OpenClaw 的命門，被 Anthropic 用一張“屏幕截圖”精準擊中了

作者：zjy365 獨立開發日誌
日期：2026年3月26日 上午2:22
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

Claude 用 Computer Use + Dispatch 組合，為 Agent 開發者解決咗無 API 嘅死衚衕，同時將 AI 助手嘅天花板大幅提高。

整理版摘要

作者本身係一個 Agent 開發者，匿埋做咗一個 Agent 項目，最近成功跑通咗第一個可用版本。呢個過程入面佢踩咗好多坑，最深嘅體會係：最難嘅唔係令 AI 「變聰明」，而係令佢真正觸達到你想操控嘅嘢。當目標軟件冇 API 嗰陣，成個自動化鏈條就會斷咗，呢種無力感佢經歷過好多次。

Claude 今次嘅更新就係針對呢個痛點。佢哋推出咗 Computer Use 同 Dispatch 呢個組合：Computer Use 令 AI 可以透過持續截屏嚟「睇」你個電腦屏幕，然後模擬鼠標鍵盤操作；Dispatch 係手機端嘅遠程任務入口，配對之後，你可以喺手機發句指令，AI 就喺你電腦自動執行。呢個組合嘅威力在於，AI 可以同時用 API 同睇屏幕，咩軟件都操控到。

OpenClaw 嘅處境就尷尬啦。佢哋做對咗一件事：將 AI 入口放喺聊天工具，用戶零門檻使用。但佢哋只靠工具調用一條腿行路，而且視覺操控對模型能力要求極高，第三方好難同 Claude 自家模型比。不過 Claude 亦都有短板：對中國用戶嚟講封號風險大、消耗 token 好快、冇 IM 集成。總括嚟講，AI 助手嘅天花板已經被大幅提高，每個玩家都要重新審視自己嘅位置。

  • Claude 嘅視覺操控方案解決咗 Agent 開發中無 API 嘅關鍵斷點，但消耗大，唔係完美方案。
  • Computer Use 透過持續截屏模擬鼠標鍵盤，Dispatch 提供手機遠程入口，兩個夾埋可以操控任何軟件。
  • OpenClaw 靠工具調用，IM 集成係最大優勢；Claude 靠自家模型做視覺，模型公司做 Agent 有正循環優勢。
  • 視覺方案係過渡技術，未來軟件會被迫開放接口；Agent 開發者應該混用工具調用同視覺操控。
  • AI 助手嘅安全信任門檻極高，要喺自由同控制之間揾平衡，核心場景做到「閉眼用都唔出錯」先係真正壁壘。
整理重點

自己做 Agent 撞過嘅牆

作者自己動手做 Agent 之後發現，最難嘅部分通常唔係令 AI 「變聰明」，而係令佢真正觸達到你想操控嘅嘢。目標軟件畀唔畀接口，係第一個問題。

所以當 Claude 發佈 Computer Use + Dispatch 嘅時候，作者嘅第一反應係「呢個思路可以解決我遇到嘅死衚衕」。

整理重點

兩條技術路線：工具調用 vs 視覺操控

而家 Agent 嘅技術路線主要有兩條：工具調用同視覺操控。OpenClaw 同大部分 Agent 框架都係行工具調用路線，而 Claude 今次就係強化咗視覺操控呢條路。

工具調用嘅優點係快、準、可控，但缺點係只能操控「配合你」嘅系統。

視覺操控嘅優點係萬能，咩軟件都操控到，但缺點係慢、費資源、容易出錯。

作者認為，呢兩條路線各有長短，夾埋用先係最佳做法。

整理重點

Claude 嘅組合拳：Computer Use + Dispatch

Claude 今次主要做咗兩個嘢：Computer Use 同 Dispatch。Computer Use 令 AI 透過持續截屏嚟「睇」你電腦屏幕，然後模擬鼠標鍵盤操作；Dispatch 係手機端嘅遠程任務入口，配對之後手機落指令，AI 就喺電腦執行。

Dispatch 會自動判斷任務類型，編碼類交畀 Claude Code，知識類走 Cowork，各自獨立運作，互不幹擾。

  1. 1 Computer Use：持續截屏「睇」屏幕，模擬鼠標鍵盤操作。
  2. 2 Dispatch：手機端遠程入口，配對後手機下指令電腦執行。
  3. 3 組合效果：隨時隨地用手機下指令，AI 喺電腦上可以走 API 又可以睇屏幕，任何軟件都操控到。
整理重點

OpenClaw 嘅處境同作者嘅思考

作者對 OpenClaw 有共情，佢哋做對咗好重要嘅事：將 AI 入口放喺聊天工具，用戶唔使學新嘢，喺微信 @ 佢就用得。但天花板亦好明顯：單腿走路，只靠工具調用；模型壁壘令第三方好難同 Claude 自家模型比。

Anthropic 對 OpenClaw 嘅策略係「唔搭理但每次更新都砍你命脈」。

不過 Claude 都有短板：封號問題令中國用戶卻步；視覺方案 token 消耗好大，有人兩日燒完一週額度；Dispatch 唔可以嵌入微信、飛書等日常通訊工具，呢個正係 OpenClaw 嘅核心場景。

  • 框架係骨架，模型係大腦。模型公司做 Agent 可以根據 Agent 需求優化模型，形成正循環。
  • 安全信任門檻極高：要畀 AI 夠自由做嘢，但又唔可以失控。
  • 用戶留低唔係因為功能多，而係核心場景做到「閉眼用都唔會出錯」。

朋友們，好久不見

消失了一陣子，主要是悶頭在做一個自己的 Agent 項目，最近終於跑通了第一個可用版本，算是有了初步的成果。過程中踩了不少坑，也對整個 AI Agent 的生態有了更深的體感。

今天不聊我自己做的東西，先聊聊最近行業裏發生的一些變化。因為正好是自己在做 Agent，所以看這些事情的視角跟以前純當用戶的時候完全不一樣了，有些感受還挺強烈的，拿出來跟大家說說。

一個做 Agent 的人，怎麼看 Claude 和 OpenClaw 這場暗戰

先說我為什麼關注這件事

自己動手做過 Agent 之後你會發現，最難的部分往往不是讓 AI "變聰明"，而是讓它真正觸達到你要操控的東西。

你想讓 AI 幫用戶自動完成某個工作流，第一個問題就是：目標軟件給不給你接口？如果有 API，萬事好辦；如果沒有，你就只能乾瞪眼。我在開發過程中被這個問題卡過很多次，深知這種無力感。

所以當 Claude 發佈 Computer Use + Dispatch 這套組合的時候，我的第一反應不是 "哇好酷"，而是 **"這個思路可以解決我遇到的那個死衚衕"**。

一堵所有 Agent 開發者都撞過的牆

做 Agent 的人都知道，現在的技術路線主要就是兩條：

  1. 1. 工具調用 (Tool Calling)
    • • 把各種能力封裝成函數或 API，讓 AI 按需調用。OpenClaw 走的就是這條路，大部分 Agent 框架也是這個思路。
    • • 優點： 快、準、可控。
    • • 缺點： 只能操控那些“配合你”的系統。微信不給你接口，你就控制不了微信；某個老舊的企業系統沒有 API，你就沒轍。
  2. 2. 視覺操控 (Visual Control)
    • • 讓 AI 像人一樣看屏幕、點鼠標。之前手機端的一些產品已經在走這條路了，但桌面端一直沒有成熟的方案。
    • • 優點： 萬能，什麼軟件都能操控。
    • • 缺點： 慢、費資源、容易出錯。

我自己做 Agent 的時候，80% 的場景靠第一條路線就夠了。但總有那麼幾個關鍵環節，目標系統就是沒有接口，整個自動化鏈條就斷在那裏。

這種感覺就像你修了一條高速公路，結果中間有一段爛泥地，車開不過去。Claude 這次做的事情，本質上就是給這段爛泥地鋪了一條路——雖然是土路，速度不快，但至少能通。

Claude 到底做了什麼？

主要是兩個東西的組合：

  • • Computer Use —— 讓 AI 通過持續截屏來“看見”你的電腦屏幕，然後模擬鼠標鍵盤操作。原理不復雜，但對模型的視覺理解和操作規劃能力要求極高。
  • • Dispatch —— 手機端的遠程任務入口。配對之後，你在手機上發一句話，AI 就在你電腦上執行。它會自動判斷任務類型，編碼類的交給 Claude Code，知識類的走 Cowork，各自獨立運行，互不干擾。

組合起來的效果： 你隨時隨地掏出手機下指令，Claude 在你電腦上既能走 API 又能看屏幕，什麼軟件都能操控。實際效果比如：讓它打開微信幫你翻羣聊消息做總結，或者先去瀏覽器搜資料再打開微信發朋友圈——這種跨應用、其中有些應用沒有任何接口的操作鏈，以前是完全做不到的。

那 OpenClaw 怎麼辦？

說實話，作為一個同樣在做 Agent 的人，我對 OpenClaw 的處境是有共情的。

OpenClaw 做對了一件非常重要的事：它把 AI 的入口放在了聊天工具裏。 你不用學任何新東西，在微信羣裏 @ 它就能用。這個產品直覺是很強的，普通人上手零門檻。

但它的天花板也很明顯：

  • • 單腿走路： 它只有工具調用這一條腿。
  • • 模型壁壘： 視覺操控這種對模型能力要求極高的場景，第三方接哪家模型都不如 Claude 自家的模型好使。模型公司親自下場做 Agent，就像飯店廚師用自己種的菜，食材供應鏈全控制。第三方 Agent 是去市場上採購食材，質量和穩定性天然差一檔。

這也是 Anthropic 對 OpenClaw 一直採取“不搭理但每次更新都砍你命脈”這種策略的底氣所在。

但也別覺得 OpenClaw 就完了

公平地說，Claude 有幾個短板在中短期內是繞不過去的：

  • • 封號問題： 對中國用戶來說這是最大的攔路虎，不確定性讓很多人根本不敢把它當主力工具。
  • • 消耗太狠： 視覺方案意味着不斷截屏和圖像識別，token 消耗是常規對話的好幾倍。有人試了用 Dispatch 純聊天，兩天就把一週的額度燒完了。
  • • IM 集成的缺失： Claude 的 Dispatch 只能通過自家 App 發起，不能嵌入微信、飛書這些日常通訊工具。而這恰恰是 OpenClaw 的核心場景。

一個做 Agent 的人的幾點思考

  1. 1. 關於視覺方案的未來： 我個人判斷它是一個非常重要的過渡性技術。當 AI 操控軟件變成常態後，軟件廠商會被迫開放接口——與其讓 AI 笨拙地截屏，不如主動開門。但在過渡期內，視覺方案就是填補空白的關鍵拼圖。
  2. 2. 關於模型和框架的關係： 框架是骨架，模型是大腦。 骨架可以搭得很漂亮，但如果大腦不夠聰明，什麼花架子都白搭。模型公司做 Agent 可以反過來根據 Agent 的需求優化模型，形成正循環。
  3. 3. 關於安全： 讓 AI 持續錄屏並操控電腦，信任門檻極高。你既要讓它足夠自由才能幹活，又不能讓它自由到失控。這個平衡點很微妙。
  4. 4. 關於功能堆疊和產品打磨： 用戶真正願意留下來，不是因為你功能多，而是因為某一兩個核心場景你做到了“閉着眼睛用都不會出錯”的程度。真正的壁壘是模型能力和對場景的深度理解。

最後

不是“Claude 殺死 OpenClaw”，更準確的說法是：AI 助手這個品類的天花板被大幅抬高了，而牌桌上的每個玩家都必須重新審視自己的位置。

AI 正在從“只能操控願意配合的系統”進化到“能操控一切有界面的系統”。這個轉變一旦完成，整個軟件行業的交互方式都會被重新定義。

我們正站在這個變化的起點。而我自己做的那個 Agent，也正好卡在這個浪頭上。後面有機會再跟大家細聊。