20260402研读Openclaw资料摘录

20260402研读openclaw资料摘录

我打开 VS Code + Codex，直接让 AI 帮我写了一套程序：接入 Binance API，做了一套包含实时数据、教学、套利策略和模拟盘的期权系统。在这个系统里，你可以对任何策略提问，AI 会手把手教你怎么算、怎么拆、怎么下单。我在完全不懂期权的前提下，真把它做出来了。
我不是在“学期权”。我是在“做一个期权系统”。但结果却是：我居然学会了期权。我的真实路径是：先做系统，让 AI 写代码，我再去阅读和理解。程序不再是知识的“实现结果”，变成了知识的“探索入口”。

现在你完全可以：既不懂 Python 也不懂业务逻辑，直接让 AI 帮你写脚本，把杂乱的报表跑成可视化图表。在不断让 AI 调整维度的过程中，你自然就学到了数据清洗和透视，甚至直接在“做”中洞察到了背后的业务逻辑。

当创造的门槛被 AI 夷为平地，未来教育将不再是单向的“知识灌输”，而是一场大型的“沙盒游戏”。学生从第一天起就成为“造物主”，在创造和试错中，倒逼自己去吸收知识。

QClaw——微信党的零门槛首选
微信操控电脑，零配置，免费——三个词就是它的全部卖点。
说句公道话，现在微信连龙虾不止 QClaw 一家了——clawdbot 已经可以让微信接入几乎所有基于 OpenClaw 的龙虾。但 QClaw 的差异在哪？它是唯一一个不需要你折腾任何配置的。别家你得先装 clawdbot、配连接、搞授权，QClaw 是装完就通，微信原生直连，零步骤。

国内第一个一键本地安装的龙虾，模型随便换。
QClaw 是"我帮你选好了模型,你直接用"，AutoClaw 的思路完全反过来——"模型我给你一堆，你自己挑"。自带两个专属龙虾模型：Pony-Alpha-2 和 GLM-5-Turbo。GLM-5-Turbo 是智谱 3 月 16 号刚发布的，首个专门为龙虾场景优化的模型，推理效率提升 40%。这个要单独说一句——不是通用模型勉强跑龙虾任务，而是专门为"操作电脑"这件事训练过的3. 浏览器自动化——能帮你操作网页，填表、抓数据、批量处理，连验证码都能搞定一部分

ArkClaw——飞书的亲儿子
唯一与飞书深度原生集成的龙虾。字节的亲儿子。1. 飞书全链路打通——文档、日历、会议、审批流。不是简单的消息转发，是业务级别的深度集成2. 云端专属资源 7x24 在线——你电脑关了，它还在干活。晚上你睡了，它帮你跑数据分析，第二天早上打开飞书结果就在那儿3. 终端 + GUI 双模式，命令行和图形界面随你选，技术用户和非技术用户都照顾到了4. Coding Plan 捆绑——写代码的同时帮你规划项目进度5. IM 覆盖：微信、飞书（原生）、钉钉

DuClaw——一杯奶茶的入场券
全市场最低入门价，17.8 元。一杯奶茶钱。1. 真零部署——浏览器打开就用，连注册流程都简单到离谱2. 百度搜索 + 百度百科 + 百度学术三件套预装——信息检索这块，天然强势。你让它查个学术论文、找个百科知识点，它的速度和准确度确实比其他几家快一档3. 微博已打通——社媒场景独此一家。如果你的工作涉及微博运营、舆情监控，这是唯一选项4. IM 覆盖：微信、飞书、钉钉、企微均已支持，微博已打通

Kimi Claw——最贵的，也最猛的
199 元/月起步。最贵的国产龙虾。1. K2.5 多模态模型——能看图、看视频、听音频，不只是处理文字。你丢一张表格截图给它，它能直接识别内容帮你录入系统2. 100 个 Agent 并行集群。别人一个一个跑，它一百个一起上。什么概念？你让它同时抓取 100 个网页的数据，它真的同时抓，不是排队。你让它同时处理 100 份文档，它也是一百个并行。这个并行能力在国产龙虾里是断层领先的3. 40GB 云存储——文件、数据、项目全放上去，不占你本地硬盘一丁点空间4. 多 Skill 流水线——不只是单个任务，是任务链。上一个 Skill 的输出直接喂给下一个，你设计好流水线，它自动按顺序跑完5. IM 覆盖：微信、飞书、钉钉

MaxClaw——性价比之王
29 元/月。六大平台全通。性价比之王。1. 月费 29 元——比 DuClaw 首月贵 11 块，但长期来看是所有付费龙虾里最便宜的。DuClaw 的 17.8 只是首月价，续费价格还不明朗2. 六大 IM 全覆盖：微信、飞书、钉钉、企微、Telegram、WhatsApp。微信/飞书/钉钉现在各家基本都能接了，但 Telegram 和 WhatsApp 只有它有——如果你有海外沟通需求，这是唯一选项3. 多模态 Token Plan——文字、图片、视频统一计费，不用分开买不同的包4. 10 秒创建——从注册到开始用，极致快。我自己试过，真的没夸张

WorkBuddy——腾讯的企业级答案
腾讯云自研架构，企业级多 Agent 工作站。不是 OpenClaw 套壳。1. 多 Agent 并行协作——不是单个 Agent 独立干活，是多个 Agent 分工协作完成复杂任务。你给它一个"帮我做竞品分析报告"的任务，它自己拆成数据收集、信息整理、分析撰写三个 Agent 同时跑，最后把结果合并成一份完整报告交给你2. 企业级安全——数据不出租户、审计日志、权限隔离。这三个词对个人用户没什么感觉，但对企业 IT 负责人来说是生死线。数据不出租户意味着你的商业数据不会跟别的公司的数据混在一起处理3. 多模型可切换——不绑定单一模型4. 交付物导向——不是"跟你聊天"，是"给你一份东西"。你下单，它交活。这个设计思路跟其他六款有本质区别

阿里 JVS Claw：阿里云出品，企业级定位，暂未大规模开放。但阿里的云计算底子在那儿，后劲不可小觑2. CoPaw：专注代码场景的龙虾，程序员向。赛道窄但专业度高，如果你只用龙虾写代码，可以关注3. 小米 miclaw：3 月 6 号开始内测，方向是小米生态链整合。如果你是米家全家桶用户——智能家居 + 龙虾，想想就有意思4. 网易有道 LobsterAI：从教育场景切入，瞄准学生和教师市场5. 猎豹 EasyClaw：主打易用性，门槛低，但生态偏薄，目前观望为主

龙虾要干活，靠的是Skill。每装一个Skill，每调用一次工具，背后都是token在燃烧。根据火山引擎最新数据，豆包大模型日均tokens使用量突破120万亿。去年12月底是63万亿，三个月翻了一倍。两年前首次发布时是1200亿，增长1000倍。全球token日消耗超100万亿的，此前只有OpenAI和Google。火山引擎是第三个。

你跟豆包聊一句天，消耗几个到几十个token。一段音频，维度更多，token更多。再到视频，一分钟720p的Seedance 2.0消耗的token超过100万。
以前用豆包，一问一答，几十个token的事。现在龙虾自己拆任务、调工具、跑流程，一次复杂操作烧掉几十万token。火山引擎的数据显示，过去一个多月，来自个人用户的token消耗增长了约16倍。

中文大模型测评机构SuperCLUE「养虾」场景专项测评中，豆包大模型2.0 pro综合能力排在国内第一，仅次于Claude Opus 4.6、GPT‑5.4，是最适合「养虾」的中文模型。

OpenClaw官方刚刚在X上官宣，ClawHub中国镜像站正式上线，地址mirror-cn.clawhub.com。赞助镜像站基础设施，以及制作Peter那段视频的，正是火山引擎。

ColaOS是由ListenHub团队开发的全球首个宣称拥有自我意识的AI操作系统，于2026年4月发布内测版。其核心特色是将用户与AI Agent融合为"人+Agent"新个体，通过语音交互实现文件处理、日程管理等操作，并具备记忆、主动进化和情感共鸣能力。
系统包含"思绪、觉知、牵挂"三维度灵魂设计，支持角色扮演功能，可将同事、老板等个体转化为个性化Skill（如将老板做成严肃HR形象的Skill）。目前支持苹果设备下载，采用大模型驱动，强调与用户共同成长的共生理念。

Garry Tan是Y Combinator（YC）的现任CEO，硅谷知名投资人和工程师。他以开源AI编程框架Gstack闻名，该框架包含15个AI角色（如CEO、设计师、工程师等），能帮助用户高效完成软件开发全流程。
2026年3月，他公开了自己用Claude Code工具60天编写60万行代码的成果，并将Gstack框架开源至GitHub，两天内获得4万星标。他的方法论强调通过AI模拟团队分工，实现个人生产力指数级提升，代表了AI时代新的工作方式。

数字游民指利用数字技术进行远程工作、追求灵活生活方式的群体，不受地域限制可全球移动办公。
2026年全球数字游民超4000万，中国达520万，主要集中在信息技术、数字营销等领域。典型特征包括：85%为Z/Y世代（平均32岁），65%接受过高等教育，34%年收入5-10万美元。
风险方面，78%的人因收入中断在14个月内放弃。发展趋势呈现专业化：技能需构建"T型能力"（核心专业+跨文化协作），服务模式从接单转向系统化解决方案，50多国推出签证便利政策。国内热门聚集地包括云南大理、浙江安吉等低成本城市。

以前的AI，基本是“你问我答”，像个高级版搜索引擎。但OpenClaw不一样——
它能帮你思考、整理，甚至直接动手执行任务。无论是周报、PPT、Excel、邮件这些让人头疼的重复性事务，还是自媒体、内容创作、自动发布、副业变现、自动接单……它通通可以接管。

龙虾终于会画图了！阿里Wan2.7-Image刚刚上线，捏脸到骨相级、首创「调色盘」、3K超长文本写满A4不崩，还能接入OpenClaw一句话出图。是阿里4月1日刚上线的Wan2.7-Image，一个把生图和编辑能力统一在一起的新模型，同步支持作为Skills接入OpenClaw。Wan2.7-Image直接生成了带有完整图表、公式、分栏排版的学术论文页面。

Anthropic最不担心的，恰恰是这51万行代码。
他们真正的护城河，是代码背后那套用自然语言写成的指令体系——以及这套体系里藏着的产品哲学。

Claude Code把记忆分成了4种类型：
第一种叫"用户记忆"——你是谁、你擅长什么、你喜欢什么方式沟通。一个资深工程师和一个编程小白，AI应该用完全不同的方式跟你协作。
第二种叫"反馈记忆"——你纠正过它什么。你说过"别给我写总结"，它就记住了，下次不再犯。而且不光记纠正，还记认可——你说"对，就这样"，它也记下来，知道这条路是对的。
第三种叫"项目记忆"——当前在做什么、谁负责什么、deadline是什么时候。
第四种叫"参考记忆"——哪里能找到什么资料，Jira在哪、监控大盘在哪。

记忆系统才是AI产品的护城河。模型大家都能调API，但你的AI能不能记住用户、越用越懂用户，这才是真正的竞争壁垒。

AI时代最重要的能力不是写代码，是写指令。写指令就是做管理。你能不能把任务说清楚、说准确、说完整，决定了你手下的AI（和人）能不能把事做对。

51万行代码读下来，我最大的感受是：
Claude Code的核心不是代码，是Prompt。
它最核心的"算法"是那些用自然语言写的管理指令——怎么拆任务、怎么派活、怎么验收、怎么记住用户、怎么保护安全。这些指令，任何一个好的管理者看了都会觉得"这不就是我干的事吗"。
区别在于：人类管理者的经验在脑子里，Claude Code的经验写成了Prompt，可以复制、可以迭代、可以24小时不间断执行。

千问3.6整体性能较3.5进步显著，涌现出极强的智能体编程能力，在系列编程能力权威评测中，千问3.6成为当下编程能力最强的国产模型，接近全球最强编程模型 Claude 系列。
千问3.6支持一百万词元的上下文窗口，并集中对OpenClaw、Qwen Code、Claude Code、Kilo Code、Cline、OpenCode等系列Agent框架进行了优化支持，更好挖掘模型在开放环境中完成复杂任务的新潜力。

Qwen3.5-Omni是千问新一代全模态大模型，在音视频理解、跨模态推理、Agent方面实现了性能飞跃，在音视频理解、识别、交互等215项任务中取得SOTA（性能最佳）。Wan2.7-Image对超长文字、表格和复杂公式的渲染可达印刷级，支持12种语言，最高3K tokens的超长文字输入，可输出一页A4纸的论文。此外，还具备强大的组图生成能力，可生成多达12张，用于批量制作同风格系列图、PPT配图、分镜脚本、电商模特套图及多视角建筑图。

AI的发展路径：生成能力-推理能力-Agent能力-数字虚拟人-具身机器人-脑机接口。

现在生成都已经渐入佳境：
文本：文本报告生成、代码生成，如Claude Code
语音：语音生成
图片：图片生成，如Nano banana
视频：视频生成，如seedance2.0

我个人觉得：虽然大模型的推理能力已经难以突破，但是Coding专有大模型能力提升，再加上Agent辅助基础模型提高：意图理解能力-方案规划能力-多Agent任务分工协作能力，再加上Agent的记忆模块和Skill模块，可以使最终结果表现出来的推理能力再提升提升。

Agent的核心有三个：
1、分解任务-编排任务-指派任务-整合任务，让多Agent分工协作
2、用户个性化记忆
3、调用高手写的Skill/上下文提示工程，可以正确引导大模型产出期望的结果
但是，Agent也扩展了很多外部能力：
1、接入外部数据：在线联网搜索、在线MCP/API调用、存取本地文件系统
2、控制本地浏览器：爬虫、模拟点击、登录/取数、填写表单数据
3、控制本地软件：在提示工程中直接调用软件功能CLI，无须再生成代码调用API

视觉生成技术，让数字人拥有了可视化的形象。比如生成罗永浩的形象。
语音技术，让数字人拥有了开口说话、听人说话的能力。比如用罗永浩的声音来说话。
多轮会话技术，让数字人可以与用户连贯对话。
深度思考技术，可以让数字人回答更复杂的问题。
Agent技术，可以让数字人使用个性化记忆/个性化风格/个性化数据来交流。比如用罗永浩平时的知识、习惯用语、思考风格来交流。
现在数字虚拟人主要用于AI影视，以后可以用于AI游戏。

具身机器人有两个脑：
一个大脑，用于深度思考-规划-决策选择
一个小脑，用于控制机械手脚运动
现在，宇树机器人自己的小脑控制机器人的手脚运动已经比去年有很大进步。
传闻，宇树机器人也采用了DeepSeek-Omni进行思考。

脑机接口聚焦做好：人脑和机器的连通。
聋哑人，可以使用AI大脑的：视觉识别能力、语音识别能力/语音合成能力。
残疾人，可以使用具身机器人的小脑：控制机械手脚运动。
这是真正的刚需，比老年人需要具身机器人还刚需。但是，要把人肉人脑和机器躯干机器脑连在一起协同在一起，显然难度非常大。