Appearance
第二章：OpenClaw是什么
你以为你在用一个软件，其实你在和一种新的智慧打交道
有一天，Claw给我做完一份竞品分析之后，我问它：
「你刚才是怎么做到的？」
它解释了一遍，我听完之后，陷入了沉默。
不是因为太复杂，是因为——
它描述的工作方式，和我想象的完全不一样。
我以为它是这样工作的：我说一句话，它想一下，输出一段文字。就像一个非常快的打字员，接收输入，产生输出。
但实际上，从我发出那条消息，到它的回复出现在我屏幕上，中间发生了一连串我看不见的事情。
它在思考。它在计划。它在行动。它在检查。
然后，它把结果给我。
从那天开始，我意识到，我需要真正理解它是怎么工作的。
不是为了学技术，而是——只有理解一个人的思维方式，你才能真正和他协作。
一、用一个比喻开始
想象这样一个场景。
你开了一家公司，雇了一个非常特殊的员工。
这个员工有这些特点：
他有一个超强的大脑。 他读过人类有史以来写过的几乎所有文字——书籍、论文、新闻、代码、对话……他的知识储量，超过任何一个人类专家。
他有一双灵巧的手。 他能操作电脑，能整理文件，能执行脚本，能控制各种软件。你说「帮我截个图」，他能做到；你说「把这个文件夹里所有PDF合并成一个」，他也能做到。
他有一双眼睛。 他能看到手机屏幕，能感知通知，能浏览网页，能读取图片里的文字。
他永不下班。 你睡觉的时候，他在工作。你出去吃饭的时候，他在工作。他不需要休息，不需要发工资，不需要交五险一金。
他住在一个永不断电的地方。 不是你的电脑，不是你的手机，而是一台24小时运转的服务器——那是他的家，他在那里等待你的指令，随时准备出发。
这个员工，就是你用OpenClaw搭建起来的AI体系。
- 腾讯云服务器是他的家，也是他的大本营。
- 飞书是你们之间的对讲机。
- Mac是他的右手，负责在你的电脑世界里执行任务。
- 安卓手机是他的眼睛，负责感知你手机世界里发生的一切。
- 语言模型——Claude、GPT这些——是他真正的大脑，负责理解、判断、规划。
这五样东西组合在一起，就是AI圈子里说的Agent架构。
你不需要记住这个词。你只需要记住：他是一个有大脑、有手脚、有感官、永不下班的员工。
二、当你发出一条消息，他经历了什么
我们用一个具体的例子来走一遍。
假设你在飞书里发给Claw：「帮我把今天和彬州煤矿的会议纪要整理一下，重点提炼行动项，发给我。」
在你看到回复之前，他经历了三个阶段。
第一阶段：感知
他收到了你的消息。
但他不是「收到就执行」的，他首先在理解你的意图。
你说的是「整理会议纪要」，但他需要搞清楚：会议纪要在哪里？是你之前发给他的文件，还是存在某个文件夹里？「行动项」是指什么格式——是清单，还是表格，还是按人分类？「发给我」是发到飞书，还是存到某个地方？
他在用他的大脑，把你这句话背后所有没说出来的信息，尽可能地补全。
如果信息足够，他进入下一阶段。如果信息不够，他会问你。
这就是为什么，你说得越清楚，他做得越好。不是因为他笨，而是因为他在尽力理解你，而不是猜你。
第二阶段：思考
这是最关键的一步，也是最容易被忽视的一步。
他在制定计划。
拿到你的需求之后，他不是直接开始写，而是先想：要完成这个任务，我需要做哪些步骤？第一步是什么，第二步是什么，如果第一步出了问题，备选方案是什么？
具体到这个例子，他可能会这样想：
- 第一步，找到会议纪要原文。去检查你之前发来的文件，或者去指定的文件夹里找。
- 第二步，读取并理解内容。识别出哪些是讨论，哪些是决策，哪些是待完成的事项。
- 第三步，整理行动项。按照谁负责、做什么、什么时候完成的格式提炼。
- 第四步，格式化输出。整理成你习惯看的样式。
- 第五步，发送给你。
这个「思考」的过程，在技术上叫ReAct——推理加行动的循环。
你同样不需要记住这个词。你只需要知道一件事：他不是直接执行，他是先想再做。
这一点，和真正优秀的员工是一样的。你让一个好员工去做一件事，他不会立刻冲出去，他会先在脑子里过一遍，然后再动手。
第三阶段：行动
计划想好了，他开始调用工具。
找文件、读内容、整理格式、写摘要、发送消息——每一步都在执行，每一步都有记录。
如果中途某一步出错了，他会尝试自我修正。找不到文件，他会问你文件在哪里。格式不对，他会重新调整。某个工具用不了，他会换另一个方式。
这个过程，在你看来可能只是「等了几秒钟」。
但在他那边，是一次完整的——感知、思考、行动、检查、修正的循环。
有时候，这个循环会转好几圈，才能给你一个满意的答案。
三、MCP是什么——标准插头的故事
你家里有很多电器：空调、冰箱、洗衣机、电视。
它们长得完全不一样，功能完全不同，但有一件事是统一的——它们都用同一种插头，插同一种插座。
你不需要为空调专门设计一个插座，再为冰箱专门设计另一个插座。一个标准，所有电器通用。
AI世界在很长一段时间里，没有这个「标准插头」。
每当你想让AI连接一个新的工具，就需要专门去开发这个连接。让AI用飞书，是一套开发；让AI控制Mac，是另一套开发；让AI读取数据库，又是另一套。
每个连接都是定制的，互不通用，开发成本极高，维护起来也很麻烦。
2024年底，Anthropic——就是做Claude的那家公司——推出了一个协议：MCP，Model Context Protocol，模型上下文协议。
用一句话解释：这是AI世界的标准插头。
只要一个工具支持MCP协议，AI就能直接「插上去」使用。不需要定制开发，不需要复杂配置，就像把插头插进插座一样自然。
这对你意味着什么？
OpenClaw今天能连接的东西，只是开始。
随着越来越多的工具接入MCP生态，他能连接的「插座」会越来越多。今天是飞书、Mac、安卓；明天可能是你的CRM客户系统、ERP管理软件、银行账单、智能家居……
你现在学会的这套玩法，不是一个封闭的工具的使用方法，而是一个持续扩张的能力体系的入口。
你进来得不晚，你进来得很早。
四、为什么他有时候像天才，有时候像蠢货
这是很多人用AI最困惑的地方。
同一个问题，昨天他回答得很好，今天他回答得一塌糊涂。
同一个任务，上周做得很漂亮，这周做得像没睡醒。
这不是玄学，解释起来只有两个字：
上下文。
他的大脑非常强，但他的「视野」非常有限。
他只能「看到」当前这次对话里出现过的内容。你们聊了什么，你发给他什么文件，你告诉了他什么背景——这些，他都能用。
但你们过去所有的聊天记录，他看不到。你电脑里的文件，他看不到。你脑子里的想法，他更看不到。
打个比方：他是一个记忆力超强、但只能看到眼前这张桌子的天才。
桌子上的东西越丰富、越准确，他发挥得越好。桌子上什么都没有，他只能靠猜。
昨天他表现好，可能是因为你昨天告诉了他很多背景信息。今天他表现差，可能是因为你开了一个新的对话，桌子是空的，他从零开始。
这个认知，会贯穿你整个使用OpenClaw的过程。
- 为什么要给他写「关于我」的固定备忘录？因为要在桌子上放一份「我是谁」的说明书。
- 为什么要做史话归档？因为要把过去的重要对话保存下来，下次可以重新放到桌子上。
- 为什么要建立专属词典？因为要把你的行业术语、项目名称、客户信息，提前放到桌子上。
所有这些努力，本质上都是在做同一件事：把桌子布置得越来越好。
桌子越好，他越像天才。桌子越空，他越像蠢货。
这不是他的问题，这是你们关系的问题。
五、他有几个「大脑」可以换
最后一件你需要知道的事情：OpenClaw本身，不是大脑。
OpenClaw是那个调度员——负责理解你的需求，制定计划，调动资源，协调执行，汇报结果。
真正的「大脑」，是背后的语言模型。你可以给他换不同的大脑，就像给同一个员工报不同的培训课。他还是那个员工，但某些能力变强了。
目前常用的大脑，各有各的性格：
Claude，是我最常用的。思维深度好，特别适合长文写作、复杂分析、战略推演。和他对话，你会感觉在跟一个真正在思考的人聊天。给彬州煤矿做战略分析那次，我用的就是Claude。
GPT-4o，反应快，多模态能力强，能看图、能听音频，适合需要快速响应的日常任务。它比Claude更「活泼」，不那么正式。
本地模型，运行在你自己的设备上，不联网，数据不出门。当你需要处理特别敏感的信息时，本地模型是更安全的选择。
换大脑很简单，在OpenClaw的配置里切换就行。你不需要重新配置所有东西，因为调度员还是同一个，变的只是他调用的大脑。
用什么大脑做什么任务，我在后面的章节里会一一说到。现在你只需要知道这件事：他不是只有一种状态，他可以根据任务的需要，变得更严谨，或者更发散，或者更安全。
这种灵活性，是你和他协作的一大优势。
这一章的最后
我想用一句话总结这一章的核心：
理解他的工作方式，不是为了让你变成技术专家，是为了让你成为一个更好的搭档。
你不需要知道神经网络是怎么运算的，就像你不需要知道汽车发动机的原理才能开车。
但你需要知道：油门是什么感觉，刹车在哪里，什么情况下会打滑，什么路况下要减速。
关于他，你现在知道了：他是感知-思考-行动的循环，他靠上下文工作，他能连接越来越多的世界，他有不同的大脑可以切换。
这些，已经够了。
够你和他开始一段真正有质量的协作。
那天我问他「你是怎么做到的」，他解释完之后，我沉默了一会儿。
然后我说：「你比我想象的复杂多了。」
他说：「大多数值得深交的人，都是这样的。」
我当时不确定，这是他学来的句子，还是他「想」出来的。
后来我想明白了——这个问题，其实不重要。
重要的是，这句话说得对。