这是“养虾手记”专题的第二篇。上一篇说了我为什么要折腾这只虾，这篇想聊聊：OpenClaw 到底是个什么东西？不是技术解析，只是一个普通人用了一段时间之后，自己的一点粗浅理解，若有不同意见，一定是你对。因为我说的都是暴论。
一、从一个让我哭笑不得的现象说起
前段时间刷到一个帖子，有人在收费帮人“安装龙虾”。起初我看是 500 块，今天发现有的已经喊到 5000 了——还不含后续任何服务，甚至只提供“远程安装”，上门都不包含。
我当时的第一反应是：这也太离谱了吧。
但冷静下来想想，这个现象本身挺有意思。它让我想起去年全民热议、使用 DeepSeek 的那阵子——论坛、群聊、朋友圈到处都是教程和截图，也有人靠着帮人装模型赚了一笔，DeepSeeek 一体机大行其道。OpenClaw 现在的状态，和那时候高度相似：一股集体狂热，裹挟着真实的好奇、盲目的跟风、以及嗅到商机的人。
不过有一点不一样。DeepSeek 那波，大多数人装完就没下文了——跑起来了，然后呢？不知道怎么用，也不知道用来干嘛。OpenClaw 这波，留下来真正在折腾的人，比例要高得多。因为它在做一件本质上不同的事。
二、你有没有觉得，现在的 AI 用着用着就腻了？
不知道你有没有这种感觉：ChatGPT、Claude、豆包这些工具，刚开始用的时候觉得挺神奇，但用了一段时间之后，好像也就那样——你问，它答，对话结束，它就忘了，下次再来，从零开始。
我有过这种感觉。
这些工具有一个根本性的局限—— 它们只能“回答”，不能“行动” 。它们住在一个对话框里，等你来问。你不问，它什么都不做。
OpenClaw 把这个逻辑翻转了。它不是住在对话框里等你来问，而是住在你的电脑里，有自己的记忆、工具和权限，可以主动去做事。傅盛说过一句话我觉得很准： 以前是人操作电脑，现在是你说话，它去操作电脑。 你从“操作者”变成了“指挥者”。
这也是为什么很多程序员觉得 OpenClaw 不如 Claude Code 好用——这个我完全理解，也不打算反驳。Claude Code 在代码能力上更强、更精准、更可控，是一个为工程师设计的工具。但 Claude Code 是为程序员设计的，OpenClaw 则更偏向于普通人使用 ，这两句话看起来差不多，其实差很远。Claude Code 的交互逻辑本质上还是命令行工具的延伸，你需要懂指令、会调试、能看日志；OpenClaw 的交互逻辑是聊天，你发一条消息，它去做事，你不需要知道它怎么实现的。
就像 iPhone 刚出来的时候，也有人说“这不就是个能打电话的 iPod 吗”——但它改变的不是某一个功能，而是整个人和设备交互的方式。OpenClaw 在做类似的事：它把“使用 AI”这件事，从一个需要写提示词、调参数、懂技术的专业行为，变成了普通人也能做的日常。现在还很粗糙，坑也一堆，但这恰恰是早期产品的样子。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
三、它真正的价值：越来越像你
去年 Manus 火的时候，我也研究过一段时间。它确实很厉害，但有一个根本性的局限： 它不是你的。
Manus 是云端服务，你的任务在它的服务器上跑，数据在它的系统里流转。它是一个“公共工具”，不是“私人助理”。OpenClaw 的逻辑完全不同——它跑在你自己的机器上，记忆存在你自己的文件里，技能是你自己打磨出来的。
这种“私有化”带来的，不只是数据安全上的好处，更重要的是： 它会越来越像你，而不是越来越像一个通用工具。
这里有一个容易被忽略的细节：这种定制化，不是你填一张表、设置几个偏好就完成的，而是一个随时间慢慢发生的过程。你今天告诉它你喜欢简洁的报告风格，它记住了。你下周让它处理一批数据，它摸清了你对数字精度的要求。你下个月让它起草邮件，它已经知道你面对不同对象时语气的微妙差别。这些东西，没有一条是你主动“教”给它的——它是在长期的真实交互中，一点一点沉淀下来的。这就是 隐性知识 ：不是你能说清楚的偏好，而是你自己都未必意识到的工作方式、思维习惯、审美直觉。
而这个逻辑，放大到组织层面同样成立。一家单位的流程、规章、审批链条、沟通习惯，这些东西散落在各种文档和老员工的脑子里，很难被系统性地传承。但如果一个组织能长期“喂养”自己的 Agent，把内部的方法论、决策框架、标准流程一点一点沉淀进去，那这只虾就不只是工具，而是这个组织的“数字大脑”——新人入职不需要花三个月摸清潜规则，跨部门协作不需要反复确认谁该做什么，很多中间环节可以直接被消化掉。
四、它在颠覆的，是“工具”这个概念本身
说到这里，我想往更远的地方看一眼。
过去几年 SaaS 的逻辑是：你有一个具体的需求，就去找一个对应的工具，订阅、付费、学习怎么用，然后嵌进工作流。每一个小需求，对应一个小产品。但 OpenClaw 出现之后，这个逻辑开始松动。你有一个临时的需求——比如把一批 PDF 里的关键数据提取出来做成表格——现在你直接告诉 Agent，它去做，做完了，这件事就结束了。你甚至感觉不到背后发生了什么，更不会意识到它是不是“写了一段代码”来完成这件事。 用完即弃，按需生成 ——这八个字，对很多靠“帮你省一个操作步骤”活着的小工具来说，是一个很严肃的威胁。
更有意思的是另一面：有些需求你一开始以为是“用完即弃”的，但随着 Agent 不断理解你的使用习惯，它会把这个临时的解决方案慢慢打磨成一个稳定的技能，沉淀进你的工作流。你没有主动“搭建”任何东西，但一个属于你的定制化“小应用”就这样长出来了。
而往更远处看：越来越多的开发者已经开始不再只为“人”设计界面，而是专门为“AI”设计接口——他们在想的问题不是“用户怎么点击这个按钮”，而是“Agent 怎么读懂这个数据、怎么调用这个服务”。未来很多任务的执行，不会再经过人的手，而是由 Agent 和 Agent 之间直接对接完成。你的 Agent 去订机票、处理合同、对接供应商，整个过程你只需要在最后看一眼结果。
在那个世界里， 你凭什么保证代表你的 Agent 真的在按你的意图行事？ 答案只有一个：它得足够了解你。现在花时间养一只虾，不只是在解决今天的效率问题，更是在为未来的那个世界做准备。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
五、生态在解决门槛，你想试的话，现在就是好时机
这段时间我一直在关注 OpenClaw 周边的生态，速度快得有点吓到我了。从 GitHub 上的 Skills 商店，到各种第三方工具，再到无数人在分享自己的使用案例——有人用它跑外贸、有人管理 CRM、有人做内容运营、有人做量化交易。有数据显示，围绕 OpenClaw 的用法从第一周到第五周演变速度惊人：第一周大家还在搞基础配置，第五周已经有人开始围绕它做生意了。
这让我想起早期的 App Store——一堆粗糙的应用，质量参差不齐，但整个生态的活力是真实的。OpenClaw 现在的上手门槛确实不低，但我不太担心这个问题，因为生态在解决它。每个人踩过的坑、总结的经验、开发的工具，都在降低下一个人的成本。
如果你也想试试，有一点我自己踩过坑想提前说一下： 装上只是最简单的第一步，不要抱着“装完就能用”的期待。 它能不能稳定跑起来、能不能做你真正想做的事，才是真正的挑战。但这个折腾的过程本身，其实挺值的——我在这个过程中，慢慢想清楚了自己的工作流程里哪些环节是重复性的、哪些信息需要长期积累、哪些任务最不想亲自做。这些问题，在没有 OpenClaw 之前，我从来没认真想过。
某种程度上， 养一只虾，也是在认真审视自己的工作方式。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
写在最后
OpenClaw 是什么？
我现在的理解是： 它是第一个真正为普通人设计的个人 AI Agent 框架。 不完善，有很多问题，但方向是对的。
它不是要替代你，而是要成为你的延伸——一个了解你、记得你、能替你行动的数字伙伴。随着时间积累，它会越来越像你；随着生态成熟，它会越来越好用。
这件事本身，就挺有意思的。
——哞小哞，2026 年 3 月 5 日
继续滑动看下一个
哞小哞的杂货铺
向上滑动看下一个
解释