浅谈 “龙虾” OpenClaw 养育心得

从AI聊天工具进阶到AI实习生，OpenClaw带来的不仅仅是技术层面的革新，更深层的变化，其实是人机协作模式的一次范式转换。
核心内容速览：
1. OpenClaw的核心功能与独特价值在哪
2. 当前的技术天花板和生态困境
3. 实战中总结的养育心得与避坑指南

1月底，OpenClaw和Moltbook突然就火了，“养虾”热潮一夜之间席卷而来。春节前后又赶上几波AI产品扎堆发布，AI圈一时间出现了三大怪现象：养龙虾（OpenClaw）、等种子（Seedance）、玩香蕉（Nano Banana）。

从最初500元一次上门安装，到后来299元一次上门卸载，养虾的热度似乎有所降温。但各大厂商推出的各类Claw产品，依然在持续点燃市场热情。

不知不觉，折腾OpenClaw已经一个半月了，勉强算个“半个资深虾农”。回顾这段时间的经历，虽然过程充满痛苦，但也乐在其中。把这段时间攒下来的经验梳理了一下，来聊聊“龙虾”的养育心得。

1. “龙虾”简介

OpenClaw究竟是什么，这里不展开细说。和DeepSeek、豆包、Kimi这类纯AI聊天工具相比，OpenClaw更像一个拥有执行能力的系统，核心差异主要体现在以下几个维度：

• 自部署：
  装在自己的电脑或服务器上，数据私有化。

• 操作工具：
  可以操控本地系统文件，比如编辑文件、访问浏览器等。

• 定时任务：
  支持定时触发或自动完成某些任务。

• 记忆管理：
  能够存储用户对话中的关键信息。

• 功能扩展：
  支持Skills，可以把上述基础能力按场景打包成专项能力。比如每天上午10点自动搜索关注的股票信息并通知你。

  定时任务 —— 每天10点
  记忆管理 —— 关注的股票
  操作工具 —— 调用 `股票信息系统` API，调用 `聊天` 工具通知

所以OpenClaw擅长的，就是这些功能所覆盖的场景：即时对话、调用工具、定时任务。

它之所以引发热潮，逻辑并不复杂：LLM给了它“大脑”，操作工具给了它“四肢”，记忆管理让它能保留上下文，定时任务又让它看起来像是会主动行动。这些特性叠加在一起，很容易让人产生一种错觉——它已经不只是一个聊天工具，而是一个真的能持续做事的智能体。

当然，目前它还存在不少限制。最大的局限主要体现在两个方面：

• 成熟度不够：
  可以关注Agents Radar^[1]这个项目。虽然各类Claw层出不穷，但至今没有一款称得上成熟稳定。OpenClaw在2026.03.02版本中甚至出现过“操作工具”全面失效的严重问题。

• 生态封闭与安全问题：
  OpenClaw最大的革新就是“操作工具”，这让它具备了无限的可能性。我们设想的下一代操作系统，其实就是OpenClaw这种个人智能体的形态：所有用户需求都以对话形式发给它，再由它调用工具完成，比如订票、购物等。但问题在于，这些工具的厂商又岂能轻易让它如愿？各种防护措施让OpenClaw无从下手。这里面当然有数据安全的考量，但在很多场景下，平台壁垒和生态封闭才是更现实的限制。

基于这些限制，可以把OpenClaw理解成一个具备各方面能力、但每个能力都很一般的实习生。它能做一些事，但也可能惹出更多事。从AI聊天工具到AI实习生，

，这才是OpenClaw带来的真正价值。

2. 上手门槛

“养虾”难吗？说实话，很难。

它本身不够成熟，生态又封闭，更新速度还奇快。想真正用起来、用好它，对AI和IT的综合经验要求都比较高。

所以普通用户本着吃瓜心态看看就好，就算花500元找人上门装好了OpenClaw，后面还是可能因为各种问题根本用不起来。最后骂一句“这不是虾扯么”，这笔钱大概率也是打了水漂。

3. 安装方式

如果你确认要成为一名“养虾人”或“逮虾户”，那么“虾池”选在哪就很重要，因为这直接关系到成本。

个人目前不推荐各种云Claw，比如KimiClaw、MaxClaw。不是得罪厂商，而是因为目前各类Claw的成熟度确实太低，动不动就卡死、崩溃。出现问题时，你还是需要登录到服务器上看日志、重启服务甚至重启服务器，托管服务反而会让这些操作变得不灵活。

同样

把OpenClaw直接装在日常使用的个人电脑上，风险不好控制，尤其是隐私数据和本地工具权限这一块。

个人最推荐的方案是“云轻量服务器” + “国内模型订阅服务”。以阿里云轻量服务器 + 阿里 Coding Plan 为例，初期“养虾”的成本大约在60~100元之间。

4. 模型推荐

OpenClaw的“大脑”是大模型，所以大模型的能力直接决定了“龙虾”的智商以及“养虾”的成本。

国内模型方面，首推Kimi K2.5和MiniMax M2.5。前者支持多模态，可以让OpenClaw识别你发送的图片；后者则在价格上更有优势。

如果可以使用国外模型，推荐GPT 5.4，它更适合这种操作工具的智能体。现在是我的主力模型，属于那种一旦用了就很难退回去的类型。唯一的缺点就是价格略高。

5. Channel 推荐

OpenClaw与AI聊天工具还有一个关键区别：它可以嵌入到用户常用的即时通讯工具中，而不是强制用户使用它的APP或网页，这让使用体验更加无缝。

OpenClaw支持国内外多种即时聊天工具。

如果你使用国内工具，首推飞书。显示效果和用户体验最好，支持单聊、群聊多种方式。QQ和微信目前更偏向单聊场景。至于企微和钉钉，整体交互和使用体验一般，不太适合作为长期主通道。

如果你使用国外工具，首推Telegram，配置简单。也可以选择Discord，但它的使用习惯可能不太匹配国内用户。

6. Skills 推荐

龙虾有5对步足用于行走，而OpenClaw的Skills就是它的“虾脚”，用来实现不同的场景化功能。ClawHub^[2]是目前“龙虾”们最大的技能社区，上面托管了2万多个技能。但并不是每一个都适合所有人。

从刚开始“养虾”到现在，目前还保留下来的Skills主要有以下几个：

6.1. OpenClaw Msg Delivery Guide

自己写的Skill，主要解决OpenClaw定时任务不通知、任务进展不回复等顽固问题。具体细节在《OpenClaw定时任务没通知，你应该这样做》中有详细说明。

https://clawhub.ai/sonicrang/openclaw-msg-delivery-guide

身边有不少“虾农”朋友被这个问题劝退，建议新“虾农”们都安装一下。

现在，我把它和Ta vily、GitHub CLI等Skills配合使用，实现了大量信息的定期收集、总结和通知。

6.2. Ta vily Search

AI智能体网络搜索工具，相关的Skill有不少，你可以选择以下任意一个：

https://clawhub.ai/Jacky1n7/openclaw-ta vily-search

https://clawhub.ai/robbyczgw-cla/web-search-plus

安装完成后，需要去Ta vily官网^[3]注册账号，申请API Key，然后发给OpenClaw完成配置。

Ta vily有免费额度，每个月1000 Credits。它是一个适合AI做资料研究、内容归纳、网页阅读的搜索工具。但对于Twitter、YouTube这类半封闭的社交媒体，它并不能获取完整数据，还需要借助其他Skill，比如Bird（Twitter CLI）。

6.3. Self Improving Agent

这个Skill主要用来增强OpenClaw的记忆管理：持续整理日常会话中的信息、错误和经验，形成分类、分层的记录，再把重要内容提升到OpenClaw的Memory文件中。

https://clawhub.ai/pskoett/self-improving-agent

安装完成后需要让OpenClaw执行初始化：

初始化 self-improving-agent skill

目前这个Skill已经帮我记录了数十条习惯、经验、工作流以及踩过的坑，能感觉到它越来越懂我了。

记忆管理是OpenClaw的核心功能。随着2026.03.08版本的发布，OpenClaw进一步加强了记忆管理功能，市面上也开始出现LossLess^[4]、MemOS^[5]这类记忆增强工具。目前我还没有开始使用，等后续体验过之后再来分享心得。

6.4. 各类 CLI Skill

经常使用GitLab、GitHub等CLI去做一些操作。比如跟进某个代码项目的Issue，有进展后通知我；也可以通过对话让OpenClaw帮我更新Issue信息。甚至基于GitLab的Issue做了一个智能FAQ助手。

安装这类Skill，需要在服务器上使用访问令牌完成登录验证。有一点需要特别注意：一定要控制访问令牌的权限和范围，切勿把包含重要、隐私数据的代码库暴露给OpenClaw。

https://clawhub.ai/Porta vion/glab-cli

https://clawhub.ai/steipete/github

强烈推荐使用GitLab或GitHub中的任意一个Skill，配合OpenClaw Msg Delivery Guide，每天定时把OpenClaw的配置文件openclaw.json以及workspace目录备份到代码托管平台上，做版本控制。这个方法已经救了我太多次。

6.5. 其他

除了上述主要工具，目前还在使用的是一些小工具，比如Calda v Calendar^[6]用来获取日程信息，Agent Browser^[7]用来做一些浏览器操作。

除此之外，其他Skills都被卸载了。一方面是目前确实用不到，另一方面Skills越多，信息泄露的风险也越大。像Email相关的Skills已经不再使用。

如果你不知道要装哪些Skills，不妨参考这篇文章，从少用起。

7. 配置推荐

龙虾的5对步足中，最前面的1对步足进化成了螯，也就是虾钳，是它最重要的武器。在OpenClaw中，最重要的就是openclaw.json这个配置文件，它决定了OpenClaw如何与其他模块、工具进行协同。

除了在安装OpenClaw时执行onboard命令初始化的一些基本配置外，还重点调整了以下配置：

7.1. ACP Agent

Agent Client Protocol^[8]简称ACP，设计的目的是给外部客户端或系统提供一套统一接口，用来接入和驱动AI Agent。比如OpenCode在IDE中的插件，就是以ACP来实现的。

如果OpenClaw直接把OpenCode当普通终端命令执行，它很容易因为终端交互、持续会话、确认输入和输出刷新机制而卡住，表现为无响应、停在半截，或者一直不退出。

规避这个问题有两种办法：一种是用tmux托住交互式CLI；另一种更正式的办法，是直接通过OpenClaw的ACP runtime接入。前者在《OpenClaw折腾笔记四 -- 编程实战：开发博客转公众号助手》中有介绍，而后者是OpenClaw新推出的功能。

具体配置可以查看OpenClaw ACP Agents^[9]文档，这里节选了配置示例：

{
  "acp": {
    "enabled": true,
    "backend": "acpx",
    "defaultAgent": "opencode",
    "allowedAgents": [
      "opencode",
      "codex",
      "claude"
    ]
  }
}

此外还需要安装acpx插件：

openclaw plugins install acpx
openclaw config set plugins.entries.acpx.enabled true

配置后，就可以通过OpenClaw操作OpenCode来编写代码了。如果使用Discord或Telegram，还可以使用OpenClaw新推出的ACP Thread-bound sessions功能，把OpenCode等编程Agent绑定到Telegram Topic中。比如OpenCode对应一个Topic，Claude Code对应另一个Topic，这样就可以在不同的Topic中直接发送需求，而不是在OpenClaw的主Channel中让OpenClaw来完成任务分发。

目前，大部分开发工作都是通过OpenClaw交给OpenCode完成的——当然，主要是一些工具类项目，谈不上复杂的系统工程。

7.2. 托管的浏览器

浏览器是OpenClaw最关键的操作工具之一。很多现实任务最终都会落到浏览器里，所以一旦浏览器能力可用，OpenClaw的可操作范围就会一下子大很多。此前在《操控浏览器，让OpenClaw解锁超能力》一文中有详细介绍，并且用它开发了一个小项目《3小时：OpenClaw打造HR简历筛选助手》。整个项目开发用时3小时，它只需要30分钟就可以获取300多份简历信息，并根据岗位要求给出匹配度打分和评价，极大提升了简历筛选效率。

7.3. 多Agent协同

当把“养虾”生意扩大到家庭，想把OpenClaw分享给家人使用时，发现多人共用很容易产生信息混乱、记忆混淆等问题。所以参考《实战中的Openclaw多Agents部署策略》，也给自己的OpenClaw配置了2个Agent，并划分了不同的工作区。

简单起见，使用软隔离模式，即只通过工作目录来实现隔离。不同的Agent有不同的工作目录，有不同的记忆文件、Skills文件以及不同的Channel。

配置如下：

// 配置2个不同的Channel
"channels": {
    "telegram": {
      "enabled": true,
      "dmPolicy": "pairing",
      "botToken": "xxxxx",
      "groupPolicy": "allowlist",
      "streaming": "partial",
      "threadBindings": {
        "enabled": true,
        "spawnAcpSessions": true
      }
    },
    "qqbot": {
      "enabled": true,
      "allowFrom": [
        "*"
      ],
      "appId": "xxxxx",
      "clientSecret": "xxxxx"
    }
  },
// 不同的Agent绑定不同的Channel
"bindings": [
    {
      "agentId": "main",
      "match": {
        "channel": "telegram",
        "accountId": "default"
      }
    },
    {
      "agentId": "daffo",
      "match": {
        "channel": "qqbot",
        "accountId": "default"
      }
    }
  ],
// 不同的Agent有不同的工作目录
"agents": {
    "list": [
      {
        "id": "main",
        "name": "main",
        "workspace": "/root/.openclaw/workspace"
      },
      {
        "id": "daffo",
        "name": "daffo",
        "workspace": "/root/.openclaw/workspace-daffo"
      }
    ]
  },
...

特别注意一点：main的workspace要写在agents.list[]的具体条目里。如果只在agents.defaults里写默认workspace，其他Agent也会继承这一路径，就无法实现隔离了。

8. 心得总结

以上就是近期的“养虾”心得。基于OpenClaw尚不成熟、有数据泄露风险、技术门槛较高等一系列问题，还是建议吃瓜群众保持理性。

对于想要尝试“养虾”的“虾农”，可以这篇心得作为参考，取长补短。

就个人体验而言，OpenClaw确实帮助解决了一些实际问题，也让人看到了未来AI演进的可能性。虽然目前还比较初期。

总之，“养虾”有风险，入坑需谨慎。

但话说回来，它确实挺好玩的。