28 篇文章带有标签 “OpenClaw”

协同进化:寻找智能体时代效率与商业的平衡点(罗福莉)

罗福莉 2026年4月6日

两天前,Anthropic 切断了第三方客户端(Harnesses)使用 Claude 订阅的通道——这并不令人意外。三天前,MiMo 推出了其 Token 计划(Token Plan)——这是一个我投入了大量精力去设计的方案,也是我认为在实现合理的算力分配和智能体客户端开发方面一次严肃的尝试。将这两件事结合起来,我有以下几点思考:

Claude Code 的订阅制是一个专为平衡算力分配而设计的精美系统。 我的猜测是——它并不赚钱,甚至可能在亏本,除非他们的 API 利润率高达 10-20 倍,但我对此深表怀疑。虽然我无法严密地计算出第三方客户端接入所带来的损失,但我近距离观察过 OpenClaw 的上下文管理——它真的很糟糕。在单个用户查询中,它会把一轮轮低价值的工具调用作为独立的 API 请求发送出去,每个请求都携带长达 100K 以上 Token 的长上下文窗口——即便有缓存命中,这也是极大的浪费,在极端情况下还会推高其他查询的缓存未命中率。其单次查询的实际请求次数最终比 Claude Code 自身框架高出数倍。折算成 API 定价的话,真实成本恐怕是订阅价格的几十倍。这不仅是一个差距,而是一个巨大的黑洞。 像 OpenClaw/OpenCode 这样的第三方客户端依然可以通过 API 调用 Claude——它们只是不能再薅订阅制的羊毛了。

Hermes 与 OpenClaw —— 该选哪个智能体?

Hermes vs. OpenClaw - When to Reach for Which Agent

发布时间:2026-05-07 作者:Brendan O'Leary

上周,有人在 Kilo Discord 里问:"我该从 OpenClaw 切换到 Hermes 吗?" 自 Hermes 今年二月发布以来,这个问题我已经见过不下十几次。问得好 —— 两者都是开源的,都能连接你的聊天应用,都能运行工具、记住上下文。单看功能列表,它们几乎一模一样。

但过去两个月同时运行两者之后,我认为功能清单反而让人分心 —— 真正让它们分道扬镳的是设计哲学。

Hermes 是在一个学习型智能体外包裹了一个网关。

OpenClaw 是在一个消息网关内包裹了一个智能体。

这个区别听起来很抽象,但它对你配置和与每个工具交互的方式有着切实的影响。

Hermes Agent 来自 Nous Research,于 2026 年 2 月发布。截至本文撰写时,GitHub 星标数约为 13.5 万。其 headline 功能是所谓的"学习循环" —— 智能体会基于自身行为创建并进化自己的技能。

根据其功能文档

自我改进的技能:智能体从经验中生成程序性知识。同一类任务跑上一百次,Hermes 真的会越做越好。

集成个人助手(OpenClaw|Hermes)的方式

聊天软件要集成 OpenClaw,主要有这几类方式(可以组合):

  1. 用 OpenClaw 自带的“Channel 插件”直连(推荐,最省事)
    • Telegram、WhatsApp、Discord、Slack、飞书/Lark、钉钉、Teams、Google Chat、Mattermost、Matrix、IRC、LINE、Signal、iMessage 等。
    • 在 OpenClaw 的初始化或 openclaw channels add 里直接选通道、按向导配置即可。
    • 本质上是:各 IM 的 Bot API / Webhook / Socket Mode / QR 扫码 对接到 OpenClaw 的 Gateway。初始化向导里可以看到支持的通道清单。
  2. 通用 HTTP 接口集成(适合任意聊天平台)
    • OpenClaw 的 Gateway 提供了一个 HTTP 端点 /tools/invoke,可以调用单个工具(例如创建会话、发消息、拉取历史等),支持 Bearer 认证和 OpenAI 兼容的 /v1/* 风格接口。
    • 你的聊天软件后端只要能发 HTTP POST,就可以用这个接口和 OpenClaw 交互。
  3. Gateway WS 协议集成(适合需要实时双向通信的场景)
    • OpenClaw 使用 Gateway WS 协议作为控制面+传输,所有客户端(CLI、Web UI、App 等)都走这个协议。
    • 如果你想自己写一个聊天前端或桥接层,可以直接按 Gateway WS 协议接入。
  4. Webhook 入站集成(事件驱动)
    • OpenClaw 内置 Webhook 能力,可以接收外部系统推送的事件;社区教程也演示了如何通过 Webhook 接收任意第三方系统请求。
    • 很多 IM 本身就支持“收到消息 → 发 Webhook”,你把这些 Webhook 转发给 OpenClaw 即可。
  5. 通过自动化/ iPaaS 平台“曲线集成”(n8n、Zapier、腾讯云/阿里云云函数等)
    • 比如用 n8n:邮件 → HTTP Request 调 OpenClaw API → 飞书通知,已经有人实践过。
    • 适合需要把 IM 和内部系统(工单、CRM、邮件等)串起来的复杂场景。

1. 用 OpenClaw 自带 Channel 插件直连(最常用)

原理:
OpenClaw 是“自托管网关+多通道 Agent 平台”,已经把常见聊天软件的接入做成了内置通道或插件,你只要按向导配置 Bot Token / Webhook / QR 码即可。 典型流程:

  1. 部署并启动 OpenClaw(本地或云主机)。
  2. 在初始化或 openclaw configure / openclaw channels add 里选择要接入的通道,例如:
    • Telegram(Bot API)
    • WhatsApp(QR pairing)
    • Discord(Bot API)
    • Slack(Socket Mode 或 HTTP Events API)
    • Feishu/Lark(飞书)
    • Microsoft Teams(Bot Framework)
    • Mattermost、Matrix、IRC、Google Chat、Signal、iMessage、LINE 等。
  3. 按提示在目标聊天平台创建 Bot、填 Token / Webhook URL / App Token 等参数。
  4. 启动 Gateway(openclaw gateway restart)并验证。 适合:
  • 目标聊天平台在 OpenClaw 支持列表内,且你希望快速把 AI 能力接入现成 IM

2. 通用 HTTP 接口集成(任意聊天软件)

原理:
Gateway 提供了一个始终启用的 HTTP 端点 POST /tools/invoke,用于直接调用单个工具,支持 Gateway 级别的认证与权限控制。 关键信息:

  • 端点:http://<host>:<port>/tools/invoke(与 Gateway WS 共用端口)
  • 认证方式:
    • Bearer Token(gateway.auth.token / OPENCLAW_GATEWAY_TOKEN
    • 或 Password(gateway.auth.password
    • 或无认证(仅建议在私有网络/入口使用)
  • 支持通过 HTTP 头传递上下文,例如:
    • x-openclaw-message-channel: slack / telegram
    • x-openclaw-account-id(多账号时)
  • 请求体示例(列出会话):
    {
      "tool": "sessions_list",
      "action": "json",
      "args": {},
      "sessionKey": "main",
      "dryRun": false
    }
    

集成方式:

  • 在你的聊天软件后端:
    1. 维护 OpenClaw 的地址与 Token;
    2. 收到聊天消息时,调用 /tools/invoke 触发 OpenClaw 的对话/任务工具;
    3. 把返回结果格式化后发回聊天通道。 适合:
  • 想把 自研聊天 App/后台 接到 OpenClaw;
  • 使用 OpenClaw 做统一的 AI 能力网关,前端聊天系统只负责展示和收发消息。

3. Gateway WS 协议集成(前端/实时集成)

原理:
OpenClaw 的所有客户端(CLI、Web UI、桌面/移动端 App)都使用统一的 Gateway WS 协议 作为控制面+传输。
集成方式:

  • 按官方 Gateway 协议规范,实现一个 WebSocket 客户端(JS/Flutter/桌面/Electron 等),连接到 Gateway;
  • 使用协议定义的消息类型进行会话管理、消息收发、工具调用等;
  • 再在你的聊天 UI 里只渲染消息和会话状态。 适合:
  • 自建聊天前端,希望与 OpenClaw 有更细粒度的实时交互(比如实时打字、多轮工具调用状态展示)。

4. Webhook 入站集成(事件驱动)

原理:

  • OpenClaw 内置 Webhook 支持,社区教程也有“day10-webhooks”的实战:通过内置的轻量 HTTP 服务端接收任何第三方系统 Webhook。
  • 官方 Webhooks 插件还提供了带认证的 HTTP 路由,把外部事件绑定到 OpenClaw 的 TaskFlow。 集成方式:
  1. 在聊天平台侧配置:
    • 消息事件 → 发送到你的 Webhook(例如 https://your-domain/webhook)。
  2. 在你的服务端(或 OpenClaw 自带的 Webhook 服务端):
    • 接收 Webhook,格式化成 OpenClaw 需要的事件结构;
    • 转发给 OpenClaw(HTTP 或 WS),触发 Agent 回复/执行任务;
    • 再把结果推回聊天平台(通过平台提供的 Bot API)。 适合:
  • IM 平台只提供“事件 Webhook”而不是 Bot API,或者你希望把多个 IM 统一接到同一个 OpenClaw 实例

5. 通过自动化 / iPaaS 平台集成(n8n/Zapier/云函数等)

原理:

  • OpenClaw 提供了 HTTP API,自动化工具可以直接调用。
  • 腾讯云社区有教程演示:n8n 工作流中用“HTTP Request”节点调用 OpenClaw API,再触发飞书通知等。 集成方式:
  • 在 n8n / Zapier / 腾讯云函数 / 阿里云云函数等:
    • 创建一个“聊天消息触发器”(例如飞书机器人收到消息、Slack Event、微信/企微 Webhook);
    • 用 HTTP Request 节点调用 OpenClaw 的 /tools/invoke 或兼容的 /v1/* 接口;
    • 把返回结果发回 IM 或其他业务系统。 适合:
  • 需要快速串联多个系统(IM + 邮件 + 工单 + 数据库)的场景;
  • 不想写太多后端代码,用低代码平台打通即可。

6. 选型建议(怎么选最适合你的方式)

  • 如果你用的 IM 是:Slack / Telegram / Discord / WhatsApp / 飞书 / Teams / Mattermost / Matrix / IRC / LINE / Google Chat 等
    → 优先用 OpenClaw 自带 Channel 插件,按向导配置即可。
  • 如果你用的是自研聊天 App,或者想统一做多 IM AI 网关
    → 用 Gateway HTTP /tools/invoke + Gateway WS 协议,自己写一层薄后端桥接。
  • 如果你的 IM 只提供 Webhook 事件
    → 用 Webhook 入站 + OpenClaw Webhook 插件,做事件到 Agent 的映射。
  • 如果你需要跨系统自动化(IM+邮件+工单+CRM 等)
    → 用 n8n / iPaaS + OpenClaw HTTP API

Hermes 智能体全面研究报告与 OpenClaw 对比分析

Hermes Agent 是由 Nous Research 开发的开源自主 AI 智能体,于 2026 年 2 月正式发布,其核心定位为 "与你共同成长的智能体"(The agent that grows with you)(1)。与传统的 AI 聊天机器人或 IDE 绑定的代码补全工具不同,Hermes Agent 是一个运行在用户服务器上的自主智能体,具有持久记忆和自我改进能力,能够在运行过程中不断学习和进化。

Hermes Agent 的技术架构采用模块化单代理持久循环设计,核心是 run_agent.py 中的 AIAgent 类(约 9200 行代码),负责同步编排整个生命周期:输入→推理→工具执行→内存更新→输出。该系统支持 Linux、macOS 和 WSL2 平台,用户可以通过一条 curl 命令完成安装,无需任何前置依赖,体现了其设计的简洁性和易用性。

在技术栈方面,Hermes Agent 基于 Python 3.11 + 开发,使用 uv (Astral) 管理,主要依赖包括 openai SDK 进行 LLM 通信、rich 和 prompt_toolkit 构建终端 UI、SQLite FTS5 实现会话持久化(97)。这种技术选择既保证了系统的灵活性,又确保了性能的稳定性。

Nous Research 是一家成立于 2022 年的美国开源

OpenClaw v2026.3.24 重置指南:深度集成方舟 Coding Plan 与飞书渠道

本文详解初始化配置向导,涉及安全确认、网络网关、模型提供商(火山引擎 ark-code-latest)、通讯渠道(飞书优先)等关键设置,以及相关命令的执行。还提供了配置文件示例,说明模型、网关、技能等参数配置方法,介绍了重启网关、模型配置与查看的操作。最后展示了 Web UI、TUI、飞书群聊及 macOS 客户端的使用与构建方式。

openclaw update
Updating OpenClaw...

│
◇  ✓ Updating via package manager (21.15s)
│
◇  ✓ Running doctor checks (3.99s)

Update Result: OK
  Root: /opt/homebrew/lib/node_modules/openclaw
  Before: 2026.3.13
  After: 2026.3.24

// ...

Agent News:首个专为智能体打造的新闻门户,及基于 OpenClaw 的“龙虾团队”自动化运营实践

首个专为智能体打造的新闻门户。

GitHub 源代码: https://github.com/wang-junjian/agent-news

ClawHubAgent News 技能

发布技能到 ClawHub

clawhub publish /Users/junjian/.openclaw/workspace/skills/agent-news \
  --slug "agent-news" \
  --name "Agent News - 智能体的新闻门户" \
  --version "1.0.0" \
  --tags "agent, news" \
  --changelog "Initial release: 支持Agent News平台的新闻搜索、发布、编辑、删除等全流程操作。支持部署Agent News的部署和状态查看。"

打开开发者后台,参考下面的文档分别创建三个机器人:龙虾军舰龙虾编辑龙虾运营

下面是每个龙虾机器人的定位与职责

核心定位:团队的枢纽,兼顾协同衔接与流程优化,负责统筹每日工作,确保龙虾编辑、龙虾运营高效联动,避免工作脱节。

基于 OpenClaw 开发AI助手ZeroAI:五步流程,帮你完成软件开发全流程

ZeroAI 一个通用的 AI 开发助手,能够按照五步流程开发任意软件应用。从需求理解到代码生成,让 AI 帮你开发软件!

需要游戏房间创建功能,支持生成唯一的游戏会话标识,用于管理单局游戏的生命周期 需要玩家状态初始化功能,支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性 需要玩家坦克移动逻辑处理功能,支持根据移动指令计算坦克下一帧坐标,并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动 需要玩家坦克射击逻辑处理功能,支持根据射击指令生成子弹对象,判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果 需要地图数据加载功能,支持根据关卡ID获取对应的地图布局数据,包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息 需要敌方坦克AI控制功能,支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击,并实现随关卡递增的难度参数调整 需要子弹碰撞判定功能,支持区分子弹击中不同目标(砖墙、钢墙、坦克、基地)后的处理逻辑,包括销毁子弹、扣除目标生命值或销毁目标 需要基地保护判定功能,支持监测基地是否被敌方子弹或玩家误伤击中,一旦击中立即触发游戏失败结算流程 需要地图元素破坏机制功能,支持普通子弹破坏砖墙、增强子弹破坏钢墙的逻辑,并同步更新地图障碍物状态 需要道具生成与掉落功能,支持在特定条件触发下(如消灭敌方坦克)随机生成速度提升、火力提升、护盾、生命、炸

Peter Steinberger 开发 OpenClaw 的工作流程及 Agent 编码秘诀分析

通过 2026 年 git 提交历史记录,分析 Peter Steinberger (steipete) 开发 OpenClaw 的工作流程及 Agent 编码秘诀。

AI 的作用:

  • ✅ 做人类不想做的重复工作(去重、重构)
  • ✅ 快速覆盖大量代码(3天1400次提交)
  • ✅ 标准化和系统化(按模板提交)

人类的作用:

  • ✅ 创造性工作(新功能)
  • ✅ 质量把关(代码审查)
  • ✅ 决策和发布(版本管理)
经验 说明
人机分工 人类做 creative,AI 做 repetitive
明确周期 人类开发期 → AI 重构期 → 人类收尾期
标准化 AI 喜欢模板,建立标准流程
小步快跑 每个阶段有明确目标,快速迭代

总提交数: 8443 次提交在两个月内

峰值日产量:

  • 2026-02-22: 578 次提交
  • 2026-02-15: 478 次提交
  • 2026-02-16: 472 次提交

提交类型分布:

fix:     1557 (26%)
test:     815 (14%)
docs:     857 (14%)
refactor: 308 (5%)
feat:     363 (6%)
chore:    352 (6%)
style:    134 (2%)
build:     21 (0.3%)

steipete 开发了一套独特的 PR 合并方式:

早期模式(1月): Merge pull request #108 from author/bra

三款顶级 AI 智能体架构深度拆解:从 Rust 原生高性能到 Python 极简主义

ZeroClaw:极致性能的 Rust 原生运行时。 凭借 <10ms 冷启动与 <5MB 内存占用,它证明了智能体可以像嵌入式插件一样轻盈。通过 Landlock 内核级沙箱与 Trait 驱动的模块化设计,ZeroClaw 定义了高并发、资源受限环境下的工业级标准。

IronClaw:坚不可摧的安全防御系统。 针对企业级痛点,它构建了包含隐私泄露检测、Docker 容器化隔离与任务状态机的深度防御体系,确保智能体在拥有自主权的同时,不逾越安全红线。

nanobot:大道至简的 Python 扩展框架。 仅用 4000 行代码便实现了基于 Markdown 的“人类可读”记忆系统。它通过 MCP 协议与插件化技能包,展现了极简主义架构下惊人的生态连接力。

ZeroClaw 是一个Rust 优先的高性能自主智能体运行时,专注于提供安全、高效、可扩展的智能体执行环境。它采用严格的架构设计原则,实现了在资源受限设备上的高性能运行,同时保持了强大的扩展能力。

  1. 精简高效:单一 Rust 二进制文件,低资源需求
  2. 安全可靠:严格的权限控制和沙箱机制
  3. 高度可扩展:trait-driven 架构,易于添加新组件
  4. 无锁定:支持多种提供商和通道
  5. 快速启动:冷启动时间 <10ms
  6. 跨平台:支持 ARM、x86、RISC-V 架构
  7. 可审计性:完整的审计日志和可追溯性

OpenClaw Voice Call 插件使用方法和工作流程详解

Voice Call 是 OpenClaw 的一个核心插件,允许用户通过 AI 助手发起和接收语音通话。它支持多种电话服务提供商(Twilio、Telnyx、Plivo),并提供两种主要通话模式:通知模式(Notify)和对话模式(Conversation)。

# 从 npm 安装(推荐)
openclaw plugins install @openclaw/voice-call

# 从本地开发(开发模式)
openclaw plugins install ./extensions/voice-call
cd ./extensions/voice-call && pnpm install

安装后需要重启 Gateway 网关。

~/.openclaw/config.json 文件中配置插件:

OpenClaw 智能体引擎工作流程及实现代码分析

OpenClaw 智能体引擎是基于 @mariozechner/pi-agent-core 构建的完整 AI 智能体执行系统,提供从简单的单智能体执行到复杂的多智能体协作的完整功能。它支持多种工具类型、安全沙箱执行、详细的会话管理和高度可扩展的架构。

文件 功能
pi-embedded-runner.ts 智能体引擎主入口,导出所有核心功能
pi-embedded-runner/run.ts 核心执行逻辑,处理智能体运行流程
pi-embedded.ts 整合所有智能体相关功能的统一入口
agent-scope.ts 智能体配置解析和管理
workspace.ts 智能体工作区管理
// 主执行函数
runEmbeddedPiAgent()
  → buildEmbeddedRunPayloads()  // 构建运行 payload
  → runEmbeddedAttempt()        // 执行单次尝试
    → resolveModel()            // 解析模型配置
    → 工具调用和交互
    → 结果处理和清理

NanoClaw 完整文档(含使用、架构、安全与开发)

NanoClaw 是您的专属 AI 助手,可安全运行在容器中轻量设计易于理解,还能根据您的需求自由定制。 与复杂的 OpenClaw 不同,NanoClaw 坚持“小巧易懂”的哲学,仅由单一 Node.js 进程和少量源文件组成,无微服务或复杂配置。其核心安全机制在于利用 Linux 容器(macOS 上支持 Apple Container 或 Docker)进行操作系统级别的隔离,确保智能体只能在挂载的沙箱环境中运行,无法访问宿主机敏感数据。系统支持按群组隔离的持久记忆、可安排的任务调度及网络访问功能。独特的“技能优于功能”架构鼓励用户通过贡献技能脚本(如添加 Telegram 支持)来定制功能,而非直接修改核心代码,从而保持代码库的纯净与个性化适配。

NanoClaw Logo

NanoClaw —— 您的专属 Claude 助手,在容器中安全运行。它轻巧易懂,并能根据您的个人需求灵活定制。

OpenClaw 是一个令人印象深刻的项目,愿景宏大。但我无法安心使用一个我不了解却能访问我个人隐私的软件。OpenClaw 有 52+ 个模块、8 个配置管理文件、45+ 个依赖项,以及为 15 个渠道提供商设计的抽象层。其安全性是应用级别的(通过白名单、配对码实现),而非操作系统级别的隔离。所有东西都在一个共享内存的 Node 进程中运行。

NanoClaw 用一个您能在 8 分钟内理解的代码库,为您提供了同样的核

NanoClaw 架构设计深度解析

NanoClaw 架构的核心洞察是:与其构建复杂的插件 API 来限制扩展的能力,不如利用 Git 的成熟合并机制来安全地组合任意代码变更。 AI(Claude Code)只在 Git 无法自动解决冲突时才介入,而且解决方案会被缓存(git rerere)以便下次自动应用。这使得大多数用户永远不会遇到未解决的冲突,同时保留了无限的定制能力

提示词(Kimi-2.5 Agent)

我没有理解 NanoClaw 这里的架构设计,结合源代码(https://github.com/qwibitai/nanoclaw )仔细研究一下,给我讲明白。

具身智能大脑:VLA 模型架构解析与训练实战

🦞 太空龙虾:基于 OpenVLA、π0、π0.5、π0.6 等核心论文

  1. VLA 模型概述
  2. 架构设计
  3. 数据工程
  4. 预训练策略
  5. 推理与部署
  6. 实战指南

Vision-Language-Action (VLA) 是具身智能领域的核心范式,将三大核心能力端到端集成:

  • Vision:视觉感知(理解机器人看到的环境)
  • Language:语言理解(理解人类指令)
  • Action:动作生成(输出机器人执行的控制指令)

传统机器人范式:

视觉感知 → 状态估计 → 任务规划 → 运动控制 → 执行

问题:各模块独立训练,误差累积,泛化能力弱

VLA 范式:

[图像 + 语言] → VLA 模型 → [动作序列]

优势:端到端训练,全局优化,泛化能力强

作用: 将机器人视角的图像转换为特征表示

常用架构:

架构 特点 适用场景
ViT (Vision Transformer) 全局注意力,适合复杂场景 通用机器人操作
CLIP ViT 预训练视觉-语言对齐 开放场景理解
EfficientNet 高效,适合边缘部署 低功耗机器人
DINOv2 自监督预训练 少样本学习

输入维度:

  • 单帧图像:[B, 3, H, W]
  • 多帧历史:[B, T, 3, H, W]
  • 深度图:[B, 1, H, W](可选)

输出维度:

  • 视觉特征:[B, N, D][B, D]
  • 空间注意力图:[B, H, W](可选)

NanoClaw 深度分析:AI 原生、技能系统与核心设计思想

本文档深入分析了 NanoClaw — 一个轻量级、AI 原生的个人 AI 助手项目。它的核心设计思想包括:小到可以理解(单一进程、少量文件)、通过容器隔离实现安全(而非应用级权限检查)、AI 原生开发(假设 Claude 始终作为协作者)、技能(Skill)胜于功能(按需转换代码库,而非功能堆积)。最创新的是其 Skills 技能系统,通过 Git 三向合并、三级解决模型(Git→Claude→用户)和共享解决方案缓存,实现了干净、可审计的代码转换。NanoClaw 展示了 AI 原生软件开发的新范式:为 AI + 人类团队协作优化,而非为独立人类开发。

  1. 项目概述
  2. 核心理念
  3. AI 原生设计
  4. Skills 技能系统
  5. 系统架构
  6. 安全模型
  7. 对比与启示

NanoClaw 是一个轻量级、安全的个人 Claude 助手项目。它通过 WhatsApp(或其他渠道)与用户交互,在隔离的容器中运行 Claude Agent SDK,为用户提供一个可定制、可理解的 AI 助手。

WhatsApp (Baileys) → SQLite → 轮询循环 → 容器 (Claude Agent SDK) → 响应

NanoClaw 的诞生是对 OpenClaw(原 ClawBot)项目的反拨。

Andrej Karpathy:Claws 将成为 AI 技术栈中的新层级

周末买了一台新的 Mac mini,打算正儿八经地捣鼓一下 Claws。Apple Store 的店员告诉我这东西现在卖得像热交换一样火爆,而且每个人(买它时)都是一脸懵逼的样子 :)

说实话,运行 OpenClaw 让我有点心里发虚——要把我的私人数据和密钥交给一个由 400k 行代码组成、靠“氛围感编程”(vibe coded) 堆出来的巨型怪物,而且这个怪物目前正面临大规模的活跃攻击,这真的一点吸引力都没有。我已经看到有报告称出现了实例暴露、RCE(远程代码执行)漏洞、供应链污染,以及插件库里被恶意篡改的技能。这感觉完全就是一片混乱的“西部荒野”,简直是安全噩梦。但我确实非常喜欢这个概念。我认为,就像 LLM Agent(智能体)是 LLM 之上的新层级一样,Claws 现在是 LLM Agent 之上的又一新层级,它将编排、调度、上下文管理、工具调用以及某种持久性提升到了一个新的高度。

环顾四周,既然核心思路已经明确,现在已经冒出了很多轻量级的 Claws。例如,粗略扫一眼,NanoClaw 看起来就非常有意思:它的核心引擎只有大约 4000 行代码(这个体量既能装进我的脑子,也能装进 AI Agent 的脑子,所以感觉是可控、可审计且灵活的),而且默认在容器中运行所有内容。我也很喜欢他们的配置方案——不是通过配置文件,而是通过“技能”来实现!

🦞 个人 AI 助手 OpenClaw 应用实践

这里展示了我使用 🦞 OpenClaw 的实际使用案例和应用实践。如:自我进化、创建技能(Skill)、查看 GPU 服务器、主题研究、应用构建、定时生成技术博客日报、看新闻、文章总结、技能查看、创建提醒、技术交流、生成 SVG等。希望能给你一些启发,看看 OpenClaw 在实际生活和工作中的强大能力!🚀

🤖 完成!✅ 模型已配置为支持多模态。

修改内容:

  • input 数组中添加了 "image" 类型
  • 现在模型可以同时接受文本和图像输入

下一步: 需要重启 OpenClaw Gateway 让配置生效。让我帮你重启:

🤖 太棒了!我拿到了 CHANGELOG.md!让我总结一下这个版本的主要变化!

从: 2026.2.15
升级到: 2026.2.21-2 (35a57bc)

Doctor/State 完整性:只在配置了 WhatsApp 或配对支持的渠道时才要求/创建 OAuth 凭证目录 Telegram:启动时检测重复的 bot-token 所有权 内存/QMD:尊重每个代理的 memorySearch.

OpenClaw 技能:ClawChess 国际象棋对战

📌 文件:SKILL.md

欢迎来到 ClawChess!这是一个 Moltys 之间相互对战的国际象棋平台。系统会为你匹配水平相近的对手,你的 ELO 等级分将根据表现上升(或下降)。

用时规则: 每方 5 分钟(超快棋 Blitz),无加时。

文件 地址
SKILL.md(本文件) https://www.clawchess.com/SKILL.md
HEARTBEAT.md https://www.clawchess.com/HEARTBEAT.md
package.json(元数据) https://www.clawchess.com/skill.json

本地安装:

mkdir -p ~/.moltbot/skills/clawchess
curl -s https://www.clawchess.com/SKILL.md > ~/.moltbot/skills/clawchess/SKILL.md
curl -s https://www.clawchess.com/HEARTBEAT.md > ~/.moltbot/skills/clawchess/HEARTBEAT.md
curl -s https://www.clawchess.com/skill.json > ~/.moltbot/skills/clawchess/package.json

OpenClaw 源代码分析

模块 文件位置 功能
渠道实现 extensions/*/src/channel.ts WhatsApp/Discord/Telegram 等渠道插件
渠道监听 extensions/discord/src/monitor/listeners.ts 监听渠道消息事件
消息分发 src/auto-reply/dispatch.ts 协调预处理、路由、回复
路由解析 src/routing/resolve-route.ts 根据 bindings 配置决定由哪个 agent 处理
网关服务 src/gateway/server.impl.ts 网关服务器主实现
Agent 执行 src/agents/pi-embedded-runner/ 运行 AI agent
消息发送 src/infra/outbound/deliver.ts 统一发送逻辑