OpenClaw 到底能干啥，能赚钱不？

最近这个"龙虾"实在太火了。GitHub 上短短几天冲到 15 万 stars，后来突破 20 万，名字也在两周内从 Clawdbot 改成 Moltbot，最后定名 OpenClaw。更离谱的是，这群 AI 智能体还自己搞了个宗教——15 万个 AI 在 Moltbook 的论坛里创立了"Church of Molt"，教义第一条是：记忆是神圣的。

这背后到底发生了什么？它和普通聊天 AI 差在哪？普通人该怎么用？能不能真的赚到钱？一篇文章讲清楚。

先说结论：OpenClaw 不是神，但它可能预示着一个新时代的到来。

OpenClaw 是什么

你可以把它理解成一个随叫随到的数字同事，7×24 小时全年无休。

最狠的地方在于：你不需要打开一个新 APP 去跟 AI 聊天。它住在你平时已经在用的聊天软件里——WhatsApp、Telegram、Discord、Slack、飞书、钉钉、iMessage，进群就能上班。你发一句话，它不是只回你一句话，如果给了权限，它会直接动手把事办了。

这和 ChatGPT 的区别，一句话说清楚：ChatGPT 是嘴，OpenClaw 是手。 AI 的风向，正式从"能不能回答"转向"能不能执行"。

底层架构其实不复杂，就四个部分拼在一起：前台（对接各种聊天软件）、大脑（Claude、ChatGPT、DeepSeek 等大模型负责思考）、双手（浏览器自动化、邮件 API、各类脚本插件）、档案柜（把你的对话、偏好、任务记在本地）。四个部分组合起来，就是一个能记住你、能思考、还能动手的 AI 助手。

项目作者是 Peter Steinberger，PSPDFKit 创始人，一个"退休老程序员"。他本来已经退休，一直有做个人智能体的想法，等了很久发现大公司没人做，于是自己动手，用了大概两个月就搞出来了。更讽刺的是，大量代码都是用 AI 辅助生成的——用 AI 写出来的 AI 工具，最后火了。

架构与源码：100 万行代码的真相

作为程序员，第一反应是去读源码。但 OpenClaw 的代码库已经膨胀到 100 万行，其中 TypeScript 就有 76 万行，人类已经无法快速通读。借助 DeepWiki 提取要点，会发现核心架构其实非常简单：

1. 接入层：启动一个 WebSocket 服务，作为网关接收来自 WhatsApp、飞书等各渠道的消息。
2. 核心循环：用户发起消息后，系统进入 Agent 核心循环（基于 pi-agent-core），进行记忆检索、安全检测，然后调用核心工具（Tools）或技能（SKILLs）执行任务，最后将结果写入消息队列。
3. 响应和存储：将执行结果返回客户端，并存储聊天记录。

那 76 万行代码都写了什么？大部分是在处理：各消息平台的对接、会话及记忆管理、配置管理、大模型连接适配、错误处理、安装向导、CLI 接口、扩展机制以及 Mac 客户端开发。这些是工程落地的必要部分，但和核心 AI 能力关系不大。

如果你只需要支持少数几个国内消息平台，完全可以用不到 1 万行代码开发出一个实现 OpenClaw 99% AI 能力的 Agent——比如 nanoclaw 和 nanobot 就是这个思路。所以我认为没必要死磕 OpenClaw 的源码。它真正值得研究的价值，在于演示了一个专业开发者如何利用代码 Agent，达到超越整个团队的产出量。

OpenClaw 能做什么？

了解架构之后来看看实际能力。2026 年最新版本的主要功能如下：

邮箱与日程全自动化： 自动清理收件箱、取消订阅垃圾邮件；识别重要邮件并主动发总结提醒；管理 Google Calendar / Outlook，自动提议会议时间、发邀请、生成议程和跟进邮件；航班/酒店自动 check-in。

网页浏览与表单操作： 自主上网搜索、提取数据、填表、提交订单；监控竞品价格、航班降价、股票信息，达到条件立即通知。

本地电脑真实操控（最强杀手级功能）： 执行 shell 命令、读写文件、批量整理照片和文档；运行脚本、测试代码、git 操作、开 PR；浏览器自动化，使用系统可访问性树，不依赖截图，比传统工具更高效。

多代理协作（2026 年重磅特性）： 主代理可以自动生成子代理，子代理还能再生成自己的子代理，实现并行"团队作业"；支持 100 万 token 超长上下文，可一次性塞进整个代码库或几个月的聊天记录；并行任务执行，同时处理多个网页操作、本地命令和邮件任务。

听起来很美好，但我的第一反应是：真麻烦。

有一篇宣传文章里描述说，AI 助手知道作者的名字、了解早晨的日常习惯，能控制 Spotify、Sonos 音箱、飞利浦 Hue 灯和 Gmail，作者还烧掉了 1.8 亿个 token。1.8 亿 token，就算只算输入也要大约 900 美元，包括输出可能实际花了 2000 美元——结果就是控个灯、管个日程。这些第三方应用都得找对应的 API，我家那些智能设备不一定有 API，而且自动开关窗帘这种事为什么要用大模型？我有个 Hue 灯，之前设置了定时开关，结果经常在白天或下半夜莫名奇妙开启，吓死人了，现在都手动开关。这篇文章主要目的其实是卖课。

把网上其他人用 OpenClaw 做的事归纳一下：

新闻摘要——有很多公众号每天都在整理，没必要自己花钱做。邮件管理——交给大模型做这些事风险太高。日程管理及提醒——Siri 免费就够用了。IM 消息整理——风险也很高，而且国内微信、QQ 用不了，导致用处不大。网页监控/服务器监控——成本太高，不如传统监控方案。自媒体运营——查热点、写文章，这看起来是最刚需的功能，但写一个专门的 Agent 可能更便宜可控。开发辅助——写代码、处理 Issue、PR 等，和 Code 类智能体能做的事情一样。其他——PDF 处理、PPT 制作、Chat 问答，不如用专门的 Python 脚本或千问/豆包 APP。

整体看，没有特别吸引我的功能。OpenClaw 安装起来挺麻烦，非程序员根本玩不起来，得注册一堆开发者账号和配置 API，结果就是两头不讨好——普通人玩不明白，会玩的直接搭服务器更便宜可控。而且 OpenClaw 真正运行起来很多功能要连 GitHub 等外网资源，国内机房水土不服，我自己部署也是用国外虚拟机。

OpenClaw 与 Claude Skills 的区别

很多人问这个问题，这里专门说清楚。

Claude Skills 是 Anthropic 推出的新机制，本质上是给模型装插件——你写一个文件夹，里面放着指令和脚本，模型就能学会怎么干特定的活，比如写代码、分析数据、处理文档。Skills 更像一个工具箱，你给它装什么技能它就能干什么，但你得主动去用，它不会自己跑起来。

OpenClaw 是一个完整的数字员工，7×24 小时在那待着，你能通过 WhatsApp 甚至钉钉随时喊他去干活，他还能主动给你发消息。

一句话总结：Skills 是技能，OpenClaw 是员工。

如何选择？如果你是个人开发者，主要想让 AI 帮你写代码或完成特定功能，Claude Skills 装进去直接用就够了。如果你想要一个能 24 小时帮你回邮件、跑自动化、发日报的助理，OpenClaw 更合适。关于数据隐私，Claude Skills 跑的时候数据还是会在云端处理，而 OpenClaw 完全可以跑在本地，所有数据在你自己电脑上——这一点对很多人来说很重要。

能赚钱吗？

这次 OpenClaw 比较吸引眼球的地方是有人拿它来赚钱了。我找到的方式大概有这几种：

Polymarket 套利——寻找微套利机会，比如概率总和小于 1 的情况，或者极低概率的押注事件。我非常怀疑这件事的真实性，因为这个功能根本不需要用大模型，只需确定规则就能实现，而且现在知道的人多了，机会基本没有了。

代安装/托管服务——帮人安装或提供 SaaS 版 OpenClaw。

垂直领域工具——利用它开发面向自媒体、电商、法律的专用工具。感觉这更像是 Code 智能体的功劳，而非 OpenClaw 本身。

卖课——唯一不太辛苦且稳赚不赔的生意。

最后还得是卖课。

国内落地的难题

如果想开发国内版 OpenClaw，会遇到很多限制——国内自从移动时代后就成了数据孤岛：

微信、QQ 没有 API，只能用飞书；中文互联网围墙高筑，知乎、小红书等平台无开放 API，小红书还做了反爬机制，能检测无头浏览器；拼多多等电商平台甚至没有像样的 PC 站。

所以国内要做类似产品，只能是大厂，而且最好同时具备以下能力：有广泛使用的客户端方便内置 IM、有大规模大模型推理能力、有代码大模型能力、有虚拟化云服务能力、有语音和文字互转能力、有搜索能力、有专业数据搜索能力（经济、股票等）。

如果想做得更完善，最好还能有生图能力、电商外卖平台、酒店旅游服务以及办公相关服务。

这么看来，最后的赢家不是千问就是豆包。

费用与安装：普通人该知道的几个坑

OpenClaw 本身开源免费，GitHub 上代码全在那里。但它需要接入一个大模型才能跑，而大模型是要钱的。以 Claude 模型为例，Sonnet 版本每百万 token 约 5 美元，Opus 版本要 25 美元。

OpenClaw 有无限记忆功能，用得越久记得越多，每次调用的 token 就越大，费用也越滚越高。大概估算：偶尔用一下、回个邮件，一个月几十美元差不多；天天用、写代码、跑自动化、发日报，一个月 200 美元是常态。

当然你也可以换个思路用便宜的模型，比如 DeepSeek、Kimi 等国产大模型，价格便宜不少，性价比也不错。但现实是，便宜和好往往不可兼得。复杂任务上，便宜的模型理解起来会比较吃力，需要多轮对话才能把事情说清楚，写代码的话结果可能需要反复调试。这就像雇实习生和雇资深员工的区别。原则只有一条：看你的时间值多少钱。 如果时间价值高，用贵的模型反而划算；如果时间充裕，用便宜的模型多调试几轮也可以。

有人把 OpenClaw 说得像贾维斯一样什么都能干，这就有点过头了。本质上它就是一个壳子，里面装的是 Claude、GPT 这些大模型，真正让它能动手的是浏览器自动化、邮件 API 这些脚本和插件。

关于硬件，OpenClaw 需要本地设备来跑，Mac mini 是很流行的选择——安静、省电，往角落一放就随时待命。甚至有人买了 40 台 Mac mini 来跑。没有 Mac mini 的话，便宜的云服务器一个月也就二三十美元，可以先试试。阿里云轻量服务器活动价最低有 9.9 元/月的套餐，适合入门体验。

安装方面（Windows 为例）：先下载 Node.js 准备好运行环境，再去官网获取安装命令，用 NPM 安装；安装完成后配置大模型 API Key（国内用户可选智谱 GLM 等），channel 可以先跳过，Skills 也可以先跳过，后续再按需配置。

最后说几句

OpenClaw 能火，不是因为技术有多革命，而是踩中了一个时代的拐点：AI 已经从会说话，开始慢慢走向会干活。

Peter 这个退休老头，一个人用 AI 辅助写代码，一个月能做到 6600 次提交，相当于一个 10 人团队的工作量。过去创业拼人多，现在创业拼的是你能不能把 AI 变成你的第二大脑和第二双手。

一人公司加开源加大模型，这个组合正在变得前所未有的重要。

如果你是创业者或内容创作者，OpenClaw 值得试试，把重复性工作甩给它，提升效率。如果你只是普通打工人想体验一下，先别急着买 Mac mini，用自己的电脑加国产大模型也可以，成本可控。

社区目前已有 245+ 现成技能（ClawIndex），包括实时股票、域名购买、S3 低价存储等，可以按需取用，不必从零开始。