从养一只“小龙虾”开始，理解 OpenClaw 的本质

和去年的 DeepSeek 一样，今年龙虾（OpenClaw）火爆全网了。最近也养了一只。介绍怎么安装之前先了解下龙虾到底是什么。

一、概念：OpenClaw 到底是什么

OpenClaw 是一个把大模型能力“接到消息入口”的开源 Agent 框架。

它不是单纯聊天，而是让 AI 通过 IM 渠道持续接收任务、调用工具、回传结果。能干活是和之前 AI Chat 最大的区别。

二、为什么说是“养”虾呢？

之所以说是养，首先需要提供生长环境，其次给它饲料。

那么什么是环境呢？我们自己的 PC 电脑（Mac Mini 或其他）、或者一个云主机，这个是环境。有了环境安装上龙虾之后，还不能使用，因为还需要饲料。

Token 就是饲料，饲料分好坏，进口厂家有 OpenAI、Anthropic、Google ，国产的有 GLM、MiniMax、Kimi 等。

饲养人的方式方法以及饲料的好坏都决定着龙虾的成长。

三、发展历程

OpenClaw 的发展非常快。从 25 年 11 月到现在，短短几个月的时间，现在 GitHub 上的 Star 数已经 32 万了。

OpenClaw 是奥地利开发者 Peter Steinberger 利用周末时间搞出来的，估计他当时也没想到会这么火爆。

2025 年 11 月：OpenClaw 诞生，当时的名字还叫 ClawdBot ,并使龙虾作为图标
2026 年 1 月 27：因 ClawdBot 的 Clawd 的发音和 Claude 类似，收到了Anthropic 的商标警告，被迫改名为 Moltbot
2026 年 1 月 30：再次改名为 OpenClaw ，这个名字一直沿用到现在
2026 年 2 月 14：创始人 Peter 加入 OpenAI ，项目移交开源基金会运营。OpenAI 赞助但项目保持独立。

四、技术架构

下面用数字员工的概念来帮助理解 OpenClaw 的架构，假设我们部门来了一个数字员工，怎样才能让他能正常干活呢？

1. 核心大脑与调度中枢（Gateway & Pi Agent）

数字员工本质上是一个“能思考+能执行”的系统。

Gateway（网关）：相当于“调度中枢”，负责统一接收任务、管理运行状态，以及定时触发任务。
Pi Agent（推理引擎）：相当于“思考引擎”，通过一个循环机制不断工作：接收任务 → 拆解规划 → 调用工具 → 检查结果 → 继续下一步

2. 沟通渠道与执行载体（Channels & Nodes）

数字员工需要能接任务，也需要能有环境去执行任务。

Channels（渠道）：相当于“入口”，可以接入飞书、钉钉、Telegram 等，让数字员工直接参与企业沟通。
Nodes（节点）：相当于“执行环境”，任务可以在不同机器或环境中运行，比如服务器或个人 PC 电脑。

3. 工具与技能（Tools & Skills）

数字员工不是只靠嘴去聊天（之前的各种 AI 的 Chat 模式），而是要会用工具干活。

Tools（工具）：提供实际能力，比如访问网页、调用接口、处理文件等。
Skills（技能）：可以理解为“标准化流程”，让数字员工按固定方法完成任务，而不是每次都从头思考。

4. 记忆系统（Memory & Context）

这是数字员工持续成长，从小工到专家的关键。

短期记忆（Context）：当前任务的上下文，有容量限制，会自动压缩整理。
长期记忆（Memory）：数字员工拥有信息层（原始记录）、知识层（每日提炼）和智慧层（核心原则与踩坑记录）。这样知识和经验可以得到沉淀，让数字员工越来越“懂业务”。

5. 多智能体协作（SubAgent & 计划机制）

面对复杂任务，数字员工不会单打独斗。

子智能体（SubAgent）：这是数字员工的“影分身”。比如让他写一份深度行业报告，他会立刻在后台分出三个小助手：一个查竞品、一个查政策、一个查数据。最后汇总给主脑，并行干活，效率极高。
计划机制：为了防止数字员工做一个长任务时突然“断片”，他会给自己建一个带打勾框的“任务清单文件”。每做完一步就打个勾，哪怕中间被其他事情打断，看着清单也能接着干。

五、国内类似产品

上图是 AI 搜索进行整理，不一定准确。但能看出 OpenClaw 确实火出圈了，不然也不会有这么多厂商纷纷跟进。

如果觉得本地安装麻烦，也可以找一家价格合适的尝尝鲜。

总结

OpenClaw 是一个将大模型从“对话工具”升级为“可执行数字员工”的开源框架，通过接入消息渠道、调用工具、结合记忆与多智能体协作，实现持续接任务并完成复杂工作的能力。

人工智能