20260317研读Openclaw资料摘录
20260317研读openclaw资料摘录
OpenClaw 衍生版本大致搜了下，出来了很大一批，各种语言版本：Nanobot、PicoClaw、ZeroClaw、NanoClaw、IronClaw、TinyClaw 等。 如果想研究原理以及代码的话，可以去多了解一下。
https://autoglm.zhipuai.cn/autoclaw/，AutoClaw，这是只智谱家的虾。1 分钟安装小龙虾， 一键即可接入主流即时通讯软件，50+ 预制 Skills 更能为你组建专业龙虾战队。
Kimi Claw 是一款全天候 AI 助手，支持长期记忆与自动化，基于 Kimi 生态系统中的 OpenClaw 构建。通过 Kimi Claw，用户可以快速部署、在云端保持长期记忆，并在研究、分析和日常运营中运行主动式工作流。
MaxClaw，https://maxclaw.ai/zh/，MaxClawhttps://maxclaw.ai/zh/，minimax打造，
腾讯系的虾，这个WorkBuddy 一开始的定位应该是 Cowork 方向。来得早不如来得巧，赶上了好时候，直接与 IM 打通（目前唯一一个可和个人微信打通了的），变成了一只紧跟时事的虾，真乃灵活的虾。
Qclaw，我愿称之为 PPT 虾，还没法用就普通盖地宣传了，
字节系的虾，飞书妙搭https://miaoda.feishu.cn/bot，ArkClaw，Coding Plan 用户免费，云端部署 OpenClaw，零门槛即刻唤醒个人助手，随时随地对话。
扣子编程，扣子编程提供了安全的云主机环境和配套的 AI 编程助手，有便捷的浏览器工具，可无障碍访问各类网站。生态开放，支持便捷打通各类 IM 工具，无功能裁剪与限制。
网易家的虾，LobsterAI 有道龙虾https://lobsterai.youdao.com/#/index
阿里的虾https://jvs.wuying.aliyun.com/感觉阿里不是很积极，名字也不太好记。体验还需要邀请码，看来是还没准备好呢。
百度家的虾duclaw，https://cloud.baidu.com/product/duclaw.html目前关于这款产品的信息不多。
秋芝-Qclaw别误会，这只是秋芝大佬搞的，不是腾讯管家那个，那个还在内测中，
EasyClaw，猎豹的，这个竟然提供安卓版本。https://easyclaw.com/zh-cn
"OpenClaw 是工具，不是圣杯。能 100% 执行你的策略，但不能替你创造策略。
"OpenClaw 最大的风险不是它不够强，是有人把刀藏在了插件里。"
除了聊天和生成文案，AI到底还能帮我做什么？企业又该如何安全、有效地引入AI？
这种困惑背后，是个人效率瓶颈与组织数字化转型需求的共同呼唤。如果只把AI当作一个高级搜索引擎，无疑浪费了它成为“数字同事”的巨大潜能。
首先，AI“龙虾”已从个人助理进化为企业数字同事。
作为个人助理，龙虾可集成在飞书生态中，核心优势是能像真人一样操作飞书。比如以“你”的身份撰写文档、发送语音消息、添加日程，还能读取多维表格和会议纪要等。其次，AI龙虾作为“数字同事”可融入工作流，提升生产效率。
例如在工厂环境中，生产流程延误一秒就可能引发严重问题。过去人工执行标准流程时易出现纰漏或执行不彻底，而AI可24小时不间断监控，严格按标准落实操作。
龙虾可以干什么？我们以飞书为例进行。具体分成4个部分：
① 基础执行：日程管理与文档生成；直接说“给我生成日程”。
② 信息处理：自动抓取与整合行业情报，我的AI“龙虾”能自动完成数据抓取、筛选，帮我看完后生成一份整理好的文档。我希望早上洗脸刷牙的时候，它能念给我听，所以我就会用我自己的声音放给自己。
③ 技能传承：通过文档让AI快速学习新技能，“上了一个文档，你给我学学”
④ 语音交互：克隆人声进行智能回复；事实上，我们可以指挥龙虾用我的语音在群里回复消息。
企业管理场景：制造业的AI“生产监督员”
北汽福田的这个“龙虾”，名字叫“长超小福”，是北汽福田公司在长沙超级卡车工厂部署的智能系统。举个例子，在我们的新能源工厂里，你可以让它抓拍一张光伏区域的照片，它就能判断该区域是否存在人员违章情况。
那么，它具体能做些什么呢？首先是查询业务数据，其次是查看现场监控，第三是进行日常协同。
飞书多维表格上的数据是由飞书提供安全保障，且经过高度治理，AI可以很简便地去读取。通过让龙虾读取飞书数据，能确保企业权限的最小化安全。
数据来源情况：我们的底层架构为“1+N+X”。
最底层的x代表所有员工——无论负责5S保洁的人员还是值班保安，都有专属数据表，记录当日工作内容（如卫生检查、订单承接等）。
员工数据表汇总为部门级大表或飞书base，最终整合为企业或工厂级的“一”。
AI无需休息，可以帮我们持续盯守，还能以人的标准推动工作充分落实。
危险区域的巡检就不需要人去了，让长超小福帮我们完成机房巡检，它能读取机房温湿度、设备运行状况等信息，非常便捷。
那它是怎么实现的呢？需要借助抓拍这一功能，具体怎么实现？很简单，只需三步：首先，准备好摄像头的IP地址、账号和密码；其次，开通网络访问权限；最后，将摄像头的IP地址、账号和密码提供给龙虾。
直接把跟嘉宾的聊天记录截图发给龙虾。然后我跟龙虾说：“我正在组织新的一次Demo day活动，下面把我和嘉宾的信息发给你，帮我整理到飞书文档里。”
龙虾是刚造出来的火车，因为刚造出来，所以跑得比马车慢。
从更长远的角度看，我相信AI的能力会越来越强。
用龙虾“打败”龙虾，让龙虾掌握龙虾——你只需把教程写入文档，让龙虾自动获取并学习。所以，快速提升龙虾能力的方式就是让它自主学习，而你只需提供成熟的文档即可。
OpenClaw飞书官方插件，正式上线了。
装上之后，你的AI助手可以直接以你的身份操作飞书——读消息、写文档、查日历、管任务，你说一句话，它直接在飞书里把事情做了。
"帮我把今天下午产品评审群里的讨论整理成会议纪要，保存到我的工作空间，文档标题叫'3月14日产品评审纪要'。"
"帮我搜一下最近三天所有群里关于'需求变更'的讨论，按时间顺序列出来，标注是哪个群、谁说的。"
"帮我在'客户跟进表'里新增一行：客户名称是XX公司，联系人张三，电话138xxxx，状态是待跟进，下次联系时间是下周一。"
"把这份Excel里的客户信息，批量导入到飞书的客户管理表里，字段对应关系是：姓名→客户名称，手机→联系电话。"
"帮我查一下下周二到周四，我和李四都有空的时间段，找一个1小时的空档，创建一个会议，主题是'Q1复盘'，发邀请给他。"
"刚才会议里讨论的行动项，帮我创建成飞书任务：UI设计稿指给小王，下周三截止；需求文档指给小李，下周五截止；技术方案指给老张，下下周一截止。"
OpenClaw飞书官方插件使用指南
https://www.feishu.cn/content/article/7613711414611463386
飞书官方的插件地址：https://github.com/larksuite/openclaw-lark
飞书机器人可以接收图片、文件、音频、视频，请给我发一张兵马俑的图片，带有今天的日期。
飞书机器人可以主动发动消息（如定时发送提醒），
文档工具：读取、创建、用 Markdown 写入飞书文档（表格因 API 限制不支持）
---创建一个飞书文档，把以下内容写进去“龙虾是刚造出来的火车，因为刚造出来，所以跑得比马车慢”，该文档名为：龙虾的能力
要让OpenClaw干活，你得先给它建一个东西，叫skills。
你可以理解为：给AI写一份“岗位说明书”。
我写的这份说明书长这样——
描述： 帮我生成项目周报
要求： 总结本周需求、本周问题、本周风险
附加： 生成本周工作总结 + 下周工作安排
格式： 表格呈现，字段清晰
需求越详细，它生成的效果越好。
token涨价从今年1月开始。
亚马逊云率先将面向大模型训练的服务价格上调约15%；谷歌宣布自5月1日起上调全球数据传输服务价格，其中北美地区每GB费率从0.04美元翻倍至0.08美元。
OpenAI将GPT-5.4输入价格涨至2.5美元/百万token，输出价格15美元/百万token。智谱AI将GLM Coding Plan的订阅价格提高最多60%，API调用价格提升67%—100%。
token的使用量丰俭由人，轻度用户用得少，重度用户用得多。使用Claude Opus 4.5的情况下，如果是轻度使用用户，token月消耗量大概500万至2000万，月花费10美元至30美元；中度用户月消耗量2000万至5000万，月花费30至70美元；重度用户月消耗量5000万至2亿，月花费70至150美元。
OpenClaw有个“心跳”功能，定期检查是否有新任务。每次“心跳”都是一次完整的API调用，携带完整的会话上下文。一旦用户配置不当，“心跳”几分钟就来一下，一晚上烧掉几十美元毫无障碍。
按以上的时间计算，MiniMaX M2.5消耗了8.89T的token；Kimi K2.5用掉了3.57T的token；DeepSeek V3.2消耗了3.53T的token；GLM 5消耗了2.44T的token。这些中国大模型token消耗量分别占榜单的第一、三、四、八位。
如果说大模型厂商卖的是“石油”，赚的是“油费”，那么百度、腾讯、阿里等巨头卖的就是“加油服务”，开的是“加油站”。它们将OpenClaw的能力封装成标准化服务，锁定算力消耗和token调用：不管哪个Agent厉害，不管大模型拼得死去活来，只要算力还在消耗，云厂商就可以坐收渔利。
总结起来，Agent数量增长，“顶流”产品OpenClaw“好用”，疯狂吸收用户；模型编程能力提升；多模态模型能力提升，这三者的“进步”都来自于模型自身能力的突破，从而直接改变了使用场景的量级，模型的调用从一天几次变成一天成百上千次，也就共同导致了token需求的激增。
龙虾是一个自主工作流的代理接口，这个“智能体”本地运行，集成外部大模型——如Claude、DeepSeek、GPT等等。用户通过消息服务软件，比如Telegram、Signal、Discord乃至微信向龙虾发出指令，龙虾就可以无间断地为人类线上“干活”。
截至3月初，这个开源项目在GitHub上拥有24.7万颗星和4.77万个“分支”，在聚合网站OpenRouter的应用排行榜上蝉联第一。
微信兼容龙虾，可以视为AI智能体向全民普及的重要转折点，其用户群将从极客、一二线白领极大“下沉”。目前，微信活跃账户数高达14.14亿。
“两大模型伺候他一个人儿”，即日常的大量的推理，用Kimi K2.5；碰到高难度推理、复杂系统架构问题，用Claude Max。每天只需5—10美元，没有速率限制，节省八九成的成本，实现了“完全的自动化”。
阿里选择通过一场深度整合，去迎接新AI时代：AI不再只是Chat，而是关键生产力，而“Token”成为这个时代的水、电、煤。
虎嗅独家获悉，3月16日阿里内部围绕“Token”链路，重新梳理整合了业务架构，并成立了新事业群：Alibaba Token Hub（ATH）事业群，阿里巴巴CEO吴泳铭将直接负责这个事业群。这也是自阿里内部电商事业群整合以来，最重要的一次架构调整。
ATH将以平行于阿里云智能事业群、电商事业群的独立事业群的形态存在。目前阿里内部最为核心的事业群有：
·电商事业群：淘天（含闪购）、国际以及飞猪等
·阿里云智能事业群：后续以云服务和商业化MaaS为主
·Alibaba Token Hub：涵盖通义实验室、千问、悟空、MaaS、AI创新事业部
·其他：包括盒马、大文娱等
ATH旗下，将由五大事业部构成，在内部信中吴泳铭也明确提及了五大事业部的具体目标：
·通义实验室：（Qwen大模型的整体研发工作）创造领先的多模态模型，不断追求基础模型能力上限，为集团和业界提供最领先模型。
·MaaS业务线：（由MaaS升级而成）构建高效开放的模型服务平台和技术体系，支撑全行业AI生态。
·千问事业部： 打造最好的个人AI助手。
·悟空事业部：（将是钉钉未来最重要的业务）打造B端AI原生工作平台，将模型能力深度融入企业工作流。
·AI创新事业部：探索各类AI创新应用，快速验证新模式、新市场。
阿里CEO吴泳铭提出了三个判断：
·AI Coding能力在过去两三个月已跨越临界点，大部分应用系统都能通过模型来解决，云计算产品的用户将从人类工程师逐渐变成AI Agent，未来的云不只是”人用"，更多是"AI用"。
·AI Agent的创造和运行都需要依赖Tokens，AI Agent不眠不休地工作，将带动Tokens需求飞速增长。
·过去云平台更多面向企业级客户和专业开发者，未来会有更多的小B和超级个体使用云和AI产品。阿里需要提供这些AI产品。
新成立的ATH，涵盖了通义实验室、百炼MaaS、千问、悟空以及创新应用五个事业部。它的基础架构脉络是，把Token拆分为创造、输送、应用三个关键阶段：
·创造Token：对应阿里内部的通义实验室，以Qwen大模型等产品为主，贡献基座模型能力
·输送Token：对应阿里内部的百炼 MaaS，这是一个企业级的大模型服务平台，涵盖了Qwen大模型及其衍生模型，除了模型产品外，还有大量做AI应用的工具。这个平台的主要作用之一，是帮助企业快速做AI应用。相当于把Qwen生产的Token以多种“产品”形态，输送到了企业级用户手中。
·应用Token：对应阿里内部的千问（C端AI产品）、悟空（钉钉旗下的企业级通用AI Agent）、创新应用（各种针对细分场景的AI应用），这些产品相当于在一个横纵坐标系里开发的各种应用，横纵坐标系包含了细分的用户和细分的场景。
WorkBuddy 提供三种权限等级：
模式
权限范围
适用场景
Craft
最高权限，可执行文件和系统指令
已备份文件夹，体验最顺畅
Plan
只开放文件读取，可制定计划
需要 AI 规划但不想被修改文件
Ask
最保守，只能读取和对话
简单问答
新用户注册即送 5000 Credits，约等于 1000~3000 次对话。访问 https://www.codebuddy.cn/profile/usage 即可查看和领取。参与社区活动还能获得额外额度，最高可领 48000 Credits。
WorkBuddy 能帮你做什么？
场景一：远程整理文件
需求：手机外出时，想让家里的电脑帮忙整理工作文件夹。
场景二：一键生成 PPT
需求：有一篇长文章，需要转化为汇报 PPT。
注意：生成的文件会保存在 /Users/用户名/WorkBuddy/Claw 目录下，需要在电脑端查看。
场景三：批量图片格式转换
需求：文件夹里有各种格式的图片，需要统一转为 PNG。「把工作区里所有的图片都转换成 PNG 格式」
场景四：自动化内容创作
需求：生成一篇小红书种草笔记并自动发布。「帮我发布一篇关于'AI 帮我运营小红花'的笔记，风格种草+实用，生成封面图，标题要吸睛但不要用太多 emoji」
场景五：数据分析与可视化
需求：有一份 Excel 表格，需要做数据分析和图表。分析这份销售数据，做一份可视化报告」
同样的任务，可能是直接用大模型调用消耗 tokens 的几倍，甚至几十倍。
造成这种现象的原因之一，其实是底层大模型，在做重复的工作，做不到指哪打哪，任务拆解的不好，skill 调用的不好，才导致白白浪费了很多 tokens。
“澳龙” AutoClaw 的小伙伴，应该对 Pony-Alpha-2 这个代号不陌生。
3 月 10 日内测那会儿，不少人看这个名字根都在猜是不是智谱新模型。现在谜底终于揭晓，它就是来自智谱新发布的GLM-5-Turbo。 AutoGLM 官方发布的澳龙，一键安装，下载桌面版澳龙。
官网地址：
https://autoglm.zhipuai.cn/autoclaw/
智谱给它的定位也很直接，叫“全球首个龙虾模型”。
我想做一个 AI 搞笑短视频时，只需要直接对它说一句：“做一个搞笑、有梗的视频。”