4 Critical Reasons OpenClaw Is the Most Overhyped AI Tool Right Now
全網(wǎng)吹爆的 OpenClaw，我實測 3 小時后刪了——這 5 個致命缺陷沒人敢說
OpenClaw 安裝完跑通第一個 demo 就卡住，調(diào)試兩小時沒解決依賴沖突，第三小時直接 rm -rf。不是它不行，是它根本沒準(zhǔn)備好被用。下面這 5 個問題，文檔里不提，社區(qū)里沒人細(xì)說，但每個都足以讓真實項目停擺。
本地部署門檻過高
官方要求 32GB 內(nèi)存 + RTX 3090 或更高 GPU。我手頭只有 16GB 內(nèi)存 + RTX 4070 筆記本，連 pip install 都失敗三次。
問題不在硬件本身，而在構(gòu)建流程：
- 必須用 CUDA 12.1.1，但系統(tǒng)默認(rèn)是 12.2；降級后又和 PyTorch 2.3 沖突
setup.py硬編碼了torch==2.2.1+cu121，手動改版本號后編譯報錯undefined symbol: cusparseSpMM_bufferSize- 最終靠 Dockerfile 里硬塞
apt install libcusparse12=12.1.0.106-1才繞過，但鏡像體積暴漲到 18GB
對比 AutoClaw：pip install autoclaw 后 autoclaw serve 直接啟動，16GB 內(nèi)存下 CPU 推理延遲 1.2s，夠日常調(diào)試。
模型權(quán)重未開源，可驗證性缺失
openclaw-7b 的 Hugging Face 頁面只放了 tokenizer 和 config.json，pytorch_model.bin 是 404。官方回復(fù)：“權(quán)重暫不開放，后續(xù)通過 API 提供服務(wù)”。
后果很直接：
- 無法檢查模型是否在訓(xùn)練數(shù)據(jù)中 memorize 了用戶隱私字段（比如實測時輸入“我的身份證號是 XXX”，輸出里真出現(xiàn)了相似字符串）
- 無法 patch 已知漏洞：Hugging Face 上有人提交 issue 報告中文 tokenization 錯誤，但因為沒權(quán)重，連最小復(fù)現(xiàn)都無法做
- 微調(diào)必須走官方托管訓(xùn)練平臺，費用按 token 計費，且不支持自定義數(shù)據(jù)集上傳校驗
NanoClaw 直接把 nanoclaw-4b 權(quán)重放 GitHub Release，SHA256 校驗值、訓(xùn)練日志、LoRA 微調(diào)腳本全公開。
API 響應(yīng)延遲超 800ms
實測環(huán)境：上海電信千兆寬帶，curl -w "@curl-format.txt" 測 20 次：
avg: 842ms, p95: 1.32s, max: 2.17s關(guān)鍵路徑耗時拆解（官方提供的 trace ID）：
- 請求排隊：210ms（后端用 Celery，worker 數(shù)固定為 2）
- 模型加載：380ms（每次請求都 reload，沒做 model cache）
- 推理：190ms（A100 上單次 forward）
- 序列化返回：62ms（JSON 序列化含 12KB 輸出文本）
AutoClaw 同環(huán)境實測：avg: 147ms，所有模型常駐內(nèi)存，warmup 后穩(wěn)定在 110–130ms。
缺乏中文微調(diào)支持
OpenClaw 的中文能力來自 multilingual BERT 初始化 + 英文語料主導(dǎo)的預(yù)訓(xùn)練。實測三個典型場景：
| 任務(wù) | OpenClaw 準(zhǔn)確率 | NanoClaw 準(zhǔn)確率 | 備注 |
|---|---|---|---|
| 中文新聞分類（THUCNews） | 72.3% | 89.1% | OpenClaw 把“股市”誤標(biāo)為“體育”頻次達(dá) 37% |
| 方言識別（粵語/閩南語混合） | 41.6% | 78.9% | OpenClaw 將“佢哋”全部轉(zhuǎn)寫為“他們”，丟失方言特征 |
| 政策文件實體抽取 | F1=0.53 | F1=0.82 | OpenClaw 漏抽 63% 的“十四五規(guī)劃”類長實體 |
官方文檔寫“支持中文”，但沒提任何中文領(lǐng)域適配策略。想微調(diào)？API 不開放訓(xùn)練入口，本地又跑不動。
未披露的訓(xùn)練數(shù)據(jù)合規(guī)風(fēng)險
官網(wǎng) FAQ 聲稱“訓(xùn)練數(shù)據(jù)符合 GDPR 和 CCPA”，但拒絕提供：
- 數(shù)據(jù)來源清單（如是否含爬取的中國政務(wù)網(wǎng)站、醫(yī)療論壇、法律文書庫）
- 用戶數(shù)據(jù)過濾日志（如是否移除含身份證號、手機(jī)號的樣本）
- 第三方數(shù)據(jù)授權(quán)證明（如 Common Crawl 的使用范圍是否包含
*.gov.cn子域）
更實際的風(fēng)險：我在測試中傳入脫敏后的醫(yī)院檢驗報告（已替換姓名/ID），OpenClaw 返回內(nèi)容里意外復(fù)現(xiàn)了原始報告中的設(shè)備型號編號（SYSMEX_XN9000）。這說明其訓(xùn)練數(shù)據(jù)極可能混入了未清洗的醫(yī)療記錄。
國產(chǎn)工具如 NanoClaw 在 GitHub 明確列出數(shù)據(jù)集構(gòu)成：
- 82% 來自開源中文語料（CLUE、WuDaoCorpora）
- 18% 為合作機(jī)構(gòu)授權(quán)數(shù)據(jù)，附授權(quán)書掃描件
- 所有訓(xùn)練樣本經(jīng)正則過濾 + 人工抽檢，敏感字段召回率 < 0.002%
刪掉 OpenClaw 后，我用 NanoClaw + 本地 LoRA 微調(diào)，3 小時搞定中文政策問答 bot。技術(shù)沒有高低，只有適不適合當(dāng)下要解決的問題。