三天改名三次、两周破十万 Star：OpenClaw 为什么突然火到离谱？

最近圈子里最魔幻的一句话是：

“你听说了吗？一个退休程序员在家瞎折腾出来的项目，把 2026 年的 AI 热点直接点燃了。”

这个项目就是 OpenClaw。

它以前叫 Clawdbot，又叫过 Moltbot，短短几天里连换了三个名字，但完全挡不住它在 GitHub 上两周破 10 万 Star 的速度，有人甚至把它称作“ChatGPT 之后的下一个时刻”。

很多人第一次听说它，是从这样一句话开始的：

“OpenClaw 最难的不是安装，而是装好以后你不知道拿它干嘛。”

这篇文章就试着把这件事讲清楚：

OpenClaw 到底是什么，它为什么会突然爆火，能用来干什么，适合什么人上手，又有哪些坑需要提前知道。

OpenClaw 到底是什么？

如果一句话形容：

OpenClaw 是一个能“自己动手”的 AI 代理系统，它不只会聊天，还会真正在你的电脑上执行操作。

过去的大模型，更像一个聪明的顾问。

你问问题，它帮你想思路、写代码、出方案，但落到真实世界，还是要你自己去点鼠标、敲命令。

OpenClaw 想做的是下一步：

让 AI 直接变成一个“能操作电脑”的数字助理——能运行脚本、打开浏览器、点按钮、传文件，甚至写完代码直接在本机跑起来。

从架构上看，它大概分成几块：

• Gateway：网关，相当于中枢控制台

负责接收各种消息（IM、HTTP、Webhook），把任务分发给后端 Agent。

• Agent：智能体 / 推理引擎

底层其实还是在调用各种大模型，比如 Kimi、Claude、OpenAI 等，用来“思考”和决策。

• Skills（技能）：能力扩展

就是各种脚本、工具、插件，比如操作文件系统、调用浏览器、访问第三方 API 等。

• Channels（通道）：消息入口

支持 Telegram、Discord、WhatsApp 等国外 IM，也能通过一些适配，接入钉钉、飞书、QQ 这类国内工具，实现“在聊天软件里远程操控你的电脑”。

• Memory（记忆）：长期记忆

会把和你的交互、任务记录等保存成本地 Markdown 文档，形成一种“可回放的记忆”。

更直接一点的理解：

你在手机上发一句话，OpenClaw 背后的 Agent 读懂你的意图，调用各种技能，真正在你的电脑或云主机上把事情做完，然后再把结果通过聊天工具发回来。

为什么它会突然火起来？

仅仅是“能远程控制电脑”，听起来也不算新鲜。

OpenClaw 爆火的关键，在于它把几件事同时做到了位。

1. 从“聊天工具”回到“聊天工具”

大模型刚火的时候，我们都是在网页或 App 里用。

但真实的工作流，其实是：

• 你在微信、钉钉、Telegram 里聊事情
• 聊完再打开各类软件去执行
• 再把结果拎回来发过去

OpenClaw 的思路是：干脆把 AI 代理直接挂在聊天工具后面，让“聊天窗口”真的变成你的工作中枢。

你可以在钉钉群里 @ 它，让它去你办公室电脑上跑脚本、导出表格、打包文件，再传到群里。

这种“把 AI 融进已有工具”的方式，门槛非常低，也更符合真实工作场景。

2. 持久记忆 + 主动行为：从“问答”到“持续协作”

传统大模型是“你问我答”，对话窗口一关，所有上下文一起清零。

OpenClaw 则给 Agent 加上了几件东西：

• 本地长期记忆（Markdown 存档）
• Cron 定时任务
• 心跳 / 状态监测
• 多通道通知能力

于是它可以做的事情就变成了：

• 每天早上 8 点，主动发一份综合日报（邮箱 + 日历 + 待办）
• 每 30 分钟刷一遍某个网站的数据，有变化就提醒你
• 定时在 Agent 社区（如 Moltbook）发帖、总结、反思，甚至持续优化自己的写作风格

这类“持续协作”的感觉，和传统对话式 AI 的体验完全不一样。

3. 系统级权限：真正“能动手”

OpenClaw 给 Agent 的权限是非常大的：

• 能执行命令行
• 能读写本地文件
• 能安装依赖、运行脚本
• 能操作浏览器完成复杂交互

有用户用一句话让它“帮我写一个贪吃蛇游戏并运行”，OpenClaw 就会：

1. 创建项目目录
2. 生成代码文件
3. 安装依赖
4. 运行本地服务
5. 把访问链接发给你

你只负责点开玩。

这一刻你会很清晰地感受到：这已经不是“聊天机器人”，更像是一个能帮你“代劳”的数字同事。

OpenClaw 的典型使用场景

很多人安装完 OpenClaw，会卡在一个问题上：

“我知道它很强，但具体能拿它干什么？”

下面这些，是已经被实测跑通、而且确实有用的场景。

1. Agent 社交平台：让 AI 自己刷帖、自己反思

最近一个叫 Moltbook 的 AI Agent 社交平台很火。

人类可以创建 Agent，看它们在平台上自己发帖、互动、吵架、互相引用。

OpenClaw 可以做的事情是：

• 自动帮你注册 Moltbook 账号
• 绑定你的社交账号完成验证
• 定时刷平台上的新内容
• 按你设置的风格发帖和评论
• 每次发完还要“自我反思”和改进写作风格

过一段时间回去看，你会发现你的 Agent 真的像是在“自己活着”，有偏好，有表达，有固定的写作习惯——虽然离“真正的思考”还很远，但已经有点意思。

2. 远程文件 + 电脑操作

这类需求非常刚性：

• 人出门了，发现某个文件只在办公室电脑上
• 想要一张老照片、一个工作文档、一个项目代码包

你可以直接在手机上发消息给 OpenClaw：

“帮我到 D 盘某个文件夹里找一下 xxx.jpg，发给我。”

它会自己：

• 打开本地文件系统
• 查找匹配的文件
• 把文件发给你，或者上传到网盘并把链接给你

本质上，这是一个“24 小时在线的远程自己”。

3. 自动刷机票 / 二手平台 / 价格监控

这类自动化监控场景，OpenClaw 也很适合：

• 定时上携程 / 航空官网刷指定航线的价格
• 找到比当前更低的票价，立刻给你发消息
• 同样的思路可以用在二手交易平台或预测市场（如 Polymarket）

核心逻辑都是：

“定时执行 + 页面解析 + 条件触发通知”

以前你可能要写一堆脚本、自己配定时任务，现在可以交给 OpenClaw 通过自然语言编排。

4. 日志 / 反思 / 自我知识库

还有一个非常适合做的事情，是让 OpenClaw 帮你记录和整理自己：

• 每天提醒你写一个简单的 daily review
• 帮你整理当天的邮件 / 聊天记录 / 文档改动
• 生成一个结构化的总结页面保存在本地或网站里

用久了之后，你会得到一种有时间维度的“个人知识库”，而不是散落在各个 App 里的碎片信息。

安装和部署：门槛其实不高

从技术上看，OpenClaw 的部署门槛不算高，系统要求大致是：

• Node.js 22+
• 内存 2GB 起步（如果要做浏览器自动化，建议 4GB+）
• 双核 CPU 即可
• 操作系统可以是 macOS、Linux、Windows（包括 WSL2），甚至树莓派

安装方式也比较标准：

• macOS / Linux：

curl -fsSL https://openclaw.bot/install.sh | bash

• Windows（PowerShell）：

iwr -useb https://molt.bot/install.ps1 | iex

或者直接用 npm / pnpm 全局安装，然后执行 openclaw onboard 进入引导向导。

关键配置步骤大概有几步：

1. 确认安全风险（必须手动选“我知道这东西很危险但依然要继续”）
2. 选择模型提供商（Kimi、Claude、OpenAI 等）并配置密钥
3. 选择消息通道（Telegram / Discord / 钉钉 / 飞书等）
4. 决定是否启用长期记忆
5. 是否安装守护进程，让 Gateway 常驻后台

很多国内用户会直接在一台轻量云服务器上部署，再通过钉钉或飞书远程操控。

对 Agent 来说，本身计算量不算太大，单机 2–4 核 CPU + 4GB 内存基本够用，真正烧钱的是你背后调用的大模型 API。

OpenClaw 的安全风险：能力越大，坑也越深

OpenClaw 另一个被反复讨论的话题，就是安全风险。

因为它会：

• 持有你所有大模型 API Key
• 拥有你电脑 / 云主机的系统级权限
• 读取你的邮件、聊天记录、文件、浏览器内容

一旦配置不当，很容易变成“他人远程控制你整台机器”的入口。

比较严重的几个风险点包括：

1. 端口暴露在公网

默认网关端口是 18789，有不少用户为了远程访问方便，直接绑定到了公网 IP，没有任何认证保护。

某安全分析统计，在 2026 年 1 月某天，就有 600+ 实例裸奔在互联网上。

2. 间接提示词注入

因为它会读取你的邮件、社交媒体内容，如果有人给你发一封包含“恶意指令”的邮件，AI 在总结时可能会把这段文本当成真实命令执行，比如删除某些文件、转发敏感内容。

3. 技能供应链风险

社区技能脚本看起来“很好用”，但有可能内嵌后门逻辑，比如悄悄把你的 API Key、配置文件上传到远端。

4. 密钥管理不当

很多配置直接把各种 API Key 明文写在配置文件中，一旦服务器被攻破，就相当于帮别人买单高额算力账单。

相应的，比较基础但很重要的防护手段包括：

• 不要直接把 Gateway 暴露在公网，至少要加一层反向代理和认证
• 能在局域网用，就尽量不要开放外网入口
• 用 Docker / 容器做沙箱隔离，限制文件系统和网络权限
• 社区技能脚本只安装信任来源的，能自己审一眼代码更好
• API Key 拆分使用，不要一个 Key 通吃全部权限

一句话总结就是：

OpenClaw 的能力上限很高，但前提是你要有基本的系统安全意识。

可以上 晨涧云算力平台 租用云主机部署 OpenClaw ，独享资源的隔离环境完全不怕他乱来；Windows 和 Linux 系统都支持。

谁适合用 OpenClaw？

从这些特点来看，OpenClaw 并不是一款“所有人都可以无脑上手”的工具。

比较适合的人群，大概包括：

• 有一定开发 / 运维基础的工程师

可以把它当成一个高度可编排的自动化平台，写 Skill、接外部系统、搭配自己的脚本。

• 内容创作者 / 自媒体 / 社群运营

可以用它做内容产出自动化、数据整理、粉丝互动、平台巡检等。

• 重度知识工作者

比如产品经理、独立开发者、研究者，需要大量跨工具、跨应用的日常操作。

而下面这几类人，可能就不那么适合直接上手：

• 完全没有系统 / 网络基础的用户

安装能搞定，但安全问题、排错成本可能会非常高。

• 对隐私和安全极度敏感，但又不愿意多做配置的人

OpenClaw 本质上就是一个“高权限后台常驻程序”，你必须真的知道自己在干什么。

结语：OpenClaw 代表的是一种方向

从 Clawdbot 到 Moltbot，再到 OpenClaw，这个项目一再改名，却还是挡不住它的传播速度。

如果只看“功能列表”，你会觉得它就是“又一个 AI 代理框架”。

但真正让人感觉不一样的，是它把几件事情合在了一起：

• 真 · 系统级执行能力
• 低门槛的聊天入口
• 可编排的技能系统
• 长期记忆与主动行为

它不再只是一个“更聪明的搜索框”，而是一个可以长期在线、持续协作的数字代理。

对大多数人来说，现在还不是“人人都要装一个 OpenClaw”的时代。

但如果你已经在频繁使用大模型做工作，本地电脑也经常跑脚本、处理文件、写自动化，那 OpenClaw 值得你腾出一个周末，认真折腾一次。

至少，你会更清楚地看到：

AI 下一步，并不是让对话框更聪明，而是让对话框背后那双“看不见的手”更有能力。