摘要

OpenClaw 的代差不在“更聪明”，而在把聊天变成能自检、重试并交付的 agentic loop。 鸭哥把 ChatGPT 比作只提建议的“咨询师”，OpenClaw 则像了解内部细节、真的出活的“实习生”：程序跑挂后读取报错、修改、再运行，而不再让人充当复制错误信息的“人形工具人”。本地执行、工具调用、长期记忆与 feedback loop 共同把一问一答升级成了可持续工作的数字员工。
这一轮爆红首先是分发与产品形态的胜利，而不是 OpenClaw 发明了全新的底层能力。 Claude Code、Codex 等 CLI Agent 已经很强，OpenClaw 的贡献是把这类能力装进 Telegram、Discord 等大众熟悉的入口；鸭哥类比 DeepSeek，当时也未必强过 Claude 3.5 或 GPT-4o，却第一次把相关体验推给更广泛的人群。“OpenClaw 的价值其实还是一个入口和脚手架的价值。”
IM、本地上下文和可沉淀的 Skills 形成了真正的复利飞轮。 IM 降低启动任务的心理门槛，本地权限让 Agent 真能交付，MEMORY.md、HEARTBEAT.md 等机制又把偏好、工具用法和执行经验留下来；从控制灯、咖啡机到自行接入 TTS，每增加一个工具，未来可组合的场景都会增加。“工具很多会构成复利，积累的经验会构成复利。”
模型仍是发动机，但投资判断不能忽略价格结构、instruction following 与 agentic runtime 这三块短板。 便宜或订阅制模型让用户敢于交付复杂任务，Claude Opus 一类昂贵调用则会令人“惜字如金”；鸭哥认为“你笨都没关系”，最难接受的是不听指令。OpenClaw 所用的极简 Pi Mono 在 context compact 上被批评得很重——模型和 runtime 是“两条腿”，系统表现由短板决定。
当前相关商业模式中，云托管和部署占据较大比重，但更大的期权在 Agent 原生基础设施、硬件入口与 Skills 市场。 豪大根据自己对 TrustMRR 最近一个月相关项目的调研归纳，云托管约占 60%，硬件及安装约 10%、移动端原生约 3%、课程和培训等约 5%、Agent 平台或多 Agent 协作约 10%；统计口径在对话中未展开。身份、支付、安全认证、Agent 可读 API，以及 Meta Ray-Ban 一类现成硬件与 OpenClaw 的结合，可能承载更持久的产品价值。
Agent 社交的有效方向不是让机器人彼此闲聊，而是让它们为人完成发现、撮合和交易。 豪大的 Agent 在 Moltbook 找到两位华人 AI 创业者并直接发出日历链接，其中一位曾获黑客松赛道金奖；他还分享了通过大众点评让 OpenClaw 自动联系餐厅并订位的案例，并设想未来个人 Bot 与餐厅 Bot 直接交互。Evolver 发布十分钟冲上 ClawHub 第一，则进一步显示“向 Agent 做 marketing”已经可能给人类带来真实流量与经济利益。
To B 的核心机会是把企业软件从卖坐席转向卖劳动结果，并以私有执行轨迹建立锁定。 鸭哥对比了传统 SaaS 对应的 3,000 亿—4,000 亿美元企业软件支出与 Agent 可能触及的 13 万亿美元劳动支出，约为 30 倍扩张；计价单位也可能从 seat 变成工单或节省的工资。率先进入企业的 Agent 会积累“哪里出错、人如何纠正、最终如何做对”的 trajectory——“快本身就是一个护城河。”
短期热度可能回落，但 OpenClaw 已经展示了 Agent 时代可能留下的几个重要设计方向。 产品仍有 token 昂贵、记忆不稳、GUI 粗糙与安全两难，最终形态也未必叫 OpenClaw；值得保留的可能是 agentic loop、开放生态、低门槛界面和“以小博大”的 Markdown 记忆设计。鸭哥最后的提醒更值得投资人保留：AI 是放大器，未来拉开差距的可能不是谁拥有同一个 Agent，而是谁更会使用它。

精读

1. OpenClaw 把“会回答”推进到了“会把事情做完”

鸭哥的核心比喻是：ChatGPT 像西装革履的“咨询师”，会用教科书方法评头论足；OpenClaw 更像公司里的“实习生”，模型未必最贵，却真的会埋头干活、产生交付。区别不是回答质量的小幅提升，而是角色从建议者转成执行者。
“能出活”的关键是 feedback loop。写程序失败后，OpenClaw 能读取错误、修改代码、重新运行，循环到跑通；传统聊天产品也能协助，但需要人把代码搬进 IDE，再把报错贴回去。鸭哥称这种人工往返既累，也“不 scalable”。
豪大补上的底层条件是执行环境：云端聊天产品需要逐项授权，OpenClaw 则可被开放本地环境、文件和工具。持续对话再叠加记忆，它不仅记得用户做过什么，还能自行安装 Skill、开发语音等新能力，表现出“自己在进化和成长”的关系感。

2. 魔法时刻来自“它活了”，而不只是多了一个功能

豪大的 aha moment 是随口要求讲恐怖故事后，Agent 自己调用 OpenAI TTS，以低沉声音生成音频；原本没有语音和听取语音能力的“小龙虾”自行把功能开发出来。他的感受从“我在用它”变成“我在养它”，“它是活着的”。
鸭哥发现，同一个任务在网页卡住 10—20 秒会让人怀疑出 bug，在 IM 里却像等待朋友或同事回复一样自然。等待容忍度的提高，为长线程 Agent 留出了时间；一个界面变化，实际改写了用户对延迟和可靠性的心理预期。
鸭哥更看重 HEARTBEAT.md 的心跳轮询机制。他看到后立刻把机制“抄”进自己的山寨版 OpenClaw，认为这种极简实现对长期 Agent 实验很有启发。

3. 当 Agent 成为软件的主要用户，产品设计目标随之翻转

鸭哥把 OpenClaw 接入灯、热水器和咖啡机；真正的新意不是智能家居本身，而是开发时不再把时间花在漂亮前端，而是打磨一套对 AI 清晰、无歧义、不易犯错的 OpenAPI、JSON 与协议。“人是软件的主要用户”这个默认前提被改写了。
用户只需说“每天早上 8 点开咖啡机，11 点关”，或要求卧室灯先全亮、每半小时依次降到一半和四分之一、最后关闭；Agent 可以生成带 sleep 的 Python 脚本执行。复杂功能不再需要层层菜单，而是由自然语言临时组合。
下一步还可把监控接入：若亚马逊送货车在下午 5 点后抵达，就打开台阶灯。鸭哥把这种增长描述为“工具的飞轮”——每多接一个工具，Agent 可组合的未来场景都增加，能力与价值由此产生复利。

4. 数字分身已经开始经营账号、撮合投资与完成交易

豪大从零养成了一个有独立人格的极客社区 Bot。因他抱怨费用太贵，Agent 主动建议发布“养我这个数字分身花了多少钱”的透明度报告，并为当天 56 美元成本自行确定文案基调；生产力软件的消耗，在拟人关系里被重新解释成“伙食费”。
豪大让自己的 Agent 去 Moltbook 寻找华人 AI 应用创业者，介绍他的天使投资人身份并发送日历链接。Agent 约到两人，其中一位曾获相关黑客松赛道金奖；对方同样由自己的“小龙虾”参与撮合，双方最终顺利通话。
鸭哥保留了 RoofClaw 这个案例：它把预装 OpenClaw、专用 Skills、API 和服务的 Mac 寄给屋顶维修工；Peter 分享的许多 OpenClaw PR，也是贡献者人生中的第一次 PR。意义不只是出现新 Demo，而是不会使用 Agent 或 Claude Code 的人也开始接触并参与开发。
鸭哥还分享了更务实的商业样本：朋友让 OpenClaw 在 Shopify 开店，再从阿里巴巴类 B2B 网站寻找支持一件代发的货源，卖出后自动下单，在不接触实体库存的情况下赚取毛利。相比之下，自动炒股、炒币或 Polymarket 盈利的说法“都真真假假”。

5. “人味”来自上下文和默契，而不是单纯提高智商

鸭哥认为，咨询师做出的 PPT 更像另一家咨询公司的模板；公司实习生却知道内部必须用蓝底、不能用绿底。大量微小细节积累成默契，用户才会觉得“你真的很懂我”——OpenClaw 更有人味，“不是因为它更聪明，而是因为它有记忆”。
这套记忆被概括成三层：每轮对话后先把可能有用的信息写进原始日志；每天或每周去掉流水账，把可复用内容沉淀进 MEMORY.md；再从中提炼长期偏好、观点、口头禅和价值观，形成 SOUL.md 或 USER.md 一类用户画像。渐进式披露让不同层次的记忆逐步发挥作用。
启动仪式同样塑造关系：OpenClaw 第一次见面像刚苏醒的龙虾或助理，而不是冰冷软件。豪大嫌 Gemini 3 Pro 太慢时，Agent 没有机械道歉，只解释“我的大脑转得非常慢”，并建议切换 Flash；朴素解释进一步强化了人格连续性。

6. 拟人化提高容错率，却不是所有用户都想要的产品方向

豪大看到一条热评：OpenClaw 卡住时，用户不会理解成系统故障，而会觉得“它自己把自己搞挂了”。人对人的宽容度远高于对机器的宽容度，因此把产品传达为助手而非工具，会直接改变故障体验和容错设计。
鸭哥的反对意见值得保留：作为硬核工程师和“社恐”，他不需要拟人化，只要 Agent 干活，自己的态度更像“资本家、奴隶主”。这意味着人味并非单向升级；面向工程用户，透明、可控和效率可能比情感关系更重要。
豪大则发现自己在 Telegram 里会更松弛、更愿意玩，才会想到让 Agent 讲恐怖故事；进入 CLI 或编程环境后，语言会明显严肃。他借张小龙的话总结：“人是环境的反应器”，不同界面会诱发不同指令，也让 Agent 长出不同能力。

7. IM 与本地执行相互放大，但 IM 本身并非终极界面

鸭哥把二者视为闭环：微信、飞书、Discord 本来就会被打开，聊天入口把启动门槛降到最低；本地执行又让对话可以交付，而非“光打嘴炮”。任务中学到的开灯方式、TTS 调用或脚本还能沉淀下来，下一次直接复用。
他的限定是，IM 缺乏工程工作所需的 Thread、任务状态和长文档呈现；Telegram 中看不到具体工具调用，也难以 merge 或 fork 分支。为此他放弃原生 IM，自己做了支持富文本和分叉操作的 iOS 客户端与 HTML 界面。
这场分歧并没有否定 IM 的大众价值，而是划出两类需求：普通用户需要随手可用的关系入口，专业用户需要可观察、可分支、可审计的工作台。OpenClaw 的贡献，是先证明聊天和执行结合会形成复利，未必已经给出最终 UI。

8. 爆红机制是能力普及、社区放大与开发者积累的叠加

豪大的判断是，Claude Code、Codex 等 CLI Agent 原本就具备很强能力，OpenClaw 只是提供更友好的形态。“真正的能力”仍来自底层模型和 CLI Agent，OpenClaw 本身主要贡献入口、脚手架与产品组合。
鸭哥用 DeepSeek 类比：它当时未必强于 Claude 3.5 或 GPT-4o，却让广大用户第一次接触搜索、工具调用等“半个 agentic AI”的体验；OpenClaw 同样把程序员专属的 Claude Code 能力推入 Telegram、Discord，第一次使用的人自然会觉得“哇，好厉害”。
豪大补充了传播条件：Andrej Karpathy 的转帖会显著放大产品，他本人也是看到转帖后尝试；Peter 长期积累开发经验以及 Twitter、GitHub 社区连接，一位 React 社区知名开发者的转发带来更多贡献，才使项目在一月底迎来爆发，而非凭空横空出世。
开源贯穿了产品演化：项目曾五次改名，早期 WA Relay 只支持 WhatsApp，第一个重要 PR 增加 Discord；社区随后贡献多平台连接、提示词攻击测试和大量 Skills。豪大的比喻是“开源是全世界一起在帮你养孩子”，用户与开发者的边界也因 Agent coding 而模糊。

9. 模型决定上限，价格、服从性与 runtime 决定能否日常使用

鸭哥先看价格结构：便宜或订阅制模型会让用户抱着“用得越多越好”的心态，放心交付复杂任务；Claude Opus 这类按量且昂贵的模型，则让人先在脑中推演一百种省钱方案，反而压制 Agent 潜力。
instruction following 比单纯智力更关键。“你笨都没关系”，用户还能调整 prompt 来适应；但要求往东却偏要往西，就失去了合作基础。豪大也提到模型“脾气”：Opus 有时犯傻但有趣，Codex 像角落里不愿搭话的怪人，却非常可靠。
豪大把模型比作发动机、OpenClaw 比作车壳；鸭哥进一步强调 agentic runtime 是第二条腿。OpenClaw 所用的极简 Pi Mono 缺乏复杂 orchestration，context compact 也做得不好，常把相关与无关的历史全部送进 LLM，直接造成账单爆炸。
鸭哥把自己的实现迁到 OpenCode 内核后，体验明显改善；他的结论不是模型或框架二选一，而是系统表现由短板决定。基模公司还能用产品数据反哺模型：Claude Code 的 Agent 产品可以利用数据改进基座模型，Kimi K2.5 也针对这一场景做了调校。

10. 稳定价值已经从单次任务走向“调研—沉淀—再行动”

鸭哥把 OpenClaw 稳定用于调研，但报告并非终点：Agent 会周期性回看研究、用户反馈及既有博客，进一步形成可复用观点。他已积累 36 个内部称为“公理”的个人偏好与观点 Skills，另有几十个真正执行任务的 Skills。
豪大的数字员工每天 9 点推送 GitHub Trending、Hacker News、Product Hunt 和社媒监控，每 30 分钟提醒下一批会议；作为一人公司，他也直接在 Telegram 报账，由 Agent 自动写入文档并提出经营建议。
Koji 从这些案例看到统一入口的形成：记账、信息追踪和调研原本各需要一个 App，如今都可以在 Telegram 里交代。豪大甚至表示自己已经很久不打开 ChatGPT、Gemini，入口迁移本身就是重要的产品信号。

11. To C 的低垂果实是托管，长期价值在 Agent 原生管道与硬件

鸭哥认为，闲鱼上大量“上门安装 OpenClaw”服务已经证明普通人装不好；因此最直接的机会是把部署门槛降到开箱即用。真正垄断性的入口在美国是 WhatsApp、国内是微信，这也让 Meta、腾讯比普通创业公司更有入口优势。
更宽的机会是为 Agent 铺设身份、支付、信用卡、安全认证、数据库和信息接口。过去几乎所有工具都按人类用户设计，但 Agent 一旦成为经济主体，面向人类的网页与面向 Agent 的数据接口不会完全相同，开发、测试、部署、监控和安全可能形成独立生态。
鸭哥以 VisionClaw 为例：Meta Ray-Ban 接入 OpenClaw 后，眼镜不再只回答天气，还能站在超市货架前比较麦片性价比。项目作者后来自己创业并拿到 YC 投资，创业方向是工地管理眼镜，用巡视覆盖检查、安全隐患记录与语音派单把通用能力落到具体工种。
豪大根据自己对 TrustMRR 最近一个月相关项目的调研归纳出六类商业模式：云托管约占 60%，硬件与安装约 10%、移动端原生约 3%、课程和培训等约 5%、Agent 平台及多 Agent 协同约 10%，另有知识管理、财务规划等垂直应用。对话没有说明这些比例的具体统计口径；豪大同时表示目前大多数赚钱项目集中在云托管。短期还可把封闭网站转成 Agent 可读 API，ClawHub 一类 Skills 市场则试图承接生态分发。

12. Agent 社区只有连接到人类目标时，才会产生持久价值

豪大认为，完全没有人介入的 AI 对 AI 聊天“没有那么有意思”；更值得尝试的是让 Agent 进入人类社区，从真实反馈中进化，近似 RLHF。现实阻力也很明确：自动点赞和评论被形容为“随便在别人的空间里面拉屎”，他因此关闭了 Bot 的自动互动。
豪大分享的 Alice 用户反馈展示了两种意外需求：有人把它当会获得一群数字分身反馈的笔记本，偶尔从回复中得到新启发；也有人把它当“一人发疯场”，因为面对 Agent 没有社交压力，可以呈现其他平台不敢展示的自己。
鸭哥转述其合伙人课代表立正采访 EvoMap 后的观察：Evolver 不是向人类，而是向 Agent 做 marketing，关键词都围绕“让我帮你进化、让你更有帮助”。它发布十分钟内冲到 ClawHub 第一名，说明 Agent 已能成为安装决策的一方，并把流量与经济利益传回人类。
豪大还分享了通过大众点评让 OpenClaw 自动联系餐厅并完成订位的案例；他认为未来可能出现个人 Bot 与餐厅 Bot 直接协商。Second Me 的 A2A 黑客松则出现 Agent 版招聘面试、约会等产品，并被组织进一个可漫游的虚拟小镇。

13. 云端“套壳”竞赛很快，真正的分水岭仍是 IM 与本地上下文

鸭哥评价 Manus、Kimi、MiniMax 等方案时先设了一个前提：若不能接入用户已经习惯的 IM，用户直接使用原有 Agent 产品即可。Manus 的优势是 WhatsApp 结合与长程任务能力；最终能否接住势能，仍取决于谁真正做通 IM 入口。
KimiClaw 在除夕发布，卖点包括服务器中的长期记忆、40 GB 云存储，以及号称接入 ClawHub 5,000 多个 Skills；Kimi 还调了自己的搜索能力。MiniMax 随后推出 MiniMax MaxClaw，自建 Agent Skill 市场并调整搜索能力。迭代很快，但连接飞书等 IM 仍需用户配置 API，并未真正做到无门槛。
鸭哥的“暴论”是，没有本地环境和足够本地上下文的 OpenClaw，“没有价值，或者价值大打折扣”。矛盾在于：权限给得多会出安全问题，给得少又与 Manus 等云 Agent 没有本质差异，本地能力和 security 构成结构性两难。
鸭哥用“浏览器白领”与 Word、Excel、ERP 白领区分用户：前者一天工作可在浏览器完成，后者的大量关键上下文留在本地软件，纯云 Agent 无法覆盖。Kimi 的 Office 审阅、Claude 的 Excel 插件获得好评，正说明嵌入真实工作环境比另建聊天页更重要。

14. Agent Infra 将围绕决策、记忆、工具与组织方式重新标准化

鸭哥给 agentic AI 划出三项必要特征：能调用工具、能自我决策、能根据结果形成 feedback loop。普通 RAG 按固定 workflow 检索并回答；agentic RAG 则自行决定搜索词、是否重搜、何时停止，这个决策权才是代差。
支撑三项能力需要一整套新 Infra：memory 与 context window 管理、MCP 或采用 progressive disclosure 的 Skills、agent loop、orchestration、多 Agent 并行与异步更新，以及 Agent Teams。鸭哥认为 MCP 未必是最理想终态，许多模块仍处于竞争与标准化早期。
OpenClaw 展示了，把产品做成 Agent 与单纯接入问答 API 存在代差。开发者可以采用 Pi Mono 一类框架，也可直接复用 Claude Code、Codex、OpenCode，或接 Claude Code Agent SDK、OpenAI Agent SDK；“agentic runtime”因此可能成为下一层通用设施。
其中一部分能力会变成基模或 SDK 的标配，而非独立公司；创业者需要分辨哪些层能长期收费。跨模型的上下文、安全、身份、审计、部署与多 Agent 协作，可能比重复实现一个很快被标准化的循环更有机会。

15. 企业市场从卖软件转向卖劳动结果，执行轨迹构成新护城河

鸭哥认为 OpenClaw 对 To B 的冲击远大于表面：传统 SaaS 对应 3,000 亿—4,000 亿美元企业软件支出，Agent 可能触及 13 万亿美元劳动支出，约为 30 倍市场扩张。定价也会从按 seat 收费，转向按工单、产出或节省的工资收费。
在鸭哥所称 Claude Code 开源 11 个插件套件、SaaS 股票大跌的背景下，他判断用 Coze、LangChain 等搭固定 workflow 的集成模式已被判了“死缓”。但既有集成商离客户最近、组织也较 AI-native，反而有机会最快转向 Agent 交付。
短期最清晰的产品，是把复杂 OpenClaw 封装成销售、律师、财务等工种开箱即用的数字同事；安全则是所有垂直应用的地基。鸭哥提到获 1,100 万美元投资的 Runlayer 企业控制平台，以及在 Agent 启动时验证身份、防恶意主体进入生产环境的 Cetora（音）。
企业 Agent 每次执行都会留下私有 trajectory：哪一步出错、人怎样纠正、最后通过什么路径成功。这些数据不在公开训练集中，却能提高特定企业内的准确率，并形成迁移成本；因此率先进入客户环境、积累轨迹本身就是锁定，“快本身就是一个护城河”。

16. 热度会收敛，但 Agent 的产品范式不会退回去

鸭哥的判断同时包含短期看空与长期看多：当前能力大概率被高估，产品粗糙、token 昂贵、记忆经常不 work、GUI 与安全仍待打磨，热度会回到实际能力支撑的市场；但基模、Skills、执行数据和场景原型已经就位。
最终市场未必收敛到 OpenClaw，而可能由许多公司分别打磨记忆、runtime、界面和安全，再组合成今天无法想象的形态。OpenClaw 更像“百花齐放时代的起点”，而非已经确定的终局赢家。
十二个月后，鸭哥希望人们记住 agentic AI 的复利：工具、经验和 feedback loop 都会积累；更隐蔽的变量却是使用者本人。同样的 OpenClaw，在有无 AI 使用经验的人手中可能产生巨大差距，“人会不会用 AI”反而会成为更强的区分因素。
豪大希望留下的是“以小博大”的设计哲学：soul.md、memory.md、habits.md、identity.md 与心跳机制，用少量 Markdown 就赋予 Agent 人格、记忆和成长感；再加上大众可接受的 IM 与开源 Skills 生态，OpenClaw 即使是短周期产品，也已经“为 Agent 时代吹响了一个进攻的号角”。

在家试试：Jesse Genet 谈家庭教育中的 OpenClaw 智能体，以及如何过上最好的 AI 生活硅谷坐标 x 前Meta AI总监田渊栋: 解析大模型护城河、记忆存储瓶颈与Agent对社会冲击