科学家 AI 助手

Clawdbot 为什么如此爆红?

  1. Clawdbot →（短暂 Moltbot）→ OpenClaw：这是同一个“本地运行的个人AI Agent/助手”项目，出世后快速改名三次，OpenClaw 是最新的官方名称。

  2. 核心卖点是 能在你的机器上跑、能接入各种聊天渠道、还能真的去执行任务（不是只聊天）。

  3. 媒体把它描述为“AI that actually does things”，并提到它在短时间内爆红、GitHub star 暴涨。 (github.com)

痛点A：Chatbot 的价值上限太低——用户真正需要的是“替我办事”

过去两年很多人对大模型的主要失望点是：

  • 能写、能说、能总结，但落不到最后一步（登录系统、点按钮、填表、发邮件、改日历、跑脚本、拉数据、持续跟踪）。
    而 Clawdbot/OpenClaw 的定位就是：通过“工具/浏览器/文件/命令行/集成渠道”把最后一公里补齐，让它“真的能做事”。媒体报道也强调了它能自动化日历、邮件、表单、流程等任务。 (theverge.com)

这件事一旦做对，传播会非常自然：用户分享的不再是“它回答得很像人”，而是“它帮我把一件烦人的事做完了”。

痛点B：隐私与控制权——“我的上下文”不想进 SaaS 黑箱

个人助理必然触达：邮件、日历、聊天记录、文件、账号 Cookie、甚至终端权限。
因此“本地/自托管、数据在自己机器上、可控可审计”会显著增加信任与可用边界。OpenClaw 文档也明确强调“runs on your own hardware / local gateway”。 (docs.clawbook.io)

这对两类人特别致命：

  • 高度依赖信息流的个人（创业者/管理者/销售/投资/自由职业者）
  • 安全敏感的技术用户（开发者/安全工程师/重度自动化人群）

痛点C：入口碎片化——“我不想再装一个新App”

它把交互入口放进你每天已经在用的 WhatsApp/Telegram/Slack/Discord/iMessage/Teams 等渠道里，本质上把“聊天工具”变成 统一的AI控制台。README 也明确列了大量渠道支持。 (github.com)

这会带来一个很强的增长飞轮：

  • 进入群聊、团队频道后，可见性 与 可演示性 极强（“看，它刚刚帮我把XX搞定了”），自然带来裂变。

痛点D：工程化门槛——“我想要的是一键可用、再逐步变强”

它把“onboarding wizard/daemon 常驻/CLI”这些工程化体验做得很“产品化”，降低了从围观到真装起来的门槛（README 里的 onboard、install-daemon 等就是典型信号）。 (github.com)

2) AI需求的“显性信号”：为什么它会突然集中爆发

信号1：人们要的不是“更聪明”，而是“更可执行、更可持续”

你会发现这波 agent 需求爆发，并不完全取决于模型又聪明了多少，而是取决于：

  • 有没有一个 稳定的运行时（runtime）
  • 有没有 工具与权限管理
  • 有没有 长时运行/定时任务/事件触发
  • 有没有 多渠道触达 + 状态回传

OpenClaw/Clawdbot 的“Gateway 控制平面 + agent runtime + channels + skills”的组合，正好把需求显性化了：用户开始把它当成“个人自动化基础设施”，而不仅是“聊天应用”。 (github.com)

信号2：爆红伴随“安全事故/骗局/商标冲突”——说明它触达了真实高价值权限

当一个项目：

  • 能拿到真实账号与执行权限
  • 足够火以至于有人蹭名发币、做钓鱼、做恶意扩展
  • 媒体开始严肃讨论“暴露面、prompt injection、面板泄露、钥匙泄露”

这反而证明它不只是“玩具聊天机器人”，而是开始触碰“操作系统级权限”了。Axios 提到公开暴露的控制面板与密钥风险；The Verge/BI/TechRadar 也描述了混乱与安全担忧。 (axios.com)

换句话说：它火，不仅因为“好用”，也因为它第一次把“AI=高权限执行体”的现实摊在大众面前。

信号3：生态自发长出来（skills/脚本/桥接）

当你能在 GitHub 上看到围绕它出现的 wrapper、skill、桥接脚本（例如把别的分析工具包装成 skill），说明用户在把它当“平台”而不是“应用”。 (gist.github.com)

3) 将来AI的形态：从“对话式”走向“常驻式、事件式、多代理协作”

我用更“产品/系统”的语言总结未来形态（OpenClaw 这种项目之所以火，是因为它提前把形态做出来了）：

  1. 常驻（Always-on）
    AI 不再是“你打开App才存在”，而是像后台服务/守护进程一样存在（README 里 daemon 化就是这个方向）。 (github.com)

  2. 事件驱动（Event-driven）
    不是“你问它答”，而是：

  • 邮件来了触发分类/草拟
  • 日历临近触发准备材料
  • 某个指标变化触发提醒/行动这会让 AI 从“搜索引擎替代品”变成“个人运营系统”。

  1. 多入口一致性（Omni-channel state）
    你在 Telegram 说一句、在 iMessage 补一句、在 Web UI 看执行状态——同一个 agent session 与 memory 贯通。

  2. 多代理协作（Multi-agent routing）
    未来更像“你有一个总管 + 一堆专员”（财务/邮件/代码/研究/生活），控制平面负责路由、权限与日志；这也是为什么媒体会出现“给AI agent 做社交网络/平台”的奇观讨论。 (theverge.com)

4) 为什么说它像“AI操作系统的雏形”：用 OS 类比把结构讲透

把 OpenClaw/Clawdbot 这类项目看成“AI OS”，你会发现它已经具备了操作系统的一组关键抽象（尽管还很早期）：

4.1 “内核/调度器”：agent loop + 工具调用

  • 负责把“自然语言意图”拆成可执行计划
  • 调用工具（浏览器、文件、命令行、集成API）
  • 处理失败重试、状态回传、长任务

这相当于 OS 的内核在做“任务调度 + 系统调用”。

4.2 “驱动模型”：Skills/Integrations（插件化能力）

  • 每个 skill 就像一个驱动/系统服务：对接 Gmail、Calendar、Slack、浏览器、Spotify 等
  • 社区扩展让能力快速增长（平台化的关键）

4.3 “Shell/桌面环境”：聊天就是新的 GUI

  • WhatsApp/Telegram/Slack 这些渠道就是“shell”
  • 你用自然语言发命令，系统执行后把结果、截图、摘要回到同一入口
    这比“再做一个 AI App”更像 OS：OS 不要求你换通信方式。

4.4 “权限与安全模型”：pairing、allowlist、隔离与审计的必要性

高权限 AI 的本质矛盾是：

  • 没权限：做不了事
  • 有权限：风险爆炸（prompt injection、密钥泄露、远程控制面暴露）

项目 README 已经把 DM pairing/allowlist 等作为默认策略讨论；媒体也集中报道了早期安全暴露问题。 (github.com)

这对应 OS 的权限系统：用户态/管理员态、最小权限、进程隔离、审计日志。

4.5 “文件系统即配置/记忆”：可迁移、可版本化的个人智能

文档与生态里常见做法是把配置、记忆、技能以文件形式管理（便于备份、迁移、diff、审计）。这就是“个人智能资产”走向工程化的关键一步——类似 dotfiles + system config，只是对象变成“我的AI人格与工作流”。

5) 一个更尖锐的结论：它火，是因为它把“AI从产品变成基础设施”这件事做实了

  • ChatGPT 类产品解决的是“认知任务”（写、想、总结）
  • OpenClaw/Clawdbot 类项目解决的是“执行任务”（做、跑、改、发、持续）
  • Bolt.new 类项目解决的是“开发执行环境”（在浏览器里跑全栈、装包、部署） (github.com)

它们共同指向一个趋势：AI 正在吞噬“操作层”，未来竞争不只在模型，而在：

  • 运行时与工具链
  • 权限与安全
  • 入口与分发
  • 记忆与状态管理
  • 工作流与生态（skills）

  Loading images ...