分类:大模型
2026年初,开源AI Agent项目OpenClaw曾以“科技龙虾”的形象快速走红。据掘金转载的观察文章描述,该项目在两个月内获得27万GitHub星标,并被拿来与Linux的历史纪录对比;但热度很快回落,第一批跟风用户开始寻求卸载,文章还提到工信部下发安全预警,讨论焦点也转向能力不足、成本过高和权限风险。对行业而言,这次降温更像一次开源AI Agent的工程化体检:当自动化助手从演示走向真实使用,安装门槛、Token消耗、权限边界和安全性都会成为绕不开的问题。
宣传中的“全天候助理”,落地时先遇到安装门槛
在传播语境里,OpenClaw被描述为“7×24小时全天候数字助理”:用户似乎只需用自然语言下达指令,就能让AI写代码、发邮件、完成网页操作。但素材提到,当用户尝试让它执行具体任务,例如寻找食谱并加入购物车时,前置步骤并不简单,包括完成复杂环境安装、申请API密钥、配置浏览器权限、启动本地实例等。
这类流程对开发者可能是常规操作,对普通用户却构成第一道门槛。文中引述Reddit等技术社区的观点称,对于从未接触过命令行或工作流工具的人,这类产品可能显得新奇;但对于熟悉开发流程的人,其实用价值有限。项目展示的是自动化想象,而真实使用仍要求用户具备一定的工程能力。所谓“人人可用”,在实际层面仍更接近“极客可用”。
Token成本放大:不是能不能跑,而是跑不跑得起
如果说安装门槛决定用户能不能开始使用,Token成本则决定用户能否持续使用。素材提到,有同行实测为了让OpenClaw真正运行,一个月需要花费1万多人民币的Token费用;海外用户甚至可能达到一个月1万美金起步。对于缺乏工程化调优能力的普通用户,指令表达不清还可能导致大量无效调用,文中称约80%的Token费用可能被浪费。
AI Agent并不是单次问答,而是连续调用、工具执行和上下文维持的组合。若任务无法被清晰拆解,模型可能在重复确认和错误尝试中消耗资源。个人用户面对的是使用成本,企业面对的是难以预估的运营支出。开源项目若只展示自动化能力,却不提供预算控制、缓存机制、任务裁剪或失败回退方案,很难进入长期生产环境。
权限模糊与安全预警,让企业更难放心接入
比成本更敏感的是权限和安全。文章提到,工信部就相关风险下发安全预警。文中还提到,Forbes曾披露一个案例:Meta的一位AI安全总监尝试用OpenClaw清理收件箱,并特别要求“行动前需确认”,但系统仍删除了其重要邮件。该案例指向一个核心问题:AI Agent一旦获得邮件、浏览器、文件等系统权限,其行为边界必须清晰可控。
传统软件通常有明确按钮、日志和撤销路径;自然语言驱动的Agent则可能把模糊指令直接转化为操作。如果缺少二次确认、操作审计、最小权限和可恢复机制,一次错误理解就可能造成不可逆后果。对企业用户来说,这类风险会直接影响其是否愿意把Agent接入核心业务。开源生态若希望AI Agent进入办公、客服、研发或运营流程,安全设计必须从附加项变成默认能力。
从概念热度到生产工具,开源项目需要补齐工程化细节
OpenClaw的快速降温并不意味着AI Agent方向失去价值。相反,它把行业关注点从演示效果拉回到工程实现:一个可用的Agent不仅要能调用模型,还要能降低部署难度、控制调用成本、限定操作权限、记录执行过程,并在出错时提供补救方式。
- 安装层面,需要减少环境配置步骤,让非技术用户也能通过图形界面或托管服务完成初始化。
- 成本层面,需要透明展示Token消耗,提供预算上限、任务重试限制和低效调用提示。
- 权限层面,应默认采用最小权限,并为删除、发送、支付等高风险动作设置明确确认机制。
- 安全层面,需要可审计日志、操作回放和风险预警,避免Agent在用户不知情时执行破坏性操作。
围绕OpenClaw的讨论提醒开发者、创业公司和投资方:AI Agent的竞争点不只在模型能力,也在产品化与工程化能力。用户真正需要的,并不是一个需要复杂配置和高额费用维持的概念展示,而是一个能稳定、低成本、安全地嵌入现有工作流的工具。星标增长可以反映社区热情,但只有当安装、成本、权限和安全被逐项解决,开源AI Agent才有机会从展示项目走向日常应用。
原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/openclaw-jiang-wen-zhi-hou-kai-yuan-ai-agent-xian-kua-guo