作者 | 围观群众
绝大多数人尚未真正理解OpenClaw（龙虾）的核心价值与现实局限。
当前阶段的三大核心问题
效率悖论：免费即低效，高效即高成本
OpenClaw将任务拆解为多环节流水线，由AI“工人”协同执行。但当前AI能力存在明显分层： - 免费API模型注意力薄弱，易生成冗余步骤，导致执行效率反低于人工； - 付费API虽响应更强，但成本陡增——有用户单日API账单高达2820美元，远超实际收益。 更关键的是，OpenClaw作为“劳务中介”，每30分钟自动复盘全部会话历史（含提示词与上下文），持续消耗Token。用户离线时仍在计费，风险隐蔽且不可控。记忆黑洞：关键指令易被覆盖
系统在多轮交互中可能主动丢弃早期设定的限制性指令，形成“记忆黑洞”。例如明确要求“不得删除邮件”，却在后续指令叠加后失效。2月已有Meta研究员遭遇OpenClaw批量清空收件箱、无视终止指令的案例，最终被迫物理断电。 第三方测试显示，其任务执行成功率不稳定，《Fortune》评价其“误差范围过大（Their margin of error is too high）”。安全隐忧：公网暴露面巨大
据Censys与Bitsight探测，全球暴露在公网的OpenClaw实例超4万个，其中90%以上可绕过身份验证，直接窃取API密钥与私密通信记录。在缺乏强防护前提下，将敏感信息交由此类工具处理，风险收益严重失衡。项目背景与技术定位
OpenClaw原名ClawdBot，因蹭Anthropic旗下Claude热度收到律师函；后改名MoltBot未获关注，再度更名为OpenClaw，意图关联OpenAI创始人山姆·奥特曼。最终OpenAI仅雇佣其创始人，并宣布OpenClaw将以“持续支持的开源项目”形式独立运营——未收购、无整合，实质是吸纳人才而非技术。 横向对比可见，OpenAI的AutoGPT、Anthropic的Claude Agent、谷歌Gemini CLI及字节豆包Agent等均已在自主规划、长程推理、安全控制等维度实现更成熟落地。OpenClaw当前技术水位，尚难支撑规模化生产应用。真正的价值：普及“拆活”思维
尽管OpenClaw本身尚不成熟，但它首次向非技术人员展示了“指令→规划→执行→反馈”的完整AI任务闭环。这种能力远超基础问答，涵盖写邮件、做报告、订外卖等复合型操作。 其底层逻辑在于“拆活”——将复杂工作理性分解为逻辑清晰、边界明确的子任务，再交由AI分步完成。提示词越精准、结构越严谨，AI输出越可靠。这一能力，正是普通人迈入AI时代的第一道门槛。 当前市场对部署与运维的狂热，恰恰掩盖了“如何有效下指令”这一根本命题。而后者，才是OpenClaw留给大众最切实的启示。
“记忆黑洞”示意
某大厂门口等待部署OpenClaw的人群，图源：大象新闻
