OpenClaw 开源 AI 智能体框架：技术架构、生态与部署实战

2. ZeroClaw：极致轻量化

• 特点：Rust 语言构建，仅需 5MB 内存，冷启动 10ms 以内。
• 优势：适配低功耗设备，适合 IoT。
• 劣势：依赖云端算力，生态不如原版。

3. PicoClaw：端侧隐私派

• 特点：主打端侧运行，无网络也能运行。
• 优势：数据不出本地，隐私性强。
• 劣势：不支持屏幕视觉识别，复杂任务易卡死。

4. NanoClaw：毛坯房版

• 特点：核心代码仅 4000 行，可在路由器运行。
• 优势：强制沙盒，安全性最高。
• 劣势：功能需 AI 现编，普通用户难上手。

5. MemU Bot：强化记忆版

• 特点：强化长期记忆与用户画像，集成 MCP 协议。
• 优势：主动提供建议，生态不亚于 OpenClaw。
• 劣势：算力成本高，部分核心代码非完全开源。

6. Xiaomi miclaw：手机版'龙虾'

• 特点：基于 MiMo 大模型，手机作为执行终端。
• 优势：深度接入小米 IoT 生态。
• 劣势：仅小范围封测，支持机型有限。

四、行业地位分析：撬动整个产业链

1. 大模型厂商：终于找到'卖铲子'的感觉

OpenClaw 是 Token'销金窟'。相比传统对话，Agent 持续后台跑流程消耗大量 Token。

• MiniMax：单日 Token 消耗量是 2025 年 12 月的 6 倍以上。
• Kimi：API 调用量大涨，完成新一轮融资。
• 智谱：GLM-5 成为热门选择。

2. 云厂商：抢着当'养虾人'的房东

国内云厂商反应迅速，提供一键部署服务。

• 腾讯云：首发一键部署模板，举办线下安装活动。
• 阿里云：支持通义千问无缝接入。
• 百度智能云：接入文心、DeepSeek 等模型。

3. 芯片厂商：推理需求的新增长点

GPU 需求逻辑从'训练侧'向'推理侧'倾斜。

• 英伟达：Agent 范式兴起为营收增长提供解释。
• AMD：Meta 签署巨额供应协议，背后是海量推理算力需求。

4. 软件巨头：面临'SaaS 末日'恐慌

如果 1 个 AI Agent 能完成 100 个员工的工作，企业购买 SaaS 席位的必要性下降。

• Salesforce、ServiceNow 等股价承压。
• Adobe 跌幅显著。

五、未来前景：龙虾要往哪里爬？

1. 五大进化方向

2. 六大商业应用场景

• 接单工厂：自动扫描并投标，ROI 达 8-15 倍。
• 内容电商：7x24 小时生成内容引流带货。
• 量化交易：自然语言创建交易策略。
• 微型 SaaS：AI 自动编写技能打包为付费软件。
• 数据套利：监控全网信息差变现。
• Agent 集群：多台设备并网共享算力。

3. 终局猜想：智能体=下一代操作系统？

智能体的终局可能是操作系统。用户让渡高级权限换取自主性，AI 直接调用所有应用。未来的公司可能只有两个员工：一个是你，一个是你的 AI 集群。

六、学习方法：如何从零开始'养龙虾'？

1. 前置准备：三件套备齐

• 稳定 Token 来源：建议准备 CPA 或其他稳定渠道。
• 高质量模型渠道：Claude Opus 体验断崖领先。
• VPS 环境：建议 2C4G，裸机部署（不建议 Docker，权限受限）。

2. 部署方式：三种路径可选

3. 模型配置推荐

• 默认模型：3Flash（日常对话、图片识别）。
• 主力模型：Opus（复杂推理）。
• 干活模型：Codex（代码生成）。

口诀：'3Flash 打底，Opus 思考，Codex 干活。'

4. 常用配置技巧

• 开启 /verbose 查看工具调用。
• 修改配置后运行 openclaw doctor --non-interactive 自检。
• 多模态需手动开启，默认只有 text。
• 上下文默认 128K，可调大到 200K。

七、部署成本：养一只龙虾要花多少钱？

1. 服务器成本

2. Token 成本

• 安装配置阶段：可能消耗超 250 美元的 Anthropic API Token。
• 日常运行：每日成本在 10-25 美元之间。
• 省钱方案：使用阿里云百炼 Coding Plan 套餐，固定月费模式。

3. 免费方案

• 阿里云百炼：新人免费额度。
• 腾讯云：限时免费体验。
• 开源模型：接入 DeepSeek 等国产模型。

八、安全风险：龙虾的'钳子'会夹到自己吗？

1. 触目惊心的数据

截至 2026 年 2 月 17 日的数据：

• 全球探测到超过 23 万例公网暴露实例。
• 约 8.78 万例存在数据泄露。
• 约 4.3 万例存在个人身份信息暴露。

工信部已发布预警，指出部分实例存在较高安全风险。

2. 主要风险类型

• 权限滥用：授予 Shell、浏览器权限，可能被恶意指令诱导。
• 技能供应链攻击：恶意技能植入键盘记录器或窃密软件。
• 配置泄露：包含 Token 的 URL 泄露导致管理员权限丢失。
• 误操作风险：AI 幻觉导致清理缓存时清空项目文件夹。

3. 安全加固方案

• 小米：Xiaomi miclaw 仅在主动触发时工作，本地储存历史。
• 腾讯：电脑管家新增 AI 安全沙箱功能。
• 火山引擎：推出三层纵深安全防护。
• 阿里云：提供一键关闭 WebUI 公网访问功能。

4. 给'养虾人'的建议

• 隔离运行：部署在新机器上，或用于本地不联网场景。
• 最小权限：只授予完成任务所需的最低权限。
• 定期审计：检查 Agent 行为日志。
• 沙箱保护：使用 Docker 等容器技术隔离。
• 警惕来源：从官方或可信渠道下载技能。

九、中国玩家的'龙虾狂欢'

OpenClaw 在中国的热度甚至超过了发源地。

1. 大厂抢滩登陆

百度、阿里、腾讯、字节、京东、小米等第一时间入场。对于手握云资源的大厂，这是新的增长点。

2. 创业者蜂拥而至

• 黑客松：杭州 Mindverse AI 主办在线黑客松，开发出 AI 代理版 Tinder 等应用。
• 线下聚会：北京开发者聚会吸引约 300 人参与。
• 创业项目：广州 Candysign 在智能充电器中集成 OpenClaw。

3. 普通用户的狂欢

深圳腾讯大厦门口曾排起长队，近千名开发者与爱好者参加免费安装活动。人群覆盖各行各业，'养龙虾'正变成全民参与的潮流。

十、哲学思考：我们真的要让 AI 掌管一切吗？

1. 便利与控制的博弈

当 AI 能操作电脑、读取文件、发送邮件时，你还是你吗？一个'无自我'的存在却在替你处理工作、社交、决策。

2. 自主性与安全性的平衡

当 AI 开始'自我进化'，边界在哪里？谁来设定进化的目标？

3. 人与 AI 的新关系

人与 AI 的关系正在从'使用者 - 工具'向'伙伴 - 伙伴'演变。前提是信任——是否信任闭源黑盒？是否信任权限过高的开源项目？

4. 最后的忠告

'我觉得龙虾和当初的 GPT-3.5 很像：不了解的人神话它，有一定了解的贬低它，真正去使用的人，则是看到了它现阶段的局限，以及未来的无限可能。'

我的建议是：养，但要有底线。

• 把它当作实习生，而不是 CEO。
• 给它有限权限，而不是万能钥匙。
• 定期检查它的'作业'，而不是完全放任。
• 永远保留自己亲自操作的权利。

常见问题

1. OpenClaw 安装地址

https://open-claw.org/zh

2. OpenClaw 是用什么语言开发的

OpenClaw 的核心开发语言是 TypeScript，构建在 Node.js 运行时环境之上。

• 主语言：TypeScript。核心代码（CLI、网关、Agent 逻辑）均用此编写。
• 运行环境：Node.js (版本 ≥ 22)。提供事件驱动的非阻塞 I/O 模型。

为什么是 TypeScript + Node.js？

• 庞大的生态：利用 npm 包管理器扩展功能，每个技能本质上是 Node.js 模块。
• 跨平台能力：轻松运行在 Windows、macOS 和 Linux 上。
• 实时通信优势：事件驱动模型适合 WebSocket 长连接。

其他组件

• 桌面端 (macOS)：Swift (SwiftUI)。
• 移动端 (Android)：Kotlin。
• 技能 (Skills)：可以是任意语言编写的脚本，如 Python、Shell。

总结：开发核心功能需掌握 TypeScript 和 Node.js；编写自定义技能可使用熟悉的其他语言。