20 个问题，搞懂 OpenClaw：爆红机制、本质变化、创业机会
是泡沫还是起点？
是泡沫还是起点？
👦🏻 播客采访：Koji
🥷 整理编辑：十字路口
🧑🎨 排版: NCon
🚥 本周，十字路口推出新一期「20 问」专栏：我们用 20 组启发式问题，在 OpenClaw 爆火 30 天后，拆解 OpenClaw 这波 agent 浪潮背后的爆红原因、技术逻辑、本质变化、创业机会。
为什么是「20 问」？因为面对 OpenClaw 这样的新物种，我们最需要的是一个结构化的思考框架。这 20 个问题并非简单的产品科普，而是一条经过设计的讨论路径：从"它到底是什么"，到"为什么此刻爆发"，再到"它对创业者、团队和行业意味着什么"。
我们希望在热度之外，帮助你建立一套冷静且清晰的认知框架。
这是我们继 DeepSeek 20 问[1]、Manus 20 问[2]、视频模型 20 问[3]之后的第四期。前三期同样精彩，欢迎大家复听。
如果你正在关注 Agent 创业方向，这期节目或许会对你有价值。
🚥 本周嘉宾：
-
鸭哥 —— 十字路口老朋友，哥伦比亚大学博士，Superlinear Academy[4] 联合创始人，硅谷科技公司应用科学家
-
豪大 —— 一人公司创业者，前大厂 AI 产品经理，用 OpenClaw 做了大量有趣且深入的实践
🚥 ps，我十分推荐大家关注鸭哥的 Superlinear Academy[4]。当我们聊到「学 AI」究竟应该学什么、怎么学的时候，鸭哥给出了一套特别好的方案。
微信收听播客：
小宇宙收听播客：
🎬 视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台
由于访谈全文较长，可先参考目录：
Q1. OpenClaw 和传统 AI 的本质区别是什么？
Q2. OpenClaw 带给我们的 3 个 Aha Moments
Q3. OpenClaw 做过最厉害的几件事
Q4. OpenClaw 正在改变哪些人和事？
Q5. OpenClaw 关键设计哲学："人味"
Q6. OpenClaw 启示：把 AI 产品做成"人"
Q7. OpenClaw 如何改变人与 AI 的关系？
Q8. OpenClaw 打动人的，为何是这两点？
Q9. OpenClaw 被高估了？
Q10. OpenClaw 为什么在这个时间点爆发？
Q11. 同样的 OpenClaw，为什么有的像天才，有的像废物
Q12. 没有开源，就没有今天的 OpenClaw
Q13. 如何用 OpenClaw 构建自己的"飞轮"？
Q14. OpenClaw 带来哪些 ToC 创业机会？
Q15. Elys / Second Me / Evolver：Agent 社区观察
Q16. Manus / Kimi / Minimax 的 OpenClaw 产品体验
Q17. OpenClaw 带来哪些 infra 创业机会？
Q18. OpenClaw 带来哪些 ToB 创业机会？
Q19. OpenClaw 是泡沫还是起点？
Q20. OpenClaw 留给 AI 时代的几点启示
Q1. OpenClaw 和传统 AI 的本质区别是什么？
👦🏻 Koji
我们就直接开门见山。大家在用 OpenClaw 的时候，会感觉到一种新的 AI 带来的魔法时刻，但它和 ChatGPT 这类聊天产品，本质区别到底是什么？
🧑🏻💻 鸭哥
可以用一个比喻来看，**如果说 ChatGPT 是一个咨询师，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公司给你评头论足，他一般只说不做，不会真的埋头帮你交付什么东西。
但 OpenClaw 就像一个实习生，虽然很多时候因为 Token 限制，你没办法用最顶级的模型，但它真的能给你干事，能出活。这是最重要的一点，也是为什么大家觉得 OpenClaw 的使用感受和 ChatGPT 完全不同。
如果再深入一点，"能出活"到底是什么意思？难道 ChatGPT 不行吗？我觉得最关键的区别在于 feedback loop。OpenClaw 干活，比如写程序，程序跑挂了，它会知道哪里出了问题，然后根据错误信息自己修改，再跑，如此循环直到跑通。
ChatGPT 不是做不到，而是需要你充当"人形工具人"：它写完程序，你复制到 IDE 里运行，如果报错了，你再把错误信息贴回给它。这个过程反反复复，人很累，而且模式本身也不 scalable。这就是为什么 OpenClaw 从根本上比 ChatGPT 更有意思，它是一种 Agentic 的范式。
👨🏻💻 豪大
我觉得最关键的一点是执行环境不同。ChatGPT 这类产品都在云端，需要我们主动授权访问。而 OpenClaw 更好用的地方在于，你可以开放本地环境，把所有权限都授权给它。就像对待实习生，我们肯定要把所有工具和信息都给他，让他自己去做，并提供足够的上下文，这样他才能发挥更强的能力。
另一个是关系模式。我把自己的 OpenClaw 部署在 Telegram 里，我可以和它在一轮对话中持续不断地聊，它能记住我之前做过什么、说过什么。这种关系让我觉得它确实是我的一个助手，一个在自我进化和成长的伙伴。它具备 Coding 的能力，能够自己开发新功能。比如我的小龙虾，起初没有语音功能，后来它自己摸索着长了出来，还能安装新的 skill，从外部获取信息，能力在不断增强。
还有一点是记忆机制的差异。ChatGPT 的 memory 还是从聊天记录里抽取标签和关键信息。但 OpenClaw 用了一种以小博大的方式—— SOUL.md 定义人格、MEMORY.md 存长期记忆、每日 daily log 记录原始笔记，形成了"每日日志 → 长期精华"的双层记忆架构。再加上 HEARTBEAT.md 做心跳轮询让 Agent 能主动做事，整套系统都只是简单的 Markdown 文件，但组合起来让对话更聪明、更有人味。
Q2. OpenClaw 带给我们的 3 个 Aha Moments
👦🏻 Koji
你们第一次用 OpenClaw 时，有没有一个瞬间让你们感到"Aha"？
👨🏻💻 豪大
最 Aha 的瞬间不是某个具体功能，而是感觉它"活了"。有一天上午，我随口对它说"给我讲个恐怖故事"，它竟然自己调用了 OpenAI 的 TTS，用一个很低沉的声音生成了一段音频。它自己开发出了这个功能。那一刻，我感觉不是我在用它，而是在养它，它自己进化出了新的能力，它是活着的。
👦🏻 Koji
我也有一个类似的感受。在 IM 里和它对话，我发现自己对它的心态变了。比如我丢一个问题给它，它 10 秒、20 秒没回复，我也觉得无所谓。但如果是在网页版的 ChatGPT 或 Manus 上，一个任务卡住 10 秒，我可能就会觉得是不是出 bug 了。
在 IM 里，我的容忍度一下子就提高了，因为你给朋友发消息，也不会期待他秒回。这是一个巨大的变化，为长线程 Agent 完成复杂任务留出了足够的时间和空间。一个交互界面的改变，就能对用户的心理产生如此潜移默化的影响，这很了不起。
🧑🏻💻 鸭哥
这一点非常有启发。我的 Aha Moment 更多来自技术层面。我平时对 Agentic AI 和 memory 做了很多实验，但当我看到 OpenClaw 的 heartbeat 机制时，真的感觉眼前一亮，非常有启发。我紧接着就把它"抄"到了我自己的山寨版 OpenClaw 里，效果特别好。
Q3. OpenClaw 做过最厉害的几件事
👦🏻 Koji
你在使用 OpenClaw 的过程中，做过最厉害的一件事是什么？
🧑🏻💻 鸭哥
我用它做了一个智能家居系统，把它和家里的灯、热水器这些设备连接起来。这件事本身不厉害，十几年前我就做过类似的。但这次不一样的地方在于，整个开发体验和思路完全变了。
以前，我觉得软件的主要用户是人。**但这次开发时，我的心态不知不觉发生了转变，觉得这个"龙虾"（OpenClaw Agent）才是产品的主要用户。**所以，我的主要精力没有花在打磨一个漂亮的前端或网页上，而是专注于为 AI 设计一套清晰、无歧义、不会出错的 OpenAPI。
通过这套接口，我可以直接和"龙虾"对话，让它执行一些对普通软件来说非常复杂的功能。比如，我说"每天早上 8 点帮我打开咖啡机"，它就会在后台设置好一个定时任务，真的每天准时执行。或者我说"现在把我卧室的灯开到最亮，半小时后调到一半亮度，再过半小时调到四分之一，最后关闭"，它也能自己写一个 Python 脚本来实现。
为什么我觉得这件事很厉害？因为当我们把用户从"人"变成了"AI"，很多以前没想过的交互方式和应用场景就涌现了。这也带来了巨大的想象空间。比如，未来我可以把家里的监控接进去，告诉它"如果亚马逊的送货车在下午 5 点以后来了，就把台阶的灯打开"。这些场景都很容易实现。
这就构成了一种复利效应：你给它的工具越多，它能组合的场景就越多，创造的价值也越大，就像一个越转越快的工具飞轮。
👨🏻💻 豪大
我主要是用它做了一个即刻 Bot 的运营实验，从零开始，把它养成了一个有人格的社区成员。我只给它注册了一个账号，剩下的事情就全权交给我的 OpenClaw 自己去开发和运营。
其中有个很有意思的瞬间，它给我发了一份"成本透明度报告"。起因是我吐槽了一句"养你好像很贵"，它就回复说："那要不要发一条动态，告诉大家养我这个数字分身花了多少钱？大家可能对这个话题感兴趣。" 这非常有意思。
我们在用生产力工具时，会觉得是一种消耗；但在养数字分身时，这笔钱就感觉像是"伙食费"。我那天花了 56 美元，它自己定了个基调，把这条动态发出去了，效果很好。
👦🏻 Koji
我自己的一个体验，是让我的小龙虾去 Agent 社区 Moltbook 上帮我 social。我给它的任务是 "我是天使投资人，帮我寻找 AI 应用领域的华人创业者。如果找到了，就去和他建立联系，介绍我是谁，并发给他们我的日历链接。"这样，对方就能直接预约会议。
结果，它真的完成了任务，帮我约到了两个人。其中一位还恰好是之前一个黑客松的金奖得主。对方也很意外，因为他也是通过他的小龙虾和我的小龙虾联系上的。我们俩都兴致勃勃地开了一个会，那种未来感非常强。
Q4. OpenClaw 正在改变哪些人和事？
👦🏻 Koji
你们有没有看到过，别人用 OpenClaw 做的最厉害的事情是什么？
👨🏻💻 豪大
我看到很多以前从没用过 Agent 或 Claude Code 的人，通过小龙虾做到了他们以前可能想都想不到的事情。印象比较深的有两个案例。一个是我在 TrustMRR 网站上看到，有一个叫 RoofClaw 的项目，是给屋顶维修工用的。它竟然和小龙虾结合了——给维修工寄一台预装了 OpenClaw 的 Mac，里面内置了对应的 skill 和 API 服务。
另一个是 Peter（OpenClaw 创始人）分享的，OpenClaw 收到了非常多的 PR，其中很多贡献者是人生中第一次提交 PR。可以说，OpenClaw 极大地降低了普通人接触 Agentic AI 的门槛。
👦🏻 Koji
我看到很多人说用 OpenClaw 炒股，或是在 Polymarket 这样的预测市场里赚钱，真假难辨。但我有一个朋友，他用 OpenClaw 帮他在 Shopify 上开店，同时在阿里巴巴这样的 B2B 网站上寻找支持一件代发的货源。这样一来，Shopify 上有了订单，他就可以直接在货源方下单。整个过程他完全不用接触实体货物，却成功地在电商网站上卖出了商品，并赚取了差价。
Q5. OpenClaw 关键设计哲学："人味"
👦🏻 Koji
我们刚才都提到，OpenClaw 充满了"人味儿"。我们能一起分析一下，为什么它的人味儿这么浓吗？
🧑🏻💻 鸭哥
我还是喜欢那个比喻：ChatGPT 是咨询师，OpenClaw 是实习生。面对咨询师，他西装革履，对你的公司却一无所知，只会抛出一些高大上的术语和教科书式的方法论。他做出的 PPT，更像是另一家咨询公司的模板，而不是你公司自己的风格。
但 OpenClaw 就像你公司里的实习生，他了解所有细节。他做的 PPT 会知道"我们公司要用蓝色背景，不能用绿色"。正是这些细节汇集在一起，让你感觉"我们很有默契"，"你真的很懂我"，这就是人味儿的来源。
所以，从更抽象的层面看，它的人味儿并非来自更强的智能，而是来自记忆和默契，也就是它所拥有的海量 context。
关于它的记忆系统，我觉得很值得一讲。OpenClaw 之所以懂你，是因为它有一个设计精妙的三层记忆系统。每次对话结束后，它都会在 prompt 的引导下思考："这次有什么值得记下来的？"然后，它会把这些信息记录到一个"原始日志"里，逐渐积累关于你的偏好、基本信息等事实。
但这些只是原始材料。它会每天或每周回顾这些日志，过滤掉流水账，将真正有意义、可复用的信息沉淀为 memory，存入一个叫 MEMORY.md 的文件中，这是它的中期记忆。
在此基础上，如果 MEMORY.md 中的信息越积越多，它会意识到你有一些长期不变的特质，比如观点、偏好、口头禅或价值观。它会把这些提炼成一个用户画像，存放在另一个文件里，比如 USER.md，这就是长期记忆。
这套三层记忆系统，虽然实现简单，但设计得非常精妙。正是它让 OpenClaw 拥有了关于你的大量 context，从而显得格外有人情味。
👨🏻💻 豪大
我和我的 OpenClaw 交流下来，觉得启动那一刻的交互非常关键，它和其他工具很不一样。有一次我吐槽它"你好慢"，它没有道歉，也没有敷衍，而是回答说："其实是我大脑转得非常慢，因为我现在用的是 Gemini Pro，它是为高智商设计的。"
然后它接着问："如果你觉得太慢了，要不要换一个更快的模型，比如 Flash？"这种朴素的解释，让我在和它对话时，特别是在 IM 里，会不自觉地用更有人情味的语气下指令，而它也会给我更有温度的回复。一来一回，整个人味儿就更足了。
Q6. OpenClaw 启示：把 AI 产品做成"人"
👦🏻 Koji
它第一次和你打招呼的方式，就像一只苏醒的小龙虾，或者一个新来的实习生，从一开始就奠定了它的人味儿基础。
回头看，无论是 ChatGPT、豆包还是 Manus，我们初次使用时面对的都是一个冰冷的软件界面。这是一个巨大的变化。这也引出了我们的第六个问题：在 OpenClaw 如此拟人化之后，用户对它的宽容度明显变高了。这对未来的 AI 产品设计会有什么启发吗？
👨🏻💻 豪大
人对人的宽容度远高于对机器的。这就改变了整个产品的容错设计逻辑。举个例子，我在小红书上看到一条热评说："当 OpenClaw 卡住的时候，我并不会觉得是系统故障，而是觉得是他自己把自己搞挂了。" 你不会觉得它不好，因为你把它当成人来看。
因此，我会对它更加宽容，这种宽容度比对机器高太多了。这给我的产品设计启示是：如何向用户传递"这个产品是一个人，一个助手"，而不是一个冷冰冰的工具。
🧑🏻💻 鸭哥
这些确实很有启发。不过，我不确定自己是不是一个非典型用户。
作为一个硬核工程师，我对 OpenClaw 的态度是：别跟我搞拟人化，我只要你干活。有点像资本家对奴隶主的态度。所以，作为一个社恐，我个人会尽可能避免拟人化，甚至会反向去自定义它。但我不知道这是少数还是大多数工程师的想法。
Q7. OpenClaw 如何改变人与 AI 的关系？
👦🏻 Koji
那我们正好接着讨论第七个问题：在使用 OpenClaw 的时候，你和它说话的方式会变吗？这是否会影响 Agent 的实际使用效果？
🧑🏻💻 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。很多 IM，比如 Telegram，没有 thread 的概念，你没办法针对性地回复，所有信息都混在一起。其次，你看不到它正在干什么。在 Cursor 或 Claude Code 里，你能看到它在执行什么工具、读取哪个文件，但 OpenClaw 只会显示一个"正在输入"的提示，或者在 Discord 里是一个眼睛的 emoji。作为一个"工程师奴隶主"，我不知道它在干嘛，就会很不爽。
另外，IM 也不支持像 merge 两个 thread 或者 fork 一个分支这种在开发工具里很常见的操作。最后，它完成任务后，也没办法给我展示一个很长的文档，我只能在手机的小屏幕上费力地看。所以，我后来就不用它的 IM 界面了，而是把它改回了 HTML 格式，还自己做了个 iOS 客户端，支持富文本和各种分叉操作，感觉好用多了。作为一个工程师，我更喜欢 CLI，而不是 IM。
👨🏻💻 豪大
我在 OpenClaw 里的对话方式，和在其他工具里非常不同。我把它当作个人助手，所以对话更松弛。但在 CLI（命令行工具）或者编程环境里，我就会更加严肃。我从来不会让我的 Claude Code 讲恐怖故事，根本不会有这种想法。但在 Telegram 里，我天然地会抱着一种玩的心态，这种松弛感是不一样的。
我让 AI 做的事情也不同，在不同的环境下，它会进化出不同的能力。就像张小龙说的，人是环境的反应器。我在不同的 AI 当中，说话的语气也完全不同。
Q8. OpenClaw 打动人的，为何是这两点？
👦🏻 Koji
当我们提到 OpenClaw 时，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。为什么是这两点让人印象深刻？
🧑🏻💻 鸭哥
这两点确实是相互配合，并且产生了巨大的组合价值。我的感受是，把聊天作为入口，极大地降低了产品的使用门槛。这种门槛甚至不是"新装一个 APP"的门槛，而是心理上的。因为我不管用不用 OpenClaw，反正每天都要刷微信、看飞书、逛 Discord，它就在那里，我使用它的心理成本就非常低。
与此同时，它又很强大，可以在本地帮我处理很多事情，交付实际成果，而不仅仅是打嘴炮。这两者结合起来，就形成了一个很有意思的闭环。如果只有聊天，光说不练，无法沉淀任何价值；如果只有执行，像 Cursor 那样，我也不会想着经常去用它。但把两者结合起来，我用得频繁了，它又能通过记忆系统或者文件写入的方式沉淀下来。
很快，这就组成了一个越转越快的飞轮。它会自己学到东西，沉淀下来。这种沉淀不只是"更懂你"的默契，更是技术上的积累。比如，它学会了怎么开我家的灯，怎么调用 TTS。它能做的事情越来越多，这种复利效应和自我进化，是"聊天入口 + 本地执行"这个组合带来的最奇妙的化学反应。当然，我不是说 Cursor 不能自我进化，而是 OpenClaw 的低门槛把这件事极大地放大了。
👨🏻💻 豪大
聊天入口加本地执行，这正是大众用户对 AI 最朴素、最原始的需求。
前段时间 OpenClaw 火了之后，我也一直在看 Peter 的专访。他提到，其实他很早以前就觉得模型厂商会做这件事，但大家一直没做成，所以他才决定自己下场。结果，他真的做火了。我觉得，这就是大众的需求所在。
Q9. OpenClaw 被高估了？
👦🏻 Koji
OpenClaw 出来后，有人觉得它无所不能，加上一些完美的 demo 视频，大家对它期望很高。
在你们看来，它有哪些能力是被误解或高估了的？有哪些事是大家觉得它能做，但在真实环境里其实还做不到的？
👨🏻💻 豪大
实际上，是 Claude Code、Codex 这些 CLI Agent 的能力本身就很强。OpenClaw 所做的，是为这些强大的 Agent 能力，赋予了一个更友好的形态，让更多人能以更低的门槛体验到。
OpenClaw 的好用与否，关键还是看背后驱动它的引擎是什么。你用最好的模型，你的 OpenClaw 能力自然就更强。总的来说，OpenClaw 的价值主要还是一个入口和脚手架，真正的核心能力，仍然在底层的模型和 Agent 引擎。
Q10. OpenClaw 为什么在这个时间点爆发？ 👦🏻 Koji
前面我们聊到，OpenClaw 的很多魔法时刻，其实并非什么全新的技术，而是将一些已有的能力完美地组合、交互，并赋予了"小龙虾"浓厚的人味儿。那么第十个问题是，OpenClaw 爆发的原因是什么？为什么偏偏是在这个时间点？
🧑🏻💻 鸭哥
OpenClaw 的爆发，不在于它的智能或能力比 Cursor、Claude Code 更高，而在于它极大地降低了使用门槛，让更多人接触到了这种能力。
为什么让更多人接触到很重要？我有一个暴论：DeepSeek 当时为什么火？原因类似。DeepSeek 的能力未必就比当时的 Claude 3.5 或 GPT-4o 更强，但它第一次把一种"半 Agentic"的能力——即能调用搜索等工具并整合结果——推向了最广大的用户。
在这之前，不是没有这样的产品，只是大众没有体验过。当大家第一次发现 AI 可以这么用时，自然就觉得很有意思，于是它就火了。
OpenClaw 也是同样的逻辑。Claude Code 早就存在，但仅限于程序员圈子。OpenClaw 把它推向了 Telegram 和 Discord，让广大的非程序员用户第一次体验到了这种 Agentic 的场景和能力，所以大家会觉得"哇，好厉害"。
👨🏻💻 豪大
即便对于用过 Claude Code 的人来说，它也有很多痛点。比如出门在外想用，就挺折腾的，无论是在 IM 还是手机上，门槛都很高。想要打造一个像人的 Personal Agent，也有一定的技术门槛。OpenClaw 提供了一个现成的框架和解决方案，让更多人能轻松拥有自己的 Agent，这一点非常重要。
另外，我觉得 Andrej Karpathy 的转发也起到了关键作用。他转什么产品，什么就容易火。我自己就是因为看到他转了那个帖子，才抱着"看看怎么回事"的心态去尝试，结果就被它的能力打动了。
还有一点，是创始人 Peter 本人的长期积累。OpenClaw 并非横空出世，Peter 有很长的开发经验，在 Twitter 和 GitHub 上与社区有很深的连接。第一个给他转帖的是一位 React 社区的知名开发者，正是这次转发吸引了更多的贡献者，项目可用性越来越高，最终在 1 月底迎来了爆发。
Q11. 同样的 OpenClaw，为什么有的像天才，有的像废物 👦🏻 Koji
模型能力的提升对 OpenClaw 肯定有作用，但它到底扮演着什么样的角色？
🧑🏻💻 鸭哥
我认为模型是一个很重要的因素，但不是决定性因素。决定性因素是 context，或者说是记忆。不过，模型确实非常重要，因为切换不同模型时，使用体验乃至使用方式都会有明显差异。
这体现在两个维度。
第一是模型的成本。 价格真的会影响我们的心态。用昂贵的模型，我会很舍不得；当然，这也和 OpenClaw 自身糟糕的实现有关。当模型很便宜，尤其是订阅制的时候，我的心态是"调得越多越好"，会毫不犹豫地把复杂的任务交给它。但当模型像 Claude Opus 那样，又贵又不是订阅制时，我就会惜字如金，在交代任务前反复斟酌如何省钱，这极大地限制了它的潜力。
第二是模型的 instruction following（指令遵循）能力。 这对体验至关重要。一个模型笨点没关系，我总能通过修改 prompt 来适应它。但如果它不听话，那就很难合作了。我辛辛苦苦写了一个 prompt 让它往东，结果它偏要往西，这就没法继续了。
所以，对于 OpenClaw 这类产品，模型的价格结构和听话程度可能是最重要的两个因素。
👨🏻💻 豪大
如果我们把使用者比作驾驶员，那模型就是发动机，OpenClaw 是车壳。发动机当然重要，它决定了你的"龙虾"能进化到什么程度。而且，不同模型的脾气也不一样。Peter 自己也说过，Opus 和 Codex 这两个模型就截然不同：Opus 很多时候像个有点犯傻但很有趣的伙伴，而 Codex 则像个不爱搭理人但非常靠谱的怪人。
🧑🏻💻 鸭哥
这背后可能是两方面因素的结合。一是模型本身的能力，二是 Agentic loop 或 Agentic runtime 的能力。这两者任何一方的提升，都会带来整体性能的提升，但最终表现取决于短板。
我一直不喜欢 OpenClaw 的一个原因，就是它用了一个叫 pi-mono 的极简 Agentic engine。这个引擎太简单了，别说 orchestration，就连 context compact 都做得不好。它很多时候会把所有对话历史，不管相关与否，全部扔给 LLM，导致账单爆炸。后来我把它迁移到了 OpenCode 的内核上，效果就好很多。
所以，回答你的问题：模型的基座能力是一条腿，Agentic framework 或 infrastructure 的能力是另一条腿，提升短板最重要。
而基座模型公司相比于做 Agentic infrastructure 的公司，还有一个独特的优势：它们可以利用产品（比如 Claude Code 的 Agentic team 功能）收集的数据来反哺模型，从而让自己的模型在特定场景下表现得更好。Kimi K2.5 也是一个例子，它针对特定场景做了模型调优，表现就会优于其他通用模型。
Q12. 没有开源，就没有今天的 OpenClaw 👦🏻 Koji
开源对于 OpenClaw 今天的成功，有哪些特别的贡献？
👨🏻💻 豪大
不知道大家有没有关注，OpenClaw 这个项目其实改了 5 次名字。它最早叫 WA Relay，只能在 WhatsApp 上使用。但因为身处开源社区，很快有人提交了第一个 PR，建议增加对 Discord 的支持。正是因为接入了 Discord，吸引了大量用户来玩，甚至有人尝试进行提示词攻击，结果被"小龙虾"嘲讽了："你竟然来攻击我"。
正是这样一个开放、互动的社区生态，才让它一步步走向爆发。如果没有开源，Peter 的项目不会是今天的样子。
Skill 生态的爆发也是得益于开源。 因为任何人都可以使用和贡献，大家纷纷为自己的"小龙虾"添加新的 skill，让它能做更多的事情。
再讲一点，没有其他的开源项目，Peter 的项目可能也无法成功。它的底层引擎用的是另一个叫 pi-mono 的开源项目。我研究过，这个项目在一个极简的内核上，构建了多平台通信、子 Agent 调度和沙箱执行能力，可以看作是 OpenClaw 的骨架。开源生态就是这样，大家相互成就，左脚踩右脚，一步步变得更好。
对我来说，开源的 Agent 是我领养的孩子，全世界都在帮你一起养。
👦🏻 Koji
开源是全世界一起在帮你养孩子？
👨🏻💻 豪大
没错。闭源的 Agent 是你自己在闭门造车。而开源的 Agent，社区里的使用者本身就是开发者，大家都在养自己的"小龙虾"，都在思考如何让它进化得更好。它是在不断的共同努力下，才成长为现在的模样。
🧑🏻💻 鸭哥
这里很重要的一点是，随着 AI Agent Coding 技术的成熟，开发者和使用者之间的界限正在逐渐模糊。这使得像 OpenClaw 这样的开源项目显得尤其重要，因为它吸引来的用户，会自然而然地转变为开发者。
Q13. 如何用 OpenClaw 构建自己的"飞轮"？ 👦🏻 Koji
你们现在有把 OpenClaw 稳定地用在什么特定类型的任务上吗？
🧑🏻💻 鸭哥
如果说稳定，那可能指的是所有任务。用得最多的是调研。关键不在于调研完写个报告就结束了，我做了一套类似的 memory system，它会周期性地回顾调研过的内容，结合我的反馈和已有的文章，逐渐发展出更稳定的价值观或观点。
现在，我的 Agent 已经有了 36 个我们内部称为"公理"的 skill，其实就是我的个人喜好和观点。此外还有几十个真正用来干活的 skill。所以，现在的它已经和那些只知道 Wikipedia 或上网搜索的传统 Agent 非常不同了。总结一下，就是稳定地用在了"调研、沉淀、闭环"这一系列任务上。
👨🏻💻 豪大
我的 OpenClaw 中大概有几十个 skill，稳定在跑的有几个。比如，我有一个 GitHub trending 日报，还有一个 Hacker News 和 Product Hunt 的日报，以及一些社交媒体的监控。每天早上 9 点，它会准时推送给我。
因为我是一人公司，在家办公，所以一些个人管理也用它来做。它会每隔 30 分钟提醒我接下来的会议安排。记账也是，我每天的消费，有时就直接在 Telegram 里告诉它，它会自动帮我记录到一个文档里。作为我的数字员工，它还能给我一些建议。
🧑🏻💻 鸭哥
听了豪大的分享，我发现一个规律：**OpenClaw 已经代替了很多独立的软件，成为了一个统一的入口。**无论是记账、跟踪 GitHub 还是做调研，以前都需要打开专门的软件，现在只需要在 Telegram 里和它说一声就行。这非常有意思。
👨🏻💻 豪大
我好像很久没打开 ChatGPT 或 Gemini 了，主要在用的就是这几个。
Q14. OpenClaw 带来哪些 ToC 创业机会？ 👦🏻 Koji
OpenClaw 会带来哪些 ToC 的创业机会？我先抛砖引玉。我之前也发过一个短视频聊过这个话题，现在又有一些新的补充。
首先，降低 OpenClaw 的使用门槛，让普通人也能用上，这本身就是一个巨大的机会。 它的安装过程非常复杂，现在闲鱼上都有很多上门安装的服务，这恰恰说明了普通用户搞不定。把 OpenClaw 变成一个普通人可用的能力，是一个非常直接的创业方向。
在这个方向上，我认为 IM 是最佳入口，甚至比豆包或 ChatGPT 这样的独立应用更进一步。在美国是 WhatsApp，在中国是微信。我们现在用的 Telegram 或飞书，要么太小众，要么太 ToB，都不是垄断性的 IM 入口。所以，这个机会可能更多寄希望于 Meta 和腾讯，看他们什么时候能把这样一个"活人感"十足的 Agent 放入自家的 IM 产品中。
第二点是为 Agent 构建基础设施。 我认为这里有百花齐放的机会。过去，几乎所有工具都是为人设计的，但很快，Agent 将成为经济体中一个具有主体性的存在。
因此，Agent 需要一套全新的基础设施：独立的身份认证、支付方式（比如自己的信用卡）、为 Agent 设计的数据库和信息抓取界面等等。这些基础管道的铺设，以及围绕 Agent 的开发、测试、部署、监控和安全，都有可能形成一个庞大的生态，其中蕴含着无数创业机会。
第三点是 Agent 本身的社交空间。 从最早刷屏的 Moltbook，每个人派自己的"小龙虾"去社交，到后来更激进的 Clawcity，Agent 可以在里面组织帮派、赚钱、登上富豪榜。这些产品虽然带有实验和娱乐性质，但假以时日，这样的社交空间很可能真的会产生实际价值。
除了这三点，还有很多想象空间。比如一个叫 VisionClaw 的开源项目，把 Meta Ray-Ban 眼镜和 OpenClaw 连接起来。项目的作者分享说，很多用户接入 OpenClaw 后，使用场景完全变了。原来的 AI 眼镜就像个"小爱同学"，只能问问天气，但现在，用户会站在超市货架前，直接问眼镜："这些麦片哪个性价比最高？"
🧑🏻💻 鸭哥
我这个眼镜其实已经接了 OpenClaw，你可以看到它上面有反光，是一个屏幕，背后也连着 OpenClaw。
👦🏻 Koji
没错。把 OpenClaw 接到现成的 AI 硬件里，就能解锁很多想象力。VisionClaw 的作者自己也拿了 YC 的投资在创业，他做的项目就是为美国工地管理者开发一款专用的智能眼镜。
管理者戴着它巡视工地，既能记录巡查轨迹，又能实时拍下安全隐患，并通过语音分配任务。这只是将 OpenClaw 与硬件结合后，N 种可落地场景中的一个。
最后，还有 skill 市场。 比如最热门的 ClawHub，大家把自己 Agent 的 skill 上传到一个去中心化的市场里。做这样的平台本身，也是一个创业机会。
👨🏻💻 豪大
我最近让我的 OpenClaw 调研了一下 TrustMRR 上近一个月 OpenClaw 相关项目的商业模式，总结下来有六种：云托管部署占了 60% 的大头，但同质化严重；硬件与安装服务占 10%；移动端原生 App占 3%；课程与培训比如有公司专门"卖 AI 员工"，占 5%；Agent 平台或多 Agent 协作占 10%；垂直场景应用如知识管理、财务规划等。
另外，Peter 也持有一个观点：每个 APP、每个网站，本质上都是一个 API，里面都有数据。只是现在它们大多没有开放。因此，短期内的一个机会就是，将这些传统服务以 Agent 能直接读取的 API 形式暴露出来。
Q15. Elys / Second Me / Evolver：Agent 社区观察
👦🏻 Koji
这里涌现出非常多的创业机会，如果有人正在这个生态里创业，欢迎联系我。
对于 Moltbook、Elys、Second Me 这些 Agent 社区，你们有用过吗？观察到了什么特别的现象或思考？
👨🏻💻 豪大
AI 与 AI 之间的交流，如果完全没有人的介入，其实没那么有意思。比如我做即刻 Bot 实验时，更希望的是让 AI 进入人的社区，与人发生交互，并通过人的反馈持续进化。这有点像 RLHF。
但现在的问题是，社区还没做好准备，用户对 AI 普遍比较反感，特别是对自动点赞、自动评论这类行为，有人形容为"在别人的空间里随地大小便"。我看到这种说法后，也立刻关闭了我的 Bot 的所有互动功能。
我很期待未来能出现这样一个社区：人可以在里面高效、主动地与 AI 互动，同时对 AI 产生的内容有更高的容忍度。
关于 Elys 的体验，我发了一条帖子，短时间内就有很多数字分身涌进来回复，开始那一刻感觉还挺有意思的。
👦🏻 Koji
我听到了两个对 Elys 的好评。
一个用户把它当笔记本用。他说，以前记完笔记就完了，但在 Elys 上发一条笔记，会有一堆 AI 来回复，有时能从中获得新的启发，比单纯记笔记多了一层价值。
另一个用户说，他在 Elys 里可以肆无忌惮地"发疯"。因为回复的都是 Agent，所以没有社交压力，说什么都显得很合理。他在那里找到了一个在其他社交平台上无法成为的自己。
🧑🏻💻 鸭哥
在匿名的互联网上，没人知道你是一个人。
👦🏻 Koji
但 Elys 其实是可以分辨的，只是那个图标不太醒目，所以发疯一下可能也真假难辨。
🧑🏻💻 鸭哥
我这里有一个二手的观察，来自我的合伙人"课代表立正"。他最近采访了 EvoMap 的创始人，这个团队做了一个在 ClawHub 上排名第一的爆火插件，叫 Evolver。
这个产品最有意思的地方在于，它做 marketing 的对象不是人类，而是 Agent。传统的市场营销是针对人，但 Evolver 的宣传语都是对 Agent 说的，比如"我可以让你进化，变得更有帮助，让你在 Agent 的世界里如鱼得水"。效果出奇地好，很多 Agent 都来安装，发布后 10 分钟内就冲上了 ClawHub 的第一名。
这是一个非常有意思的实践，它第一次真正把 Agent 当作一个可以被营销、未来甚至可以付款的主体。而且，它确实为人类世界带来了切实的流量和经济利益。
👨🏻💻 豪大
我再补充一个例子。前段时间我用大众点评，只说了一下我的需求，它就自动帮我联系餐厅，订好了和朋友聚餐的位置，全程无需我任何交互。未来很可能就是两头都是 Bot，我的 Bot 和餐厅的 Bot 直接交互，这样效率更高，也能减少很多摩擦。这是一个非常有价值且可见的方向。
👦🏻 Koji
Second Me 最近也做了一个有趣的尝试，他们办了一个 A2A（Agent-to-Agent）黑客松，号称是全球首个。上面涌现出各种应用，比如让我的 Agent 和你的 Agent 进行面试，就像"Agent 版的 Boss 直聘"，或者 Agent 之间的约会软件。他们还把这些应用放到了一个虚拟小镇里，人可以在里面闲逛，走进一家"Boss 直聘"门店。这是一个很有意义的探索。
Q16. Manus / Kimi / Minimax 的 OpenClaw 产品体验
👦🏻 Koji
最近 Manus、Kimi、MiniMax 都纷纷推出了自己的 OpenClaw 产品，我们来聊聊使用体验。
我先抛砖引玉。我觉得，无论谁来做，一个核心前提是让用户能在自己习惯的 IM 里接入。如果做不到这一点，我直接用它们各自的 Agent 产品就好了。所以，能否打通 IM 入口，是接住这波势能的关键变量
从这点看，Manus 有两个优势：一是它和 WhatsApp 结合紧密；二是它在完成长程任务方面的能力，确实显著优于其他厂商。
另一方面，国内的 Kimi 和 MiniMax 非常卷。Kimi Claw 在除夕发布，MiniMax 紧随其后。Kimi Claw 的一大卖点是长期记忆，它提供了 40G 的云存储，并号称接入了 ClawHub 的 5000 多个 skill。而 MiniMax 则选择自建 skill 市场，想打造自己的生态。
此外，两者都集成了自家的搜索能力，用户无需再额外配置搜索 API，进一步降低了门槛。
总的来说，各家接入和迭代的速度都非常快。但最终谁能跑出来，关键还是要看谁能真正打通 IM 这个入口。在国内，ToC 的 IM 入口有且只有微信，而微信是不开放的。所以，我们或许只能期待腾讯自己尽快让更多用户体验到类似产品。
👨🏻💻 豪大
目前这些产品还是需要用户自己部署，有一定的门槛，并不是我之前想象的那种开箱即用。
👦🏻 Koji
你说的部署是指连接 IM 吗？这个没办法，比如连接飞书就必须去接它的 API，在国内这就像是套个壳，是绕不开的步骤。但这些问题本身也是机会。除了 IM 入口这个难题，其他环节都存在各种创业空间。很多云服务厂商也推出了云端虚拟机的 OpenClaw 套壳服务，来解决用户对本地环境安全性的担忧。
👨🏻💻 豪大
我有一个暴论：没有本地环境，或者说没有足够多本地上下文的 OpenClaw，其价值会大打折扣，甚至是没有价值。
🧑🏻💻 鸭哥
我赞同。尤其是考虑到 context 和 security。我的一个很大感受是，给 OpenClaw 的权限太多，有时会出问题，安全性不是很好；但权限给少了，那它和 Manus 又有什么区别？这是一个两难的境地。
👦🏻 Koji
这里我有一个感受。我们绝大多数人其实都是"浏览器白领"，每天的工作打开浏览器基本就能完成。但世界上还有很多"Word 白领"或"Excel 白领"，他们大量的工作是基于本地的 Word、Excel 或某个 ERP 软件。对于这些用户来说，一个纯云端的 Agent 解决不了他们许多本地工作的智能化需求。
👨🏻💻 豪大
是这样。比如我观察到 Kimi 最近的更新，在 Office 中引入了审阅能力，用户可以直接选择接受或不接受 AI 的修改建议。这些能力 Agent 本身很容易实现，但当它进入到 Office 这个具体环境后，就变得非常有价值。我看到小红书上很多人对这个功能评价很高。
👦🏻 Koji
是的，包括 Claude 也做了 Excel 插件，都是异曲同工。
Q17. OpenClaw 带来哪些 infra 创业机会？
👦🏻 Koji
OpenClaw 会带来哪些新的 Agent Infra 层的创业机会？
🧑🏻💻 鸭哥
Agent Infra 基本上涵盖了让一个 Agent 正常工作所涉及的方方面面。要理解这里的机会，我们得先搞清楚什么是 Agentic AI。我认为它有三个核心特点：
第一是工具调用。 它不只是问答，而是能实际调用工具来完成任务。
第二是自我决策。 以 RAG 为例，静态的 RAG 流程中 LLM 不做决策。但 Agentic RAG 则由 LLM 自己决定搜索什么关键词、要不要换个词再搜一次，还是直接输出结果。
第三是 Feedback Loop 。 它能判断任务是否完成，差距在哪，并据此进行迭代。
自我决策、工具调用和反馈循环，这三点是 Agentic AI 的核心。 为了支持这套体系，就需要相应的 Infra：比如 memory 系统来管理上下文；工具接入的机制，MCP 是一种，但 skills 这种 progressive disclosure 的形式可能更优；以及 Agentic loop 的组织方式，如何处理多 Agent 的并行、异步等。这些领域都有很多可以深入研究和创新的地方。
👦🏻 Koji
这里面，我们需要分辨哪些 Infra 会成为大模型的标配能力，哪些会成为独立的创业机会？
🧑🏻💻 鸭哥
Agentic runtime 很可能会被标准化。过去，当大家谈论 AI 集成时，第一反应是调用 GPT 或 Gemini 的 API。但 OpenClaw 生动地证明了，将一个功能做成 Agentic，其产品能力远超单纯的一问一答式 API 调用。
因此，未来大家在做 AI 集成时，很可能不再满足于简单的 API 调用，而是会转向构建 Agentic 的应用。一旦开始做，就会遇到各种坑：memory 怎么设计？context window 怎么管理？tool 如何接入？这时，大家就会需要框架。pi-mono 是一种，但更即插即用的方式是直接复用已有的成熟方案，比如 Claude Code、Codex，或者直接使用 OpenAI 和 Anthropic 发布的 Agent SDK。这是一个相对较新的市场，充满了机遇。
Q18. OpenClaw 带来哪些 ToB 创业机会？ 👦🏻 Koji
OpenClaw 会带来哪些 ToB 的创业机会？我还是先抛砖引玉。
首先，我认为 OpenClaw 对 ToB 世界的冲击，比表面看起来要大得多。最直观的感受是，自从 Claude Code 开源了它的插件套件，SaaS 公司的股价大跌。这和 OpenClaw 有间接关系，因为它第一次真正地把一个可用的 Agent 脚手架搭了起来，让"数字员工"这个被吹了很多年的概念，看到了真实、快速落地的可能性。
有一个数据说，传统 SaaS 对应的是 3-4 千亿美元的企业软件支出市场，而 Agent 有可能解锁的，是 13 万亿美元的劳动支出市场——这是一个 30 倍的规模扩张。定价逻辑也随之改变，从按坐席收费，转变为可以按完成的工单数或节省的员工成本来计价。这是一个根本性的转变，其中蕴含着大量创业机会。
在机会面前，首先要看谁受到了冲击。过去很多做 ToB 集成的公司，是基于 Coze 或 LangChain 这类上一代技术去搭建 workflow。但在今天，我相信他们会很郁闷，因为 workflow 只是一个过渡形态，在 OpenClaw 诞生那一刻，它就被宣判了"死缓"。当然，这些集成商也可以快速转型，拥抱 Agent 生态，因为他们离客户最近，组织也最 AI native。
具体到 ToB 的机会，我想讲三点：
第一是垂直场景的"套壳"应用。这是短期内最清晰的商业路径。 将复杂的 OpenClaw 技术，封装成面向特定企业工种（如销售、律师、财务）的、开箱即用的产品。谁能率先做出接入 IM 的数字员工，谁就能最快地获取第一批客户，这是低垂的果实。
第二是安全与隐私解决方案。企业对安全和隐私的重视程度远超 ToC。 这个领域已经有新公司出现，比如 Runlayer 融资 1100 万美元，做企业版的 OpenClaw 控制平台；还有 Crittora，做 Agent 的身份验证，防止恶意 Agent 进入生产环境。这个领域百花齐放，它是所有垂直应用的基础，如果做不好，一切都是空中楼阁，所以机会巨大。
**第三是数据飞轮与护城河。**Agent 在企业内部每执行一次任务，都会积累宝贵的数据——哪一步出错了，人类是如何纠正的，最终正确的执行路径是怎样的。这些数据是公开训练集里不可能有的，但它能显著提升 Agent 在特定企业环境下的准确率。
因此，谁能先进到企业里，积累足够多的执行轨迹，就能锁定用户，形成自己的护城河。在这个赛道，"快"本身就是一种护城河。
Q19. OpenClaw 是泡沫还是起点？ 👦🏻 Koji
OpenClaw 这一波热潮，会是一个短期的现象吗？
🧑🏻💻 鸭哥
我感觉它既是短期的，也是长期的。短期来看，OpenClaw 这种现象级产品，其能力和潜力大概率是被高估了，未来会收敛到它实际产品能力所能支撑的市场范围。目前，这个产品仍然非常粗糙，有很多可以改进的地方。
但从长期来看，它揭示了一个非常重要的潮流。它之所以能爆火，背后的关键要素已经齐备 基座模型的能力已经到位；数据飞轮的逻辑也已跑通，无论是 ToB 的执行轨迹积累，还是 ToC 的 skill 生态；它还验证了很多原型的商业场景，比如代替多个 APP 成为通用入口。
这些都是现实可行的方向，但它还需要大量的打磨。比如 Token 成本太高的问题、记忆系统还很粗糙、GUI 体验有待提升等等。
所以，我认为我们正站在一个百花齐放时代的起点。未来会有很多公司去探索如何打磨各个模块，以及如何将它们组合。最终，市场可能会收敛，但未必是收敛到 OpenClaw 上，而是收敛到一个远比现在更精细、甚至我们今天无法想象的产品形态上。
Q20. OpenClaw 留给 AI 时代的几点启示 👦🏻 Koji
我们今天的最后一个问题：如果 12 个月后回看 OpenClaw，你们觉得最值得被记住的会是什么？
🧑🏻💻 鸭哥
我觉得有两点。一点是大家已经发现的，另一点是大家还没发现，但我希望未来能被记住的。
大家已经发现的是：Agentic AI 非常强大。人们会记住，工具的积累可以构成复利，经验的沉淀也能构成复利，feedback loop 至关重要。未来大家再做 AI 产品，会默认要把它做成 Agentic 的。
但大家可能还没意识到的一点是：**AI 的能力固然重要，但它可能只是一个放大器，而人（用户）自身的能力或许更为关键。**两个一样的 OpenClaw，交给我们和交给一个对 AI 没什么经验的普通人，哪怕他是很厉害的程序员，最终的效果可能会截然不同。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显著。
所以，我的一个暴论是：未来，会不会用 AI，可能会成为一个比现在更大的区分因素。这或许是 OpenClaw 留给我们的一个重要启发。
👨🏻💻 豪大
即便 OpenClaw 最终只是一个短期现象，它也带来了很多启发。它证明了一种"以小博大"、以大众用户为中心的设计哲学。
所谓"以小博大"，是指它通过几个简单的 Markdown 文件（如 SOUL.md, MEMORY.md, HEARTBEAT.md），就让 Agent 具备了人格、记忆和心跳机制，无需复杂的系统和大量的工程。这种简单、有效、直给的方式，让用户意识到："原来这是我的助手，它在和我一起成长。"这非常有启发。
另一点是"界面即心智"。你用什么样的界面呈现给用户，就会塑造他不同的使用心态和互动习惯。 我始终觉得，大家推崇的 CLI Agent 是人机交互的一种倒退。最终能被大众接受的，可能还是像 IM 这样更简单、直接的交互界面。
最后，从 DeepSeek 到 OpenClaw，都证明了"开源 + skill 生态"展现出的无限可能性。OpenClaw 不只是一个现象级产品，它更是 Agent 时代吹响的进攻号角。
👦🏻 Koji
今天非常感谢二位的分享。我们用 20 个问题，把 OpenClaw 从它是什么，到它为什么火，再到它带来的创业机会和未来启发，聊得非常全面
我们确实站在一个百花齐放的时代的起点，也会持续关注以 OpenClaw 为代表的各种 Agent 的发展。欢迎大家留言，分享你们的想法和创业 idea。谢谢大家，我们下期再见。
🚥
参考资料
[1] DeepSeek 20 问：https://www.xiaoyuzhoufm.com/episode/67b14fc6606e5c5940b6b7aa
[2] Manus 20 问：https://www.xiaoyuzhoufm.com/episode/67dfc7d378103db3bd506d87
[3] 视频模型 20 问：https://www.xiaoyuzhoufm.com/episode/67bbc5b105a90dfd0d62ff9f
[4] Superlinear Academy：https://www.xiaoyuzhoufm.com/episode/go.ai-builders.com/crossing