养一只龙虾当代码民工：OpenClaw 爆火背后的技术真相

当程序员开始养「龙虾」#

如果有人问你：「最近在养什么宠物？」，而你的回答是「龙虾」，别急着怀疑人生——这里的「龙虾」可不是餐桌上的那只红彤彤的小家伙。

OpenClaw，这个在 GitHub 上 4 个月内狂揽 25 万星标的开源项目，正以一种近乎疯狂的速度席卷技术圈。它不仅是 GitHub 历史上增速最快的开源项目之一，还先后超越了 Linux 和 React 的增长曲线。在深圳腾讯大厦北广场，甚至出现了上千人排队等着工作人员帮忙「安装龙虾」的奇景。

你可能会问：一个技术项目，为什么叫「龙虾」？

因为 OpenClaw 的名字里有个 Claw（螯/爪子），加上它那灵活、能「动手干活」的特性，社区就亲切地给它起了这个昵称。于是，「养龙虾」成了 2026 年技术圈最魔性的流行语。

从「只会说」到「能做事」：AI 智能体的范式跃迁#

在 OpenClaw 出现之前，我们与 AI 的交互大多停留在「你问我答」的模式：

1
用户：帮我写一个 Python 脚本
2
AI：好的，这是代码...
3
用户：帮我把这个文件整理一下
4
AI：你可以使用 os.listdir() 然后用 shutil.move()...

问题在于：AI 给了方案，但活儿还得你自己干。这就像你雇了一个军师，他只会告诉你战略，但从不亲自动手——听起来很高级，但实际操作还是累死你。

OpenClaw 的核心理念很简单：让 AI 从「只会说」变成「能做事」。

1
用户：帮我把桌面上的文件按类型整理一下
2
OpenClaw：好的，正在处理...
3
         - 发现 23 个文件
4
         - 创建文件夹：文档、图片、压缩包、代码
5
         - 移动 15 个 .pdf 到 文档/
6
         - 移动 5 个 .png 到 图片/
7
         - 移动 2 个 .zip 到 压缩包/
8
         - 移动 1 个 .py 到 代码/
9
         完成！生成了整理报告。

这不是科幻，这就是 OpenClaw 的日常。它像一个 7×24 小时待命的数字打工人，接到指令就能自主完成全流程操作。

架构解密：四大组件构建「数字员工」#

OpenClaw 的架构设计堪称优雅，用一张图就能概括：

1
┌─────────────────────────────────────────────────────────────┐
2
│                    用户终端（微信/飞书/Telegram）              │
3
└─────────────────────────────────────────────────────────────┘
4
                              ↓
5
┌─────────────────────────────────────────────────────────────┐
6
│                    Gateway（网关层）                          │
7
│    • 消息接入与调度                                           │
8
│    • 多通道适配（WhatsApp/Telegram/飞书/钉钉等）              │
9
│    • 安全认证与白名单控制                                     │
10
│    • WebSocket 服务器（默认 127.0.0.1:18789）                │
11
└─────────────────────────────────────────────────────────────┘
12
                              ↓
13
┌─────────────────────────────────────────────────────────────┐
14
│                    Agent（智能体层）                          │
15
│    • 理解自然语言指令                                         │
16
│    • 上下文处理与逻辑推理                                     │
17
│    • 驱动大语言模型（GPT-4/Claude/Kimi 等）                   │
18
│    • 决策与任务规划                                           │
19
└─────────────────────────────────────────────────────────────┘
20
                              ↓
21
┌─────────────────────────────────────────────────────────────┐
22
│                    Skills（技能层）                           │
23
│    • file-organizer：文件管理与整理                           │
24
│    • web-browser：浏览器自动化                                │
25
│    • email-manager：邮件处理                                  │
26
│    • data-analytics：数据分析                                 │
27
│    • system-monitor：系统监控                                 │
28
└─────────────────────────────────────────────────────────────┘
29
                              ↓
30
┌─────────────────────────────────────────────────────────────┐
31
│                    Memory（记忆层）                           │
32
│    • 短期记忆：JSONL 对话记录                                 │
33
│    • 长期记忆：Markdown 文件存储                              │
34
│    • 混合检索：向量检索 + 关键词检索                          │
35
└─────────────────────────────────────────────────────────────┘

四大组件各司其职#

组件	职责	类比前端开发
Gateway	消息接入、调度、多通道支持	状态管理 + 路由系统
Agent	思考决策、上下文处理、驱动 LLM	React 应用框架层
Memory	存储对话历史、用户偏好、长期记忆	Redux 持久化方案
Skills	执行具体操作：浏览网页、发邮件、管理文件	Webpack/Vite 插件体系

一个有趣的设计：文件即数据库#

OpenClaw 的记忆系统使用 Markdown/JSONL 文件 直接存储，而不是传统的数据库。这意味着：

1
## MEMORY.md
2

3
### 用户偏好
4
- 喜欢简洁的代码风格
5
- 使用 VS Code 作为主要编辑器
6
- 每天早上 9 点查看日程
7

8
### 已完成任务
9
- [x] 2026-03-10: 整理桌面文件
10
- [x] 2026-03-10: 发送周报邮件
11
- [ ] 2026-03-11: 监控服务器状态

好处是什么？ 简单、透明、可调试。你可以直接打开文件看看「龙虾」记住了什么，甚至手动编辑修正它的记忆。

技术亮点：那些让开发者眼前一亮的设计#

1. 语义快照而非截图#

当 OpenClaw 操作浏览器时，它不会像传统自动化工具那样截取一张 5MB 的屏幕截图，而是提取 Accessibility Tree（无障碍树），大小只有约 50KB。

1
传统方式：截图（~5MB）→ OCR 识别 → 提取信息
2
OpenClaw：Accessibility Tree（~50KB）→ 直接解析 → 理解页面结构

这就像你给朋友指路，不需要画一张详细的地图，只需要告诉他「在红绿灯左转，直走两百米」——更高效，更精准。

2. 动态 Prompt 编译#

OpenClaw 的系统提示词不是静态配置，而是根据运行时上下文动态编译的：

1
// Prompt 是编译输出，不是配置
2
const systemPrompt = compilePrompt({
3
  agentIdentity: await loadIdentity(),
4
  availableSkills: await getEnabledSkills(),
5
  memoryContext: await retrieveRelevantMemory(userMessage),
6
  securityConstraints: getSecurityRules()
7
});

这就像是给 AI 配了一副「智能眼镜」，它看到的内容会根据当前场景自动调整。

3. Heartbeat 心跳机制#

OpenClaw 可以主动工作，而不仅仅是被动响应：

1
## 定期检查项
2
- [ ] 每天早上 9 点提醒今日日程
3
- [ ] 监控项目 build 状态，失败时通知
4
- [ ] 每周五下午总结本周工作

这就像养了一只真正的宠物——它不会只在你想起来的时候才动，而是有自己的「生活节奏」。

安全机制：五层防护让「龙虾」不会反噬主人#

「养龙虾」听起来很酷，但把一个能执行任意命令的 AI 放在本地运行，安全吗？OpenClaw 设计了五层安全防护：

层级	机制	说明
网络层	Loopback 绑定	默认只绑定 127.0.0.1，外部访问需认证
通道层	白名单控制	可配置 allowList、requireMention、pairingCode
命令层	黑名单过滤	阻止危险语法（`rm -rf`、命令替换等）
沙箱层	隔离执行	非主会话在 Docker 容器中运行
Prompt 层	注入防护	外部内容包装安全标记，防止恶意指令

1
# 被阻止的危险命令示例
2
rm -rf /           # ❌ 直接拒绝
3
$(cat /etc/passwd) # ❌ 命令替换被拦截
4
`whoami`           # ❌ 反引号命令被过滤

并发控制：默认串行，显式并行#

为了避免「左脚踩右脚」的尴尬情况，OpenClaw 默认串行执行任务：

1
任务队列：[整理文件] → [发邮件] → [监控系统]
2

3
# 如果新消息到达
4
策略 A (steer)：打断当前任务，立即处理新消息
5
策略 B (collect)：收集消息，等当前任务结束后批量处理
6
策略 C (followup)：排队等待（默认）

这就像在餐厅点餐——厨师不会同时炒十道菜，而是按顺序来，避免把宫保鸡丁的配料放进麻婆豆腐里。

部署一只「龙虾」需要什么？#

环境要求#

项目	最低要求	推荐配置
操作系统	Windows 10+ / macOS 12+ / Ubuntu 20.04+	同左
内存	4GB	8GB+
硬盘	10GB 空闲空间	20GB+
Node.js	22+	22+ (强制要求)

一键部署#

1
# macOS / Linux
2
curl -fsSL https://openclaw.ai/install.sh | bash
3

4
# Windows PowerShell (管理员权限)
5
iwr -useb https://openclaw.ai/install.ps1 | iex

配置向导#

1
openclaw onboard --install-daemon

需要配置的内容包括：

风险确认（是的，我知道这只龙虾很能干）
启动模式（开机自启/手动启动）
模型提供商（OpenAI/Anthropic/阿里云/本地 Ollama）
工作区路径
守护进程配置

真实场景：龙虾能帮你干什么？#

场景一：文件自动化整理#

1
你：帮我把 Downloads 文件夹里的东西整理一下
2

3
龙虾：
4
├── 发现 47 个文件
5
├── 按类型创建 6 个分类文件夹
6
│   ├── 文档/ (12 个 PDF, 5 个 DOCX)
7
│   ├── 图片/ (15 个 PNG, 3 个 JPG)
8
│   ├── 压缩包/ (8 个 ZIP, 2 个 RAR)
9
│   ├── 代码/ (3 个 PY, 1 个 JS)
10
│   └── 其他/ (剩余文件)
11
├── 移动完成，检测到 2 个重名冲突
12
├── 已自动重命名处理
13
└── 生成整理报告：download_cleanup_20260311.md

场景二：浏览器自动化与数据采集#

1
你：帮我查一下最近一周 Hacker News 上关于 AI 的热门文章，整理成表格
2

3
龙虾：
4
├── 启动无头浏览器
5
├── 访问 Hacker News
6
├── 搜索关键词 "AI"、"artificial intelligence"
7
├── 筛选一周内的文章
8
├── 按评分排序
9
├── 提取标题、链接、评论数
10
└── 生成 CSV 文件：hn_ai_articles.csv
11

12
| 标题 | 链接 | 评论数 |
13
|------|------|--------|
14
| OpenAI releases GPT-5 | news.ycombinator.com/... | 842 |
15
| Why AI coding assistants fail | news.ycombinator.com/... | 567 |
16
| ... | ... | ... |

场景三：多平台消息同步#

1
你：监控飞书工作群，把含有「紧急」「bug」的消息转发到我微信
2

3
龙虾：
4
├── 连接飞书 API
5
├── 监听指定群组
6
├── 关键词匹配触发
7
├── 通过微信接口转发
8
└── 持续运行中... (已处理 23 条消息)

中国力量：国产大模型登顶 OpenClaw 调用榜#

OpenClaw 的火爆也带动了中国大模型的崛起。根据 OpenRouter 的统计，截至 2026 年 3 月，OpenClaw 的月度调用榜单前三名全部被中国大模型包揽：

排名	模型	提供商	调用量占比
1	Step 3.5 Flash	阶跃星辰	32%
2	Kimi K2.5	月之暗面	28%
3	MiniMax M2.5	稀宇科技	21%

其中，阶跃星辰的 Step 3.5 Flash 表现尤为突出——相比 30 天前，它在 OpenClaw 上的日调用量增长超过 20 倍。这种「开源全家桶」模式（开放预训练权重 + 官方训练框架 Steptron）吸引了大量开发者将其集成到 OpenClaw 等自动化工作流平台中。

热度背后的冷思考：狂欢中的隐忧#

然而，在「全民养虾」的狂欢中，也有声音在提醒我们保持冷静。

安全风险不容忽视#

「OpenClaw 很早期时，作者 Peter 就说过部署配置门槛高是希望大家认真学习文档，了解能力、安全边界在哪里。但这些第三方平台只想着让你怎么嗨，却只字不提安全。」——某安全研究员

一些技术小白在看完教程后，直接将 OpenClaw 部署在工作机上，还将 IP 暴露在公网——这是最低级的错误，还没涉及到 prompt 注入、skills 恶意指令等高级攻击。

Token 消耗是个「无底洞」#

OpenClaw 天生「费 token」。多轮交互与上下文特性推动 Token 消耗量指数级增长，这对个人开发者来说可能是一笔不小的开支。

AGI 的雏形，还是泡沫的狂欢？#

OpenClaw 可能是目前最接近 AGI 形态的 AI 框架——它能思考、能执行、能记忆、能主动工作。但它究竟是通向未来的钥匙，还是一场技术泡沫？

答案可能需要时间来验证。但有一点是确定的：这是一个值得关注的里程碑式项目。

结语：养一只龙虾，还是做一只龙虾？#

OpenClaw 的爆火，折射出的是程序员们对「解放双手」的渴望。我们写了太多重复的脚本，整理了太多乱七八糟的文件，回复了太多千篇一律的邮件——我们希望有一个「数字替身」来处理这些琐事。

养一只龙虾当代码民工，听起来很美好。但更重要的是：我们是否正在创造一个让技术真正服务于人的未来？

无论你是想养一只「龙虾」来帮你干活，还是想深入研究它的架构设计，OpenClaw 都值得你花时间去了解。毕竟，在技术圈能看到这样现象级的项目，本身就是一件让人兴奋的事。

参考资料：

音乐

音乐