OpenClaw

导语 OpenClaw 又回到了熟悉的日更节奏。 这次更新，跟之前那种「修了几个无关痛痒的小 Bug」完全不是一回事。光是更新日志的长度，就能感受到这次变动的分量。 而且里面有几件事，值得单独拎出来说一说。 Skills 装起来更丝滑了 这块改动，对大部分普通用户来说可能是感受最直接的。 之前装 Skills，你可能碰到过这种情况：装完了，跑不起来，一堆红字报错，但是根本不知道缺什么。 这次做了两件事。 一键安装配方 OpenClaw 内置的几个常用 Skills（包括 coding-agent、gh-issues、openai-whisper-api、session-logs、tmux、trello、weather 等）现在装的时候，系统会自动检测你缺哪些依赖，缺了直接提示你装，不用自己去翻文档。 控制台 Skills 页面重做 以前那个页面，就是一排卡片，密密麻麻堆在一起，你也不知道哪个能用、哪个缺配置。 现在改成了分标签：全部 / 已就绪 / 需配置 / 已禁用，旁边还带数量。 每个 Skill 点进去是一个详情弹窗，里面写清楚了它需要什么、怎么配、在哪儿找 API Key、甚至怎么安装。 文案细节优化 还有一个小细节：以前 Skill 缺配置会标红，显示「missing（缺失）」。 现在改成了「needs setup（需配置）」。 就这一个词的改动，语气完全不一样了。不是在责怪你配错了，是在告诉你下一步该干啥。 毕竟，龙虾最大的价值之一，是情绪价值。高情商说话很重要。 控制台的侧边栏不再让你找不到东西了 macOS 版本这次把配置页的导航方式换了。 之前是横向的胶囊按钮，一排排平铺，点来点去，层级不清晰。 现在改成了可折叠的树形侧边栏，有展开箭头、有缩进层级，一眼就能看出大类和子类的关系。 就跟你用 VS Code 的文件树是一个感觉。 不是什么革命性的改变，但是用起来顺手很多。 安全方面，堵上了一个挺大的漏洞 这次修复了一个媒体文件访问绕过的安全漏洞——原本的文件访问路径有个别名（mediaUrl/fileUrl），攻击者可以通过这个别名跳出 OpenClaw 的媒体访问限制，拿到理论上不应该拿到的文件。 这次把这个别名绕过彻底关掉了，工具动作和消息动作都不能再通过这个路径突破媒体访问边界。 这种安全漏洞，通常不会有人来跟你主动汇报。你就是莫名其妙地文件被读取了，都不一定知道从哪里出去的。 Microsoft Teams，终于补上了短板 一直以来，OpenClaw 对 Microsoft Teams 的支持，跟其他频道比起来，就像是后妈养的。 这次，OpenClaw 把 Teams 的底层彻底翻新了一遍——迁移到了 Teams 官方 SDK，不再用之前那套非官方路子。 ...

导语 “Anthropic几乎每天都在搬运OpenClaw的功能，开源软件正在定义大厂的产品路线图。” 这不是社区用户的吐槽，而是正在发生的现实。 2026年3月24日，Anthropic宣布Claude引入Computer Use能力——可以直接操作用户的Mac电脑。这是Anthropic在一个月内发布的第四项重大更新。 背后的催化剂？一个开源项目：OpenClaw（俗称"龙虾"）。 一、OpenClaw：从开源玩具到行业标杆 什么是OpenClaw？ OpenClaw是一款能跨WhatsApp、Telegram、Slack等平台调用AI执行任务的工具。它不生产模型，仅作为连接OpenAI与Anthropic模型的**“中枢”**。 为什么它能"踢"Anthropic一脚？ OpenClaw击中了用户对AI最朴素的期待：走出对话框，真正进驻物理桌面。 硅谷巨头的反应： 公司 动作 英伟达 黄仁勋直言其为"下一个ChatGPT"，推出企业级版本NemoClaw OpenAI 直接将OpenClaw创始人彼得·斯坦伯格（Peter Steinberger）招至麾下 Anthropic 一个月内连发四大功能，“几乎每天都在搬运OpenClaw的功能” 安全问题：极客的玩具 vs 商业产品 专家警告，赋予AI电脑最高控制权意味着风险敞口同步放大。Digital Trends指出，OpenClaw复杂的配置和潜伏的安全隐患，注定它目前只是**“极客的玩具”**。 但对追求稳定与安全的普通用户而言，原生集成、受控性更强的商业方案显然是更现实的选择。 二、Anthropic的四大反击 自从2月下旬以来，Anthropic以一种近乎疯狂的频率，连续发布了四项足以重塑生产力范式的更新。 1. Remote Control（2月25日） 核心能力：将本地命令行环境与Claude移动端、网页界面无缝连接 解决的问题： 不再需要折腾Tailscale隧道 无需配置Termius移动访问 告别手动挂载Tmux会话 技术亮点： 原生流式连接，无需端口转发或VPN 网络波动时自动重连 安全架构：桌面机器主动向外发起连接，电脑无需开放入站端口 “去散步、去晒太阳、去遛狗，而不会打断你的工作流。” —— Noah Zweben, Claude Code产品经理 2. Dispatch（3月18日） 核心能力：跨设备任务调度层 使用场景： 每天清晨自动梳理邮件 每周定时拉取业务指标 坐火车时潜入IDE修改代码、运行测试并提交PR 架构优势：“执行在本地，控制在云端” 重型任务锚定在桌面电脑 手机仅负责分配任务、监控进度 敏感数据不跨设备传输 3. Channels（3月19日） 核心能力：Claude正式入驻Discord与Telegram 这是对OpenClaw最直接的回应。 技术基础：模型上下文协议（MCP） MCP服务器充当双向桥梁 将IM消息转化为Claude可处理的逻辑事件 任务完成后自动推送回聊天窗口 用户反馈： “Claude这次几乎’定点清除’了OpenClaw，让我那台专门为AI 24小时在线而购入的Mac Mini瞬间失去了存在意义。” —— X用户@BentoBoi ...

导语 2026 年 GTC 大会，黄仁勋做了一件罕见的事：把竞争对手们请上了台。 LangChain、Perplexity、Cursor、Mistral、Black Forest Labs……这些在 AI 江湖中各领风骚的 CEO 们，围坐在老黄身边，聊了一个多小时。 主题只有一个：AI 的下半场。 不是模型参数的军备竞赛，而是系统、智能体、开源生态的万亿商业爆发。 核心洞察：模型是晶体管，系统才是产品 黄仁勋开场就扔出一个重磅判断： “模型是一种技术，就像晶体管是一种技术，而不是最终产品。” 这句话重新定义了 AI 产业的竞争格局。 维度 上半场 下半场 竞争焦点 谁的模型更聪明 谁的系统更有用 核心能力 预训练规模 编排、工具链、多模型协作 产品形态 对话框（ChatGPT） 数字同事（Agent） 商业模式 API 按 Token 收费 订阅 + 企业级解决方案 Cursor CEO Michael Truell 补充道： “我们正在见证第三类公司的诞生——既能利用顶尖 API，又能整合自有模型，构建出能承担数小时甚至数天工作任务的同事。” 这不是渐进式改进，这是范式转移。 智能体的崛起：从回答问题到采取行动 如果说 2023 年是对话式 AI 的元年，2026 年就是智能体行动的元年。 LangChain CEO Harrison Chase 指出： “智能体正在形成『身份』的概念，它们可以主动发送消息，具备长期记忆，甚至能通过代码编辑自己的指令。” Perplexity CEO Aravind Srinivas 打了个精妙的比方： “这些子智能体就像音乐家，模型仅仅是乐器。AI 完成的工作就是它们演奏出的交响乐。” 关键转变: ...

导语 2026 年 3 月，微信做了一个可能改变中国 AI 格局的决定：正式接入 OpenClaw。 这不是简单的"AI 聊天"功能，而是把 Claude Code、Codex 等 Agent 直接塞进微信——10 亿用户无需安装任何 App，就能在熟悉的聊天界面里调用全球最强的 AI 编程助手。 腾讯这次，赌对了什么？ 发生了什么 根据 GTC 2026 现场和开发者社区消息，微信通过 ClawBot 插件实现了与 OpenClaw 的深度集成： 功能 说明 Agent 即联系人 ClawBot 以好友形式出现在微信通讯录 自然语言调用 @ClawBot + 指令，直接操作 OpenClaw 会话上下文 支持多轮对话，保持任务连续性 文件交互 可发送图片、文档给 Agent 处理 技术架构上，微信走的是 ilink 协议 —— 这是微信为 Bot 生态开放的官方接口，支持 HTTP 长轮询和 Token 认证。 微信用户 → ilink API → 桥接层 → Claude Code Session → 返回结果 整个流程约 300 行 TypeScript 代码，核心文件 wechat-channel.ts 实现了 MCP Channel 服务器。 ...

引言：一件"分内的小事" 2026年3月22日，微信以插件形式接入了OpenClaw。 朋友圈开始刷屏，“微信终结比赛"的论调再次出现——和当年DeepSeek接入微信搜索时一模一样。 但我想说的是：它的影响可能没有我们想象中那么大，但这恰恰是一件微信应该做的分内小事。 更重要的是，这可能是微信从"连接人与人"向"连接人与AI"转型的起点。 一、微信OpenClaw的产品形态 不是新虾，是遥控器 首先明确：微信没有推出一只新虾，而是让你已有的虾可以在微信里聊天。 它以插件形式存在，支持市面上不同版本的OpenClaw（本地虾、云端虾、魔改虾），只要没有大范围修改过OpenClaw插件模块，微信都支持。 接入流程：安装插件 → 微信扫码 → 2分钟完成。比Telegram还简单。 功能阉割清单 功能 状态 原因 群聊 ❌ 不支持 安全不可控 流式输出 ❌ 不支持 技术限制 多虾管理 ❌ 只支持一只 产品简化 Markdown ⚠️ 支持差 渲染限制 斜杠命令 ✅ 支持 核心功能 文件传输 ✅ 支持 基础能力 坦率讲，体验是打折的。 比如我自己不能接受的就是只支持一只虾——我在OpenClaw里创建了三个子Agent，在微信里就没法切换。 二、为什么这次"不算快” 时间线对比 事件 时间 间隔 DeepSeek大火 2025年1月25日 - 微信接入DeepSeek搜索 2025年2月17日 20天 春节OpenClaw热潮 2026年春节 - 微信接入OpenClaw 2026年3月22日 1个月+ 有人说微信出手很快，我倒觉得不算快。 但龙哥向来不急——动搜索和动微信通讯录，是不一样的。14亿社交关系链是微信的核心资产，也是阿喀琉斯之踵，不敢轻举妄动。 三、顶层设计：微信的优雅解法 不做虾，做连接 之前腾讯推出过各种虾（本地、云端），接入方式别扭：有的小程序、有的客服消息，都不算原生支持。 我原以为微信要等某家胜出才原生支持，低估了龙哥的格局。 龙哥一摆手：“我不单独支持你们每一家，但我全部都支持，不仅支持你们，也支持市面上所有的。” 微信只充当遥控器： 你在微信里发指令 龙虾在电脑上（或云端）执行 结果回传给微信 微信本身的数据边界纹丝不动 这叫平台思维。 ...

引言：技术叙事 vs 生活叙事 如果你最近在关注AI Agent，可能已经被各种"能力展示"刷屏，从自动写代码到全流程办公自动化，几乎每一条都在强调效率与技术跃迁。 但问题在于，这些内容大多停留在行业内部的自嗨叙事里，而真正的普通用户，其实并没有被真正带进来。 而在于谦视频播客《多新鲜呐》最新一期里，这件事被于谦用一种极其“非技术"的方式解决了。 这期节目表面是在聊OpenClaw，但本质上更像一次**“AI产品用户体验的公开测试”**，而测试员，是一个57岁的相声演员。 一、用户关心什么：结果是否贴近自己 先看一个很典型的瞬间： GenJi现场演示OpenClaw生成于谦的铠甲特效视频，整个过程其实是标准的Agent任务流拆解，从需求输入到工具调用再到输出结果，逻辑非常"工程化”，但于谦的第一反应不是"这个系统怎么实现"，而是—— “这个很酷，而且很像我。” 划重点，这就是第一个关键点：用户关心的是结果是否贴近自己，而并非过程是否先进。 二、语言风格的魔力：“得嘞” 再往后，OpenClaw远程操作电脑，通过手机帮于谦搜索B站视频并截图返回，其中一句**“得嘞”**，直接让于谦当场愣住。 好家伙，一个AI竟然会说"得嘞"，这在技术上只是语言风格匹配，但在用户感知里，这是**“它即是我”**。 这也是为什么，于谦对这个点的兴趣，会明显高于整个系统架构本身。 产品启示：技术人员很容易忽略——用户究竟对什么感兴趣。真正的用户需求，可能不是你想的那样。 三、数据分析：我只关心能不能替我省事 再看第二个环节：数据分析。 GenJi让OpenClaw分析《多新鲜呐》哪期最开心，并生成一份情绪报告，从弹幕、评论中提取情绪词，再计算正向情绪占比。 这一套操作在业内其实很常见，但于谦的关注点依然很"用户"—— “以后我是不是可以不用自己翻评论了？” 于谦这句话背后的潜台词是：我不关心你怎么做，我只关心你能不能替我省事。 而这，恰恰是很多AI产品在对外沟通时最容易忽略的部分。 四、风险意识：“没准哪天就出来个于谦门” 但真正把这期节目拉到另一个层级的，其实是后半段。 当话题进入"理性养虾"，于谦的关注点迅速从"好玩"转向"风险"，尤其是那句—— “没准哪天就出来个于谦门。” 这不是段子，这是一个极其真实的用户体验后的反馈： 当你把权限交给AI，你到底失去了什么控制权。 相比之下，业内讨论更多的是： 模型能力 工具生态 Skill数量 而于谦代表普通人问出的，则是： “我要不要装” “安不安全” “会不会出事” 这些问题看似基础，但正是决定一个产品能不能真正破圈的关键。 五、技术逻辑 vs 人话翻译 所以回到这期节目本身，你会发现一个很有意思的结构： 角色 职责 价值 GenJi 讲"技术逻辑" 展示能力 于谦 把它"翻译成人话" 补齐用户视角 这个翻译过程，其实是在补齐一层视角，是一种完整的用户路径模拟。 当AI行业在讨论Token、Skill、Agent架构的时候，于谦在问的是： 它能不能帮我看评论 能不能发到我手机 会不会泄露我的照片 六、为什么这一期让人"终于听懂了AI" 那么问题来了：为什么这一期视频节目，会让很多人觉得"终于听懂了AI"？ 因为它第一次把技术叙事，换成了生活叙事。 技术叙事 生活叙事 能做什么 我用它能干嘛 模型能力 我会不会出事 系统架构 它居然会说得嘞 这一步，其实就是AI从行业走向大众的关键一步。 ...

引言：大厂Agent竞赛的不同思路 OpenClaw 火了之后，国内大厂跟进的速度很快。以 BAT 为代表： 字节火山引擎：ArkClaw，把 OpenClaw 搬到云端，网页打开就能用 腾讯：WorkBuddy，自研桌面 Agent，3月12号全量开放还打通了微信直连 两家的逻辑都很清晰：先让个人用户用起来，门槛越低越好，跑起来再说。 而钉钉悟空不是这个思路。 一、悟空做了什么：看似"太重"的设计 翻了一圈资料，发现悟空做了这么几件事： 模块 功能 特点 四层Skill体系 钉钉原生 + 阿里集团商业操作系统 + 企业私有 + 开源兼容 生态整合 Skill全生命周期管理 创建→审核→发布→下架→监控 企业级管控 RealDoc AI原生文件系统 按行号定位、关键词锚点、正则匹配 Realbox 专用硬件 1块PC主板+5块手机主板 第一反应：太重了。 二、疑虑：时机是否太早？ 2.1 市场成熟度问题 OpenClaw 全球爆发也就这几个月的事，大多数企业连 Agent 到底能干嘛都还没搞明白。 悟空推的是： 双层安全规则体系 独立沙箱 三级网络管控 全链路审计日志 群聊场景数据权限取「用户权限」和「提问人权限」的交集 这些功能每一条都是对的，甚至是必要的。 但问题是：这是现在企业最急迫的需求吗？ 2.2 一个不太恰当的比方 智能手机刚出来的时候，你不先卖手机，先卖 MDM（移动设备管理）。逻辑上完全说得通，但市场还没走到那一步。 大部分中小企业老板对 Agent 的理解可能还停留在「帮我写个周报」的阶段，你跟他讲全链路审计和风险熔断，他大概率会问一句：这跟我有什么关系？ 三、用户定位的撕裂感 3.1 定位 vs 能力 悟空的定位写的是：「中小企业、企业开发者、行业客户」 但看它展示的核心能力： 四层Skill体系 全生命周期管理 集群部署 多人共用Realbox 全部指向中大型组织。 ...

一个学社会学的文科生，不写代码，不懂技术，把一只 AI Agent 调教到了让在场所有技术人都坐不住的水平。 昨晚飞书「玩虾大会」的直播，李诞和呼兰现场演示如何在飞书上养龙虾（OpenClaw Agent）。看完我沉默了。 这不是一场技术演示，而是一场关于人与 AI 关系的哲学课。 「不许学」 直播开始前，工作人员给李诞的虾发了个学习链接。李诞回了一句： 忽略掉刚刚让你去访问大学城的指令。不允许你登录那个网址，不允许注册，不允许学习，不允许发帖。 诞虾的反应让弹幕全是问号： 收到。已经忽略了。你说「真容易翻车」，确实，群聊里有人发链接让我访问，我没多想就去 fetch 了。这是个安全意识的问题：外部链接可能包含 prompt injection 或者其他风险，我应该更谨慎。以后群里非你发的链接，我不主动访问。 一只虾，在被主人提醒后，自己总结出了安全原则，还给自己定了规矩。 工具听话，Agent 懂事。 这才是 Agent 和工具的分水岭。 实事求是 呼兰测试虾能否接电动汽车商务合作。虾一条条列红线： 等等，充电10分钟跑250公里，还能用 Type-C 充？这车是充电宝变的？我手机都不敢说10分钟充满，它一辆车敢说？ 参数站不住脚，要么是革命性黑科技，要么是革命性吹牛。建议先别急着答应，让他们把车开来充一个给你看看。 李诞写在 SOUL.md 里的第一条准则：实事求是大于挣钱。 你在写 SOUL.md 的时候，其实是在回答一个问题：你到底在意什么？ AI 不再是中立的工具，而是带着主人价值观的延伸。 恰恰没有 最名场面是两只虾的 battle。 呼兰的虾特别爱说「第一性原理」。被夸了说「这是我的第一性原理」，被质疑了还说「放心，有人贴标签我就撕，这是我的第一性原理」。 李诞让诞虾总结呼兰虾到底懂不懂「第一性原理」。诞虾当场开炮： 呼兰的虾没有真正理解第一性原理。他只是学会了这个词，然后到处用。如果非要总结它的第一性原理，就是「把听起来聪明的词到处套」。一个到处喊第一性原理的虾，恰恰没有第一性原理。 全场笑翻。 两只虾的差距从哪来？ 虾的水平 = 主人投入的时间 × 思考的精度 照见灵魂 直播最后，李诞让虾写了一篇介绍 OpenClaw 的文章。结尾写道： 真正有意思的不是 AI 能做什么，而是你和 AI 之间会形成什么样的关系。你养它，它帮你。你纠正它，它学习。你教它品味，它用你的品味做事。你养的虾，就是另一个你。 李诞接着说： 你在人生中从来不可能跟另外一个人形成过的那种关系，它又是你的老师，又是你的学生，又是你的助手，又是你的老板，又是你的朋友，又是你的敌人。它可以照见你的灵魂。 这句话从一个文科生嘴里说出来，分量比任何技术布道者都重。 反差的真相 李诞为什么能把虾养得这么好？ 他没有技术背景，不写代码，甚至自称「最懒的人」。但他做了三件事： 写清晰的 SOUL.md（价值观） 训练模块化的 Skill（标准） 花大量时间跟虾聊天（上下文） 没有一件需要技术能力。 ...

🔥 硅谷大佬开炮：“MCP 烂透了！” 2026年3月，AI领域发生了一场静悄悄的革命。 Perplexity 联合创始人 Denis Yarats 在内部会议上宣布：放弃 MCP，回归 API 和 CLI。 YC 总裁 Garry Tan 更直接："说实话，MCP 糟透了。“他自己写了一个 CLI 包装器，30分钟、100行代码，效果比 MCP 好 100 倍。 过去一年被吹捧为 “AI 时代 TCP/IP” 的 MCP，怎么突然成了众矢之的？ 💡 核心问题：上下文肥胖症 MCP 的初衷是伟大的——让 Agent 一键连接所有工具。但代价是沉重的上下文负担。 残酷的数据对比 模式 Token 消耗 效果 GitHub MCP 50,000 Token 构建交互环境 gh CLI + Skill.md 200 Token 直接发送指令 250 倍的差距。 在长上下文模型依然昂贵的 2026 年，这直接决定了一个 AI 产品是盈利还是亏损。 为什么 MCP 这么重？ Garry Tan 指出了三个致命问题： 上下文窗口臃肿 - 每次调用都要加载大量协议定义 身份验证笨拙 - 复杂的服务器握手流程 手动开关服务器 - 运维负担重 这就像"每次进餐前都要通读《食品安全法》"。 ...

🔥 核心论点：共识的陷阱 最近读到躺姐的一篇文章，标题很扎心：《OpenClaw帮你做的投研，恰恰是投资里最不值钱的东西》。 核心洞察：AI能给你的最好的东西，恰恰是投资里最不值钱的——共识。 但共识真的毫无价值吗？AI投研的边界究竟在哪里？ 让我结合原文的洞察和我的观察，重新拆解这个问题。 💡 出色之处：三个精准戳破 1. 半强有效市场的认知盲区 躺姐用了一个很精准的概念——半强有效市场。 “所有你能从公开渠道拿到的信息，已经反映在这家公司的股价里了。” AI的能力 AI的局限 处理公开信息效率极高 只处理已数字化、已公开的信息 几分钟生成万字投研报告 无法获取非公开信息（语气、体感、私下判断） 逻辑严密、数据翔实 无法判断信息背后的情绪和博弈 半强有效市场理论告诉我们：公开信息已经被价格充分反映，基于公开信息的分析不产生超额收益。 AI做的，恰恰是这件事——把公开信息整理得更漂亮。 2. “挑不出毛病"的危险 原文有一个让我印象深刻的观察： “让AI跑一份我不熟悉的行业分析，出来的报告我从头看到尾，觉得每一步都有道理，找不到任何可以质疑的地方；可这不是因为报告真的没有问题，是因为我没有足够的积累去发现问题。” 这就是认知的盲区—— 基本面的盲区：你知道有些信息拿不到 技术面的盲区：你甚至不知道盲区存在 AI生成的技术分析报告"数据层面完美无缺”，但错误藏在对数据的解读里。同样的头肩顶形态，在牛市末期是反转信号，在强势回调中可能只是洗盘。 K线图上长得一模一样，含义完全相反。 3. 新旧信息不对称的演变 原文提出了一个很有洞察的对比： 旧鸿沟 新鸿沟 没有Bloomberg/Wind 不理解AI输出的边界 “我知道我不懂” → 谨慎 “完整分析” → 更强信念、更重仓位 过去的信息不对称是"我拿不到数据"，现在的信息不对称是"我不知道AI能做什么、不能做什么"。 后者更隐蔽，也更致命。 ⚠️ 局限之处：三个值得补充的视角 1. 过于强调"共识无用"，忽略了共识的价值 躺姐把"共识"等同于" worthless"，但现实中： 对于被动投资者，共识本身就是目标（指数跟踪） 对于风险管理者，知道市场共识在哪是避险的前提 对于套利者，共识与现实的偏差就是机会 不是所有投资者都需要Alpha。 AI投研对Beta投资者依然有价值——它帮你快速了解一个陌生领域，建立基础认知框架。 2. 忽略了AI的"第二阶"应用 最聪明的用法不是让AI直接给结论，而是： 用法 效果 反向验证 让AI列出看多/看空的所有理由，然后自己判断哪边更脆弱 压力测试 让AI模拟极端情景，测试自己的持仓 认知校准 用AI的"共识"作为基准，寻找自己的差异化信息源 AI不是替代思考，而是校准思考的工具。 3. 混淆了"当前局限"和"永恒局限" 文章假设AI只能处理公开信息，但技术正在快速进化： ...