OpenClaw 是一个开源本地 AI Agent 框架，Apache 协议。2026 年 1 月开源后两个月涨到 25 万 Star。基本思路是用 IM 做控制终端——发消息给 WhatsApp、Telegram、飞书，AI 就在本地帮你跑任务。
定位
一句话：发消息就让 AI 干活。数据在本地，不经过云端。目标用户是需要个人 AI 助手、在乎数据隐私的技术人员。
为什么涨这么快
三个因素合力：
时机刚好。 大模型的推理、工具调用、长上下文能力 2026 年初趋于成熟。个人办公市场规模远超代码助手。
产品形态对路。 用 IM 发消息就有反馈，用户对延时不敏感。本地执行保护隐私，浏览器、邮件、日历、笔记全打通。
社区推力。 创始人 Peter Steinberger（后来去了 OpenAI）的社区影响力，加上媒体和云厂商一起推。
架构
1 | Channels（IM 接入）→ Gateway（路由 + Agent 运行时）→ Persistence（本地存储） |
Gateway 是核心，里面的 Pi Agent 跑 ReAct 循环：拼提示词 → 调 LLM → 执行工具 → 结果回传 → 接着推理。会话按频道隔离，有自动重置和压缩机制。
工具调用走标准化协议，网关统一编排。持久化层用 JSON 和 SQLite，本地优先。
记忆
四层：
- 短期：当前会话 JSON 转录，定期压缩
- 长期：Markdown 向量检索，跨会话复用
- MEMORY.md：学到的用户偏好、任务进度
- SOUL.md：Agent 人格定义
安全
网关做权限审计，工具调用的准入控制。会话隔离防泄露。有 Skill Vetter 审核技能。
几点建议：别无脑装 Skill；别给敏感路径访问权限；做好 Token 限额——长时间跑消耗很大。
安装
1 | curl -fsSL https://openclaw.ai/install.sh | bash |
配好模型和 Channel，发消息就能用。
能做什么
定时天气预报、每日新闻摘要、调研生成 PPT、金融研报分析（PDF → 解析 → 行情 → 回测）、快速写脚本、笔记管理、RSS 订阅。
有些有趣的案例：有人用 Agent CEO 调度多 Agent 运营公司，成本 1500 块营收 20 万；有人全自动处理保险法律事务；有人 14 天养成 8 个 Agent 做社媒。
Skill 市场
clawhub.ai 上有基础设施类（Skill Vetter 安全审计、Tavily 搜索）、开发类（GitHub）、知识管理类（Obsidian、Notion）、信息获取类（RSS、网页抓取、PDF）等。
跟同类对比
OpenClaw 功能全面、社区大，但代码量大（~40 万行），配置复杂。NanoClaw 只有 5k 行，OS 级隔离更安全，功能少。Claude Code 专注代码，闭源。
全自动化选 OpenClaw；安全优先选 NanoClaw；专注写代码选 Claude Code。
实践心得
配置折腾。 功能多意味着每条 Channel 都可能踩坑。做好花时间折腾的准备。
Token 像喝水。 长时间会话 token 持续涨。建议每 5-8 轮重启会话，用 MEMORY.md 保存关键状态，别把训练日志全贴进上下文。
安全别省事。 最小权限，装 Skill Vetter 审核每个 Skill。
总结
优势：功能全、7×24 在线、Skill 生态不错。劣势：代码臃肿、配置复杂、架构还在频繁更新。
方向上，更轻量、更低部署门槛、Agent 自主进化、多 Agent 协作是趋势。