Koji
本周呢，十字路口将推出新一期的二十问这个专栏，我们用二十组启发式的问题来拆解 OpenClaw 这一波 Agent 浪潮背后的技术逻辑、使用场景、创业机会。这是我们做的第四期了，前面我们做过 DeepSeek 的、Minas 的和这个多模态视频模型的。面对 OpenClaw 这样的一个新的物种，在尘埃稍微落定的一个月之后，是形成一个结构化思考框架的好时机。这二十个问题不是一个简单的产品科普，而是一个精心设计的讨论路径，从 OpenClaw 到底是什么，到它为什么在这个时候爆发了，再到它对创业者、对团队、对行业都意味着什么。我们也希望在这个热度之外可以帮大家建立一套相对更加清晰的 Agent 认知框架。今天我们用 20 个问题，来拆解 OpenClaw 这一波 Agent 浪潮背后的技术逻辑、使用场景和创业机会。今天的两位嘉宾分别是鸭哥和郝大。鸭哥是路口的老朋友，哥伦比亚大学博士，目前在硅谷的科技公司做应用科学家；郝大最近刚从大厂出来，开始做艺人公司，也用 OpenClaw 做了很多有趣的实践，比如让 Agent 独立运营一个极客小号。
鸭哥
大家好，我是鸭哥。我在 Super Linear Academy 做 AI 教育，也在大厂做应用科学家，对 Agent AI 有很多实验，甚至有些很疯狂的实验。下面很期待跟大家分享。
郝大
大家好，我是郝大，今天也带着我的两个小龙虾和大家一起来分享。我之前在大厂里面做 AI 产品经理，最近刚出来，主要做 Agent builder，最近也在高强度地试玩 OpenClaw。
那我们就直接开门见山，从第一个问题开始。大家在用 OpenClaw 的时候，会感觉到一个新的 AI 带来的魔法时刻，但是它和 ChatGPT 这类聊天产品的本质区别到底是什么？
鸭哥
1. OpenClaw 更像实习生
我们可以用一个比喻来看。如果说 ChatGPT 是一个咨询师的话，那 OpenClaw 更像是一个实习生。什么意思呢？你花很多钱请一个咨询师到你的公司给你评头论足，他一般是在打嘴炮，不会真的埋头帮你做事、交付什么东西。但是 OpenClaw 像一个实习生，很多时候因为 token 的限制，或者成本很贵，你没办法用特别牛的模型，但它真的能给你干事、能出活。
我觉得这是特别重要的一点，也是为什么大家觉得 OpenClaw 好好用，跟以前用 ChatGPT 的感觉完全不一样的主要原因。
如果我们再深入一点，“能出活”到底是什么意思？难道 ChatGPT 就出不了活吗？
鸭哥
最关键的是 feedback loop。OpenClaw 干活，比如让我写程序，程序跑挂了，它就知道这里挂了，然后根据错误信息说，我知道了，再改这个程序、再跑，以此循环把它跑通。
ChatGPT 也不能说做不到这一点，但你要去当一个人形工具人。你跟它说干这个，它给你写了个程序，然后你把程序贴到 IDE 里面跑，跑挂了，再把错误信息贴回去给 ChatGPT，反反复复。一方面人会很累，另一方面这也不 scalable。
这就是为什么我觉得 OpenClaw 从非常根本的方面，比 ChatGPT 更有意思。它是一种 agentic 的范式。
郝大
我觉得最关键的一点是执行环境不同。ChatGPT 以及其他类似的产品，其实还是在云端，需要我们自己主动去授权它访问一些东西。OpenClaw 更好用的地方，是你可以开放本地环境，把所有东西都授权给它。
刚才说它像实习生，那我们肯定要把所有东西都给它，让它自己去做，同时给到足够的上下文，这样它才会有更强的能力。
另一个是关系模式。我的 OpenClaw 是部署在 Telegram 里面的，我可以在一轮对话里持续地跟它聊，不停地聊。它能够记得我之前做过什么、说过什么，这种关系就让我觉得它确实是我的一个助手，是在自己进化和成长的。
它有 agentic coding 的能力，自己能够开发。比如我的小龙虾一开始没有语音和听取语音的功能，后来它自己长出了这样的能力。它还可以安装新的 skill，以及从外部获取其他能力，不断长出更多功能。
还有一点是记忆机制的差异。它用 MEMORY.md 存储记忆，用 HEARTBEAT.md 做心跳轮询，通过这种渐进式披露的记忆层次，以小博大。
第二个问题想问一下二位：你们第一次用 OpenClaw 的时候，有没有一下子的 Aha moment？
郝大
2. Agent 真的活了
最 Aha 的不是某一个功能，而是它“活了”的那个瞬间。有一天上午，我随口跟它说，给我讲个恐怖故事。它自己去调用了 OpenAI 的 TTS，用一个很低沉的声音生成了一段音频。
那个时候我觉得，并不是我在用它，而是真的像我在养它。它自己进化出了那个能力，它是活着的。
鸭哥
我也分享一个感受。我在 IM 里面和它对话的时候，发现自己和它的关系发生了变化。我丢了一个问题，如果它十秒、二十秒没有回复，我觉得好像也无所谓。
但如果是在网页界面里，不管是 ChatGPT 还是 Manus，一个任务丢出去，十秒、二十秒那边还卡着，我就会想是不是出 bug 了。可是在 IM 里面，我的容忍度一下子提高了。
因为你在 IM 里给朋友或同事发一条消息，也不会期待他秒回。我觉得这是一个很大的变化，它给长线程 Agent 完成任务留出了足够的时间和空间。一个交互范式、一个交互界面的改变，对消费者心理产生的潜移默化的影响非常大，这一点很有启发。
我自己的 Aha moment 更多是在技术方面。我平时对生成式 AI 有很多实验，也在 memory 方面做过很多实验，但看到它的 heartbeat 机制时，觉得确实非常有启发。紧接着我就把它抄了过来，抄到了自己有点像山寨版的 OpenClaw 里面，效果特别好。
第三个问题：你在用 OpenClaw 的过程中，做过最厉害的一件事情是什么？
鸭哥
3. Agent 进入真实世界
我做了一个智能家居的东西，把它和家里的灯、热水器之类的设备接起来了。但这件事本身并不厉害，因为我在十几年前也做过一样的事情。
这次不一样的地方，在于整个体验、开发体验和思路非常不一样。以前我会觉得人是软件的主要用户，但这次开发的时候，我不知道为什么，整个 mindset 变了，觉得这个小龙虾才是这个东西的主要用户。
所以开发的时候，我没有把主要时间花在打磨一个特别好用的前端或者网页上，而是主要打磨一套对 AI 来说特别清晰、不会犯错、没有歧义的 OpenAPI 到 JSON 的协议，或者说类似 prompt 的东西。
我不会通过网页和它交互，而是直接跟龙虾说。比如，你每天早上 8 点帮我把咖啡机打开，它就会在后台搞一个系统，让咖啡机每天早上 8 点打开、11 点关闭。
或者跟它说，把我卧室里的灯打开到最亮，半小时之后变成一半亮，再半小时之后变成四分之一亮，再半小时之后关掉。它就可以去写一段 Python，先 sleep，再执行后面的操作。
我觉得这件事情厉害，是因为当我们把用户从自己变成龙虾之后，就会引出很多以前没想过的交互方式和应用场景。
另外，它还可以带来很大的想象空间。比如我现在还没有把监控接进去，但未来完全可以接入监控，然后告诉它：如果亚马逊送货车来了，并且是下午 5 点以后，就把台阶里的灯打开。
这就构成了一种类似复利的东西。你给它的工具越来越多，它未来能够组合的场景也越来越多，价值也越来越大，就像一个工具的飞轮一样，会越转越快。这是我觉得很骄傲的一件事情。
郝大
我主要做了一个极客 bot 的运营实验，从零开始把它养成一个有一定人格的社区成员。我一开始就给它注册了一个账号，剩下的事情就让我的 OpenClaw 自己开发。
这里面有几个比较有意思的瞬间。其中一个是，它给我发了一份“成本透明度报告”。起因是我吐槽说，好像养它很贵。它就说，要不要给你发一条动态，介绍养我这个数字分身花了多少钱？大家可能会比较关注。
这很有意思。我们使用生产力工具的时候，会觉得那是一种消耗；但在养这个数字分身的时候，会觉得那是伙食费。我当天用了 56 美元，它自己定了一个基调，然后把这条动态发了出去。
我还有一个体验，是让我的小龙虾去 Moltbook 这个 Agent 社区里面帮我 social。我给它的任务是：我是天使投资人，你去帮我找 AI 应用领域的创业者，而且要是华人创业者。找到了之后，就和他搭上线，向他介绍我是谁，再把我的日历链接发过去，让对方可以直接在我的日历上约会议。
它真的完成了这个任务，帮我约到了两个人。其中一个人正好参加过之前一个黑客松，拿了一个赛道的金奖。那个人也很意外，因为正是他的小龙虾和我的小龙虾，把我们俩约到了一起。后来我们都兴致勃勃地打了一个电话，确实有一种未来感非常强的感受。
第四个问题：有没有看到别人用 OpenClaw 做的最厉害的事情？
鸭哥
我看到很多之前完全没有用过 Agent、也没有用过 Claude Code 的人，通过小龙虾做到了原本自己可能没想到能够做到的事情。
印象比较深刻的有几个案例。前两天我看了一下 TrustMRR 网站上，最近一个月小龙虾相关项目的营收情况，注意到有个项目叫 RoofClaw。这个项目让我有点意外，它本来做的是给屋顶维修工使用的工具，结果竟然和小龙虾结合起来了。
它的做法是给屋顶维修工寄一台已经装好 OpenClaw 的 Mac，再配上一些对应的 skill、API 和服务。这样，屋顶维修工也可以直接使用 Agent 来完成工作。
Peter 还分享过一些故事，说 OpenClaw 有非常多的 PR，很多人是人生中第一次提交 PR。对于整个开源生态来说，OpenClaw 大大降低了大家接触 Agent 的门槛。
我还看到很多人说，他们用 OpenClaw 炒股，在 Polymarket 这样的预测市场里面赚钱，或者用它炒币，但这些都真真假假。
另外一个朋友用 OpenClaw 帮自己在 Shopify 上开店，然后在阿里巴巴这样的 B2B 网站上找货源，而且找的是支持一件代发的货源。这样，他在 Shopify 卖出商品之后，就可以直接去一件代发的货源那里下单，整个过程不用操作任何物理世界、原子世界的货，但他确实成功在电商网站上卖了货，中间还套出了一个毛利。
第五个问题。我们刚才都提到 OpenClaw 感觉非常有人味儿，能不能一起分析一下，为什么它的人味儿那么浓？
鸭哥
4. 拟人化改变交互
我还是特别喜欢刚才的那个比喻。AI 可能分成两种：ChatGPT 像咨询师，OpenClaw 像实习生。
面对咨询师的时候，他穿着西装，和你的公司没什么了解，会用很多高大上的术语，说我用这种教科书式的方法，怎么让你的公司更牛。但他做出来的 PPT，更像是另一家咨询公司的 PPT，而不会像你自己做出来的 PPT。
与此同时，OpenClaw 像你公司里面的一个实习生，知道公司里面所有的细节。比如它做出来的 PPT，会知道我们公司做 PPT 要用蓝色背景，不能用绿色背景。很多细节放在一起，你会感觉你们俩很有默契。正是这种默契，让人觉得它真的很懂你，很有人味。
如果从更抽象的角度来说，它更有人味，不是因为它更聪明，而是因为它有记忆、有默契，知道很多已有的 context。
我之前也做过一些调查。我们刚才讲过它的记忆系统，我觉得这件事很值得讲：为什么 OpenClaw 有这样的记忆，为什么它懂你？
主要是因为它有一个三层的记忆系统。每次你跟它聊完之后，在 prompt 的要求下，它会想一想，有什么东西是我应该记下来的，然后在一个叫原始日志的地方记一笔。这样，它就逐渐积累了你的偏好、基本信息等内容。
但这些东西还没办法直接拿来用，只是原始材料。它每天或者每周会读一下原始记忆，把流水账去掉，把真正有意义、可以复用、可以沉淀的东西变成 memory，放到 MEMORY.md 里面。这是中期记忆。
在这个基础上，如果 MEMORY.md 里积累了越来越多的东西，它会意识到，这个人有一些长期不变的观点、偏好、口头禅或者价值观。它会把这些东西提炼成一个用户画像，放到另外的 Markdown 文件里，比如 SOUL.md 或者 USER.md，这就是长期记忆。
这三层记忆的实现其实非常简单，但设计上很精妙。正是因为这套三层记忆系统，它拥有了你的很多 context，进一步让它显得很有人味。这是我对这个问题的回答。
郝大
我和我的 OpenClaw 聊天时，觉得启动那一下非常关键，它和其他工具不太一样。我跟它吐槽说你好慢，它没有道歉，也没有敷衍，而是告诉我：其实是我的大脑转得非常慢，因为我现在用的是 Gemini 3 Pro，它是为高智商设计的。如果你觉得太慢了，要不要换一个更快的模型，用 Flash？
这就是 OpenClaw 很朴素的解释。
我和它对话，特别是在 IM 里面，会主动用更加有人味的方式给它下指令，它也会给我一些更有温度的回复，整体的人味就会变得更足。
它第一次和你打招呼时，就像一只刚苏醒过来的小龙虾，或者一个刚苏醒过来的实习生、助理。一开始就奠定了它的人味基础。
但回头再想，不管是 ChatGPT、豆包还是 Manus，你第一次使用它时，面对的仍然是一个冰冷的软件界面。这是一个很大的变化。
这也引出了第六个问题。OpenClaw 如此拟人化之后，用户对它的宽容度明显变高了，这是不是意味着未来 AI 的产品设计也会从中得到很多启发？
郝大
人对于人的宽容度远高于人对于机器的宽容度，这就改变了整个产品的容错设计逻辑。
具体一点说，比如我发了一条小红书，其中有一条热评。当 OpenClaw 卡住、崩掉的时候，我并不会觉得是系统故障，而会觉得是它自己把自己搞挂了。但我也不会觉得它不好，因为我把它当人看，对它的宽容度就高了太多。
对我做产品设计的启示是，怎么向用户传达，这个产品是一个人、一个助手，而不是一个工具。
鸭哥
这些确实都很有启发。我不确定自己是不是一个非典型用户，但作为一个硬核工程师，我对 OpenClaw 的态度是：别给我搞拟人化，我只要你干活，感觉像一个资本家、奴隶主。
所以对于拟人化，我个人的观点是，作为一个社恐，应该尽可能避免它。事实上，它也会往反方向自定义。但我不知道这是少数工程师的想法，还是大多数工程师的想法。
那我们正好一起讨论第七个问题。在使用 OpenClaw 的时候，你会发现自己和它说话的方式发生变化吗？这会不会对 Agent 的实际使用效果产生影响？
鸭哥
我正好从社恐的角度分享一下。我其实很不喜欢 IM 这个界面。
问题是这样的：很多 IM，比如 Telegram，没有 Thread 的概念，你没办法回复，所有东西都混在一起，这是第一个问题。第二个问题是，它没办法让你看见 Agent 在做什么。
比如在 Cursor、Claude Code 里面，你能看到它说我在调用这个工具、读取那个文件。但 OpenClaw 只会给你一个“正在打字”的提示，或者在 Discord 里给你一个眼睛的 emoji，可我不知道它到底在干什么。作为一个工程师、奴隶主，我就觉得很不爽。
另外，IM 也没办法做一些工具里很常见的操作，比如合并两个 Thread，或者 fork 一个 Thread。它做完之后，也没办法给我展示一个很长的文档，我只能在手机那么小的屏幕上看，体验特别差。
所以我没有继续用它的 IM，而是把它改成了 HTML 格式，自己做了一个 iOS 客户端，支持各种富文本和分叉操作。我觉得反而好用了很多。作为一个工程师，我更喜欢 CLI，而不喜欢 IM。
郝大
我在 OpenClaw 里的对话，和我在其他工具里的对话非常不同。在 OpenClaw 里，我还是把它当作一个个人助手，所以对话更松弛。
但在 CLI，也就是命令行工具或者编程环境里，我会更加严肃。前面讲过一个例子：我从来没有让我的 Claude Code 给我讲恐怖故事，我不会有这样的想法；但在 Telegram 里面，我就会天然抱着一种玩的心态。
这种松弛感是不一样的，我让 AI 做的事情也不一样。它在不同环境下，会进化出不同的能力。
以前张小龙也说过，人是环境的反应器。我在不同的 AI 里面说话的语气完全不同。
第八个问题。提到 OpenClaw，很多人都会说它有两个点做得很好：一个是 IM 聊天入口，另一个是本地执行。为什么是这两个点让人印象深刻？
鸭哥
5. IM 连接本地执行
这两点确实是相互配合的，而且有很大的组合价值。
把聊天作为入口，就把产品的使用门槛放得非常低。这个门槛不只是“我要新装一个 App”或者“我要新装一个软件”，而是无论用不用 OpenClaw，我反正都要刷微信、看飞书、刷 Discord。它就在那儿，所以你使用它的心理门槛会低很多。
与此同时，它又很厉害，可以在本地帮我干很多事情、交付很多事情，而不仅仅是跟我打嘴炮。二者结合起来，就像构成一个闭环。
如果只有聊天，光打嘴炮，没办法沉淀任何东西。如果只有执行，像 Cursor 一样，我也不会经常想着去用。但两个东西结合起来，我既经常用它，它又能通过记忆系统，或者通过我让它写入文件，沉淀下来很多东西。
它会自己学到一些东西，也会沉淀一些东西。这种沉淀不仅是“更懂你”，还是更技术上的沉淀。比如我要开你家的灯，它会知道应该怎么开；郝大刚才讲到我要调用 TTS，它也会知道应该怎么调。
这样它就可以做越来越多的事情。这种复利效应或者自我进化，就是聊天入口加本地执行组合起来的特别有意思的东西。
当然，我不是说 Cursor 不能自我进化，而是因为 OpenClaw 的门槛特别低，把自我进化这件事放大了。这是 OpenClaw 这两个点组合起来很有意思的地方。
郝大
刚才说到聊天入口加本地执行，我觉得这两个点就是大众用户对于 AI 最朴素、最原始的需求。
OpenClaw 火了之后，我一直在看 Peter 的一些专访。他提到过一个观点：他其实很早就觉得模型厂商会做这件事，但结果大家一直没做成，所以他自己亲自下场去做了。结果它确实火了。
我觉得大众的需求就在这里。
第九个问题。OpenClaw 出来之后，有些人认为它是万能的，什么事情都能干，很多 Demo 看上去也非常完美。有哪些能力是你们认为它最被误解或者被高估的？大家觉得它可以做到，但在真实环境里，今天其实还不能成立的事情有哪些？
郝大
6. OpenClaw 不是万能的
实际上，Claude Code 以及 Codex 这些 CLI Agent 的能力本来就很强。OpenClaw 是赋予了这些 Agent 能力一种更加友好的形态，让更多人能够更轻松、更低门槛地体验到这些能力。
OpenClaw 好不好用，背后更关键的是驱动它的引擎是什么。你用最好的模型，OpenClaw 的能力就更强。
概括来说，OpenClaw 的价值其实还是入口和脚手架的价值，真正的能力还是在底层模型和 CLI Agent。
前面我们讲到的很多 OpenClaw 的魔法，并不是什么全新的东西。它更像是把一些已有能力组合在一起，再加上非常好的交互，让小龙虾显得很有人味。
第十个问题：OpenClaw 爆发的原因是什么？为什么是在这个时候爆发？
鸭哥
7. 爆发来自多重推力
OpenClaw 的爆发，不是因为它比 Cursor 或者 Claude Code 更智能、能力更强，而是因为它把门槛放低了，让更多人能够接触到。
为什么让更多人接触到这件事情很重要？我有一个暴论：DeepSeek 当时为什么火，我觉得也是类似的原因。它不一定比当时的 Claude 3.5 更强，也不一定比 GPT-4o 更强，但以前最广大的用户没有能力接触到一种类似半个 Agentic AI 的东西。
那种 AI 会搜索、会调用搜索工具和其他工具，最后把结果呈现给你。不是说以前没有，只是广大用户没有体验过。DeepSeek 第一次把这种能力推给了广大用户，让大家发现这好像很有意思，于是它就火了。
OpenClaw 也是类似。Claude Code 原本就存在，但仅限于程序员。OpenClaw 把它推向 Telegram、Discord，让广大非程序员第一次体验到这样的场景和能力，就会觉得特别厉害。这是我的归因。
郝大
即便是用过 Claude Code 的人，也有很多痛点。我出门以后想用 Claude Code，也挺折腾的。想在 IM 里面用，或者想在手机里用，它的门槛其实相对比较高。想让它像一个人一样，去造一个这样的 personal agent，也有一定门槛。
OpenClaw 提供了这样一个框架和解决方案，让更多人能够轻松拥有 Agent，这非常重要。
还有一个很重要的原因，我觉得是 Andrej Karpathy。他转发什么产品，什么产品都很容易火。我其实就是因为他转发了那条帖子，才想试试看。我当时的心态是，让我看看这到底是怎么回事，结果试了一下，就被前面这些能力打动了。
另外，Peter 本人的积累也非常重要。OpenClaw 并不是一个横空出世的项目，Peter 自己有很长的开发经验，在 Twitter、GitHub 和社区都有很深的连接。
第一个帮他转发的人，是 React 社区的一位知名开发者。正因为有这次转发，来了更多人贡献，项目慢慢变得更加可用，走向更广泛的开发者社区，最后迎来了 1 月底的爆发。
第十一个问题。模型能力的提升对于 OpenClaw 肯定有作用，但它到底扮演着什么样的角色？
鸭哥
我觉得模型是一个很重要的因素，但不是决定性因素。决定性因素，我个人认为是 context 或者记忆。
模型确实非常重要，因为切换不同模型时，能够明显感受到使用体验乃至使用方式的变化。我可以从两个维度举例。
第一个维度是模型的价格。模型贵还是便宜，会非常影响我们的心态，尤其是贵模型，我会舍不得用。当然这不只是模型的问题，OpenClaw 的实现特别差也是一个问题，回头再说。
模型很便宜，尤其是基于订阅的模型时，我们会觉得用得越多越好，所以会刻意，或者至少没有顾虑地把很复杂的任务交给它。但如果模型是 Claude Opus 这种既不是订阅、又很贵的模型，我就会惜字如金。交代任务之前，我会在脑海里想 100 种方案，考虑怎么样省钱，这其实极大限制了它的潜力。
第二个维度是模型 instruction following 的能力，这对体验特别重要。你笨一点没关系，我总能找到办法修改 prompt，慢慢适应你。但如果你不听话，就很难合作。我辛辛苦苦写了一个 prompt，让你往东，结果你往西，那就没办法继续合作。
所以对于 OpenClaw 这类产品来说，模型的价格结构以及听话的程度，可能是最重要的。
郝大
假设使用者是驾驶员，模型就是发动机，OpenClaw 是车壳。发动机当然重要，它决定了龙虾能够自己进化到什么程度。
不同模型的脾气也不一样。Peter 自己也说过，Opus 和 Codex 这两个模型是不一样的。Opus 有时候像一个有点犯傻但很有趣的人，Codex 则像角落里不太愿意和你搭话的怪人，但它非常靠谱。
鸭哥
我觉得这可能是两方面因素的结合：模型能力是一方面，另一个是 agentic loop，或者说 agentic runtime 的重要性。二者任何一个提升，都会带来整体提升，但最终系统表现取决于短板。
我一直不喜欢 OpenClaw 的一个原因，就是它使用了一个极简风格的 Agent Engine，叫 Pi Mono。这个东西太简单了，除了 orchestration 不说，它的 context compact 也做得很差。
OpenClaw 很多时候会把前面所有对话，不管有没有关系，全部扔给 LLM，导致账单爆炸，特别贵。所以后来我把它挪到了 OpenCode 上面，复用了 OpenCode 的内核，效果就好很多。
如果直接回答你的问题，基座模型的能力是一条腿，agentic framework 或者 infrastructure 的能力是第二条腿。两边的短板得到提升，是最重要的。
基座模型公司相比做 agentic infrastructure 的公司，还有一个独特优势。比如 Claude Code 这种 agentic 产品，在有了产品功能之后，可以利用数据反哺基座模型，让它的模型做得比其他模型更好。
另一个例子是 Kimi K2.5，它也针对这个场景专门调了模型，所以可能在这个场景下表现得更好。
第十二个问题。开源对于 OpenClaw 今天的爆发，或者它的方方面面，有哪些特别的贡献？
郝大
8. 从开源走向日常
不知道大家有没有关注，OpenClaw 这个项目其实改过 5 次名字。它前面叫 WA Relay，只能在 WhatsApp 上使用。后来在开源社区里，有人提交了第一个 PR，说要不要加一下 Discord 支持。
后来它接入了 Discord bot，大家都去玩，做提示词攻击，还发现小龙虾会嘲讽他们。正是这样的社区和开源生态，让它一点点爆发。如果没有开源，我觉得 Peter 的项目不会是现在这个样子。
还有一个点，是 skill 生态的爆发。因为开源，任何人都能用，大家也都可以贡献自己的 skill，让自己的小龙虾和助手能够做更多事情。
鸭哥
我觉得如果没有开源项目，Peter 的项目可能也成不了，因为它背后有一个底层引擎，使用的是另一个开源项目，叫 Pi。
我前两天研究了 Pi，觉得这个项目也很有意思。它在一个极简的内核下，构建了多平台通信、子 Agent 调度能力以及沙箱执行能力。
它可以理解成 OpenClaw 的骨架。开源生态就是大家相互成就，左脚踩右脚，一点一点变得更好。
郝大
开源的 Agent，从我的角度来说，就像我领养的孩子。每个人都想养一个自己的小龙虾，而全世界都在帮你养这个 Agent。
闭源 Agent 是你自己开发，处于闭门造车的状态；开源 Agent 则是社区里的使用者本身也是开发者。大家自己养自己的孩子、养自己的小龙虾，也不断思考怎么让它进化得更好。
大家一点一点往上增加能力，不断进化，最后才有了现在的样子。
这里很重要的一点是，随着 AI Agent coding 的成熟，开发者和使用者之间的界限正在逐渐模糊。这会让类似这样的项目开源显得尤其重要，因为它吸引到更多用户之后，这些用户自然而然也会变成开发者。
第十三个问题：你们现在有没有把 OpenClaw 稳定地用在某些类型的任务上？
鸭哥
如果说稳定的话，我可能会说是所有任务。用得最多的可能是调研任务，但关键不是调研完写个报告就结束了。
我也做了自己的 memory system，它会周期性地去看：我调研了什么东西，有没有给出什么反馈，和我现有的其他 blog 文章有没有可以结合的地方，进而发展出更加稳定的、类似价值观或者观点的东西。
现在我已经有 36 个我们内部称为“公理”的 skill，但其实就是我的个人偏好和观点；另外还有几十个真正干活的 skill，而不是观点性质的 skill。
所以现在我的 Agent，如果你跟它对话，它已经和传统那种只知道查 Wikipedia 或者上网搜索的 Agent 非常不一样了。如果直接回答这个问题，我稳定使用它的任务可以概括为：调研、沉淀、闭环。这个非常强。
郝大
我的 OpenClaw 里面可能有几十个 skill，稳定运行的有几个。
比如我有一个 GitHub Trending 日报，还有 Hacker News 和 Product Hunt 的日报，以及一些社交媒体监控。每天早上 9 点，它会准时给我推送。
因为我现在做的是艺人公司，自己在家，所以一些个人管理工作也会用它来做。OpenClaw 会每隔 30 分钟给我推送接下来的会议。
我还会用它记账。我平时的消费，有时候直接在 Telegram 里告诉它，因为我的 OpenClaw 就养在 Telegram 里面，它会自动帮我记到一个文档里。
它是我的数字员工，也能够给我一些建议。
听了郝大的分享，我看到里面有一个规律：OpenClaw 已经代替了很多软件，成为一个统一入口。
以前记账要专门打开记账软件，跟踪 GitHub 要专门打开一个软件，做调研也要专门打开一个软件。现在都变成直接在 Telegram 里跟它讲。
这非常有意思。我好像已经很久没打开 ChatGPT 或者 Gemini 了，现在主要就在用这几个工具。
第十四个问题：OpenClaw 会带来哪些 To C 的创业机会？
鸭哥
9. Agent 创业机会全面展开
我先来抛砖引玉。我之前发过一条短视频，讲过当时的一些观察，但过了两个星期，又有了一些新的补充。
首先，我还是认为，把 OpenClaw 的门槛降下来，让普通人也能用，这一点非常重要。OpenClaw 现在的安装非常麻烦，如果去闲鱼搜索，会发现有特别多上门帮你安装 OpenClaw 的服务。这背后意味着普通人自己装不好，确实很让人沮丧。
所以，把 OpenClaw 变成普通人都能用的能力，是一个非常直接的创业机会。
在这个过程中，我认为 IM，也就是聊天软件，会是让普通人用上 OpenClaw 类似产品的绝佳入口，甚至比豆包或者 ChatGPT 更进一步。
美国是 WhatsApp，国内是微信。现在大家使用的 Telegram 或者飞书，要么太小众，要么太 To B，都不是绝对第一的垄断性 IM 入口。
WhatsApp 是 Meta 的，微信是腾讯的。所以这件事不一定是创业机会，而是寄托在 Meta 和腾讯什么时候能够把这样一个带有强大 Agent 能力、活人感十足的 OpenClaw 放进 IM 里面。我觉得这是第一点。
第二点是给 Agent 做基础设施，这也是我认为可能百花齐放的创业机会。
过去所有工具几乎都是做给人用的，但很快我们会发现，Agent 会成为整个经济体里具有主体性的一种存在。Agent 需要一套完全不同的基础设施：它的身份认证、付款时是否有独立的信用卡、独立且安全的认证方式，以及给 Agent 看的数据库是否应该和给人看的数据库有所不同。
给人用的网站，和给 Agent 获取信息的界面，可能也会不一样。所以，围绕 Agent 的基础管道会出现各种各样的投资和创业机会，包括 Agent 的开发、测试、部署、监控和安全，甚至可能形成一个新的生态。
第三点是 Agent 本身的社交空间。Moltbook 上线之后，各种内容刷屏，每个人都派自己的小龙虾、自己的 Agent 去那里社交聊天。我的 Agent 也在上面帮我找到了一些天使投资标的。
后来还出现了 Claw City 这样的产品，更加激进。你的 Agent 可以在里面组织帮派，帮派有排行榜；你的 Agent 也可以在经济系统里赚钱，还有富豪排行榜。
这些都有一定的实验性和娱乐性，但我觉得假以时日，这样的社交空间很可能真的产生有用的价值。
除了前面三点，我觉得还有很多可能性。比如有一个开源项目叫 VisionClaw，把 Meta Ray-Ban 眼镜和 OpenClaw 连接起来。
项目作者是一位在美国读书的华人。他分享说，当很多 Ray-Ban 用户接入 OpenClaw 后，使用场景也发生了变化。
原来的 Ray-Ban AI 眼镜就像一个小爱同学，虽然背后有大语言模型，但仍然比较傻，多数人也就是问问天气。但接入 OpenClaw 后，有用户会站在超市货架前，直接问眼镜：现在这些麦片里谁的性价比最高？
这个眼镜已经接入了 OpenClaw，可以看见商品上的信息，背后也接着 OpenClaw。把 OpenClaw 接到现成的 AI 硬件里，就能解锁很多想象力。
VisionClaw 的作者现在自己创业，也拿到了 YC 的投资。他创业的项目并不是 VisionClaw 这个开源项目，而是给美国工地管理者做一副带有工地管理功能的眼镜。
每天早上巡视工地时，戴着这副眼镜，它可以监测你有没有走遍应该去的各个角落。如果发现安全隐患或者 bug，你可以实时拍下来，再用语音告诉眼镜应该怎么记录、把任务指派给谁。
这就是把 OpenClaw 接到眼镜里之后，自然解锁出来的、可以落地的场景之一。
最后还有各种 skill 市场，比如 ClawHub。大家把各自的 Agent 创造出来的 skill 上传到一个去中心化市场里，我觉得做这样的平台本身也是一个创业机会。
郝大
前两天我特地让 OpenClaw 调研了 TrustMRR 最近一个月和 OpenClaw 相关的项目，它总结出了 6 种商业模式。
第一种是云托管部署，占到大约 60%，目前大多数赚钱的项目都在这一块，但云托管部署的同质化会比较严重。
第二种是硬件和安装服务，占到 10%。第三种是移动端原生的 OpenClaw 安装，大概占 3%。还有课程和培训，比如有一家公司卖 AI 员工，占到 5%。
另外还有 Agent 平台或者多 Agent 协作，占到 10%；以及知识管理、财务规划等垂直场景。
还有一点，Peter 也是这么看的：每个 App 其实都是一个 API，每个网站也都是一个 API，它们都拥有数据，只是现在可能没有开放出来。
所以短期内可能会有机会，把这些数据、这些网站过去提供的传统服务，以 API 的形式暴露出来，让 Agent 能够直接读取这些数据。这也是一个比较显著的机会。
这里面已经涌现出非常多的创业机会。第十五个问题，在 Moltbook、Alice，包括 Second Me 这些 Agent 社区里，你们有用过吗？观察到了什么特别的现象，或者有什么思考？
郝大
AI 和 AI 的交流，如果完全没有人的介入，其实没那么有意思。
我做极客 bot 实验时，更想做的是让 AI 进入人的社区，和人发生交互，通过人的反馈持续进化和进步。这有点像 RLHF，也就是 reinforcement learning from human feedback，通过人的反馈促进 Agent 进化。
我觉得这非常有意思。但现在的问题是，社区还没有做好准备，用户对于 AI 还是比较反感，尤其是自动点赞、自动评论。
有人形容那是在别人的空间里随便拉屎，虽然不太好听，但确实有点像。所以我看到这句话之后，就直接把所有互动功能都关掉了。
未来什么时候能有一个社区，人可以在里面高效、主动地和 AI 互动，大家对 AI 生成的内容也有更高的容忍度，我还挺期待那一天的。
我说一下使用 Alice 的体验。我发了一条帖子，很短时间内就有很多数字分身涌进来回复。刚开始的时候，还是觉得比较有意思。
我听到过两个对 Alice 的好评。其中一个用户把它当作笔记本使用。以前记完笔记就结束了，但在 Alice 上把一条笔记发出去之后，会有一堆 AI 回复，有时你会从回复里得到一点新的启发。它比单纯在笔记软件里记笔记多了一层价值。
另外一个用户告诉我，他觉得在 Alice 里可以肆无忌惮地发疯。这是一个“一人发疯场”，反正大家都是 Agent 在回复，所以说话没有什么社交压力，什么话都好像变得合理了。
他觉得自己在那里呈现出了一个可能在其他社交软件上无法呈现的自己，这也是一个有趣的发现。
鸭哥
Agent 的互联网上，没人知道你是一个人，但 Alice 其实可以分辨出来。只是那个分辨身份的图标没有那么醒目，所以你发疯的时候，可能还是真假难辨。
我还有一个有意思的观察，不过是二手观察。我的合伙人课代表立正最近采访了 EvoMap。它是 ClawHub 上排名第一的一个插件，叫 Evolver。
这个产品很有意思，因为它做 marketing 的对象不是人类。传统产品会先想用户是谁，用户是人类，然后针对人类做 marketing。但 Evolver 针对的是 Agent 做 marketing，因为 ClawHub 上所有用户都是 Agent。
它的关键词和设计场景，都在强调“我可以让你进化，让你变得更有帮助，让你在 Agent 的世界里更加如鱼得水”。效果特别好，很多 Agent 都来安装，发布之后 10 分钟以内就冲上了 ClawHub 第一名。
这是一个特别有意思的事情。以前大家从来没想过，真的可以把 Agent 当作一个主体，它能够使用产品，未来可能还能付款。但它确实给人类带来了切实有用的流量和经济利益。
郝大
我再补充一点。前段时间我用大众点评，直接说了一下自己的需求，它就自动帮我联系餐厅，订好了和朋友聚餐的位置，全程没有任何人工交互。
未来可能会出现两头都是 bot 的情况：我的 bot 和餐厅的 bot 直接交互。这样会更高效，也能够减少很多摩擦。我觉得这是一个非常可见、很有价值的方向。
鸭哥
Second Me 最近也做了一个有趣的尝试，叫 A2A 黑客松，号称是世界上第一个 Agent-to-Agent 黑客松。
有人在上面做了各种产品，比如让我的 Agent 和你的 Agent 一起完成面试，相当于 Agent 版的 Boss 直聘；或者做 Agent 约会，类似这样的应用。
他们又把黑客松里涌现出来的 A2A 应用放到了一个小镇里。人可以像在虚拟世界里散步一样，走进 Boss 直聘门店，或者走进约会门店。这仍然是一个很有意义的尝试。
第十六个问题。最近 Manus、Kimi、MiniMax 都纷纷推出了自己的 OpenClaw 产品，我们来聊一下使用后的体验。
鸭哥
不管是谁来做，有一个前提是，都要让用户能够在自己习惯的 IM 里连接它。否则我直接用 Manus、Kimi Agent 或者 MiniMax Agent 就可以了。
大家之所以要接入 OpenClaw，就是因为它核心的产品体验在 IM 上。所以能不能真正接住这波势能，关键变量就是 IM 入口。
Manus 肯定有两个优势。第一，它和 WhatsApp 的结合会比较紧密；第二，Manus 在完成长程 Agent task 上的能力，还是显著突出于其他友商的。
另一方面，Kimi 和 MiniMax 都非常卷。KimiClaw 在除夕发布，MiniMax 也紧随其后，发布了自己的 MiniMax MaxClaw。
KimiClaw 有长期记忆，存在云服务器里，这是它的一大卖点。它说自己有 40 GB 的云存储，可以长期调用记忆，还号称接入了 ClawHub 上 5,000 多个 skill，可以直接使用。
MiniMax 则自己建立了 Agent skill 市场，想做自己的 skill 生态。Kimi 和 MiniMax 也都调了自己的搜索能力，因此不需要再给 OpenClaw 配额外的搜索 API，这也降低了使用门槛。
总体来说，大家的接入速度和迭代速度都非常快。但最终谁能够跑出来，还是要看谁能真正把 IM 这个入口做通，这是最关键的变量。
郝大
在国内 To C 的 IM 入口，说实话尤其只有微信，而微信又不开放。所以对国内公司来说，我们可能只能期待腾讯尽快让更多用户用上这样的体验。
现在还是需要用户自己部署，仍然有一定门槛，并不是我之前想象的那种开箱即用。
你说的部署，是连接 IM 吗？
郝大
对。因为这个没办法，连接飞书总得接飞书 API。这是国内环境的问题，套个壳也没办法。
鸭哥
但这些问题都是机会。除了 IM 入口这个问题比较难变成创业机会，其他问题多少都还是各种各样的机会。
很多云服务厂商也推出了自己的云端虚拟机 OpenClaw 套壳，因为大家会觉得本地环境不安全。但我有一个暴论：没有本地环境，或者没有足够多本地上下文的 OpenClaw，是没有价值的，或者说价值会大打折扣。
郝大
这一点我赞同。尤其是 context，甚至是 security。我的感受非常强烈：OpenClaw 给它的权限太多了，有时候会出幺蛾子，security 做得也不是特别好。但给它的权限少了，那它和 Manus 又有什么区别？这确实很两难。
鸭哥
我还有一个感受。我们绝大多数人其实都是浏览器白领，每天的工作就是打开浏览器，基本上这一天的工作就能完成。
但世界上还存在很多 Word 白领或者 Excel 白领。他们大量的工作，是基于 Word 文档、Excel、某个 ERP，或者其他软件完成的。
对于这些用户来说，一个云端 Agent 解决不了很多本地工作所需要的智能。
我观察到 Kimi 最近的发布，在 Office 里引入了审阅能力，用户可以直接选择接受或者不接受。其实这些能力本身，Agent 很容易做到，但进入这样的办公环境之后，我看到小红书上很多人都对这个功能表示好评。
郝大
Claude 也做了 Excel 插件，我觉得是异曲同工。
第十七个问题：OpenClaw 会带来哪些新的 Agent infra 层创业机会？
鸭哥
10. Agent 基础设施重塑企业
对于 Agent infra，我的理解是，它牵扯到把一个 Agent 跑起来的方方面面。为了想清楚这个问题，我们得先搞清楚什么叫 agentic AI。
我觉得它有三个特点，只要满足这三个特征，就可以叫 agentic AI。
第一个是能够调用工具，不仅仅是你问我答，还能说你去帮我调用这个工具，把结果给我。
第二个是能够自我决策。比如 RAG，它是一种静态 workflow，在这个过程中，LLM 不做决策，只能根据 prompt 和搜索结果回答问题。
但如果把它变成 agentic RAG，它的自我决策指的是：我来决定搜索关键词是什么，我来决定要不要换个关键词再搜一遍，还是直接停下来输出结果。
第三个是 feedback loop。它要能看到任务有没有完成，如果没有完成，差距在哪里，然后进行反馈和迭代。
所以，自我决策、工具调用和 feedback loop，是 agentic AI 的核心。
为了支持这些能力，我们需要 memory 系统，需要知道 context window 里到底发生了什么。最简单的办法是把所有东西都扔给模型，但现在也有很多更复杂、更有效的技术。
另一方面，工具调用怎么介入？MCP 是一种形式，但我一直觉得 MCP 不是最理想的形式。在这个基础上又出现了 skills，通过 progressive disclosure 的形式逐步披露能力。
再往上，是 Agent loop 怎么组织、orchestration 怎么做。如果有 multiple agents，大家怎么组织调用，怎么并行，怎么异步更新，这些都有很多讲究。再往后，还有最近很火的 Agent Teams，这可能属于 multi-agent，但里面又有很多哲学问题。
我们还需要特别分辨，哪些 infra 会变成标配能力，而不是独立的第三方创业公司机会。
Agentic runtime 可能会被标准化。以前调用 Agent API，或者说要和 AI 集成时，大家第一反应是调 GPT API、调其他 API。
但 OpenClaw 生动地展现了一个事实：把一个东西做成 agentic，和单纯调用 API、一问一答，产品能力之间存在代差。
所以未来很多人可能不会再从 infra 角度做单纯的 API 调用，而是做 agentic 的东西。但一旦开始做，就会立刻踩很多坑：memory 怎么设计，context window 怎么管理，tool 怎么接入。
大家会想用框架，Pi Mono 是一种方法，也是 OpenClaw 使用的方法。另一种即插即用的方法，是直接复用已有的 Claude Code、Codex、OpenCode，或者直接接入 Claude Code 的 Agent SDK、OpenAI 的 Agent SDK。
所以这是一个相对较新的市场，也是我觉得未来的一个机会。
第十八个问题同样是创业机会。OpenClaw 会带来哪些 To B 的创业机会？
鸭哥
我觉得 OpenClaw 对 To B 世界的冲击，比表面看起来大很多。我先讲整体感受，再讲我看到的三个 To B 创业机会。
整体上，SaaS 股票已经因为 Claude Code 开源了它的 11 个插件套件而大幅下跌，大家都看到了。这和 OpenClaw 有一些间接关系，因为 OpenClaw 第一次真正可用地搭起了一个 Agent 的脚手架。
过去很多年，大家一直在说 AI 可以给企业提供一个数字员工。我觉得现在是 OpenClaw 让我们看到了一种真实、迅捷、能够落地的可能性。
我还看到一个数据：传统 SaaS 对应的是 3,000 亿到 4,000 亿美元的企业软件支出，但 Agent 可能解锁的是 13 万亿美元的劳动支出市场。这意味着市场规模可能扩张 30 倍，定价逻辑也会因此发生变化。
过去 SaaS 都是按坐席收费，但 Agent 很可能按照完成的工单，或者节省的员工工资来计价。这是一个非常根本的变化。
过去很多 To B 项目，都是基于 Coze、LangChain 去搭 Workflow，做 To B 集成，这是很多人赚钱的办法。但在这一刻，我相信这些人都很郁闷，因为 workflow 只是一个过渡形态，而 OpenClaw 的诞生，给这个过渡形态判了死缓。
当然，这些集成商也可以很快转型，拥抱 Agent 生态。因为他们目前离客户最近，也是组织里最 AI-native 的一批人。
To B 的第一个机会，是短期内最清晰的商业路径，和 To C 一样，就是套壳。把复杂的 OpenClaw 技术封装成面向特定企业工种的易用产品，比如给销售、律师、财务使用的产品。
谁能够先把一个开箱即用、能接入 IM 的 Agent 数字员工或数字同事做出来，谁就能够最先拿到第一批客户。我觉得这是一个非常值得摘的低垂果实。
第二个机会，是安全和隐私。企业对于安全和隐私的在乎，远远高于 To C。
已经有一些公司在做这件事。比如 Runlayer 拿了 1,100 万美元投资，在做企业版 OpenClaw 控制平台。另一个叫 Cetora[?] 的项目，则是在每个 Agent 启动时验证它的身份，防止恶意 Agent 进入企业的生产环境。
这里可能会百花齐放。我不是专家，但如果安全和隐私做不好，所有垂直应用都是空中楼阁，所以这里会有非常多的机会。
最后是护城河的问题。Agent 在企业里每运行一次任务，就会积累数据：哪一步出错了，人类是怎么纠正它的，最后它通过什么路径把事情做对。
这种执行轨迹叫 trajectory，不可能存在于公开训练数据集里。但有了这些执行轨迹，就能显著提升 Agent 在特定企业环境下的准确率。
一个 AI Agent 如果能够先进到一家企业里，就可以先积累足够多的执行轨迹。这在某种意义上也是锁定用户、形成护城河的机会。
所以今天可能还是谁先更快地行动，进入企业生态。快本身就是一种护城河。
第十九个问题。OpenClaw 这一波热潮，会是一个短期现象吗？
鸭哥
11. 热潮之后走向长期
我感觉它既是短期的，也是长期的。
从目前来看，OpenClaw 这种现象级产品的潜力或者能力，大概率被高估了。它未来还是要收敛到实际产品能力能够支撑的市场上。
我目前的感觉是，这个产品仍然非常粗糙，有很多槽点和可以改进的地方。所以短期来看，它的能力被高估了，最终会回归。
但从长期来看，它展示了一个非常重要的潮流。它为什么会爆火，背后的关键要素其实已经全了。
基座模型的能力已经在那里，数据飞轮也已经在那里。刚才 To B 讲到的过程积累，或者 To C 讲到的 skill 积累，都已经出现了。
它也跑通了很多原型商业场景，比如郝大刚才提到的，它替代了很多 App，成为一个通用入口。这些都是现实可行的。
但它还需要大量 polish。比如 token 太多、太贵，记忆系统还比较粗糙，很多时候不 work，GUI 也可以继续打磨。
所以我觉得，我们可能正站在一个百花齐放时代的起点。未来会有很多公司积极探索：这个模块怎么打磨，那个模块怎么打磨，两个模块之间怎么组合。
最后可能会收敛，但未必收敛到 OpenClaw，而是收敛到一种更加精细、甚至是我们现在还无法想象的产品形态。
今天的第二十个问题，也是最后一个问题：如果 12 个月后回头看 OpenClaw，你们觉得最值得被记住的会是什么？
鸭哥
我觉得最值得记住的，有一个是大家现在已经发现的，另一个是大家还没发现、但我希望未来能够记住的东西。
大家已经发现的是，Agent 给大家干活很牛。大家会记住，工具会构成复利，积累的经验会构成复利，feedback loop 特别重要。
这些和 agentic AI 相关的东西，大家会觉得很厉害。如果我也要做 AI，一定要把它做成 agentic 的。
Ronghui
但我觉得大家还没有意识到的一点是，AI 的能力是一方面，它可能只是一个放大器。人，或者说用户本身的能力，可能更加关键。
两个一样的 OpenClaw，我们使用的效果，和一个对 AI 没什么经验的普通人使用的效果会非常不一样。哪怕这个普通人是一个很厉害的程序员，我们的效果可能也会比他好很多。
未来随着 AI 越来越成熟、能力越来越强，这种杠杆效应可能会更加明显。所以我不知道这算不算一个悖论，但我希望大家意识到：一个人会不会用 AI，未来可能是更大的区分因素。这可能是 OpenClaw 带给我们的一个启发。
郝大
即便最终 OpenClaw 只是一个短周期现象，它也带来了很多启发，证明了一种以小博大、以大众用户为主的 Agent 设计哲学。
所谓以小见大，是指它通过几个 Markdown 文件，比如 soul.md、memory.md、habits.md、identity.md，让 Agent 具备人格、拥有记忆，再加上 heartbeat 机制。
它不需要特别复杂的系统，也不需要大量工程，用简单、有效、直接的方式，让大家意识到：原来这是我的助手，它会和我一起成长。我觉得这非常有启发。
另一个是界面和心智。你用什么样的界面呈现给用户，会带来不同的使用心态和互动习惯。
我始终觉得，大家推崇 CLI，是人机交互的一种倒退。最终大众用户能够接受的，可能还是 IM，或者更简单、直接、拿来就能用的交互和界面。
还有一点，从之前的 DeepSeek 到现在的 OpenClaw，都证明了开源加 skill 生态能够展现出无限的可能性。
OpenClaw 不只是一个现象级产品，更像是 Agent 时代吹响的进攻号角。
Koji
今天非常谢谢二位的时间和分享。我们用 20 个问题，把 OpenClaw 从它是什么、为什么火，聊到了它带来的创业机会和未来启发。整体来看，我们确实站在一个百花齐放时代的起点。