OpenClaw：讓AI從“動口”到“動手”

ChatGPT 和 Claude 擅長寫文案、解題、編邏輯——但它們不會點(diǎn)鼠標(biāo)、不會切窗口、不會打開 Excel 并標(biāo)紅某幾行。OpenClaw 會。

它不生成建議，它直接執(zhí)行。你讓它“把銷售表里 Q3 超過 80 萬的客戶名加粗并導(dǎo)出 PDF”，它就真去干：啟動 Excel、定位 Sheet、篩選數(shù)據(jù)、加粗、導(dǎo)出、發(fā)郵件給你。

OpenClaw 是什么

OpenClaw 是一個運(yùn)行在本地的操作代理（operation agent）。它不是聊天界面背后的黑盒，而是一個能感知屏幕、操控輸入、調(diào)用 API、讀寫文件的終端進(jìn)程。核心不是“更聰明的語言模型”，而是把語言理解、動作規(guī)劃、系統(tǒng)控制三者焊死在一起。

它怎么干活

OpenClaw 的操作引擎不依賴預(yù)設(shè)腳本或錄制回放。它靠兩件事落地：

• 視覺+語義對齊：用輕量 CV 模型實(shí)時解析屏幕內(nèi)容（比如識別 Excel 窗口標(biāo)題欄、按鈕位置、表格邊界），再和 NLU 解析出的指令意圖對齊；
• 原子動作庫：封裝了 click_at(x,y), type_text("xxx"), read_cell("B5"), call_api("weather", {"city": "shanghai"}) 這類確定性動作，所有復(fù)雜任務(wù)都拆成這些原子操作串。

舉幾個真實(shí)能跑的例子：

• 截取當(dāng)前網(wǎng)頁頂部 600px 區(qū)域，保存為 /tmp/top.png
  → OpenClaw 識別瀏覽器窗口，計算視口坐標(biāo)，調(diào)用截圖工具，寫文件。
• 打開 ~/data/invoices.xlsx，把“狀態(tài)”列里值為“pending”的整行背景設(shè)為黃色，另存為 invoices_pending_highlighted.xlsx
  → 啟動 Excel（或用 openpyxl 后端），定位列，遍歷匹配行，設(shè)樣式，保存。
• 查 Slack 中 #finance 頻道今天提到“budget”的最新 3 條消息，提取發(fā)送人和時間，匯總成 Markdown 表格發(fā)我郵箱
  → 調(diào) Slack API 獲取消息，正則匹配，格式化，調(diào) SMTP 發(fā)送。

典型工作流

1. 日常辦公提效
   “整理上周五所有會議的 Zoom 錄像鏈接，按時間排序，生成帶標(biāo)題的 Notion 頁面”
   → OpenClaw 自動翻 Outlook 日歷、查 Zoom 郵件、提取鏈接、調(diào) Notion API 創(chuàng)建頁面。
2. RPA 場景免編碼
   傳統(tǒng) RPA 要拖拽組件、寫 XPath、處理彈窗異常。OpenClaw 接收自然語言后，自己做元素定位、容錯重試、狀態(tài)判斷。比如：“登錄 SAP GUI，進(jìn)事務(wù)碼 VA03，輸訂單號 123456，截圖‘抬頭’和‘行項(xiàng)目’兩個標(biāo)簽頁”。它真能完成。
3. 客服后臺輔助
   用戶在工單系統(tǒng)里寫：“客戶說收不到發(fā)票，查他郵箱是否在黑名單”。OpenClaw 直接連內(nèi)部郵件網(wǎng)關(guān) API 查記錄，再查 CRM 里的客戶郵箱字段，比對后返回結(jié)論。
4. 數(shù)據(jù)分析閉環(huán)
   “拉出上月 AWS 賬單里 EC2 成本最高的 5 個區(qū)域，畫柱狀圖，貼進(jìn)周報 PPT 第 3 頁”
   → 調(diào) AWS Cost Explorer API → pandas 處理 → matplotlib 畫圖 → python-pptx 插入幻燈片。

當(dāng)前狀態(tài)（2026）

• 平臺支持：Windows/macOS/Linux 均提供原生二進(jìn)制，無虛擬機(jī)或容器依賴；macOS 版通過 Accessibility API 控制 UI，Windows 版用 UI Automation，Linux 版基于 X11/Wayland + OCR 補(bǔ)位。
• 集成能力：內(nèi)置連接器覆蓋 Google Workspace、Microsoft Graph、Slack、Notion、Jira、Salesforce、SAP GUI、MySQL/PostgreSQL、本地文件系統(tǒng)。API 調(diào)用全部走 OAuth2 或 token 管理，憑證不硬編碼。
• 真實(shí)部署：1000+ 企業(yè)用戶，集中在金融中后臺（自動生成監(jiān)管報表）、醫(yī)療 IT（自動同步 HIS 系統(tǒng)數(shù)據(jù)）、制造業(yè) ERP（工單狀態(tài)批量更新）等強(qiáng)流程場景。
• 國產(chǎn)生態(tài)協(xié)同：AutoClaw 在家庭 IoT 層做設(shè)備聯(lián)動（如“把客廳空調(diào)調(diào)到 26℃ 并關(guān)掉書房燈”），NanoClaw 專注 Android 自動化（無障礙服務(wù) + ADB 指令），OpenClaw 提供跨平臺動作基座。三者共享同一套動作描述語言（ClawDSL），模塊可互換。

技術(shù)棧拆解

OpenClaw 架構(gòu)分四層，全部開源（Apache 2.0）：

1. NLU 層：微調(diào)的 TinyBERT + 指令模板匹配器，輸出結(jié)構(gòu)化動作意圖（{action: "find_in_excel", file: "~/data.xlsx", column: "status", value: "pending", style: "highlight_yellow"}）
2. Planner 層：基于 LLM 的輕量推理器（本地運(yùn)行 Phi-3），把意圖轉(zhuǎn)為動作序列，并插入必要檢查點(diǎn)（如“確認(rèn) Excel 已打開”、“等待單元格加載完成”）
3. Executor 層：純 Rust 編寫，調(diào)系統(tǒng) API、模擬輸入、驅(qū)動瀏覽器（Playwright）、調(diào)用 CLI 工具。失敗時自動降級（如 GUI 失敗則切 CLI 模式）
4. Feedback 層：操作完成后，截圖關(guān)鍵幀、記錄動作日志、生成自然語言摘要（“已標(biāo)紅 12 行，保存至 /tmp/highlighted.xlsx”），支持 CLI 輸出或 Webhook 推送

它改變了什么

• 效率不是提升 20%，是消滅整類任務(wù)：財務(wù)每月初的對賬、HR 的入職材料歸檔、運(yùn)營的日報截圖匯總——這些不再需要人盯流程。
• 自動化不再需要“懂技術(shù)”：業(yè)務(wù)人員直接寫中文指令，IT 不用寫腳本、不用維護(hù) XPath、不用處理 UI 更新導(dǎo)致的 selector 失效。
• 協(xié)作方式變了：團(tuán)隊(duì)共享的不是文檔，而是可復(fù)用的 .claw 動作包（比如 onboard_new_hire.claw），雙擊就能跑完整入職流程。
• 安全模型更可控：所有動作在本地執(zhí)行，敏感數(shù)據(jù)不出內(nèi)網(wǎng)；權(quán)限按動作粒度控制（如“只允許讀 Excel，禁止寫”），比給 AI 一個賬號密碼更細(xì)。

現(xiàn)在就能做什么

• 下載 openclaw.dev 的最新 release，解壓即用（macOS/Windows 有圖形配置向?qū)В?/li>
• 寫第一條指令：openclaw run "截圖當(dāng)前桌面，保存為 ~/Desktop/screenshot.png"
• 查看內(nèi)置動作庫：openclaw list-actions
• 改一個現(xiàn)有動作：openclaw edit excel_highlight_rows（打開 YAML 配置，改字段名或閾值）
• 用 Python 擴(kuò)展：pip install openclaw-sdk，調(diào) Agent().run("導(dǎo)出數(shù)據(jù)庫表 users")

國產(chǎn) Claws 項(xiàng)目也值得盯：AutoClaw 的 Home Assistant 插件已支持語音觸發(fā)設(shè)備聯(lián)動，NanoClaw 的 Android 測試框架正在被大廠用于 UI 自動化回歸。它們和 OpenClaw 共享底層動作協(xié)議，未來一個指令能跨 PC、手機(jī)、家電執(zhí)行。