2025 年底，一个名为 OpenClaw 的开源项目悄然出现在 GitHub 上，短短几个月内便以前所未有的速度席卷全球开发者社区，成为 GitHub 历史上增长最快的开源项目。要理解 OpenClaw 的诞生，我们需要先了解其创造者以及项目背后的故事。
OpenClaw 的创造者是奥地利知名软件工程师兼创业者 Peter Steinberger（@steipete）。在打造 OpenClaw 之前，Steinberger 最为人熟知的身份是 PSPDFKit 的创始人——一款企业级 PDF 处理工具，最终以超过 1 亿美元的价格成功出售。在 PSPDFKit 之后，Steinberger 一直在思考 AI 时代的下一件大事。
| 时间 | 里程碑 |
|---|---|
| 2024 年初 | Steinberger 开始构思 AI Agent 运行时（最初代号 Clawdbot） |
| 2025 年 11 月 24 日 | GitHub 仓库创建，项目命名为 Clawdbot |
| 2026 年 1 月 25 日 | 项目正式公开发布，首日即获 9,000+ Stars |
| 2026 年 1 月底 | 因名称与 Anthropic 的 Claude 商标相似，被迫先后更名为 Moltbot 和 OpenClaw |
| 2026 年 2 月 14 日 | Sam Altman 宣布 Peter Steinberger 加入 OpenAI |
| 2026 年 3 月 1 日 | OpenClaw 超越 React（约 243K Stars），登顶 GitHub 非聚合类项目 Stars 第一 |
| 2026 年 3 月 16 日 | NVIDIA GTC 大会上，黄仁勋盛赞 OpenClaw 为"个人 AI 的操作系统" |
| 2026 年 4 月 | Stars 稳定在约 33 万+，Red Hat 推出企业版 OpenClaw |
OpenClaw 采用 MIT 开源协议，这意味着任何个人或企业都可以自由地使用、修改、分发和商用该项目。宽松的许可协议大大降低了采用门槛，这也是其快速普及的重要原因之一。在整个 AI 行业被少数巨头把持的大环境下，MIT 协议下的 OpenClaw 让个人用户和小型团队也能拥有属于自己的 AI Agent。
OpenClaw 的名字取自"龙虾的螯"（claw），隐喻 AI Agent 像龙虾的螯一样能够主动抓取、执行任务。在中国社区，它被亲切地称为"龙虾 AI"。项目早期因名称 Clawdbot 与 Anthropic 的 Claude 发音相似而被迫改名，这段插曲也从侧面反映了 AI 行业商标竞争的激烈程度。
要理解 OpenClaw 的定位，首先要分清"聊天机器人"与"AI Agent 执行引擎"的本质区别。这是 AI 应用两个完全不同的范式，也是 OpenClaw 区别于 ChatGPT 等产品的核心所在。
传统 AI 聊天机器人（如 ChatGPT、Claude 网页版）遵循的是"对话即服务"模式：用户在对话框中输入问题，AI 在对话框中返回文本。整个过程封闭在聊天界面之内，AI 无法触及用户的文件系统、无法执行代码、无法发送邮件、无法操作第三方应用。它就像一位知识渊博但被关在玻璃房里的专家——你知道答案，却不能帮你动手。
OpenClaw 代表的则是"执行即服务"模式。它本质上是一个 AI Agent 运行时的操作系统（AI Agent Runtime / Execution Engine），其核心能力在于：
"OpenClaw 就像 Kubernetes 之于容器——它为 AI Agent 提供了运行时编排、调度和管理的基础设施。你只需要写一个 JSON 配置文件，它就能让你的 AI 助手同时出现在多个聊天平台上，并真正帮你干活。"
如果说 ChatGPT 是一个实习生，知识丰富但需要你一步步告诉它该做什么；那么 OpenClaw 就是一位全能员工——你给它一个目标，它自己规划路径、调用工具、执行操作，最终交付结果。
OpenClaw 采用 Hub-and-Spoke 架构设计，从底层到顶层可分为三大核心层：
| 层级 | 组件 | 功能说明 |
|---|---|---|
| 渠道层 | Channel Adapters | 连接 25+ 通信平台（WhatsApp, Telegram, Discord, Slack, 飞书, 钉钉, iMessage 等），统一消息格式 |
| 大脑层 | Gateway + Agent Runtime | 消息路由、会话管理、ReAct 循环执行、LLM 推理、上下文管理 |
| 身体层 | Skills & Tools | 75+ 原生工具（Shell 执行、文件操作、浏览器自动化、Cron 调度），13,000+ 社区技能包 |
OpenClaw 常常与 ChatGPT、Claude Code、Cursor 等热门 AI 产品被放在一起讨论，但它们的定位和适用场景实际存在显著差异。以下从多个维度进行系统对比：
| 维度 | OpenClaw | ChatGPT | Claude Code | Cursor |
|---|---|---|---|---|
| 产品形态 | AI Agent 执行引擎 / 操作系统 | 托管式对话 AI | 终端编程 Agent | AI 原生 IDE |
| 核心场景 | 自主执行实际任务（邮件、日历、文件、浏览器） | 问答、翻译、写作、知识工作 | 复杂代码重构、调试、多文件修改 | 日常编码、多文件编辑、代码补全 |
| 入口方式 | 即时消息、命令行、API | Web / App 聊天界面 | 终端 CLI | VS Code 分支 IDE |
| 自主程度 | 非常高（可长期自主运行） | 低（对话式，被动响应） | 高（自主完成终端任务） | 中（IDE 内部辅助） |
| 本地执行 | 完整计算机控制（文件、命令、浏览器） | 不支持 | 终端级执行 | IDE 内部执行 |
| 多渠道 | 25+ 渠道（消息平台） | Web + App | 终端仅 | IDE 仅 |
| 模型选择 | 模型无关（支持 20+ 模型提供商） | 仅 OpenAI 模型 | 仅 Anthropic 模型 | 多模型（Claude, GPT 等） |
| 设置难度 | 高（需自部署配置） | 零设置 | 中（需安装 CLI） | 低（IDE 安装即可） |
| 学习曲线 | 较陡峭 | 几乎为零 | 中等 | 较低 |
| 月成本 | API 费用（灵活，$0-上百） | $20（Plus） | $17-200 | $16-200 |
| 开源 | 完全开源（MIT） | 闭源 | 闭源 | 闭源 |
| 最佳用户 | 想拥有自主 AI Agent 的开发者/团队 | 普通用户、知识工作者 | 终端重度开发者 | 追求开发效率的 IDE 用户 |
ChatGPT 是"大脑"，OpenClaw 是"大脑+身体"。ChatGPT 可以在对话框里告诉你如何备份文件、写一封邮件或查询天气，但它不能真正操作你的电脑完成这些动作。OpenClaw 则直接调用工具去执行——它会读取你的文件、运行 Shell 命令、调用 API 发送邮件，并将结果通过你习惯的聊天平台反馈给你。
Claude Code 是 Anthropic 推出的终端原生编程 Agent，在 SWE-Bench 上取得了业界最高的 80.9% 得分，擅长代码理解、重构和多文件修改。它专注于软件工程这一个垂直领域，是为开发者量身打造的编程利器。而 OpenClaw 的定位更为通用——它不仅写代码，还管理邮件、操作文件、调度任务、控制浏览器，甚至能调用其他 AI 工具。两者可以形成有力的上下游配合：OpenClaw 作为全局调度器，在需要复杂编程任务时启动 Claude Code 作为子 Agent。
Cursor 是在 VS Code 基础上深度改造的 AI 原生 IDE，它让 AI 深度融入开发者的日常编码流程——代码补全、多文件编辑、自然语言指令修改代码。它是开发者在"写代码"这个特定场景下的效率工具。OpenClaw 则是一个独立的 Agent 运行时系统，不依赖任何 IDE，覆盖的是开发者工作流中写代码之外的所有自动化需求。
越来越多高级开发者采用"组合拳"：ChatGPT 用于研究和头脑风暴，Claude Code 用于复杂代码重构，Cursor 用于日常编码，OpenClaw 作为全局自动化底座串联所有工具。四者各司其职，而非相互替代。
OpenClaw 之所以被称作"AI Agent 的操作系统"，是因为它在架构设计上覆盖了 Agent 运行所需的所有基础设施。以下从执行引擎、技能系统、记忆系统、安全模型、生态集成五个维度展开。
OpenClaw 的核心是 ReAct（Reasoning + Acting）循环，这是一种让 AI 模型能够自主推理并采取行动的执行范式：
1. 准备 workspace 目录
2. 加载符合条件的 Skill 包（复用缓存或重新加载）
3. 构建 System Prompt（注入 Skill 菜单、工具说明、身份信息）
4. 创建工具集（文件操作、命令执行、消息发送、子 Agent 管理等）
5. 调用 LLM 完成一次推理对话
6. 处理工具调用结果、流式输出、上下文压缩
OpenClaw 的技能系统是其生态活力的核心。每个 Skill 本质上是一个 SKILL.md 文件——不是可执行代码，而是结构化的操作指南，告诉 Agent "如何做某类事情"。
| 优先级 | 来源 | 说明 |
|---|---|---|
| 1（最低） | openclaw-extra | 插件目录中的扩展技能 |
| 2 | openclaw-bundled | 项目内置技能（约 50+ 个） |
| 3 | openclaw-managed | ~/.openclaw/skills 用户全局技能 |
| 4 | agents-skills-personal | ~/.agents/skills 个人技能 |
| 5 | agents-skills-project | 工作区项目技能 |
| 6（最高） | openclaw-workspace | 当前工作区专属技能（可覆盖同名技能） |
OpenClaw 拥有结构化的记忆体系，使 Agent 能够"记住"用户并持续学习和进化：
| 层级 | 记忆文件 | 功能 |
|---|---|---|
| 灵魂层（SOUL） | SOUL.md | 定义 Agent 不可变的核心价值观、行为准则和身份定位 |
| 工具层（TOOLS） | TOOLS.md | 动态注册的工具元数据，描述可用工具的功能和参数 |
| 用户层（USER） | USER.md | 基于向量的长期记忆库，存储用户偏好、习惯和历史 |
| 会话层（Session） | 内存+SQLite | 当前对话的短期情景记忆，持久化存储在 Markdown + SQLite |
OpenClaw 构建了业界领先的多层级容错机制，确保 Agent 在生产环境中的可靠性：
作为能够操作真实计算机的 AI 系统，安全是 OpenClaw 架构设计的首要考量：
2026 年 3 月 16 日，在 NVIDIA GTC 2026 大会上，CEO 黄仁勋（Jensen Huang）在他的主题演讲中用了大量篇幅谈论 OpenClaw，将其推向了全球企业级 AI 战略的中心舞台。
"OpenClaw 已经开源了智能体计算机的操作系统。这与 Windows 让我们能够创造个人计算机没有区别。现在，OpenClaw 让我们能够创造个人 AI Agent。每个公司在这个世界上都需要有一个 OpenClaw 策略、一个智能体系统策略。这就是新的计算机。"
—— 黄仁勋，NVIDIA GTC 2026 主题演讲
GTC 大会同期，NVIDIA 宣布推出 NemoClaw——基于 OpenClaw 的企业级安全增强版本。NemoClaw 针对企业关注的三大痛点提供了解决方案：
NemoClaw 可运行在 GeForce RTX PC、DGX 系统和数据中心基础设施上，标志着 OpenClaw 从个人开发者工具向企业级平台的跃迁。
黄仁勋的背书引发了一系列连锁反应：
OpenClaw 在不到 4 个月的时间内累计超过 33 万 GitHub Stars，超越了 React（13 年积累）和 Linux（30 年积累），成为 GitHub 史上增长最快的非聚合类软件项目。这一现象级增长并非偶然，而是多重因素叠加的结果。
| 里程碑 | 日期 | 用时 |
|---|---|---|
| 仓库创建 | 2025 年 11 月 24 日 | Day 0 |
| 公开发布，首日 9,000 Stars | 2026 年 1 月 25 日 | 62 天 |
| 100,000 Stars | 2026 年 1 月 30 日 | 67 天（5 天净增 91,000） |
| 创始人加入 OpenAI | 2026 年 2 月 14 日 | 83 天 |
| 200,000 Stars | 2026 年 2 月 16 日 | 84 天 |
| 超越 Linux（224K） | 2026 年 2 月 24 日 | 92 天 |
| 超越 React，登顶 GitHub 第一 | 2026 年 3 月 1 日 | 97 天 |
| 稳定 33 万+ Stars | 2026 年 4 月 | ~4 个月 |
2025 年底至 2026 年初，AI 行业正经历从"大模型竞赛"到"Agent 落地"的范式转移。开发者不再满足于在聊天框中与 AI 对话，而是希望 AI 能真正执行任务、操作工具。OpenClaw 恰好在市场需求的引爆点上出现，完美承接了这一历史性的需求爆发。
宽松的 MIT 协议意味着任何开发者都可以自由使用、修改和商用。在企业和个人对 AI 自主权日益重视的背景下，MIT 协议的开放性成为OpenClaw 快速扩散的关键杠杆——不需要法务审批、不需要采购流程、一行命令即可部署。
Peter Steinberger 作为 PSPDFKit 创始人，在开发者社区拥有极高声望。他曾在技术会议上公开讲述自己从成功退出 PSPDFKit 到探索 AI 领域的经历，这种"功成名就后仍在一线写代码"的极客叙事极具感染力。扎克伯格亲自邀约、Sam Altman 公开称其为"天才"等事件进一步放大了媒体关注度。
OpenClaw 采用"无头架构"——没有专属 UI、不依赖特定聊天平台、不绑定某个 LLM。用户通过他们已有的通信工具（WhatsApp、Telegram、微信等）与 Agent 交互，大幅降低了使用门槛。这种"去中心化"的设计理念天然适合病毒式传播。
13,000+ 社区技能包形成了强大的网络效应——每位贡献者都在为整个生态添砖加瓦。技能越多、Agent 越强大；Agent 越强大、用户越多；用户越多、贡献者越多。这一正向飞轮让 OpenClaw 的生态呈现出指数级增长的态势。
黄仁勋在 GTC 上的公开赞誉、Sam Altman 的招揽、Red Hat 的企业版发布、国内各大云厂商的跟进——这些产业巨头的背书行为不断将 OpenClaw 推上热搜，吸引了一波又一波的关注者。从"开发者工具"到"企业级平台"的跃迁过程中，巨头的背书起到了关键的信任传递作用。
正如一位技术评论者所言："React 代表工具时代的巅峰——让开发者更高效地写代码。OpenClaw 代表代理时代的开端——让所有人都能拥有'数字员工'。前者让专业人士做得更好，后者让普通人也能做到以前做不到的事。" 这或许才是 OpenClaw 现象级增长最根本的原因——它触及了每个人对"拥有一个 AI 助手"的渴望。
OpenClaw 的崛起标志着 AI 行业正从一个重要转折点：大模型能力的竞争正在让位于 Agent 落地能力的竞争。当模型能力逐渐趋同，"谁能把 AI 真正用起来"将成为下一个决胜关键。OpenClaw 作为开源的 Agent 执行引擎，其意义不仅在于技术本身，更在于它让个人和小团队也能拥有属于自己的 AI Agent——这或许是它引起如此广泛共鸣的根本原因。
尽管 OpenClaw 发展迅猛，但也面临一些现实挑战：高并发下 Node.js 单线程 Gateway 存在性能瓶颈；Token 消耗量可能较大（多步骤任务需要 2-5 次 API 调用/交互）；安全方面曾曝出 8 个高危 CVE 漏洞；部分恶意技能被用于传播恶意软件。生产环境部署前应进行充分的安全评估和威胁建模。