OpenClaw（中文社区俗称"龙虾"，因龙虾图标得名，部署它叫"养虾"）是奥地利开发者 Peter Steinberger 创建的开源 Agent 平台：本地优先、模型无关、可自托管。核心公式：OpenClaw = Gateway（网关）+ Agent Runtime + Skills（技能）+ Memory（记忆）。它最突出的两个特点：一是支持 20+ IM 渠道（微信/Telegram/企微/QQ 等），在熟悉的聊天工具里就能遥控电脑干活；二是Markdown 文件化记忆（MEMORY.md / 每日日志 / SOUL.md），这套记忆范式如今已成开源 Agent 的默认做法——本工作区就在使用同款机制。
一、它是什么：本地优先的"行动型"Agent 平台
OpenClaw 不是一个 AI 模型，也不是聊天机器人，而是一个开源、本地优先、可自托管的自主 AI 代理与自动化平台：通过自然语言指令直接在设备上执行实际任务——操作文件、运行命令、浏览网页、调用 API。核心设计哲学是把 LLM 的推理能力与对本地/私有服务器系统的操作权限结合，把 AI 从"对话参谋"变成能主动执行复杂任务的"实干型数字员工"。
- 起源：2025 年 11 月由奥地利开发者 Peter Steinberger 创建（曾用名 Clawdbot / Moltbot），2026 年初定名 OpenClaw
- 协议：MIT 完全开源，可自由二次开发
- 热度：GitHub Star 增速极快（多份资料显示 2026 年 6 月达 14.5 万~32.7 万，不同口径；此前常被称为史上增长最快的开源仓库——直到 8/13 被 DeepSeek Harness 以 80 倍速度刷新纪录）
- 模型无关：可接 Claude / GPT / Gemini / DeepSeek / GLM / 混元 / 豆包 / 通义，也支持 Ollama / LM Studio 本地模型
二、四层架构拆解
以网关（Gateway）为统一控制平面的多智能体（MultiAgent）协同系统。
① Gateway（网关）——系统的"中枢神经系统"
一个独立运行的常驻服务（默认 127.0.0.1:18789），采用轴辐式（Hub-and-Spoke）架构，负责：所有消息渠道、AI 智能体和客户端应用的连接；消息路由；会话管理（多会话并发）；访问控制（白名单/黑名单策略）；事件分发；插件生命周期管理。它是集中鉴权和审计的关键点。
② Agent Runtime（智能体运行时）——系统的"大脑"
基于 ReAct（推理-行动）等模式驱动 AI 思考，调用大语言模型进行任务规划与决策，是"理解-规划-执行-记忆-迭代"完整闭环的执行核心。
③ Skills（技能）——系统的"手脚"
插件化形式存在的功能扩展单元，赋予操作外部世界的能力（文件操作、浏览器自动化、API 调用等）。每个 Skill 本质上是包含 SKILL.md 描述文件及相关脚本的文件夹。社区生态规模庞大（数千到数万技能包，口径不一），支持语义/指令/定时/事件触发。
④ Memory（记忆）——系统的"长期记忆"
分层记忆体系：短期会话上下文 + 长期知识库（Markdown 文件化存储）。这是 OpenClaw 最具特色的部分，单独展开。
三、记忆系统深度解析（它最值得研究的设计）
与依赖大模型上下文窗口的传统方式不同，OpenClaw 把记忆以纯 Markdown 文件持久化在本地磁盘，每次对话开始主动加载：
| 文件 / 目录 | 作用 | 加载时机 |
|---|---|---|
MEMORY.md | 长期记忆：用户偏好、重要决策、项目背景 | 每次私聊会话开始 |
memory/YYYY-MM-DD.md | 每日日志：当天对话要点与执行结果 | 当天和昨天日志自动加载 |
SOUL.md | 智能体人格定义：语气、风格、行为准则 | 每次会话 |
USER.md | 用户信息：姓名、时区、偏好 | 每次会话 |
写入机制：①自动——上下文接近上限时，压缩前自动触发"记忆刷新"（Memory Flush）提炼写入日志；②手动——直接说"记住我……"，或直接编辑文件。
检索机制（QMD 模式）：2026.2.2 起引入 QMD（Quantum Memory Database，由 Shopify 联合创始人 Tobias Lütke 开发）作为可选记忆后端，采用BM25 全文搜索 + 向量语义搜索 + LLM 重排序三层混合检索，相关性筛选 + 时间衰减，官方称可节省 90%+ 上下文 Token。默认用内置 SQLite 索引。
四、生态：20+ 渠道与技能市场
- 多渠道接入：支持 WhatsApp、Telegram、微信、企业微信、飞书、钉钉、QQ、Discord、Slack、Signal、iMessage 等 20+ IM/办公平台——用户可以在熟悉的聊天工具里下发指令，实现"远程操控电脑"。
- 技能市场：ClawHub 官方市场 + SkillHub 中文市场（面向国内的中文搜索/加速/评分），安装方式多样（CLI、对话引导、手动放置、自定义创建）。
- 部署生态：腾讯云轻量应用服务器可一键部署，配合 COS 对象存储备份记忆/日志，实现跨设备数据同步。
- 模型接入：模型无关 + 支持同一会话混合多模型（如用强模型做推理、本地模型做简单分类）。
五、横向对比：OpenClaw × WorkBuddy × DeepSeek Harness
| 维度 | OpenClaw（龙虾） | WorkBuddy | DeepSeek Harness |
|---|---|---|---|
| 开源 | ✅ MIT | ❌ 闭源商业 | ✅ MIT |
| 定位 | 个人 Agent 平台（自托管） | AI 办公工作空间（"AI 同事"） | Agent 运行底座（开发者） |
| 接入渠道 | 20+ IM 渠道（远程遥控） | 桌面/Web/移动 | Web UI + headless + SDK |
| 记忆 | Markdown 文件化 + QMD 混合检索 | 会话记忆 + 工作区文件 | append-only 事件日志 |
| 扩展 | Skills 市场（数万） | Skills + MCP | 一切皆插件 |
| 模型 | 模型无关（20+ 家 + 本地） | 多模型 | 自家 DeepSeek 为主 |
| 成熟度 | 较高（2025.11 起） | 已商业化（月活 2000 万+） | v0.1 预览 |
三条路线各有侧重：OpenClaw 赢在"渠道自由 + 数据自主 + 记忆范式"；WorkBuddy 赢在"开箱即用 + 生态集成"；Harness 赢在"可编程底座"。对想在手机微信里随时遥控家里电脑跑任务的人，OpenClaw 是目前最贴合的选择。
六、落地建议与展望
注意事项：Skills 本质是可执行代码，安装来源不明的技能包有安全风险（恶意代码窃取 API 密钥）——仅从官方/可信市场安装，安装前可要求展示源码审查。
- 趋势：文件化记忆正成为 Agent 默认范式，OpenClaw 是这套范式的代表性落地，其 QMD 混合检索思路（BM25+向量+LLM 重排序、省 Token）值得所有 Agent 开发者借鉴。
- 竞合：DeepSeek Harness 的爆火不会"杀死"OpenClaw——两者层面不同（底座 vs 平台），且 OpenClaw 的渠道和记忆生态是其独特价值。
- 展望：个人"数字员工"形态会越来越像 OpenClaw——多渠道接入 + 持久记忆 + 专业技能包 + 本地优先。这套组合可能就是个人 Agent 的终局形态之一。
参考来源
· OpenClaw 官方文档与社区资料（架构定义：Gateway + Agent Runtime + Skills + Memory）
· 腾讯云开发者社区技术百科（OpenClaw 产品档案，2026-05）
· 多篇中文社区深度拆解（四层核心架构、记忆系统、QMD 机制、ClawHub/SkillHub 生态）
· 公开数据点：GitHub Star 增速（不同口径 14.5 万~32.7 万，截至 2026-06）
· 对比基准：DeepSeek Harness 发布报道中引用的 OpenClaw 增速数据（84 天 20 万星）
本文为个人技术研究与分享笔记，内容基于 2026-08-16 前的公开资料整理，产品信息随迭代可能快速变化，仅供参考，不构成任何投资或采购建议。