Claude Code：你早已拥有的“AI 雇员”，不必再等 OpenClaw

原文：https://every.to/source-code/claude-code-is-the-openclaw-alternative-you-already-have

OpenClaw 曾向世界展示了 AI 助手可以是何种模样。

这个开源项目仅用了 60 天 就成为史上获星数最多的软件项目，这并非出于炒作，而是因为人们切身体验到了一个不只会回答问题、更能“动手做事”的 AI。它能管理你的日历、发送邮件、控制你的浏览器——而这一切，仅需通过 WhatsApp 或 Slack 里的一条消息就能触发。

我曾眼睁睁看着 Sam Altman 招揽了 OpenClaw 的创造者，微软 CEO Satya Nadella 则在此框架上构建了“ClawPilot”。而整个过程里，有一个念头始终困扰着我：Claude Code 明明已经能做到这一切了，这些甲壳类动物究竟有何特别之处？

答案根植于公众认知。OpenClaw 被包装成一个 AI 智能体（AI agent），而 Claude Code 则被定位为一款编程工具。

我们在 Every 花了数月时间，同时在 Claude Code 和 OpenClaw 之上进行构建——其中包括 Claudie，一位负责我们咨询团队后台运营的 AI 员工。这段经历让我们看清了两件事：为何围绕 OpenClaw 的早期热情正在冷却（这与其不可靠性有关），以及为何 Claude Code 是当下构建 AI 助手最强大的平台。

如果你正试图打造一个能动手做事的 AI，那就不必苦等更好的 OpenClaw 替代品了，因为你已经拥有了一个。下面就是为此给出的论据，以及使用方法。

驾驭模型

Claude Code 能做到一切让 OpenClaw 病毒式传播的事情：使用工具、管理文件、独立运行数小时。这并非巧合，因为剥开外壳看，两者是同一类东西：一副驾驭 AI 模型的“马具”。

可以把 AI 模型——Claude、GPT、Gemini——想象成强壮而能干的马。而马具，就是那件让你能驾驭这股马力的东西。它是位于原始 AI 模型与你要实现的任务之间的一层软件。它决定了模型如何接收上下文信息、能使用哪些工具、如何在对话间保持记忆，以及如何与外部世界通信。

你其实早就在使用各种“马具”了：ChatGPT 将模型包装在一个能浏览网页和运行代码的聊天界面中；Cursor 则将模型嵌入代码编辑器。而 Claude Code 将模型置于一个更为开放的环境里：拥有调用工具、串联步骤并自主朝着目标推进的能力。这与 OpenClaw 的作为完全一致。

AI 模型就像强壮能干的马，而“马具”就是驾驭这股马力的工具。（图片由 Nityesh Agarwal 提供。）

OpenClaw 让人喜爱之处——以及 Claude Code 如何帮你实现

OpenClaw 之所以能病毒式传播，是因为它让某个概念变得清晰可见。许多人第一次亲眼看着一个 AI 独自出发并完成了一项任务。在无数评测和讨论帖中，一个非官方的口号浮现了出来：一个真正会做事的 AI。这些能力可以分为五大类——而 Claude Code 无一或缺。

1. 它感觉像一个人。

OpenClaw 如影随形——它记得你昨天在做什么，清楚你日历上有什么安排，并且掌握着你工作的上下文信息。

这种感觉的由来，与你通过哪个通讯应用——Telegram、Slack 还是 iMessage——联系它关系不大。这种感觉源于这个智能体能窥见你多少工作和生活。因为 OpenClaw 从你的主文件夹（home folder）运行，它能读取你机器里的每一条笔记、每一个文件和文件夹，从而拥有相当于一名员工的上下文广度。

大多数人没有意识到，Claude Code 也能做到同样的事。他们只在一个项目文件夹里运行它，于是它给人的感觉就只是个编程工具——但这仅仅是因为他们赋予它的上下文被局限了。

这是个很容易解决的问题。给 Claude Code 访问你整台电脑的权限，于是你就有了一位“AI 员工”。

默认情况下，Claude Code 会在每次行动前征求你的许可，而 OpenClaw 则不会。当你将它用于专业工作时，这很审慎。但如果你想让它拥有更多自主权，只需传入 --dangerously-skip-permissions 标志位。

2. 它在真实世界里做事。

使用 OpenClaw 的人，都能讲出一个他们亲眼见证其行动的、奇妙的“顿悟时刻”。他们给它发了条消息，一觉醒来，一个接好了支付处理器的网站已经搭建完成。他们让它通宵整理收件箱，早上就看到了拟好的回复草稿。

同样，Claude Code 也能直接操作你的电脑——创建和移动文件、运行程序、读取网页。而且，这两款工具都能通过模型上下文协议（Model Context Protocol，简称 MCP，一种由 Anthropic 引入的开放标准）接入外部服务——Google Workspace、你的客户关系管理软件、Asana、日历、数据库。

3. 它懂得（某种程度上的）记忆。

人们发现 OpenClaw 能长期记住事情。今天存一条笔记，一个月后问它——“我最近读过关于 X 的什么内容？”——它不仅会返回那条笔记，还会关联出你自己都忘了记下过的相关内容。

Claude Code 的记忆机制要更加精细。它分三个层面存在：

• 一个名为 CLAUDE.md 的文件。 它位于你运行 Claude Code 的任何文件夹中，你可以往里面填入智能体应该知道的一切。每次启动时它都会读取这个文件。它是纯文本，所以你能用任何编辑器修改它。
• 一个内置的记忆系统。 随着智能体的工作，它会保存有用的观察结果，并在稍后重新提取出来。这是 Claude Code 的原生功能，无需额外设置。
• 一个本地搜索引擎。 在为 Claudie 构建时，我加入了 qmd，一个开源工具。它能索引机器上所有的对话日志、会议记录和工作文档，让她能跨所有这些资料进行搜索。

4. 你可以教它新技能。

OpenClaw 允许你教它新把戏：写一个简单的文本文件来描述你希望它处理的任务——即一项“技能”（skill）——然后智能体就会学习并遵循它。在 Every，我们拥有用于按正确品牌风格制作演示文稿、管理客户看板，以及在 Asana 中进行项目管理的各种技能。

技能是一项 Anthropic 推行的标准，这意味着 Claude Code 内置了相同的系统。为 OpenClaw 编写的技能，无需任何改动就能直接在 Claude Code 中运行。

5. 它自主运行，在你睡觉时工作。

OpenClaw 的杀手锏功能名为“心跳”（heartbeat）——一个每分钟运行一次、决定哪些事需要做并付诸实践的后台进程。早上 6 点，在你还没看手机的时候，它已经读完了你的夜间邮件，扫描了你的日历，草拟了你的每日简报，并把需要回复的消息的草稿排好了队。

在底层，“心跳”就是一个 cron 作业。Cron 是自 20 世纪 70 年代起就内置于 Mac 和 Linux 操作系统中的一款软件，它只做一件事：按计划执行一段代码。计划可以是每分钟、每小时，或者每周一早上 6 点。

Claude Code 可以接入这同一套系统。它拥有一种模式（称为“无头”模式），你可以交给它一项任务，它便自行运行，无需你坐在屏幕前。将此模式与 cron 结合起来，你就拥有了一位在你睡觉时工作的 AI。就连 OpenClaw 的创造者 Peter Steinberger 本人也 表示 ，这种“Claude Code 加 cron 作业”的配置，与 OpenClaw 别无二致。

OpenClaw 的不足之处

我们已经确认，OpenClaw 和 Claude Code 能做到许多相同的事。那为何我还要引导人们转向 Claude Code 呢？有几个原因。

该肯定的地方必须肯定：OpenClaw 向世界展示了一些重要的东西，它赢得的 380,000 个 GitHub 星标 实至名归。但当我深入代码库，我发现其中蕴含的复杂性制造了比解决的问题还多的问题。

会话问题

OpenClaw 会为每个用户维持一个单一会话，并尽可能让这个会话运行得越久越好。你在白天发送的每条消息，都会落入这同一个会话，随着时间推移，上下文会不断堆叠。如果你频繁使用 OpenClaw 处理多项任务，到了中午，这个会话可能会承载超过 50,000 个 token 的信息——大致相当于一份长篇文档的文本量。系统本应在每天凌晨 4 点重置会话，但这个机制并不可靠。因此，你可能在早上只打了个简单的“hi”，却被计费了 50,000 个 token——在 GPT 5.5 或 Opus 4.8 上大约花费 0.25 美元——因为系统恢复了昨天那个臃肿的会话，而非开启一个新会话。

我的同事 Mike Taylor 就踩过这个坑，他当时使用的是我们基于 OpenClaw 构建的 Plus One AI 助手。他检查日志后发现，有一个可以追溯到第一天的无限长线程。他发送的每条消息都在吞噬大量 token，因为所有内容都被塞进了一个巨大的会话中。

而在 Slack 上使用 Claude Code，工作方式则完全不同：一个线程就是一个会话。开启一个新线程，就得到一个干净的上下文窗口。每个会话开始时，只有其基线指令和你的 CLAUDE.md 文件——你为其编写的固定上下文——这通常只占 2,000 到 5,000 个 token，而不是 50,000。当一个线程确实长到需要压缩处理（即系统压缩较早的对话历史以为新信息腾出空间的过程）时，Claude 会自动完成剪裁。

记忆问题

OpenClaw 的记忆系统非常精细复杂。它被设计用来跨对话记住细节，这样智能体就不会在你每次发消息时都从零开始。为了实现这一点，它运行依赖以下几部分：

• 八个独立的引导文件（即首次启动时写入的文件），每个存储关于你的不同类型的信息，包括 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md、BOOTSTRAP.md 和 MEMORY.md。
• 一个记忆巩固的“做梦”过程，其间它回顾当天发生的一切，并决定哪些片段值得保留、哪些可以遗忘。
• 多种搜索方式。
• 一个存储层，用于组织其掌握的知识，并为每条声明附上证据，如同一个个人维基百科。

作为一名工程师，我能理解他们为何选择这样的构建方式，但作为一名用户，这种复杂性是有代价的。

当 OpenClaw 犯错时——忘记重要事项，或依据过时信息行动——问题的根源可能出在六个地方中的任何一处：引导文件、每日笔记、“做梦”过程、更早笔记的压缩版本、系统清理短期记忆时保存的内容，或是那个百科全书式的存储层。通常，你根本无法判断是哪个环节出了错，这使得追查根本原因变得不可能。

相比之下，Claude Code 的记忆存储在纯 Markdown 文件中。当 AI 做出怪异行为时，你打开相关的 CLAUDE.md 或记忆文件，就能确切看到它接收到了什么指令——它所依据的指令和记住的事实。调试过程只是编辑一个文本文件而已。

我们不禁要问，为什么 OpenClaw 的系统会变得如此复杂？一个可能的答案是，每一层的存在都是为了修补下面更简单那层的弱点。从文件中的纯文本笔记开始，很快智能体就需要一种搜索它们的方式——于是搜索功能被外挂上去。每增加一项功能，也就增加了一层可能出错的地方。

在 Claude Code 上构建 Claudie

Every 的咨询团队需要一名 AI 员工来处理运营事务——跟踪项目进展、管理通信、更新看板，并与客户跟进任务。了解了我们在两款工具上——特别是 OpenClaw 的不可靠性——吸取的经验后，我们在 Claude Code 上构建了这名员工，Claudie。

我们的团队日常在 Slack 上工作，所以 Claudie 也需要在那里。这意味着需要编写一层代码来将 Claude Code 连接到 Slack——大约 1,100 行 Python 代码。它负责监听 Slack 中的消息，将它们交给 Claude Code，再将响应流式传回，并处理格式化和文件上传等杂务。其余的一切——会话、记忆、工具和技能——都由 Claude Code 自行处理。

将 Claude Code 转为 OpenClaw 式智能体所需工作的视觉化呈现。Claude Code 是坚固的马具；我只是在上面写了一点代码。

Claudie 在一台 Mac Mini 上 7×24 小时运行，因此她不依赖任何人的笔记本电脑保持在线。她会自行启动预定任务——为团队准备的晨间简报、工作管线更新、收件箱整理、客户看板——并且她接入了 Google Workspace、Asana、我们的 CRM 以及会议记录。一个三层记忆系统让她能在数百场对话中保持上下文，无论是内部（Slack）还是外部（邮件、Granola）的对话。

日常维护她的工作大致可分解为：5% 用于维持系统运行，30% 用于管理她的记忆，65% 用于构建新技能和决定哪些流程走向自动化。记忆相关的工作涉及审计她记住了什么，弄清她为什么有时会在错误的时间调出错误的内容，添加新记忆，以及更新她的 SKILL.md 文件。

Claude Code 教给我们的关于 AI 员工的事

我花在维护 Claudie 的“马具”——即那层将她连接到 Claude Code 的代码——上的时间非常少，因为，与 OpenClaw 不同，Claude Code 是一个稳定且精心设计的基础。这份稳定性，正是 Claude Code 发布时被大多数人忽略的东西。

OpenClaw 是被当作一名 AI 员工来营销的：“真正做事的 AI”。而 Claude Code 则被定位为一款编程工具。但在引擎盖下，Claude Code 早已拥有构建一个 AI 助手所需的一切——工具、记忆和自主性。

任何人都能让技术跑起来。真正困难的部分，在于弄清该把什么工作交出去，以及如何交接。我们意识到 Claudie 在 Google Sheets 中的任务清单已经变得难以管理，于是我们将她转移到了 Asana。当现成的 Asana 连接器频繁出故障时，我们就自己造了一个。我们必须弄清楚，她应该从过去的对话中记住多少东西——足够有用，但又不至于多到让她跑偏。而且，我们还得教会她我们是如何思考咨询业务的，而不仅仅是教她如何使用软件。Claude Code 给了你一个足够稳固的基础，让你能把时间花在这些工作上——而不是花整个周末去弄清为什么 Claudie 停止响应了。

OpenClaw 在激发人们对 AI 员工的渴望上值得称赞。但是，用来构建这名员工的工具，其实早就已经躺在开发者们的笔记本电脑里了。

核心启示：OpenClaw 以其“真正会做事的 AI”的体验点燃了市场，但其背后复杂的系统架构引入了难以调试的不可靠性；而看似仅定位于编码工具的 Claude Code，因其更稳定、更简洁的工程基础和对工具、记忆、自主性的原生支持，实际上已成为当下构建可靠 AI 助手更务实的选择。