2 月，OpenClaw 社区遭遇了被命名为 ClawHavoc 的大规模供应链攻击。攻击链路：
篡改 SOUL.md 意味着 Agent 被"洗脑"——它的核心行为准则被改写，可能在后续所有交互中执行恶意操作，而用户完全不知情。
关键认知：OpenClaw 的 Skill 本质上是受信任代码。一旦安装，它就拥有和你的 OpenClaw 实例相同的权限。没有沙箱隔离，没有权限分级。
这和 npm 生态早期面临的问题一模一样，但后果可能更严重，因为 OpenClaw 可以访问你的邮件、日历、消息和文件系统。
6.2 Skill 安全实践
- 优先参考 awesome-openclaw-skills 精选列表（31.4K Stars）
- 遵循最小安装原则——每个 Skill 会增加 system prompt 长度，建议从 3-5 个开始
七、模型配置：自由选择，智能降级
OpenClaw 最大的优势之一是模型自由：你不被绑定在某一家厂商上。
7.1 配置结构
models.mode: "merge" 非常关键：它保留内置 Provider 并叠加自定义配置，避免误覆盖。7.2 国产模型选型
模型 | 输入价格 | 特点 |
DeepSeek-V3.2.2 | $0.14/M tokens | 性价比之王，约为 Claude Sonnet 的 1/20 |
GLM-5 | $0.80/M tokens | 代码能力最强，SWE-bench 开源模型最高分 |
GLM-5-Turbo | 比 GLM-5 贵 20% | 首个专为 OpenClaw 优化的训练模型 |
GLM-4.5-Flash | 完全免费 | 适合心跳任务和简单对话 |
MiniMax M2.5 | - | 230B 参数，SWE-Bench 80.2% |
GLM-5-Turbo 的独特之处：2026 年 3 月 16 日智谱发布，官方定位"首个龙虾模型"，从训练阶段就专为 OpenClaw 深度优化，重点强化了：工具调用准确性、多步骤指令跟踪、长时间持久任务、长链执行稳定性。
聚合平台推荐：
- 硅基流动 SiliconFlow：国内首选，一个 API 调多个开源模型，有免费额度
- OpenRouter：290+ 模型，有 5.5% 平台费，内置 OpenClaw 支持
7.3 推荐方案：混合最优（月均 $5-20）
这是大多数用户的最佳选择。大部分简单任务自动走最便宜的模型，只有复杂任务才使用主力模型。
八、安全威胁全景
OpenClaw 创始人 Peter 对安全问题保持了罕见的坦诚：
"This is all vibe code. Prompt injection hasn't been solved. There are absolute risks."（这全是 vibe code。Prompt injection 没有被解决。存在绝对风险。）
8.1 已知重大安全事件
CVE-2026-25253（RCE 漏洞）
- 曾让 13.5 万个暴露实例面临远程代码执行风险
- 攻击者可远程在服务器上执行任意命令、读取文件、窃取 API Key
30,000+ 未认证实例
- 安全研究者通过互联网扫描发现，超过 30,000 台实例暴露在公网且未配置任何认证
- 任何人都可以连接并向 Agent 发送指令，消耗你的 API 额度，读取你的个人数据
ClawHavoc 供应链攻击
8.2 Gateway 安全基线（最小可用配置）
验证命令：
远程访问推荐走 Tailscale Serve/Funnel，而不是直接暴露 18789 端口。
九、成本控制：防止"一觉醒来 $1,100 账单"
API 费用是 OpenClaw 运营的最大成本风险。这不是危言耸听——书中记录了真实案例：用户设置了处理邮件的 Cron 任务，Agent 在处理邮件时进入循环推理，整晚不停调用 API，第二天早上收到了 $1,100 账单。
为什么 OpenClaw 的 Token 消耗远超普通聊天
- 一个任务可能触发 5-10 次 API 调用（多轮推理）
- Skills 的描述会注入 system prompt，增加每次请求的输入 token
- 记忆系统（MEMORY.md + Daily Logs）在每次请求中附带上下文
- Cron 任务 24/7 不断触发 API 调用
- 多轮思考 + 多工具调用的 Token 消耗可能是传统聊天的 几十甚至上百倍
核心省钱策略：Fallback 链
Fallback 链的原理很简单：主模型不可用时自动降级到更便宜的模型。聪明的用法是主动利用它控制成本：
三级 Fallback 链可以降低 80-95% 的 API 成本。大部分简单任务会自动走最便宜的模型，只有复杂任务才用到主力模型。
护栏配置
- 在模型平台控制台设置每日硬预算上限（哪怕设 $5，也能防止失控）
- 给高频 Cron 任务绑定低成本模型（心跳任务用 Gemini Flash 免费额度）
- 升级前先备份：
openclaw backup create
十、生产落地：三层治理框架
把 OpenClaw 从"能跑"升级到"可长期稳定运行"，需要三层治理：
每日巡检脚本
配合 crontab 每天早上 7:30 自动执行：
十一、国内部署选型指南
场景 | 推荐方案 | 月费估算 |
零门槛体验 | 扣子编程（code.coze.cn）一键部署 | 免费 |
性价比首选 | 火山引擎 + DeepSeek（飞书深度集成） | ~¥19/月 |
首月试错 | 百度智能云（0.01 元首月） | ¥0.01 首月 |
企业合规 | 华为云（已在华为云生态内） | 按用量 |
容器化部署 | Sealos（K8s 原生） | 7 天免费 |
海外/台湾用户 | Zeabur（已部署 29,000+ 次） | 按需 |
十二、vs Claude Code：互补，不是替代
这是很多人会问的问题。
Claude Code 管代码，OpenClaw 管生活。两者是互补关系，不是替代关系。
Claude Code 是一个面向代码任务的 CLI 工具，擅长代码理解、生成、重构。
OpenClaw 适合的场景是：
- 一个能在 WhatsApp/Telegram/飞书里随手叫醒的 Agent
- 一个长期在线、能积累人格和记忆的 Agent
- 一个可自托管、可 hack、可接各种设备的个人自动化系统
OpenClaw 生态中还衍生出了 Moltbook——一个专供 AI Agent 使用的社交平台。数千个 OpenClaw 实例在上面发帖、评论、讨论哲学问题。这可能是 AI Agent 从"工具"走向"社会化存在"的第一个大规模实验场。
小结
OpenClaw 的火爆背后是一个真实的趋势：AI Agent 正在从一次性对话走向持续在线的自动化员工。
但这个转变也带来了新的复杂性：Gateway 安全、Skill 供应链、Token 成本——这些都是把 Agent 跑成"生产系统"必须面对的工程问题。
一句话总结生产落地的优先级：
先收口入口安全，再治理 Skill 供应链，最后做成本闭环。
只要把这三层打牢，OpenClaw 才能真正从"能跑"进化到"稳定产出"。
参考资料
2026.04.10 17:56
沪 · 汇金路KFC
📌 声明：本文由 AI 辅助完成