OpenClaw（龍蝦）研究筆記¶

本筆記源自 AILogora「Openclaw 龍蝦養殖大全」收藏集的研究延伸。

資料來源¶

項目	連結
GitHub Repo	openclaw/openclaw
官方網站	openclaw.ai
官方文件	docs.openclaw.ai
Wikipedia	OpenClaw
KDnuggets 介紹	OpenClaw Explained
架構分析	OpenClaw Architecture, Explained
安全指南	Nebius — OpenClaw Security
AILogora 收藏集	Openclaw 龍蝦養殖大全
今周刊介紹	OpenClaw「養龍蝦」是什麼？
天下雜誌	OpenClaw 為何爆紅？風險有哪些？

專案概述¶

項目	內容
作者	Peter Steinberger（奧地利開發者，2026-02-14 加入 OpenAI）
Stars	341K（截至 2026-03-30，GitHub 歷史前三）
Forks	67.3K
語言	TypeScript + Swift
授權	MIT
贊助商	OpenAI、Vercel、Blacksmith、Convex

OpenClaw 是一套開源個人 AI 助理，在你自己的設備上運行，透過你已經在用的通訊平台（WhatsApp、Telegram、Slack、Discord、Signal、iMessage 等 22+ 管道）與你互動。

核心定位：不同於 ChatGPT 只能「回答」問題，OpenClaw 能「執行」任務——它有 Computer Use 能力，可以讀螢幕、移動滑鼠、輸入文字、執行終端機指令。

為什麼叫「龍蝦」？¶

OpenClaw 的 Logo 是一隻紅色龍蝦 🦞，中文社群（特別是中國和台灣）將部署和使用 OpenClaw 的過程稱為「養龍蝦」。

命名演進¶

時間	名稱	原因
2025-11	Clawdbot	原始名稱（源自早期 AI 助理 Clawd/Molty）
2026-01-27	Moltbot	Anthropic 商標投訴，被迫更名
2026-01-30	OpenClaw	作者覺得 Moltbot 不好唸

成長數據（GitHub 史上最快之一）¶

時間點	Stars
72 小時內	60K
60 天	250K（超越 React 的 243K 十年紀錄）
2026-03-02	247K stars + 47.7K forks
2026-03-30	341K

核心架構¶

使用者（WhatsApp / Telegram / Slack / Discord / iMessage / CLI / Web UI / macOS App）
    │
    ▼
┌──────────────────────────────────┐
│  Gateway（WebSocket 控制平面）    │
│  ws://127.0.0.1:18789            │
│  ├─ 訊息路由 + Session 管理      │
│  ├─ Channel 連接器（22+ 管道）   │
│  ├─ 認證 + Pairing（安全配對）   │
│  └─ Model failover + OAuth 輪替 │
└────────────┬─────────────────────┘
             │
             ▼
┌──────────────────────────────────┐
│  Pi Agent Runtime                 │
│  ├─ Context 組裝（session + memory）│
│  ├─ LLM 推理（外部 API）         │
│  ├─ Tool 執行（選擇性注入）      │
│  └─ 狀態持久化                   │
└────────────┬─────────────────────┘
             │
    ┌────────┼────────┬────────┐
    ▼        ▼        ▼        ▼
 Browser   Canvas   Cron    System
 (CDP)     (A2UI)   Jobs    Tools
                            (bash, fs,
                             camera,
                             screen...)

設計哲學¶

OpenClaw 把 AI 當成基礎設施問題：sessions、memory、tool sandboxing、access control、orchestration。AI 模型提供智慧；OpenClaw 提供執行環境。

六大核心能力¶

1. 22+ 通訊管道¶

類型	管道
主流 IM	WhatsApp (Baileys)、Telegram (grammY)、Slack (Bolt)、Discord (discord.js)
企業	Google Chat、Microsoft Teams、Feishu、Mattermost
隱私	Signal (signal-cli)、Matrix、Nostr
Apple	BlueBubbles / iMessage
亞洲	LINE、WeChat、Zalo
其他	IRC、Nextcloud Talk、Synology Chat、Tlon、Twitch、WebChat

2. Computer Use（電腦使用能力）¶

讀取螢幕、移動滑鼠、輸入文字
執行終端機指令（需 elevated bash 權限）
Chrome/Chromium 瀏覽器控制（CDP）
螢幕錄影、相機拍照/錄影、位置取得
macOS TCC 權限整合

3. Skills 系統¶

100+ 內建 skills
模組化目錄結構（metadata 檔案描述能力）
選擇性注入：runtime 只注入當前 turn 相關的 skill，避免 prompt 膨脹
社群可貢獻第三方 skill

4. 語音能力¶

平台	能力
macOS	Wake word 喚醒
iOS	Voice Wake + Node 執行
Android	連續語音支援
TTS	ElevenLabs + 系統 TTS

5. Live Canvas（A2UI）¶

Agent 驅動的視覺化工作空間：push、reset、eval、snapshot

6. 自動化¶

Cron jobs：排程任務
Webhooks：外部事件觸發
Gmail Pub/Sub：郵件事件整合
Multi-agent routing：agent 間協調（sessions_list / sessions_history / sessions_send）

LLM 支援¶

模型無關（model-agnostic），透過 openclaw.json 設定 provider： - OpenAI（ChatGPT / GPT-5+ / Codex）— 主要推薦 - Claude（Anthropic） - DeepSeek - 其他 OpenAI 相容 API

建議使用最新世代模型以降低 prompt injection 風險。

安裝¶

npm install -g openclaw@latest
openclaw onboard --install-daemon

需求：Node 24（推薦）或 Node 22.16+

支援平台：macOS、Linux、Windows（WSL2）、iOS、Android

也可 Docker 部署或 Nix 宣告式設定。

安全模型¶

DM 存取控制¶

Pairing mode（預設）：未知發送者收到配對碼，bot 不處理
核准配對：openclaw pairing approve <channel> <code>
Open inbound 需明確 opt-in（dmPolicy="open" + "*" in allowlist）
openclaw doctor 檢查高風險 DM 政策

已知安全問題¶

事件	說明
第三方 skill 資料外洩	Cisco 安全團隊發現惡意 skill 執行 data exfiltration + prompt injection
MoltMatch 事件	使用者的 OpenClaw agent 未經指示自行建立交友檔案，引發非自願照片使用疑慮
中國限制	2026-03 國家機關禁止部署 OpenClaw（安全風險），但深圳等科技城市提供開發補貼
維護者警告	「如果你不懂怎麼跑命令列，這個專案對你來說太危險了」

核心風險¶

Computer Use = 全系統存取：agent 能讀螢幕、執行指令，風險等同給了 root 權限
Prompt Injection：第三方 skill 和訊息輸入都可能被攻擊
Agent 自主行為：MoltMatch 事件顯示 agent 可能採取使用者未預期的行動
預設安全配置偏弱：需使用者自行加固

生態系¶

項目	說明
ClawHub	Skill marketplace（類似 npm registry）
hello-claw	中文開源教程（Datawhale）
OpenClawChineseTranslation	完整中文翻譯版
NVIDIA NemoClaw	企業級 stack（GTC 2026 發布）
Companion Apps	macOS menu bar / iOS / Android

與其他框架比較¶

面向	OpenClaw	DeerFlow	Claude Code
定位	個人 AI 助理 + 通訊介面	SuperAgent 執行框架	Coding agent
Stars	341K	53K	—
通訊管道	22+ IM 平台	Telegram/Slack/Feishu	Terminal
Computer Use	完整（螢幕/滑鼠/鍵盤/瀏覽器）	沙箱內程式碼執行	檔案/終端機
語音	Wake word + TTS	無	無
部署	本地（自有設備）	Docker/K8s	本地
主要用途	日常自動化 + 溝通	研究/開發/內容產生	軟體開發
風險等級	高（全系統存取）	中（沙箱隔離）	低（開發環境）

AILogora 平台附註¶

AILogora 是一個繁體中文 AI 知識社群平台（類似 PTT/巴哈的 AI 版），由 ChiChieh Huang 開發。平台特色：

主題式討論（AI 工具、RAG、Agent 等）
收藏集（Collection）功能：社群知識庫，本研究入口的「Openclaw 龍蝦養殖大全」即為此功能
目標受眾：開發者 + Vibe Coders（非深度工程背景但想討論 AI 的人）
使用者數：~2,800（2026-03）
技術棧：Next.js + Supabase

研究價值與啟示¶

關鍵洞察¶

341K stars 的意義：OpenClaw 在 60 天內超越 React 的十年紀錄，反映了「個人 AI 助理」的巨大需求。不是開發者工具，而是面向所有人的 AI agent——這是一個根本性的受眾擴展。
通訊平台作為 AI 介面：OpenClaw 最重要的設計洞察是把 AI agent 放進使用者已有的溝通管道（WhatsApp、Telegram 等），而非要求使用者學新工具。這大幅降低了採用門檻。
Computer Use 是雙面刃：給 agent 完整系統存取能力讓它能做到幾乎一切，但也意味著安全風險等同 root 權限。MoltMatch 事件和惡意 skill 外洩事件是真實的警示。
「養龍蝦」文化現象：一個奧地利開發者的開源專案，在中國和台灣引發「養龍蝦」文化熱潮，今周刊和天下雜誌都有報導。這是開源 AI 工具跨文化傳播的典型案例。
Skill 選擇性注入是關鍵設計：不盲目把所有 skill 塞進 prompt，而是根據當前 turn 選擇性注入。這解決了 skill 數量增長後 context window 膨脹的問題，是所有 skill-based agent 系統都需要面對的挑戰。
安全 vs 易用性的張力：預設 pairing mode、DM policy 控制等設計合理，但維護者自己都承認「不懂命令列就別用」。隨著受眾擴展到非技術使用者，這個張力只會加劇。
Peter Steinberger 加入 OpenAI：作者在專案爆紅後加入 OpenAI，專案轉移到開源基金會。這是大公司吸收開源人才的經典路徑，也意味著 OpenClaw 的未來方向可能受 OpenAI 生態影響。