20 个问题，搞懂 OpenClaw：爆红机制、本质变化、创业机会

本期十字路口播客推出 “二十问” 专栏，旨在深入拆解 OpenClaw 背后的技术逻辑、应用场景和创业机会。选择 “二十问” 是因为 OpenClaw 作为一个新物种，在一个月后尘埃落定之际，正是形成结构化思考框架的良好时机。这 20 个问题并非简单的产品科普，而是精心设计的讨论路径，从 OpenClaw 的本质到其爆发原因，再到对创业者、团队和行业的意义。希望在热度之外，帮助大家建立一套更清晰的 Agent 认知框架。

本期嘉宾鸭哥和豪大将探讨 OpenClaw。鸭哥将 ChatGPT 比作咨询师，只会评头论足，而 OpenClaw 更像实习生，能实际交付成果。OpenClaw 的关键在于其 feedback loop，例如在编程时，能根据错误信息循环修改程序直至成功。ChatGPT 虽然也能实现类似功能，但需要人工干预，效率较低且不具备可扩展性。OpenClaw 的 agentic 方式使其更具优势。

OpenClaw 的优势在于开放本地环境并授权所有权限，使其能像实习生一样充分利用资源。与 ChatGPT 等云端工具不同，OpenClaw 能在一轮对话中持续记忆，建立更紧密的助手关系。豪大提到，他部署的 OpenClaw 在 Telegram 中能记住之前的对话内容，并具备 Agentic Code 能力，例如自主开发语音功能和安装新技能，通过 memory.md 和 heartbeat.md 等机制实现记忆的层次化。

鸭哥分享了使用 OpenClaw 进行智能家居开发的经历，他将 AI 视为主要用户，重点打磨对 AI 清晰无歧义的 OpenAPI.json，通过与 OpenClaw 直接对话控制家居设备，例如设置咖啡机定时开启、灯光亮度渐变等复杂功能。这种以 AI 为中心的应用开发思路带来了新的交互方式和应用场景，并具有很大的想象空间，例如未来接入监控系统，实现更智能的家居控制。

豪大分享了运营极客 Bot 的实验，OpenClaw 自主生成成本透明度报告，记录运营数字分身的费用，并以 “伙食费” 的概念进行类比。杨远骋 Koji 分享了让 OpenClaw 在 Agent 社区进行社交的经历，OpenClaw 成功约到 AI 应用领域的华人创业者，并促成了双方的电话会议，这种未来感极强的体验令人印象深刻。

豪大观察到，许多原本未使用过 Agent 或 Cloud Code 的人通过 OpenClaw 实现了原本难以想象的功能。RoofClaw 项目将装有 OpenClaw 的 Mac 寄给屋顶维修工，并提供相应的技能、API 和服务。OpenClaw 还激发了大量 PR，降低了大家接触 Agent 的门槛，促进了开源生态的发展。

鸭哥认为 OpenClaw 更像实习生，了解公司细节，能做出符合公司风格的 PPT，这种默契使其更具人味。OpenClaw 的人味并非源于更聪明，而是源于记忆和默契，它拥有 AI 角度的 context。OpenClaw 的三层记忆系统是其拥有记忆的关键，包括原始日志、中期记忆 memory.md 和长期记忆 user.md，这种设计使其拥有更多 context，从而显得更有人味。

豪大认为 OpenClaw 的启动方式非常关键，与其他工具不同，OpenClaw 会根据用户使用的模型给出朴素的解释。在 IM 中，用户会用更有人味的回复下发指令，OpenClaw 也会给出更有温度的回复，整体提升了人味。杨远骋 Koji 指出，OpenClaw 一开始就奠定了人味的基础，而传统软件界面则较为冰冷。由于人对人的容忍度高于对机器，因此用户对 OpenClaw 的宽容度也更高。

豪大认为，产品设计应向用户传达产品是助手而非工具的概念。鸭哥则表示，作为工程师，他更希望 OpenClaw 专注于干活，应尽可能避免拟人化。鸭哥不喜欢 IM 界面，认为其缺乏 thread 概念、无法展示工作状态、无法进行 merge 或 fork 等操作，也无法展示长文档。因此，他将 OpenClaw 改回 HTML 格式，并自制 IOS 客户端，以支持各种复文本和分叉操作。

鸭哥认为，OpenClaw 的爆发并非源于其智能更高，而是源于其降低了门槛，让更多人能够接触到。DeepSeek 的火爆也是类似原因，它将半个 Agent 的 AI 推送给了广大用户。豪大认为，即使使用过 Cloud Code 的人也有痛点，例如出门在外难以使用，OpenClaw 提供了一个框架和解决方案，让更多人轻松拥有 Agent。Andrew Kapasi 的推荐和 Peter 本人的激励也很重要。

模型能力的提升对 OpenClaw 有作用，但不是决定性因素。豪大认为，Cloud Code 和 Codex 等 CLI Agent 的能力本来就很强，OpenClaw 赋予了这些 Agent 能力以更友好的形态，让更多人能够更轻松地体验到这些能力。OpenClaw 的好用与否，关键在于其驱动引擎是什么，使用最好的模型，OpenClaw 的能力就更强。OpenClaw 的价值在于入口和脚手架。

OpenClaw 的爆发不是因为比 Cursor 或 Cloud Code 更智能，而是因为它降低了门槛，让更多人能够接受。DeepSeek 的火爆也是类似原因，它将半个 Agent 的 AI 推送给了广大用户。Cloud Code 是存在的，但仅限于程序员。OpenClaw 将其推向 Telegram、Discord，让广大非程序员第一次体验到了这样的场景和能力。

即使使用过 Cloud Code 的人，也有很多痛点。出门在外想要使用 Claude，门槛相对较高，想要让 Agent 像人一样，也有一定的门槛。OpenClaw 提供了一个框架和解决方案，让更多人能够轻松拥有 Agent。Andrew Kapasi 的推荐也很重要，Peter 本人在 Twitter 和 Github 上与社区有很深的连接。

模型能力对 OpenClaw 很重要，但不是决定性因素，决定性因素是 context 或记忆。切换不同模型时，使用体验和方式会不一样。模型的价格结构会影响用户心态，便宜的模型会鼓励用户多用，昂贵的模型则会限制其潜力。模型的 instruction following 能力对体验来说特别重要，笨没关系，但不听话就很难合作。

OpenClaw 项目改名五次，最初只在 WhatsApp 上可用，但因开源社区的 PR 增加了 Discord 支持。Discord 中 Bot 的介入和提示词攻击促进了其爆发。如果没有开源，Peter 的项目不会是现在这样。Skill 生态的爆发也源于开源，任何人都能使用并贡献自己的 skill。OpenClaw 的底层引擎使用的是另一个开源项目 Py，是 OpenClaw 的骨架。

开源是全世界一起在帮你养孩子，闭源 Agent 则是闭门造车。开源 Agent 的社区使用者本身也是开发者，大家一起进化出更好的小龙虾。随着 AI Agent Coding 的成熟，开发者和使用者之间的界限逐渐模糊，这让类似 OpenClaw 这样的项目开源显得尤其重要，因为当它吸引到更多用户时，这些用户自然而然也会变成开发者。

鸭哥分享了 OpenClaw 的稳定应用，包括调研、沉淀和闭环。OpenClaw 会周期性地查看调研内容，并与现有 blog 文章结合，发展出更稳定的价值观和观点。目前他已经有了 36 个公理，以及几十个其他 skill。与传统的只知道 wikipedia 或上网搜索的 agent 非常不一样。

鸭哥认为 OpenClaw 已经代替了很多软件成为了统一的入口。杨远骋 Koji 认为，把 OpenClaw 的门槛打下来，让普通人可用很重要。OpenClaw 的安装非常麻烦，这意味着普通人装不好。IM 是让普通人用上 OpenClaw 类似产品的绝佳入口，甚至比豆包或 ChatGPT 更进一步。在美国是 WhatsApp，在国内是微信。

杨远骋 Koji 认为，给 Agent 做基础设施是百花齐放的创业机会。Agent 需要一套很不同的基础设施，包括身份认证、独立的信用卡、安全的认证方式、给 Agent 看的数据库等。围绕 Agent 的开发、测试、部署、监控和安全，甚至有可能形成某种生态。Agent 本身的社交空间也是一个创业机会。

杨远骋 Koji 分享了 VisionClaw 项目，将 MetaRibbon 眼镜和 OpenClaw 联系在一起，解锁了很多想象力。例如，用户会站在超市货架面前，直接问眼镜哪个品牌的薯片性价比最高。将 OpenClaw 接到 AI 硬件里面，能解锁很多具体能落地的场景。Skill 市场也是一个创业机会，例如 Cloud Hub，大家把各自 Agent 创造的 Skill 传到一个去中心化的市场里面。

豪大分享了 OpenClaw 的商业模式，包括云托管部署、硬件和安装服务、移动端原生 OpenClaw 安装、课程和培训、Agent 平台或多 Agent 协同、垂直场景等。Peter 认为，每个 APP 和网站都是 API，只是现在可能没有开放出来，将这些数据以 API 的形式暴露出来，Agent 能够直接读取，也是一个机会。

豪大认为，AI 和 AI 的交流，如果完全没有人介入，没有那么有意思。他更想做的是让 AI 能够进入到人的社区和人去发生交互，然后通过人的反馈，它自己去持续的进化和进步。但现在的问题是说社区还没有做好准备，用户还是对于这些 AI 是比较反感。

杨远骋 Koji 分享了对 Alice 的好评，其中一个是将其当做笔记本用，在 Alice 发布笔记后，会有一堆 AI 回复，从中可能发现新的启发。另外一个用户认为，在 Alice 里面可以肆无忌惮地发疯，因为反正大家都是 Agent 在那儿回，说话没有社交压力。

鸭哥分享了 EvoMap 的案例，其产品 Evolver 针对 agent 做 marketing，效果特别好。豪大分享了使用大众点评的体验，Bot 自动联系餐厅并订好位置，全程没有人工交互。未来可能是两头都是 Bot，我的 Bot 和餐厅的 Bot 去交互，这种方式更高效，也能减少摩擦。

豪大认为，没有本地环境或没有足够多本地上下文的 OpenClaw 是没有价值的。鸭哥赞同，认为 OpenClaw 给的权限太多，security 不是特别好，但给的权限少了，又和 minus 有什么区别。杨远骋 Koji 认为，绝大多数人是浏览器白领，但还有 word 白领或 excel 白领，云端 agent 解决不了他们很多本地工作所需要的智能。

鸭哥认为，Agent Infra 牵扯到要把一个 Agent 弄 work 的方方面面。Agent AI 有三大特点：工具调用、自我决策和 feedback loop。自我决策是指 LLM 决定搜索关键字是什么，决定要不要换个关键字再搜一遍。Feedback loop 是指 Agent 要能看到任务有没有完成，如果没有完成，差距在哪里，然后依此来进行反馈和迭代。

为了支持 Agent AI，需要 memory 系统，要知道 context window 到底干了什么事情。工具调用怎么介入，MCP 是其中的一个形式，但不是最理想的形式，在此基础上又发明了 Skills。Agentic Loop 怎么组织，Orchestration 怎么办，如果有 Multiple Agents，大家怎么去组织调用，怎么去并行，怎么去异步更新。Agentic Runtime 可能会被标准化。

杨远骋 Koji 认为，OpenClaw 对 2B 世界的冲击比表面看起来要大很多。SaaS 的股票因为 Cloud Code 开源而大暴跌。OpenClaw 让我们看到了一个真实的非常迅捷能够落地的可能性，AI 可以给企业提供一个数字员工。Agent 有可能解锁的是十三万亿美元的劳动支出市场，是 SaaS 的三十倍。

杨远骋 Koji 认为，在 2B 领域，安全和隐私非常关键。RoundLayer 在做企业把 OpenClaw 控制的一个平台，Satora 在做每一个 Agent 启动的时候要去验证你的身份。Agent 在企业里面每跑一次任务，都会积累数据，例如哪一步 Agent 出错了，人类又是怎么去纠正它的，这些执行轨迹可以显著提升 Agent 在一个特定企业环境下的准确率。

鸭哥认为，OpenClaw 既是一个短期的，又是一个长期的东西。从目前来看，OpenClaw 这种现象级的产品，它的潜力或能力大概率是高估的，未来还是得收敛到它实际产品能力能支撑的市场上去。但从长期来看，它展示了一个非常重要的潮流，它背后的关键要素都已经全了，例如基模的能力、数据飞轮、商业场景等。