OpenClaw 爆火，我体验了一下
最近，OpenClaw 非常火。各种“AI自动操作电脑”、“AI自己干活”的视频和文章刷屏，看得人热血沸腾。作为一个长期喜欢折腾的人，我也认真体验了一番。下面讲讲我的真实感受。
一、安装超丝滑
安装非常方便。我从 GitHub 找到项目主页，一行命令直接装好，然后按步骤选择配置即可。模型我用的是阿里的 Qwen 系列，前期白嫖了 100 万 token 的 qwen-plus。玩着玩着用完了，后来直接买了阿里的 coding plan 套餐，首月 7.9 元。
整体模型接入体验是顺畅的。
我还安装了：
-
浏览器控制插件
-
飞书插件
并成功跑通了飞书机器人链路。
二、Bug有点多
目前版本确实不稳定，我遇到的问题包括：
-
经常提示连不上浏览器
-
有时候启动不起来
-
点击 update 没反应
-
刷新页面后历史对话展示异常
不过没关系，本来就是不稳定版本，未来会好的。
三、第一句话
我对它说的第一句话是：
给自己起个名字，并设定一个人格。
它完成得很好，并自主自动把设定写进了 IDENTITY.md。值得一提的是，openclaw的配置里有AGENT.md、USER.md、IDENTITY.md、SOUL.md等文件，我没有阅读源码，但猜测应该是会作为提示词一起给到大模型的，它这样的分类还挺有巧思，也能够做到“记忆”这一点。
对于使用者来说，感受上它不是一次性对话工具，而是一个持续存在的 Agent。
四、开始干活
1.整理 Obsidian 笔记
我先备份了自己的 Obsidian 笔记（大家体验时候也注意哈，别玩意让它搞坏了），然后让它阅读并重新整理结构和内容。
完成度还不错，我东西放得挺乱的，它分出来了哪些是obsidian模板、哪些是账号信息、哪些是工作灵感等等，帮我规划得还挺好。
2.让它操作浏览器去问 ChatGPT
我让它：
打开浏览器，去 ChatGPT 问一个问题，然后把回答告诉我。
它成功切换到了 ChatGPT 页面，然后卡住了，没能成功把文字输入到输入框里。看它的回复说是连接浏览器一直超时，我后面又试了几次还是没跑通，但是有同事跑通了。有点搞笑的是它建议我手动去问一下问题，再把chatgpt的答案粘贴给他，反客为主了哈哈。
3.执行本地命令
我让它ping一下www.baidu.com并给个结论，看看执行本地命令行不行，结果是ok的。
4.获取企业微信聊天记录
我尝试了一个更难的任务：
获取企业微信某个聊天窗口的聊天记录。
没成功。
但日志里发生的事情很有意思：它成功定位到了聊天窗口，发现无法继续，于是决定尝试下载窗口控制工具，又尝试引入 OCR 工具。
它会自己“想办法”。我想这和作者给的基础提示词有关。
虽然最终失败，但我看到了一个 Agent 在主动探索路径。这种“自我尝试”的过程，是我体验中最有价值的部分。
五、OpenClaw 到底改变了什么？
很多人会觉得：“这不就是 MCP 能做的事情吗？”确实。Function Call、MCP、工作流、状态机循环，都能做到类似能力。
所以我个人的判断是：
OpenClaw 并没有拓宽 AI 的能力边界。
它做的事情，传统体系完全可以实现。但我认为它最大的价值有两个，一个是让模型自己决定怎么完成任务，另一个是是本地化标准化 + 开箱即用。
此外，还有个有意思的，但我没试，也是看的文章，就是openclaw有heartbeat机制，过一段时间可以主动执行，这就可以做到主动去干活，不需要人给出对话指令，比如发现有重要邮件后立即提醒你。
六、AI 使用模式的演进
回顾一下这两年的变化：
-
最初：简单对话
在网页上问问题，它回答
-
后来：工作流
让 AI 按规则一步步执行
-
再后来：状态机循环
让 AI 持续理解与执行
-
然后：Function Call / MCP
让 AI 主动调用外部系统
现在：Skills
OpenClaw 的价值，在于把这些能力整合到一个统一框架里。
使用者：
-
不需要写工作流
-
不需要拼状态机
-
不需要懂技术
可以快速实现直接用“人类语言”去驱动一个可执行的 Agent。我认为这是它火的核心原因。
七、Token 烧得飞快
各位体验时候一定要注意 token 消耗。我第一天玩了两三个小时，大概问了 10 个左右的问题，100 万 token 直接清零，然后收到了阿里的欠费短信（真的！虽然只欠了几毛钱）。
长上下文、自动探索、自动组合工具，token 消耗远超你的想象。如果打算长期玩，一定要提前算好成本。
八、我的结论
OpenClaw 目前问题有点多，但我们干测试的知道，这些都是很快能解决的问题，它代表的方向是对的。现在的大模型上下文可以超级长，以后把操作手册给AI，AI就可以自己在那边测试了，连执行都不用人了。不过可能目前还是人更便宜一些，AI来做点工的测试执行的话，又要解析网页、又要看请求、又要查库、也许还要视觉识别，目前还是比较慢的，token消耗也爆炸高，而且暂时也缺少方法论来支持我们信任AI的测试结果。
我说的有什么不对的，以及大家有什么比较好的使用方式，欢迎一起讨论～