OpenClaw爆火,但大部分人可能用了個寂寞
整理版優先睇
OpenClaw 爆火背後:多數人其實用唔上,核心係你有冇值得自動化嘅嘢
呢兩週朋友圈同技術羣成日見到 OpenClaw,GitHub 上 247000 個 Star,兩個月就成為全球增長最快嘅開源項目,超過 React、Python 同 Linux。騰訊、阿里、字節個個大廠都爭住蹭熱度,創始人仲加入咗 OpenAI,項目交畀開源基金會。中國政府甚至限制國企用佢。表面好熱鬧,但作者觀察身邊嘅人,發現大部分裝完就冇然後。
原因主要有三個:第一,冇數據資產。OpenClaw 嘅核心係自動化工作流,但前提係你要有結構化文檔、知識庫、可複用模板。如果你嘅工作內容都喺個腦度,佢就只係一個高級聊天框。第二,冇業務閉環。好多人只係用佢寫嚇短視頻劇本或者整理會議紀要,呢啲免費 AI 好似豆包、ChatGPT 都做到。真正需要 OpenClaw 嘅係完整業務流程,例如每日監控 50 個信息源再自動摘要推送。第三,token 成本收唔返。每次調用外部大模型都要消耗 token,中度使用每月成本 30 到 100 美元,如果賺唔返就係純支出。
除咗用唔上,安全問題仲被忽略。OpenClaw 要接入郵箱、日曆等敏感服務,好容易畀人提示注入攻擊,即係有人可以透過電郵指令令佢執行惡意動作。中國政府限制國企用佢絕對有原因。用得好嘅人通常有三個特徵:有前期積累嘅數據知識、有持續訓練嘅意識、有清晰商業模式。如果你一條都唔符合,不如先沉澱數據同流程,呢樣嘢比任何工具都重要。
- 多數人用 OpenClaw 只係裝完就冇然後,因為冇數據資產同業務閉環。
- 真正需要 OpenClaw 嘅場景係有完整業務流程同重複環節,需要 AI 持續自動運行。
- OpenClaw 嘅 token 成本每月 30-100 美元,如果賺唔返就係純支出。
- 安全問題被忽略:OpenClaw 權限大,易受提示注入攻擊,中國政府已限制國企使用。
- 用得好嘅人通常有前期數據累積、持續訓練意識同清晰商業模式;如果冇,不如先沉澱數據同流程。
點解大部分人用唔上 OpenClaw?
OpenClaw 嘅核心能力係自動化工作流,可以幫你處理郵件、管理日程、整理文檔、監控消息。但前提係你要有嘢畀佢處理。
數據資產
如果你嘅工作內容都喺腦入面,冇結構化文檔、冇沉澱落嚟嘅知識庫、冇可複用嘅模板,咁 OpenClaw 對你嚟講就只係一個高級聊天框。
業務閉環
- 冇數據資產:冇結構化資訊畀 AI 處理。
- 冇業務閉環:只係用嚟寫短文或整理筆記,免費 AI 已經夠用。
- Token 成本收唔返:每月 30-100 美元,冇對應價值就係倒貼。
我計過一筆數,中度使用嘅 OpenClaw 每月 token 成本大概 30 到 100 美元。如果你連呢筆錢都賺唔返,就說明需求唔夠剛性。
被忽略嘅安全風險
OpenClaw 要接入你嘅郵箱、日曆、訊息平台,全部係敏感服務。網絡安全研究人員指出,佢嘅廣泛權限存在隱患,而且容易受到提示注入攻擊。
提示注入攻擊
意思係有人可以透過畀你嘅 AI 助手發一封精心構造嘅郵件,令佢喺處理郵件時執行惡意指令。你嘅 AI 助手可能畀人「策反」咗你都唔知。
咩人先用得出價值?
觀察到用得好嘅人通常有幾個共通特徵,唔係個個都可以。
前期積累
佢哋之前已經用 Notion、飛書、Obsidian 沉澱咗大量結構化資訊,OpenClaw 只係幫佢哋將資訊處理同流轉自動化。
持續訓練
佢哋每日主動同 OpenClaw 互動,不斷修正行為,令 AI 越來越瞭解業務邏輯。就好似請個新員工,頭三個月投入唔少心機,之後佢就可以獨立運作。
清晰商業模式
- 1 有前期積累嘅數據同知識,唔係由零開始。
- 2 有持續訓練嘅意識,每日互動修正。
- 3 有清晰商業模式或效率瓶頸,計得到省到嘅時間值幾錢。
如果呢三條你一條都唔中,真心建議唔好急住搞 OpenClaw,不如先花時間積累數據資產同梳理業務流程。
Skills 嘅本質:要適合你嘅業務場景
OpenClaw 有個核心概念叫 Skills,即係你教畀佢嘅具體能力模塊。呢個概念好得意,就好似武器。
Skills 要適合你嘅業務場景
一把好劍,如果你揸唔穩,佢再鋒利都冇用。反過來,基本功紮實嘅話,一條木棍都可以用到出神入化。我哋團隊用嘅公眾號內容創作 Skill,係逆向工程自己嘅爆款文章整出嚟,入面沉澱咗幾十篇文章嘅數據同方法論。呢個 Skill 畀第二個人用可能完全用唔到,因為人設、語氣、選題邏輯全部都係獨有。
最後嘅判斷
技術工具嘅價值等於你自身積累乘以工具能力。如果你嘅積累係零,乘任何數都係零。
自身積累乘以工具能力
如果你偶爾用嚟寫個短視頻劇本或者總結文檔,免費 AI 已經夠用,冇必要花時間同金錢去折騰。等業務複雜到免費工具搞唔掂時,OpenClaw 自然會變得有意義。

呢兩個禮拜,朋友圈同技術羣入面全部都係 OpenClaw。
GitHub 上有 247000 個 Star,兩個月就做到全球增長最快嘅開源項目,超過埋 React、Python 同 Linux。
騰訊整咗「龍蝦特種兵」,阿里整咗一鍵安裝 App,字節就搞咗個瀏覽器版嘅 ArkClaw。
國內差唔多所有大廠都喺度黐上去。
創辦人 Peter Steinberger 已經加入咗 OpenAI,項目交咗俾開源基金會。
中國政府開始限制國企喺辦公電腦上用佢。
熱鬧就真係好熱鬧。
但我最近睇咗一輪身邊有用緊嘅人,發現咗一個唔係好想講但又唔講唔得嘅事實:絕大部分嘅人,裝完之後,就冇然後喇。

白轉嘅三個原因
第一,冇數據資產。
OpenClaw 嘅核心能力係自動化工作流程,佢可以幫你處理電郵、管理日程、整理文件、監控消息。
但前提係,你要有嘢俾佢處理。
如果你嘅工作內容全部喺個腦入面,冇結構化嘅文件、冇沉澱落嚟嘅知識庫、冇可以重用嘅模板同流程,咁 OpenClaw 對你嚟講就係一個好高級嘅傾偈框。
第二,冇業務閉環。
我見過好多人嘅使用場景係咁樣:叫 OpenClaw 幫手寫一段短視頻劇本,或者整理嚇會議記錄。
呢啲嘢,免費嘅豆包、DeepSeek、Gemini、ChatGPT 都做到,而且做得唔差。
真正需要 OpenClaw 嘅場景係乜嘢?
係你有一套完整嘅業務流程,中間有大量重複環節,需要 AI 持續咁、自動咁行。
例如每日監控 50 個資訊源嘅更新,自動摘要之後推到你嘅飛書羣。
例如每星期將客戶反饋整理成報告,自動分發俾對應嘅負責人。
冇呢種閉環,你用 OpenClaw 就好似買咗一部工業級打印機,攞嚟印購物清單。
第三,token 成本收唔返。
OpenClaw 接嘅係外部大語言模型,Claude、DeepSeek 或者 GPT。
每一次調用都會消耗 token,長時間自動化運行嘅 token 開銷好可觀。
如果你嘅使用場景冇產生對應嘅商業價值,就算係提升效率帶嚟嘅時間價值,咁呢筆 token 費用就係純支出。
我計過一條數,一個中度使用嘅 OpenClaw 實例,每月 token 成本大概喺 30 到 100 美元之間。
如果你連呢筆錢都賺唔返,咁就說明你嘅需求唔夠剛性。

被忽略嘅安全層面
除咗用唔到嘅問題,仲有一個更加嚴重嘅問題俾大多數人忽略咗:安全。
OpenClaw 要接入你嘅電郵、日曆、訊息平台,呢啲全部都係敏感服務。
網絡安全研究人員已經指出,佢嘅廣泛權限需求存在隱患,而且容易受到提示注入攻擊。
即係咩意思?
有人可能透過俾你發一封精心構造嘅電郵,叫 OpenClaw 喺處理呢封電郵嘅時候執行惡意指令。
你嘅 AI 助手,可能俾人「策反」咗,你都唔知。
中國政府限制國企用佢,唔係冇道理嘅。

用得好嘅人喺做啲乜
講咗咁多「用唔到」嘅情況,咁咩嘢人先可以將 OpenClaw 用到有價值?
我觀察到嘅共同特徵係三點:
有前期積累嘅數據同知識。
佢哋之前已經喺度用 Notion、飛書、Obsidian 沉澱咗大量結構化資訊。
OpenClaw 只係幫佢哋將呢啲資訊嘅處理同流轉自動化咗。
有持續訓練嘅意識。
佢哋每日主動同 OpenClaw 互動,不斷修正佢嘅行為,令佢越來越明自己嘅業務邏輯。
呢個就好似培養一個新員工,頭三個月你投入嘅精力唔會比自己做少幾多,但三個月之後佢就可以獨立行得起。
有清晰嘅商業模式或者效率瓶頸。
佢哋好明確自己要解決啲咩問題,可以計得到 AI 自動化每日幫佢哋慳咗幾多時間,呢啲時間值幾多錢。
如果呢三點你一點都唔中,我真係建議你唔好咁心急去搞 OpenClaw。
將時間使喺積累數據資產同梳理業務流程上面,比起使喺設定一個 AI 工具上面有價值得多。

Skills 嘅本質
OpenClaw 有一個好核心嘅概念叫 Skills,就係你教俾佢嘅具體能力模塊。
呢個概念其實特別似武器。
一把好劍,如果你揸都揸唔穩,佢再鋒利都冇用。
反轉嚟講,如果你嘅基本功紮實,一條木棍都可以用到有效果。
Skills 要適合你嘅業務場景先好。
我哋團隊而家用緊嘅公眾號內容創作 Skill,係基於自己嘅真實爆款文章逆向工程出嚟嘅,入面沉澱咗幾十篇文章嘅數據同方法論。
呢個 Skill 換到第二個人手上,可能完全用唔到,因為入面嘅人設、語氣、選題邏輯都係我哋獨有嘅。
所以 OpenClaw 爆紅呢件事,表面係工具嘅勝利,本質上考驗嘅係:你有冇值得自動化嘅嘢。

最後一個判斷
技術工具嘅價值,等於你自身積累乘以工具能力。
如果你嘅積累係零,乘以任何數都仲係零。
如果你間唔中攞嚟寫個短視頻劇本、總結個文件,免費嘅 AI 工具已經夠用㗎喇,冇必要花時間同金錢去搞自己。
等你嘅業務複雜到免費工具搞唔掂嘅嗰一日,OpenClaw 自然會變得有意義。
喺嗰一日到嚟之前,先將你嘅數據、你嘅流程、你嘅知識,沉澱落嚟。
呢件事,比起任何工具都重要。

推薦閲讀

這兩週,朋友圈和技術羣裏全是 OpenClaw。
GitHub 上 247000 個 Star,兩個月幹到全球增長最快的開源項目,超過了 React、Python 和 Linux。
騰訊做了"龍蝦特種兵",阿里做了一鍵安裝 App,字節搞了個瀏覽器版的 ArkClaw。
國內幾乎所有大廠都在往上面蹭。
創始人 Peter Steinberger 已經加入了 OpenAI,項目移交給了開源基金會。
中國政府開始限制國企在辦公電腦上使用它。
熱鬧是真熱鬧。
但我最近觀察了一圈身邊在用的人,發現了一個不太想說但又不得不說的事實:絕大部分人,裝完之後,就沒有然後了。

空轉的三個原因
第一,沒有數據資產。
OpenClaw 的核心能力是自動化工作流,它能幫你處理郵件、管理日程、整理文檔、監控消息。
但前提是,你得有東西讓它處理。
如果你的工作內容都在腦子裏,沒有結構化的文檔、沒有沉澱下來的知識庫、沒有可複用的模板和流程,那 OpenClaw 對你來說就是一個很高級的聊天框。
第二,沒有業務閉環。
我見過很多人的使用場景是這樣的:讓 OpenClaw 幫忙寫一段短視頻腳本,或者整理一下會議紀要。
這些事情,免費的豆包、DeepSeek、Gemini、ChatGPT 都能做,而且做得不差。
真正需要 OpenClaw 的場景是什麼?
是你有一套完整的業務流程,中間有大量重複環節,需要 AI 持續地、自動地跑。
比如每天監控 50 個信息源的更新,自動摘要後推到你的飛書羣。
比如每週把客戶反饋整理成報告,自動分發給對應的負責人。
沒有這種閉環,你用 OpenClaw 就像買了一台工業級打印機,拿來打購物清單。
第三,token 成本收不回來。
OpenClaw 接的是外部大語言模型,Claude、DeepSeek 或者 GPT。
每一次調用都消耗 token,長時間自動化運行的 token 開銷很可觀。
如果你的使用場景沒有產生對應的商業價值,哪怕是提效帶來的時間價值,那這筆 token 費用就是純支出。
我算過一筆賬,一箇中度使用的 OpenClaw 實例,每月 token 成本大概在 30 到 100 美元之間。
如果你連這筆錢都賺不回來,那說明你的需求不夠剛性。

被忽視的安全面
除了用不上的問題,還有一個更嚴重的問題被大多數人忽略了:安全。
OpenClaw 要接入你的郵箱、日曆、消息平台,這些全是敏感服務。
網絡安全研究人員已經指出,它的廣泛權限需求存在隱患,而且容易受到提示注入攻擊。
什麼意思?
有人可能通過給你發一封精心構造的郵件,讓 OpenClaw 在處理這封郵件的時候執行惡意指令。
你的 AI 助手,可能被別人"策反"了,你還不知道。
中國政府限制國企使用它,不是沒有道理的。

用得好的人在做什麼
說了這麼多"用不上"的情況,那什麼樣的人能把 OpenClaw 用出價值?
我觀察到的共同特徵是三條:
有前期積累的數據和知識。
他們之前就已經在用 Notion、飛書、Obsidian 沉澱了大量的結構化信息。
OpenClaw 只是幫他們把這些信息的處理和流轉自動化了。
有持續訓練的意識。
他們每天主動跟 OpenClaw 互動,不斷修正它的行為,讓它越來越懂自己的業務邏輯。
這就像培養一個新員工,前三個月你投入的精力不會比自己幹少多少,但三個月之後它能獨立跑起來。
有清晰的商業模式或效率瓶頸。
他們很明確自己要解決什麼問題,能算出來 AI 自動化每天幫他們省了多少時間,這些時間值多少錢。
如果這三條你一條都不佔,我真心建議你不要急着折騰 OpenClaw。
把時間花在積累數據資產和梳理業務流程上,比花在配置一個 AI 工具上有價值得多。

Skills 的本質
OpenClaw 有一個很核心的概念叫 Skills,就是你教給它的具體能力模塊。
這個概念其實特別像武器。
一把好劍,如果你握都握不穩,它再鋒利也沒用。
反過來,如果你的基本功紮實,一根木棍也能用出效果。
Skills 要適合你的業務場景才好。
我們團隊現在用的公眾號內容創作 Skill,是基於自己的真實爆款文章逆向工程出來的,裏面沉澱了幾十篇文章的數據和方法論。
這個 Skill 換到別人手裏,可能完全用不上,因為裏面的人設、語氣、選題邏輯都是我們獨有的。
所以 OpenClaw 爆火這件事,表面上是工具的勝利,本質上考驗的是:你有沒有值得自動化的東西。

最後一個判斷
技術工具的價值,等於你自身積累乘以工具能力。
如果你的積累是零,乘以任何數還是零。
如果你偶爾用來寫個短視頻腳本、總結個文檔,免費的 AI 工具已經夠用了,沒必要花時間和金錢去折騰自己。
等你的業務複雜到免費工具搞不定的那一天,OpenClaw 自然會變得有意義。
在那一天到來之前,先把你的數據、你的流程、你的知識,沉澱下來。
這件事,比任何工具都重要。

推薦閲讀