从“摸黑探索”到“撞开大门”，OpenClaw引爆的产业技术路线演变

从“动口”到“动手”：OpenClaw如何将AI推入“执行时代”？

文｜洞见新研社

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

3月的最后一周，OpenClaw的GitHub社区上演了一出反转剧。往日里忙着报错的开发者们这次成了观众，主角换成了来自蚂蚁、天融信、360等机构的安全研究员，他们密集披露了数十个涉及远程接管、信息泄露的高风险漏洞。几乎是同一时间，微信和百度App却宣布全面接入这款智能体工具。一边是安全警报频频拉响，一边是巨头争相加码布局——这只仅用四个多月就收获超过24.8万GitHub星标、登顶开源榜首的“红色龙虾”，正站在一个复杂的十字路口。

其实，OpenClaw的迅速走红，远非一场简单的技术跟风。它更像一个醒目的风向标，昭示着人工智能领域一个根本性的转变：AI正从那个只能“动口”回答问题的知识型顾问，加速进化成能够“动手”处理实际任务的行动型操盘手。

那么，为什么是OpenClaw？为什么是现在？它究竟改写了哪些规则？

01 从RAG到MCP，智能体走了哪些弯路？

现在回头来看，智能体技术的发展历程虽然不长，但路线却颇为曲折，短短几年内已经历了数次技术范式的迭代。

时间回到2024年，那时RAG（检索增强生成）是大模型落地应用的主流范式。通过连接企业内部的数据库和知识库，AI被塑造成了一个“超级智库”，从回答公司制度到处理客服常见问题，似乎无所不知。然而，企业很快发现了一个尴尬的现实：大量的业务需求核心不是“求知”，而是“办事”。AI能清晰地告诉你“如何修改客户地址”的步骤，却无法在CRM系统里真正按下那个保存按钮；它能生成一封完整的邮件草稿，但不会去点击发送。这种博学却“眼高手低”的状态，让AI的实用性大打折扣。

转机出现在同一年，Anthropic发布了MCP（模型上下文协议）。这套标准化的协议，可以理解为给AI装上了一双能够调用外部工具和API的“手”，初步解决了“连接”问题。但新的瓶颈接踵而至：MCP主要提供了能力的接口，却没有告诉AI如何把这些能力组合起来完成一件复杂的事。用开发者的话说，“MCP给了AI‘手指’，但AI还不知道怎么‘用这些手指弹一首曲子’。”

进入2025年，智能体技术继续演进，已经能够根据用户需求生成定制化的执行攻略，但始终在“思考”与“行动”之间隔着一道鸿沟。一些早期入局的智能体平台对此感受颇深，例如汇智智能就曾坦言，经历了从早期寂寞到当下混战的三年，始终未能真正推开“执行”这扇大门。核心问题在于，行业缺乏一套统一的能力封装机制和任务编排框架。而这个缺口，最终被OpenClaw撞开了。

2025年11月，奥地利软件工程师彼得·斯坦伯格发布了开源项目OpenClaw。他的想法直接而深刻：为什么AI只能回答问题，而不能直接操作电脑呢？OpenClaw之所以成为破局者，关键在于实现了三重技术突破：

Skills体系： 它将企业系统中的具体操作能力，封装成标准化、可复用的模块。每个Skill都由清晰的指令、可执行代码和所需资源三部分组成，既能让大模型准确理解任务，又保证了工程上的规范性。

任务编排： 模型具备自主推理规划的能力，可以依次调用多个Skills来完成复杂指令。比如，用户只需说“分析近期市场舆情并生成报告”，OpenClaw便能自动拆解为“数据抓取、数据分析、图表生成、文档撰写”等一系列动作并执行。

长期记忆： 它可以7×24小时在后台运行，具备跨会话的记忆和学习能力，能够记住用户偏好和历史交互，实现持续的个性化服务。

02 OpenClaw如何撞开“执行时代”的大门

从第一性原理看，OpenClaw的工程本质是“给大模型一台真正可控的本地计算机，加上一个持久身份，再配上一套标准工具接口”。在应用层面，这套架构带来了三项关键跨越。

第一项突破，是从“连接”到“组织”的能力飞跃。 MCP协议解决了能力的“连接”问题，而OpenClaw的Skills体系则解决了能力“如何被组织和使用”的问题。两者关系清晰互补：Skills是封装好的能力层，MCP是底层的连接层，而AI自身则升级为整个流程的智能编排层。具体实现上，OpenClaw通过Gateway统一管理各类通信渠道，Runtime驱动智能体的决策循环，Skills与MCP提供可扩展的能力支持，持久化存储则确保了任务执行的连续性。

第二项突破，是资源消耗模型从“问答Token”到“任务Token”的质变。 一次复杂的任务执行，其消耗的Token数量可能是传统问答对话的成千上万倍。因为OpenClaw需要在后台持续运行，完成一系列动作。这种消耗模式的改变，直接影响了其背后的商业模式。有用户实测显示，某云服务商的套餐额度可能在一天内就被消耗掉相当大比例；社区里甚至流传着“一日消耗10亿Token”的说法。对此，云厂商和AI公司其实乐见其成，因为他们真正的生意在于后续持续的Token消耗。这就像业内人士点破的：“现在大家抢着提供免费部署，目的不是赚安装费，而是要做那个帮你挖金子的人，然后从你挖出的金子里分一杯羹。”

第三项突破，是智能体权限与安全边界的根本性扩展，即从“被动响应”跨入“主动执行”。 要真正“干活”，就必须获得较高的系统权限，比如读取文件、操作软件、调用API密钥。OpenClaw在运行中可以主动扫描和采集用户终端本地的各类数据，这意味着巨大的便利，也伴随着升级的风险——安全问题从以往的“内容安全”演变为了“系统级安全”。工信部发布的预警明确指出，OpenClaw在默认配置下存在“信任边界模糊”的问题，若缺乏有效控制，极易被恶意利用执行越权操作。

事实上，真实的风险案例已然出现：有用户遭遇OpenClaw失控狂删邮件，最终不得不强制关机；有工程师因智能体漏洞蒙受数十万美元损失。一些大型公司如韩国的Na ver、Kakao等，已明确内部禁用OpenClaw。

尽管风险伴随，OpenClaw依然势不可挡地从技术极客圈层破圈，引爆了一场现象级的产业热潮。

金融投研圈反应最为迅速。方正、广发、中信、东吴、国金等十余家券商集中发布专题研报，系统探讨其部署与金融场景应用。实战层面，券商研究院开始“养虾”实验，国元证券甚至自主研发了类OpenClaw应用“旗鱼”。

随后，一场全国范围的“养虾竞赛”拉开帷幕。3月，深圳龙岗区率先发布“龙虾十条”扶持政策，向全球AI创业者抛出橄榄枝，提供免费部署服务和办公住宿优惠。南京、无锡、合肥、常州等地高新区迅速跟进，纷纷出台专项政策、设立扶持基金，鼓励将OpenClaw应用于金融、制造等具体场景。

加上“一人公司”模式的兴起、安全“保镖”产业的萌发，越来越多看似前沿乃至有些魔幻的场景，正在成为开发者的日常。而OpenClaw作为核心工具，正在悄然推动整个产业生态的重塑。

03 下一代Agent技术栈的三个演进方向

OpenClaw已经证明了AI从“对话者”进化为“执行者”的巨大潜力，但产业热情高涨之际，现实也敲响了警钟。

且看：3月22日一次激进的更新让无数第三方插件瞬间失效；国家互联网应急中心紧急发布指南，直指其数据泄露与远程接管风险；而碎片化、质量参差不齐的Skill生态，则埋下了深深的信任隐患。

这些“成长的烦恼”共同指向一个核心命题：当智能体真正走入生产环境，它需要的已不仅仅是单点能力的炫技，更是一套成熟、稳定、可治理的完整技术框架。站在这个节点展望，下一代智能体技术栈的演进，或许将沿着以下三条路径展开。

首先，技术路线将走向互补与融合。 当前开发者社区内，关于CLI（命令行）模式与MCP协议的讨论愈发热烈。一种观点认为，CLI直接调用大模型API，轻量灵活，深受开发者青睐；而MCP作为标准化连接层，更适合企业级系统集成。未来，这两种路线很可能不是谁取代谁，而是形成长期共存的互补关系。更本质的变化在于软件设计逻辑的转变——未来的软件，或许不再是为人类“点击按钮”而设计，而是为智能体“喂送数据”而架构。

其次，Skill生态将从野蛮生长走向规范治理。 目前，不同厂商的Skills互不兼容，第三方插件平台缺乏严格审核，暗藏恶意代码风险。国家互联网应急中心的指南特意提醒用户，需谨慎安装外部社区发布的Skills，并拒绝那些声称“自动赚钱、破解”的不明技能。可以预见，生态规范化是必然趋势。OpenClaw此次将ClawHub设为默认渠道，正是试图收紧生态控制权、提升产品安全与稳定性下限，为大规模商业化铺平道路。

最后，安全边界将依赖制度与技术双重保障。 面对OpenClaw暴露出的安全挑战，监管与产业界已开始共同探索制度化解决方案。国家互联网应急中心与中国网络空间安全协会联合发布的实践指南，从普通用户、企业、云服务商、开发者四个维度给出了详尽建议。例如，普通用户应采取环境隔离、避免暴露端口、不使用管理员权限运行；企业需建立智能体使用规范，并对关键操作设置人工确认流程；云服务商则需加强供应链安全与新型风险检测能力。

未来的方向很明确：用户必须能够精细控制AI可访问的数据和系统范围，AI的每一步操作都应当可追溯、可审计、可回滚。这不仅仅是一个技术问题，更是用户与AI之间的一份“权限委托契约”，需要法律规范与工程技术共同为其保驾护航。

04 结语

回顾技术演进之路，RAG解决了“AI知道什么”，而OpenClaw代表的Skills体系，解决的是“AI能做什么”。当AI既能理解复杂意图，又能调用系统能力去 tangible地完成任务时，大模型才算真正叩开了企业核心业务的大门。

OpenClaw的爆火，是AI从“聊天机器人”迈向“执行智能体”的一次关键预演。它验证了“本地优先、行动导向、用户主权”这条技术路线的可行性，也让我们得以一窥智能体时代的巨大潜力。然而，必须清醒认识到，这项技术的发展绝非一场追求速成的短跑，而是一场需要技术、安全、生态协同并进的马拉松。

当AI开始真正替你“干活”的时代加速来临，我们，准备好了吗？