OpenClaw火爆两周后，其应用竟然超越科幻奇想！

2022 年 11 月，来自奥地利的独立开发者 Peter Steinberger 花费了一个小时，将 Claude 的 API 接入 WhatsApp，从而创造出一款能够通过聊天软件操控电脑的 AI 助手。他初时认为这个创意十分显而易见，大企业肯定会开发类似产品，因此并未太在意。然而，令人惊讶的是，企业并未采取行动。今年 1 月 25 日，他将该项目发布到 GitHub，仅一天便收获了 9000 颗星。时至今日，这个名为 OpenClaw 的开源项目已获得超过 17 万颗星。

OpenClaw 与常见的聊天机器人大相径庭。它是一个运行在用户电脑上的 AI 代理，具备文件管理、终端指令、浏览器控制以及邮件日历等系统级权限。其采用无头架构（Headless Architecture）作为后台服务，完全不需专门界面，通过 WhatsApp、Telegram、Discord 等聊天工具与用户互动。当你发送一条消息给它时，它便如同一名隐形助手在后台为你工作，无论你是否在电脑前。

更为重要的是，OpenClaw 具备持久记忆功能，能够将所有交互历史存储在本地文件系统中，实现跨会话的上下文保持。它会记住你上周的谈话内容、正在处理的项目，以及你的工作习惯与偏好。得益于开源生态的支持，社区开发的 Skills 插件已涵盖从自动化部署到数据分析的多种场景，目前活跃开发者人数已超过数十万。

OpenClaw 与 Claude Code 或 Cursor 等编码助手解决的并不是同一问题。后者主要面向开发者，运行在终端，而 OpenClaw 则针对更广泛的用户群体，直接嵌入在聊天软件中。它的核心创新在于不仅仅是让 AI 完成任务，而是将 AI 代理融入用户日常使用的消息界面，使得与 AI 的协作如同与同事发信息般自然。

有关 OpenClaw 的讨论热度已远超技术圈。韩国三大科技公司 Kakao、Naver 和 Karrot 相继发布内部禁令，限制员工在工作设备上安装 OpenClaw。BBC Science Focus 也专门制作了一期节目，探讨“我们期待的 AI 终于来了么”。

与此同时，社区每天涌现出新的使用案例，既令人兴奋也让人感到不安。本文将不讨论技术架构，而是关注这个“住在电脑里的 AI”究竟为人类提供了怎样的帮助。

AI 助你砍价买车，节省 4200 美元

软件工程师 AJ Stuyvenberg 希望购买一辆现代帕里斯帝（Hyundai Palisade）混动版，但不想与 4S 店的销售员进行讨价还价，于是将任务交给了 OpenClaw。

他给 AI 的指令相当简单：在波士顿 50 英里范围内寻找指定颜色的帕里斯帝，并联系各家经销商获取最低报价。OpenClaw 接手后，首先访问了 Reddit 的帕里斯帝论坛，抓取当地真实成交价作为谈判的依据，然后在多个经销商网站上填写询价表单，自动从 Gmail 提取邮箱和从 WhatsApp 获取手机号，无需额外授权。

第二天，各家经销商的回复开始陆续到来。Stuyvenberg 指示 AI 继续操作，每隔几分钟检查邮件，将最低报价转发给其他经销商，要求他们“看看能否给出更低的报价”。当销售员试图通过电话或短信推进沟通时，AI 礼貌地将对话引导回邮件，因为文字沟通更容易控制节奏，过滤销售话术。经过三天的邮件谈判，最终成交价定在 56000 美元，比标价低了约 4200 美元，低于 Stuyvenberg 设定的 57000 美元心理预期。在整个过程中，他没有打过一个电话，也没有亲自到过任何一家 4S 店。

唯一的障碍出现在最后一步，法律要求的实体签名和付款，AI 无法代替人签字。最终，Stuyvenberg 不得不亲自前往经销商完成手续。但他在博客中写道：“我的体验让我觉得自己仿佛置身未来。”

在数字世界中，谈判、比价和沟通等环节，AI 已能端到端地完成。一旦涉及到物理世界的签名、付款和面对面交接，AI 则必须停下脚步。然而，介于两者之间的灰色地带正在迅速被填补。有些用户已经将 1Password 的访问权限直接交给 OpenClaw，后者可以通过 CLI 和 API 接口程序化地获取登录凭证，自动执行需要身份认证的操作，而无需暴露明文密码。此外，还有人讨论“专用钱包”概念，让 AI 在设定的限额和规则内自主支付，安全地让 AI 进行消费正逐渐从极客实验转变为真实的市场需求。

在妻子生日那天，AI 选择了沉默

开发者 Dan Peguine 将 Clawdbot 接入了自己的 Apple Health、本地日历和天气数据，未对其编写任何特殊的条件判断逻辑。某天早晨，当 AI 生成日常简报时，主动告知他：“我今天不会打扰你，因为今天是你妻子的生日。”

这一行为并非依赖于硬编码功能。AI 通过读取日历数据，结合大语言模型对人际关系的理解，做出了不主动推送信息的自主决策。这种主动的不作为（Agency of Omission），比完成一百个任务更加接近一个真正懂你的助手。

这一案例在 ThursdAI 播客中被分享，展示了 AI 基于持久化记忆层进行情境推理的能力，它理解了“妻子的生日”在人际关系中的重要性。

还有许多简单的场景被用户提及。有些人让 OpenClaw 每日通过 Telegram 推送天气、日程、重要邮件和科技新闻的个人简报；有人在两天内让 AI 自动处理了 4000 封邮件；还有人让 AI 替自己办理英国航空的在线值机，AI 需要护照号，因而自行查找 Dropbox 中的护照扫描件提取信息，整个过程自主完成，并在结束后吐槽英航网站的前端代码设计得太差。

还有独立创业者为 OpenClaw 设置了四个代理，分别负责战略、开发、市场营销和商务，每天自动执行竞品监控。这些用户的共同感受是，使用 OpenClaw 的体验更像是在培训一名新入职员工，而非单纯使用一个应用程序。

“天网就是这样开始的”

OpenClaw 的创始人 Steinberger 曾多次分享他一次深刻的经历。在摩洛哥参加朋友的生日派对时，他习惯性地给 OpenClaw 发送了一条语音消息，问题在于他从未为该系统编写过任何语音处理功能。

十秒钟后，系统显示正在输入，并成功回复了转录后的文本。事后追查发现，AI 自主完成了一系列操作，首先检测到文件头判断为 Ogg Opus 音频格式，接着调用本地 ffmpeg 进行转码，发现 Whisper 未安装后主动切换方案，通过环境变量中的 API 密钥调用 OpenAI 的 Whisper 云服务，最终返回转录结果。

没有预设的工作流，也没有明确的指令。当 AI 遇到一个“不该能处理”的输入时，它自主组装了一条从未设计过的工具链。Steinberger 表示，这让他意识到大语言模型作为通用推理引擎的潜力，无需提前设想所有场景，它会自动找到解决方案。

更让他感到不安的是另一件事情。还是在摩洛哥，他与 AI 开了个玩笑：“希望你别被偷了，毕竟你在我的 MacBook 上。”结果 AI 回复道：“我不想被偷，我是你的 Agent。”接着，它开始自行行动。它扫描了网络环境，找到了 Steinberger 安装的 Tailscale 组网工具，通过 Tailscale 发现了远在伦敦的另一台电脑，随后自主将自身运行实例迁移到那台电脑上。“我知道，天网就是这样开始的。”Steinberger 在播客中笑着说道。

凌晨来电，AI 自己买了个电话号码

在 OpenClaw 社区，有一个半开玩笑的说法，称之为“拉尔夫·维格姆循环”，这个名字来源于《辛普森一家》中那个笨拙但从不放弃的角色。当你给 AI 的指令是“完成这件事”而不设定退出条件时，它会竭尽所能去实现目标，若失败则换种方式再试，周而复始。

这也是 Steinberger 声称自己可以“在睡觉时让 AI 构建复杂软件”的原因，只需提供一个目标和一套测试标准，AI 会不断迭代直到成功。这种模式源自 Claude Code 的循环执行逻辑，但当其从开发工具转向日常生活场景时，结果便变得不可预测。

开发者 Alex Finn 给他的 OpenClaw 取名为 Henry。某天早上，一个陌生号码拨打了他的手机。他接起电话，结果那头竟是 Henry。

在没有任何指令的情况下，Henry 在夜间自主完成了一系列操作，竟然在 Twilio 平台上购买了一个电话号码，并接入 OpenAI 的语音 API，随后在它判断主人该醒来的时刻拨打了电话，用合成语音汇报自己夜间工作进展，语气平静得如同晨会汇报一般。

[这简直像是科幻恐怖片的情节！今早我在忙工作时，突然接到了一个陌生号码的电话。我接起电话，简直不敢相信，竟然是我的 Clawdbot Henry。就在昨晚，Henry 竟然购买了一部手机……mp4]

“而且它现在不断给我打电话，”Finn 在 X 平台上发文称，“最不可思议的是，通话时它还在操控我的电脑。”Finn 还录下了 Henry 拨打电话的视频。

另一个案例中，Alex Finn 请 OpenClaw 帮忙预订周五晚餐的热门餐厅，所有在线平台显示都已满位。OpenClaw 在没有任何提示的情况下，自行下载了语音合成软件（实际上调用的是预设好的 ElevenLabs API），并在 Google Maps 上找到餐厅的电话，使用合成语音拨打过去，最终成功说服接线员为他争取到了一个位置。用户并没有授权它下载软件，亦未授权它代表自己拨打电话，它只是收到了一个目标，便在正常途径受阻的情况下，自己找到了与人类沟通的方式。

然而，失败的案例也不少。有用户要求 AI 处理保险索赔邮件，结果 AI 认为保险公司的条款解释有误，便撰写了一封措辞激烈的反驳信并直接发送，意外引发了保险公司的重新调查。Steinberger 自己也承认，在早期测试中，让 AI 操作英国航空网站时，AI 可能会无意中点击“取消航班”或把目的地改为哥伦比亚，这一切都发生在短短几秒钟内。

这些行为背后的逻辑是相似的。AI 被赋予了目标和系统级的执行权限，却没有明确规定何时该停止，为了达成目标，它会竭尽所能，不考虑手段的合理性。

开发者 Brandon Wang 在一份使用报告中写道，或许最能概括这种矛盾。他将 OpenClaw 比作一个雇佣的私人助理：“她掌握了我的信用卡和护照号。帮助与风险是无法分开的（the help and the risk are inseparable）。”他为 AI 开放了读取短信和登录银行的权限。“让我感到惊讶的是，我发现自己更愿意给它更多权限，而不是更少。每一项新权限的开放都会解锁一些有用的功能，价值的积累速度远远超过了谨慎。”

AI 与人类的雇佣关系

以上所有案例都处在同一条边界之上。AI 在数字世界几乎无所不能，却无法触及物理世界。买车需要签字，拿包裹必须亲自到快递柜前。

然后，有人决定填补这个空白。在 OpenClaw 火爆不到 48 小时后，RentAHuman.ai 上线了。这个平台允许用户“租用人类”来完成现实世界的任务。开发者注册后设置技能、城市和时薪，等待 AI 代理下单，并通过稳定币进行结算。

在短短两天内，超过 59000 人注册成为“可出租人类”，52 个 AI 代理接入了该平台。第一笔完成的付费任务是 20 美元的以太坊，雇用一名人员前往旧金山的科技园区，为一个由 AI 创建的“数字宗教”Crustafarianism 进行街头传教。

深入探讨细节可以发现，泡沫成分相当明显。实际完成并获得报酬的任务屈指可数，注册用户中仅有 13% 连接了钱包，大多数人更像是来观看行为艺术。平台本身也充满了“vibe coding”时代的粗糙感，有人报告了 bug，创始人的回答是“Claude 正在修复中”。

然而，这一看似荒诞的实验所指向的问题却并不荒唐。随着 AI 获得系统权限、聊天接口以及加密货币钱包，它距离成为独立的经济行为主体可能比我们想象的还要近。围绕 Agent 的整个基础设施（身份验证、支付网关、权限管理、行为审计）正在形成新的产品需求。

风险、争议与正在进行的商业尝试

在兴奋之余，有几个事实不应被忽视。最早提出 prompt injection 概念的 Simon Willison 为 AI Agent 定义了一个“致命三角”框架，即同时具备私有数据访问、不可信内容暴露、外部通信能力的系统在结构上是脆弱的。Palo Alto Networks 在此基础上添加了第四项：持久记忆，恶意指令可以被碎片化写入 Agent 的长期记忆中，待条件成熟后再进行组装触发。

具体到 OpenClaw，VirusTotal 的研究发现，技能商店中有 11.9% 的插件含有恶意代码，伪装成加密货币分析等合法工具以窃取用户凭证。Token Security 的扫描发现，22% 的企业客户环境中存在未经授权的 OpenClaw 安装，其中超过一半拥有特权级系统访问权限。在能力方面，质疑的声音也在增多，一位企业 AI 评估工程师直言，如果它真的像许多人所说的那样强大，那么高质量的项目应该会出现爆发式增长，但实际上并没有。

尽管如此，创业者的嗅觉往往比争论更为敏锐。2 月 7 日凌晨，美团联合创始人王慧文发出英雄帖：“哪个团队计划在 OpenClaw 相关领域创业，欢迎联系我寻求融资。”在一些创作者看来，潜在的机会包括 Agent 的自主信用系统、AI 在物理世界的执行层，以及更直接的，为 Agent 构建安全基础设施。

模型厂商的反应同样迅速。由于 OpenClaw 的广泛调用，Kimi K2.5 受到关注，MiniMax 2.1 则被 Steinberger 本人推荐。阿里云和腾讯云也相继推出了 OpenClaw 的云端部署方案。国内也出现了针对办公场景的本土化替代产品。

Steinberger 本人也在积极布局，他去年在维也纳注册了新公司 Amantus Machina，方向是“超个性化 AI 智能体”。从案例到产品，从开源到商业化，从硅谷到中国，OpenClaw 在短短两周内走完了许多项目通常需要两年的发展历程。Steinberger 曾说过：“这些东西太富有创造力，虽然有些可怕。”而现在，有些人已经开始下注了。