假网站排全网第二,真官网翻五页都找不到!NanoClaw创始人破防:SEO之战,我快要输了

假网站排全网第二,真官网翻五页都找不到!NanoClaw创始人破防:SEO之战,我快要输了

整理 | 苏宓

出品 | ZEEKLOG(ID:ZEEKLOGnews)

自从 OpenClaw 爆火之后,各种“Claw”项目接连出现,其中以安全优化版 NanoClaw 最为知名。它的核心代码仅有 4000 行,却获得了 AI 大牛 Andrej Karpathy 的点赞。

可谁也没想到,这款口碑极佳的开源项目,近来竟被一个仿冒网站抢了风头。

投诉无门之下,NanoClaw 创始人 Gavriel Cohen 在 X 社交平台上无奈发文怒斥:谷歌搜索错误地将假网站排在真官网前面,不仅破坏了项目声誉,还埋下了严重的安全隐患,而他费尽心力,却只能哀叹一句——“我正在为自己的开源项目打 SEO 战,但我快要输了。”

那么,NanoClaw 究竟发生了什么?又是怎么走红的?事情还要从 OpenClaw 说起。

OpenClaw 爆火引发安全争议,NanoClaw 凭“极简安全”出圈

被开发者亲切称为“小龙虾”的 OpenClaw,是 2026 年初 AI 领域最具话题性的开源项目之一。它可以让大语言模型连接各种软件工具,自动完成邮件处理、日程安排、数据整理等任务,一上线便迅速走红,其在 GitHub 上的 Star 超越了 Linux、React 等老牌开源项目。

但与此同时,它也因为架构和权限设计问题,被不少安全研究者视为潜在风险源。OpenClaw 的代码规模高达 40 万行,几乎没有人能够完整审计整套系统,而其裸机运行的模式又让权限控制变得非常薄弱。此前,曾在 Meta 超级智能实验室从事 AI 安全研究的专家 Summer Yue 就公开提到,自己在测试 OpenClaw 时遭遇失控情况,导致工作邮箱被清空。与此同时,也有开发者报告过信息泄露、设备被植入恶意程序等问题,一些科技公司因此对该工具持谨慎态度。

正是在这样的背景下,以色列软件工程师 Gavriel Cohen 推出了 NanoClaw(https://github.com/qwibitai/nanoclaw)。这个项目被不少人视为 OpenClaw 的“安全版本”。与前者庞大的代码体系不同,NanoClaw 走的是极简路线,核心代码只有约 4000 行。

更重要的是,它从架构上强化了安全边界。NanoClaw 默认让每个 AI 智能体运行在独立容器中,通过严格的环境隔离限制权限范围。同时,NanoClaw 刻意避免堆叠复杂功能,而是依托 Anthropic 的 Agent SDK 构建核心能力,使整个系统更加轻量和可控。

这种“少即是多”的设计思路,让 NanoClaw 在发布之初就吸引了大量关注。 2 月 2 日上线后,很快在 GitHub 上收获 19,400 颗 star。

专注开发,却被仿冒网站“抢先认领”

随着 NanoClaw 的关注度不断攀升,创始人 Gavriel Cohen 把几乎全部精力都投入到了项目的 GitHub 代码库开发中。

在开源世界里,这其实很常见。许多开发者在项目初期都会把 GitHub 仓库当作唯一的官方入口,并不会急着搭建独立官网。NanoClaw 走红后,Gavriel Cohen 也一直把时间花在功能开发、合并社区 PR、维护用户讨论上,完全没意识到,一场“身份冒用”已经悄悄发生。

事情发生在 NanoClaw 发布仅 6 天后的 2 月 8 日,有人抢先注册了域名 nanoclaw.net。对方直接从 NanoClaw 的 GitHub README 抓取内容,自动生成了一个简易网站,更令人无语的是,此网站也链接到了 Gavriel Cohen 所构建的 NanoClaw GitHub 仓库页面。

起初,Gavriel Cohen 本人并不知情。随着 NanoClaw 的知名度不断扩大,开始有人跟他提起这个网站的存在。但当时的 Gavriel Cohen 太忙了,只顾埋头写代码,没太在意。

后来,越来越多用户给 Gavriel Cohen 发消息:有人问“官网的信息怎么有错误?”;有人吐槽“网站全是广告,手机端几乎没法看”;还有人疑惑,“官方页面为什么做得这么粗糙?”

直到这时,Cohen 才意识到问题的严重性——成千上万的用户已经把这个仿冒网站当成了 NanoClaw 的官方页面。每天都有大量人通过它了解项目,而他们对 NanoClaw 的第一印象,却是一堆广告、错误信息和粗糙页面。

“可那根本不是我的网站。我当时根本没有官网。”Gavriel Cohen 说道。

努力:做尽 SEO 优化仍无济于事,假网站稳居搜索前列

眼看项目口碑不断被仿冒网站消耗,Gavriel Cohen 很快行动起来。

他花时间搭建了 NanoClaw 的真正官方网站 nanoclaw.dev,随后开始一系列“正名行动”,几乎把所有常见的 SEO 手段都试了一遍。

  • 他在 GitHub 仓库里加上官网链接;
  • 做了规范的 SEO;
  • 添加结构化数据;
  • 向 Google Search Console 提交了大概 15 次;
  • NanoClaw 又被 The Register、VentureBeat、The New Stack 报道,而且都链接到了真实网站;
  • 其本人又发了一篇博客,在 Hacker News 上冲到 #1;
  • 把网站翻译成 15 种语言;
  • 所有社交媒体账号都指向 nanoclaw.dev;
  • 最后,他还向 Google、Cloudflare 和域名注册商 spaceship.com 提交了“假的 nanoclaw 网站”的下架通知。

简单来说,互联网上几乎所有能够证明“官方身份”的信号,都已经清晰地指向 nanoclaw.dev。

然而,让 Cohen 崩溃的是,搜索结果始终没有变化:当用户在 Google 搜索“NanoClaw”时,排名第一的依然是项目的 GitHub 仓库,第二名仍然是仿冒网站 nanoclaw.net,而真正的官方网站甚至在搜索结果前五页都找不到。

更离谱的是,在 GitHub 仓库页面的 “Website” 字段中,官方地址已经明确写着 nanoclaw.dev。换句话说,项目本身已经清清楚楚地告诉搜索引擎哪个才是官网,但搜索结果却依旧把仿冒网站放在更显眼的位置。

而这个假网站不仅页面粗糙、广告密布,还展示着关于 NanoClaw 的错误信息,甚至篡改了项目发布时间,持续误导着每一个搜索该项目的用户。

创始人:不愿为 SEO 耗费精力,更忧假网站藏安全大患

Cohen 直言道,“这不是 SEO 问题。这是 Google 的问题。”

有 SEO 专家给 Gavriel Cohen 支招,让他投放 Google Ads、持续优化网页 meta 标签、做外链,通过“硬刚”打败仿冒网站,但这个建议被他直接拒绝。

在 Gavriel Cohen 看来,他做 NanoClaw 的初衷是开发开源软件,本该沉浸在终端和 Discord 社区里,和开发者一起写代码、推功能、修 bug,而不是把宝贵的时间和精力,耗费在毫无意义的 SEO 博弈中。

“我不是来打 SEO 战的,我想做的是开源软件。”他的话,道出了无数开源开发者的心声。

比被迫卷入 SEO 战更让他忧心的,是仿冒网站背后的巨大安全风险。

要知道,NanoClaw 的核心设计理念就是“安全第一”,容器化隔离、沙箱机制的所有设计,都是为了让 AI 智能体的运行更安全,避免出现像 OpenClaw 那样的安全事故。

但如今,谷歌搜索的错误排序,却让 NanoClaw 陷入了全新的、更致命的安全危机。

Gavriel Cohen 表示:

「运营仿冒网站的人,随时可以在页面上放置加密货币骗局、钓鱼链接、恶意下载地址,甚至可以 fork NanoClaw 的 GitHub 仓库,注入恶意代码后,再通过这个被谷歌“认证”的仿冒网站传播。

Google 会照样把它展示给所有搜索我项目的人。

这是一个正在发生、真实存在的安全风险,而 Google 正在放大它。」

更让他无奈的是,即便未来他拼尽全力赢下这场 SEO 战,把仿冒网站挤下搜索高位,造成的损害也无法挽回。“到那时,已经有几十万用户访问过那个网站。已经看过错误信息。已经形成错误印象。已经把我的项目和一个垃圾、破碎的体验绑定在一起。这无法撤回。而且它每存在一天,损害就在扩大。”

质疑:谷歌连官网都认不出,其信息权威性何在?

这场假网站截胡的闹剧,不仅让 Gavriel Cohen 感到愤怒和无奈,更让他对谷歌搜索的权威性提出了强烈质疑。

他在长文中写道:

如果 Google 连一个开源项目的官网都判断不出来——在项目本身已经“高声喊出答案”的情况下——那我们还能信任它回答其他问题吗?

我们依赖 Google 去呈现关于选举、疫苗、医疗状况、金融决策的可靠信息。而这样一个答案毫无歧义、所有信号一致、权威来源明确声明真相的问题,它却判断错误?

我不想玩这个游戏。我想写代码、做社区、推功能、修 bug。

我们也许该停止责怪自己。别再纠结 meta 标签是否完美,favicon 格式是否正确。当 Google 拥有大量清晰、明确的信号却依然判断错误,那不是我们的问题。

那是 Google 的问题。

如果 Google 想继续保持自己作为互联网信息入口的地位,它至少应该把这种事情做对。

目前,Gavriel Cohen 仍在为 NanoClaw 的官方身份正名,他也再次向所有用户发出提醒:nanoclaw.net 并非 NanoClaw 的官方网站,真正的官方入口是nanoclaw.dev,项目的核心 GitHub 仓库地址为:github.com/qwibitai/nanoclaw 。

而这场开源开发者与假网站、与谷歌搜索的博弈,还在继续。

来源:

https://x.com/Gavriel_Cohen/status/2028821432759717930

https://github.com/qwibitai/nanoclaw

推荐阅读:

48小时“烧光”56万!三人创业团队濒临破产,仅因Gemini API密钥被盗:“AI账单远超我们的银行余额”

万人大厂一夜裁员4000+人!她拼命用AI提效,却在凌晨12:30等来解雇通知

岗位一朝被Meta砍掉,工程师转头训练小狗敲键盘,竟靠Claude把乱码做成了游戏,还开源了!

未来没有前后端,只有 AI Agent 工程师。

这场十倍速的变革已至,你的下一步在哪?

4 月 17-18 日,由 ZEEKLOG 与奇点智能研究院联合主办「2026 奇点智能技术大会」将在上海隆重召开,大会聚焦 Agent 系统、世界模型、AI 原生研发等 12 大前沿专题,为你绘制通往未来的认知地图。

成为时代的见证者,更要成为时代的先行者。

奇点智能技术大会上海站,我们不见不散!

Read more

零基础学AI大模型之Milvus部署架构选型+Linux实战:Docker一键部署+WebUI使用

零基础学AI大模型之Milvus部署架构选型+Linux实战:Docker一键部署+WebUI使用

大家好,我是工藤学编程 🦉一个正在努力学习的小博主,期待你的关注实战代码系列最新文章😉C++实现图书管理系统(Qt C++ GUI界面版)SpringBoot实战系列🐷【SpringBoot实战系列】SpringBoot3.X 整合 MinIO 存储原生方案分库分表分库分表之实战-sharding-JDBC分库分表执行流程原理剖析消息队列深入浅出 RabbitMQ-RabbitMQ消息确认机制(ACK)AI大模型零基础学AI大模型之Milvus核心:分区-分片-段结构全解+最佳实践 前情摘要 前情摘要 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路 9、零基础学AI大模型之Prompt提示词工程 10、零基础学AI大模型之La

By Ne0inhk
Linux to go Ubuntu 22.04 不匹配无线网卡 MT7925 的解决方法

Linux to go Ubuntu 22.04 不匹配无线网卡 MT7925 的解决方法

目录 * 一、手机 USB 共享网络 * 1. Windows 下 * 2. Linux 下 * 二、升级至 Ubuntu 24.04 * 1. 前提 * 1)备份数据 * 2)确保稳定的运行环境 * 3)检查当前系统状态 * 2. 升级系统 * 1)更新当前系统以及重启系统 * 2)检查 / 安装升级管理工具 * 3)修改并确认升级设置 * 4)开始升级 * 5)验证升级结果 * 6)升级后清理与优化 * 3. EFI系统分区(ESP)无法使用 * 1)检查现有的 ESP 分区 * 2)手动挂载 ESP

By Ne0inhk
PostgreSQL 备份与恢复策略

PostgreSQL 备份与恢复策略

🧑 博主简介:ZEEKLOG博客专家,历代文学网(PC端可以访问:https://literature.sinhy.com/#/?__c=1000,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,精通Java编程,高并发设计,Springboot和微服务,熟悉Linux,ESXI虚拟化以及云原生Docker和K8s,热衷于探索科技的边界,并将理论知识转化为实际应用。保持对新技术的好奇心,乐于分享所学,希望通过我的实践经历和见解,启发他人的创新思维。在这里,我希望能与志同道合的朋友交流探讨,共同进步,一起在技术的世界里不断学习成长。 技术合作请加本人wx(注明来自ZEEKLOG):foreast_sea 文章目录 * PostgreSQL 备份与恢复策略 * 引言 * 第一章 逻辑备份 * 1.1 pg_dump核心工作机制 * 1.2 pg_dumpall的全局管控 * 1.3 生产环境最佳实践

By Ne0inhk
基于 DeepSeek V3.2 与 Go 语言构建智能日志分析系统实战深度解析

基于 DeepSeek V3.2 与 Go 语言构建智能日志分析系统实战深度解析

前言 在现代运维与软件开发体系中,日志数据是洞察系统健康状态的核心资产。面对海量且非结构化的日志信息,传统的基于规则(Rule-based)或关键词匹配的分析手段往往难以应对复杂的故障模式。随着大语言模型(LLM)能力的飞跃,利用生成式 AI 进行语义级日志分析已成为提升运维效率的关键路径。本文将深入剖析如何基于 Ubuntu 环境,利用 Go 语言的高并发与强类型特性,结合 DeepSeek V3.2 模型的推理能力,从零构建一个流式智能日志分析器。文章将涵盖环境部署、运行时配置、API 交互协议设计、流式数据处理及最终的实战验证。 第一章:Linux 基础环境初始化与依赖管理 构建稳健的应用始于可靠的底层环境。在 Ubuntu 20.04/22.04/24.04 LTS 系统中,保持软件包的最新状态是确保依赖兼容性与系统安全性的首要步骤。 1.1 系统源更新与升级 在执行任何安装操作前,必须同步包管理器的索引文件,

By Ne0inhk