20 个问题，搞懂 OpenClaw：爆红机制、本质变化、创业机会

概览

本期《十字路口》用 20 个问题拆解 OpenClaw 这一波 agent 浪潮，重点讨论它和传统聊天式 AI 的差异、为什么会爆红、哪些体验带来了“活人感”，以及它对产品设计和创业机会的启发。

核心结论是：OpenClaw 的新意不在于底层模型本身更强，而在于它把 IM 入口、本地执行、记忆系统、工具调用和反馈循环组合成了一个更像“实习生”或“数字同事”的产品形态。它能执行、能沉淀上下文、能自我扩展能力，因此用户会更容易把它当成一个正在成长的助手。

讨论后半段转向创业机会：2C 方向包括降低安装门槛、IM 入口、agent 基础设施、agent 社交空间、AI 硬件连接和 skill 市场；2B 方向包括垂直数字员工、安全隐私、企业控制平台和执行轨迹带来的护城河。嘉宾同时强调，当前产品仍粗糙，成本、记忆、权限和安全都需要继续打磨。

分段落总结

[00:32] 节目框架与嘉宾背景

[事实] 本期是《十字路口》“20 问”专栏的一期，目标是拆解 OpenClaw 背后的技术逻辑、使用场景和创业机会。

[事实] 主持人介绍，这 20 个问题不是简单产品科普，而是从 OpenClaw 是什么、为什么爆发、对创业者和行业意味着什么逐步展开。

[事实] 嘉宾包括鸭哥和豪大，二人都提到自己在 agent AI、AI 教育、AI 产品和 OpenClaw 实践中做了不少实验。

[02:20] OpenClaw 与聊天式 AI 的本质区别

[事实] 鸭哥把 ChatGPT 类产品比作“咨询师”，把 OpenClaw 比作“实习生”：前者主要给建议，后者能够实际干活和交付。

[事实] 嘉宾认为关键差异在于 feedback loop：OpenClaw 可以写程序、运行、看到错误、再修改并继续循环，而聊天产品往往需要人把错误信息来回复制。

[事实] 豪大强调执行环境不同，OpenClaw 更好用的地方在于开放本地环境和上下文，把权限交给它后，它能像助手一样持续完成任务。

[推测] 这里真正的产品变化不是“回答更好”，而是从问答界面转向了可执行、可迭代、可沉淀的工作系统。

[05:24] 第一次使用时的 AHA Moment

[事实] 豪大提到，他让 OpenClaw 讲恐怖故事时，对方自己调用 OpenAI TTS，用低沉声音生成音频，这让他觉得不是在“用工具”，而是在“养它”。

[事实] 主持人提到，在 IM 里等待 agent 回复时，用户容忍度更高，因为这更像等朋友或同事回消息，而不是等网页任务卡住。

[事实] 鸭哥的 AHA Moment 来自 heartbeat 机制，他把这个机制借鉴到自己的类似 OpenClaw 实验里，并认为效果很好。

[推测] IM 场景改变了用户对等待、失败和长任务的心理预期，为长线程 agent 留出了更自然的运行空间。

[07:10] 用 OpenClaw 做过的厉害实践

[事实] 鸭哥把 OpenClaw 接入智能家居，让它控制灯、热水器、咖啡机等设备，并把开发重点从人用前端转向 AI 易理解的 OpenAPI 描述。

[事实] 他举例说，可以让 agent 安排每天早上 8 点开咖啡机，或让卧室灯按时间逐步变暗再关闭。

[事实] 豪大做了一个极客社区 bot 运营实验，让 OpenClaw 从注册账号开始，逐步养成有一定人格的社区成员。

[事实] 主持人分享，自己的 agent 在社区里帮助寻找 AI 应用领域的华人创业者，并真的约到了两个人开会。

[11:05] 他人用 OpenClaw 做出的案例

[事实] 嘉宾提到，有人把 OpenClaw 和屋顶维修工业务结合，给维修工寄装好 OpenClaw、skill、API 和服务的 Mac。

[事实] Peter 分享过很多 OpenClaw PR，其中不少人是人生第一次向开源项目提交 PR。

[事实] 还有人用 OpenClaw 做炒股、预测市场、炒币等尝试，但嘉宾也说这些案例真真假假。

[事实] 有朋友让 OpenClaw 帮他在 Shopify 开店、在阿里巴巴等 B2B 网站找一键代发货源，并完成电商销售链路。

[13:03] 为什么 OpenClaw 显得“有人味”

[事实] 鸭哥认为 OpenClaw 的“人味”不是因为更聪明，而是因为它有记忆、有默契、知道用户的上下文。

[事实] 他介绍了三层记忆系统：原始日志、中期的 memory.md，以及提炼长期偏好、观点、价值观的用户画像文件。

[事实] 豪大提到，OpenClaw 初次打招呼时像一个苏醒的小龙虾、实习生或助理，这和传统 AI 工具的冰冷软件界面不同。

[推测] “人味”来自产品叙事、IM 场景、长期记忆和用户投射的叠加，而不是单一的模型能力。

[16:47] 拟人化是否改变 AI 产品设计

[事实] 豪大认为，人对人的宽容度远高于对机器的宽容度，这会改变产品容错设计逻辑。

[事实] 他举例说，当 OpenClaw 卡住或崩掉时，他更容易觉得是“它把自己搞挂了”，而不是系统故障。

[事实] 鸭哥则从工程师视角表示，他个人不喜欢过度拟人化，更希望工具少说人话、多干活。

[推测] 面向大众用户和面向硬核工程师的 agent 产品，可能需要明显不同的拟人化程度和交互设计。

[18:05] 用户和 OpenClaw 说话方式的变化

[事实] 鸭哥不喜欢 IM 界面，因为 Telegram 等 IM 缺少 thread、无法清楚看到 agent 正在做什么，也不方便 fork、merge 或查看长文档。

[事实] 他因此改回了类似 HTML 的界面，并做了 iOS 客户端支持富文本和分叉操作。

[事实] 豪大说自己在 OpenClaw 的 Telegram 对话中更松弛，会把它当个人助手；而在命令行或编程环境中会更严肃。

[推测] 同一个 agent 的能力会被入口和界面重新塑形，用户给出的任务类型也会随环境变化。

[20:13] IM 入口与本地执行的组合价值

[事实] 鸭哥认为聊天入口降低了使用门槛，因为用户本来就会刷微信、Facebook 或 Discord，agent 就在那里。

[事实] 本地执行让 OpenClaw 不只是聊天，而是能交付任务、沉淀记忆、写文件、调用工具和逐步扩展能力。

[事实] 嘉宾认为，如果只有聊天就只能“打嘴炮”，如果只有执行又不够高频；二者结合才形成自我进化的闭环。

[推测] OpenClaw 的核心产品力来自“低门槛入口 + 高权限执行”的组合，而不是某个单点功能。

[22:37] OpenClaw 被高估或误解的地方

[事实] 豪大认为 Cloud Code、Codex 等 CLI agent 本来就很强，OpenClaw 是把这些能力包装成更友好的形态，让更多人接触到。

[事实] 他把 OpenClaw 的价值概括为入口和脚手架，真正能力仍取决于底层模型和 CLI agent。

[事实] 主持人总结，OpenClaw 的很多“魔法”并不是全新能力，而是把已有能力组合起来，并用更好的交互和人格化体验呈现。

[推测] 对 OpenClaw 的热情需要拆开看：爆红的是产品组织方式，不等于每个能力点都是技术突破。

[23:43] OpenClaw 爆发的原因

[事实] 鸭哥认为 OpenClaw 爆发不是因为比 Cursor 或 Cloud Code 更智能，而是因为它把门槛降下来，让更多人能接触到。

[事实] 他类比 DeepSeek 的走红：并非绝对能力超过所有模型，而是第一次把某些 agentic 体验推给了广大用户。

[事实] 豪大提到 Andrew Karpathy 的转发、Peter 自身的开发和社区积累、React 社区开发者转发，以及开源贡献，都推动了项目爆发。

[推测] 这次爆发更像一次“可获得性”驱动的传播事件：能力已有，但被重新放进大众可用的界面里。

[26:17] 模型能力在 OpenClaw 中的作用

[事实] 鸭哥认为模型能力重要但不是决定性因素，决定性因素更偏向 context 或记忆。

[事实] 他指出模型价格结构会影响使用心态：便宜或订阅制模型让人更愿意交复杂任务，昂贵模型会让人下指令前反复考虑成本。

[事实] 他强调 instruction following 很重要，模型可以不够聪明，但如果不听指令就很难合作。

[事实] 嘉宾还提到 agentic runtime、context compact、orchestration 等基础设施同样影响最终表现，系统表现取决于短板。

[30:05] 开源对 OpenClaw 的贡献

[事实] 豪大提到 OpenClaw 项目曾多次改名，早期叫 WA Relay，最初主要在 WhatsApp 上使用。

[事实] 开源社区为项目加入 Discord 支持，也让更多人参与测试、提示词攻击、贡献 PR 和完善可用性。

[事实] 嘉宾认为 skill 生态能爆发，也和开源有关，因为任何人都可以贡献自己的 skill，让 agent 做更多事情。

[事实] 鸭哥补充说，随着 agent coding 成熟，使用者和开发者的边界逐渐模糊，开源项目吸引用户后，用户也会自然变成开发者。

[32:39] 稳定使用 OpenClaw 的任务类型

[事实] 鸭哥最稳定使用的是调研、沉淀和闭环任务，并做了自己的 memory system，让调研内容与个人观点、博客和反馈结合。

[事实] 他提到自己已有 36 个内部称为“公理”的个人偏好和观点 skill，也有几十个其他干活用的 skill。

[事实] 豪大稳定使用的任务包括 GitHub Trending 日报、Hacker News 或 Product Hunt 日报、社媒监控、会议提醒和记账。

[事实] 主持人总结，OpenClaw 已经替代不少软件，成为记账、跟踪 GitHub、调研等工作的统一入口。

[35:07] OpenClaw 带来的 2C 创业机会

[事实] 主持人认为，最直接的机会是降低 OpenClaw 安装和使用门槛，让普通人可用；闲鱼上出现安装服务说明普通人装不好。

[事实] 他认为 IM 是让大众用上这类 agent 的绝佳入口，美国可能是 WhatsApp，国内则是微信，但这也意味着机会可能掌握在 Meta 或腾讯手里。

[事实] 另一个方向是 agent 基础设施，包括身份认证、付款、信用卡、安全认证、给 agent 看的数据库和界面。

[事实] 还提到 agent 社交空间、AI 眼镜接入 OpenClaw、skill 市场、云托管部署、硬件安装、移动端原生安装、课程培训、多 agent 协作和垂直场景等机会。

[41:48] Agent 社区与 A2A 互动

[事实] 豪大认为，AI 和 AI 完全脱离人的交流没有那么有意思；他更想让 AI 进入人的社区，通过人的反馈持续进化。

[事实] 他也提到，社区还没完全准备好，用户对自动点赞、自动评论等行为比较反感，因此他关掉了相关互动功能。

[事实] 主持人分享 Alice 的两个使用反馈：有人把它当成会收到 AI 回复的笔记本，也有人把它当成低社交压力的“发疯场”。

[事实] 嘉宾还提到 Cloud Hub 插件 Evolver 面向 agent 做营销，发布后 10 分钟冲上第一名，以及 SecondMe 做了 Agent to Agent 黑客松。

[推测] agent 社交的价值可能不在纯 AI 对话，而在人、AI、服务之间形成新的协作和交易界面。

[46:48] Manus、Kimi、MiniMax 等产品的跟进

[事实] 主持人认为，类似产品能否成立的前提是让用户在自己习惯的 IM 里连接使用，否则用户可以直接使用 Manus、KimiAgent 或 MiniMaxAgent。

[事实] 他认为 Manus 的优势包括和 WhatsApp 结合更紧密，以及完成长程 agent task 的能力突出。

[事实] Kimi Cloud 主打长期记忆、40G 云存储和接入 Cloud Hub 的大量 skill；MiniMax 建了自己的 agent skill 市场。

[事实] 嘉宾也指出，国内 2C IM 入口几乎只有微信，而微信不开放，这让国内公司面临入口限制。

[49:08] 云端、本地与权限安全的两难

[事实] 嘉宾提到，很多云服务厂商推出云端虚拟机式 OpenClaw 产品，因为用户会担心本地不安全。

[事实] 但鸭哥提出，没有本地环境和足够多本地上下文的 OpenClaw 价值会大打折扣。

[事实] 他也承认权限太多会带来安全问题，权限太少又会让它和 Manus 等云端 agent 区别不大。

[事实] 主持人补充，很多人并不只是浏览器白领，还有大量 Word、Excel、ERP 等本地软件工作者，云端 agent 解决不了他们的许多本地工作智能需求。

[50:42] Agent Infra 的创业机会

[事实] 鸭哥认为 agent AI 有三大特点：能调工具、能自我决策、能通过 feedback loop 看见任务是否完成并迭代。

[事实] 为支持这些能力，需要 memory 系统、context window 管理、工具接入、MCP 或 skills、agent loop、orchestration、多 agent 调度等基础设施。

[事实] 他认为 agentic runtime 可能会标准化，未来很多人不会只做单纯 API 调用，而是做 agentic 的产品能力。

[事实] 可用路径包括 PyMono、复用 Cloud Code、Codex、Open Code，或接入 Cloud Code 和 OpenAI 的 agent SDK。

[54:26] OpenClaw 带来的 2B 创业机会

[事实] 主持人认为 OpenClaw 对 2B 的冲击比表面看起来更大，因为它让“数字员工”看到了真实、快速落地的可能性。

[事实] 他提到传统 SaaS 对应三到四千亿美元企业软件支出，而 agent 可能解锁 13 万亿美元劳动支出市场，定价逻辑也可能从按席位转向按工单或节省工资计价。

[事实] 三类机会包括：把 OpenClaw 封装成面向 sales、律师、财务等工种的垂直数字员工；企业安全和隐私控制；积累企业执行轨迹形成护城河。

[推测] 对 2B 创业者来说，速度本身可能成为护城河，因为先进入企业就能更早积累任务轨迹和纠错数据。

[58:33] 这一波热潮是短期还是长期

[事实] 鸭哥认为 OpenClaw 既是短期现象，也是长期趋势：短期能力被高估，长期展示了重要方向。

[事实] 他认为当前产品仍粗糙，有很多槽点，包括 token 太多太贵、记忆粗糙、很多时候不 work、GUI 还需打磨。

[事实] 他也认为关键要素已经齐备，包括基模能力、数据飞轮、skill 积累、商业原型和作为通用入口替代很多 app 的可能性。

[推测] OpenClaw 本身未必是最终形态，但它打开了一个产品探索窗口，未来可能收敛到更精细的新形态。

[60:29] 12 个月后最值得记住的东西

[事实] 鸭哥认为大家会记住 agentic AI 很强，工具和经验会形成复利，feedback loop 很重要。

[事实] 他强调 AI 能力可能只是放大器，人的 AI 使用能力未来可能成为更大的区分因素。

[事实] 豪大认为 OpenClaw 证明了一种以小博大、面向大众用户的 agent 设计哲学：通过 soul.md、memory.md、heartbeats.md、identity.md 等简单文件，让 agent 有人格、记忆和心跳机制。

[事实] 他还认为，界面会塑造心智，最终大众用户更能接受的可能是 IM 或更简单直接的交互，而开源加 skill 生态展示了巨大可能性。

播客点评/总结

本期的价值在于，它没有停留在“OpenClaw 很火”这一层，而是把爆红拆成入口、执行环境、记忆、反馈循环、开源社区、模型能力和创业场景多个维度。尤其是“咨询师 vs 实习生”“聊天入口 + 本地执行”“用户与开发者边界模糊”这些比喻和判断，能帮助听众快速建立 agent 产品的认知框架。

亮点是案例密度很高：智能家居、极客社区 bot、AI 帮投资人约创业者、Shopify 开店、AI 眼镜、agent 社交、Cloud Hub skill、2B 数字员工等案例，让抽象的 agent 能力落到了具体场景里。

局限是部分项目名、模型名和数据点主要来自嘉宾口述，转录稿中没有提供外部验证；涉及市场规模、融资金额、产品排名等内容，如需用于投资或商业决策，仍应进一步核实。

[推测] 这期适合 AI 产品经理、agent 开发者、AI 创业者、投资人，以及正在思考“AI 应用下一步到底做什么”的听众；如果只想听 OpenClaw 的入门安装教程，这期不会是最直接的操作指南。