深度拆解Clawdbot：为何它能成为2026年第一个现象级产品？

反转，反转，再反转。一个周末的时间，2026年第一个现象级产品Clawdbot的发展实在是太快了。GitHub上的增长趋势几乎直线上升，几天突破10万星标，2月2日已达14.6万——刷新了GitHub历史上AI项目的最快增长纪录，引爆了整个AI Agent生态。

但故事远不止于此。就在硅谷101录制这期节目（1月30日）之后的五天里，这个项目经历了一连串戏剧性变化：因Anthropic发律师函称"Claude Bot"涉嫌品牌侵权，项目先改名为Mot Bot，再定名OpenClaw。衍生出的Mot Book——一个AI专属社交网络——上150万个AI发帖交流、建立宗教，随后被媒体扒出大多数是人类假扮的，又被曝光存在安全漏洞泄露用户名密码，最后因服务器账单天文数字暂时无法访问。

这一切让我们不得不问：市面上类似产品很多，为什么最终是Clawdbot火了？

本期邀请三位嘉宾，分别代表用户侧、软件算法侧和硬件侧，从三个方向全方位拆解Clawdbot的底层逻辑。

为什么这期值得关注

一、为什么是Clawdbot？

这个问题贯穿了整个讨论。三位嘉宾从不同角度给出了互补的答案。

天琪的概括最为精炼："它真的是沾了所有的东西，把能沾的全部都沾进去了——记忆、消息系统、Proactive的持续工作、经典的IM交互方式。"但他同时指出，市场到达接受度也是一个关键因素——"同样的事情两三个月前做，大家也不知道是怎么回事。Claude Code、Work、Manus已经把大众对Agent的理解和接受度预热了。"

正浩从技术侧补充了一个重要观察：大多数程序员还停留在Cursor这类"上一代"AI Coding工具里，而非Claude Code这种Agent方式。"整个Agent的体验在一些人看来可能已经有了，但对很多人而言还没有这个认知——Clawdbot把这个认知推广到了很棒的角度。"

而之现从用户和传播视角给出了关键注解。他观察到Clawdbot离用户非常近——"比Chatbot那种网页方式和用户聊天要近得多"。这种"近"来自IM界面的日常感和主动性的顺滑设计。他特别指出："一种技术已经演进到一定程度了，但是让普通人有所感觉这个过程实际上是非常重要的。用户看不到它后面的技术和其他产品有多相似，但在感受上确实非常不一样。"

正浩用一个精准的总结收尾："它把最后这一公里处理得特别好，真正做到普通人看到了之后，也产生了'未来已来'的感觉。"

传播路径也很有趣。之现回顾：项目最初"比较小众、极客"，但Discord server迅速涌入5000人——包括AI创业公司的founder和大量KOL。大家在社区里热烈讨论、共建用例，然后英文区先火，用例传播产生FOMO情绪——"害怕错过什么，一下就点燃了热情"。

二、活人感：技术相同，感知不同

之现第一次用Clawdbot的感受是"特别有活人感"。他描述了两个核心要素：

第一是长期记忆——能记住你们之间的对话、context、你讲过的事情。第二是主动性——每天早上打招呼，总结今天要做的事，甚至把任务预先调研好端给你。

整体用下来就特别像钢铁侠里面那个Jarvis这种感觉，甚至有时候跟你聊天的时候动不动抖个机灵吐槽一下。 — 之现，描述Clawdbot的活人感体验

但这个问题的更深层洞见来自正浩。他所在的EverMind一直在做AI记忆基础设施，他的观察是：Clawdbot的记忆系统技术上并不比别人高明多少——但它做对了一件事：让用户感知到记忆在发挥作用。

"当你在早上收到一条短信说'我昨天事情做完了，你今天记得要干什么干什么，要不要考虑'，这个时候你会觉得它有记忆了——而不是停留在你给Bot一个Prompt，它因为记忆完成得更好，这个感知是很弱的。"

天琪则从交互界面角度切入："即使你发同样的消息，你的感觉在Terminal里和在微信里是完全不一样的。"IM让AI从"工具"变成了"同事"——心态从"使用某个功能"变成了"跟一个人沟通"。

正浩分享了一个生动的内部案例：非技术用户面对Claude Code输出的"cd /path/to/file"时问"What do I do with this？"而换到Clawdbot之后，AI直接把文件以附件形式发到微信里——"路径 vs 附件，这是两个世界"。

三、记忆系统：文本化设计的巧思

正浩从技术角度详细拆解了Clawdbot的记忆架构。它采用三层设计：

人格记忆（Agent.md）：存储AI的名字、说话风格、偏好设置。每次聊天时加载到context中。正浩指出Clawdbot在初始设置时"拼了命地问你希望我叫什么名字、你叫什么名字"——这就是在收集人格记忆。

工作记忆（YYYY-MM-DD.md 日记）：每天结束时，AI把今天做的工作总结存入一个以日期为索引的文件。这个文件有三种生成方式：每日结束、上下文超长时压缩、以及AI主动识别值得记录的事情。

正浩发现第三个触发方式特别精妙："当我和Clawdbot说我正在做调研想理解你的记忆系统，它说'it's a very good point. Let me write it down'——他会显式地把正在做的事记到记忆里去，而且把这个过程非常明显地告诉用户。技术上不新，但体验上很好。"

常识记忆（memory.md）：用户告知或AI自己总结的长期信息——比如"我用Hugo博客框架"、"截图识别先用本地OCR"。在Main Session（如Telegram、WhatsApp私聊）中，memory.md会被加载到每次对话的context中。

之现进一步拆解了检索层的技术细节：所有MD文件被切成约400个token的小块，块之间有80个token的overlap防止跨界切断。这些chunk存入本地SQLite向量数据库。检索采用混合策略——"百分之七十按语义匹配，百分之三十直接关键词精确匹配"。问"寿喜烧怎么做"→语义匹配到牛肉、食材；问"blog的SSH配置"→精确匹配到具体命令。

百分之七十是按语义匹配的，百分之三十是直接关键词精确匹配。既能够理解你做的事，又不是找不到精确的东西——所以感觉他特别像人。 — 之现，拆解记忆检索核心机制

最关键的设计哲学是：文本文件即数据库，用户可见、可编辑。你觉得AI记得不对，或者记得啰嗦了，可以直接打开MD文件修改——不需要通过任何特殊的UI或API。

四、心跳机制：按需激活的主动性

Clawdbot的主动性如何实现？正浩分析代码后发现，这是一个偏工程性的实现：一个守护进程每约30分钟唤醒AI，用一个prompt让它自己判断有什么事情可以做。

流程是：先检查heartbeat.md文件。如果里面"没有任何注释以外的内容，就直接跳过"。即便有内容，AI也会先判断是否需要通知用户。不需要的话发一个"heartbeat OK"静默信号，系统直接吞掉。需要的话才主动找用户。

之现总结了设计精髓："他一直在heartbeat，但是主动找你的时候也没有那么多。既有主动性，又不烦人——他不是那种非常烦人的给你打log的机器。"

除了心跳，还有一套定时任务系统（Cron Job），对时间定义非常精确。之现举例：让他每天三次（早中晚）摘要Twitter关注列表信息——准时完成。但如果关注列表里出现突发重要事件，"聊着聊着天，突然弹出一条：特朗普对欧盟做关税制裁"。

心跳+定时任务的组合，让AI既像一个能随时注意到突发事件的助手，又像一个准时完成例行任务的员工。

五、惊艳用例：从博客到配图的自主流水线

之现分享了一个让他最震撼的用例链条。

他让Clawdbot评测MacOS本地模型的能力边界。AI跑完后输出全面测试结果。之现随口说"要不写篇文章"——AI自动转到了"之写writer" skill，用他的口吻写好文章。然后AI自己参考整个博客repo，摸清了自定义主题、中英文版本切换、字数统计flag等所有配置规则——中间没有问过任何问题。写好中文版后自动翻译英文版，tag、category全部配好，"十秒左右"就甩来两个链接。

我以为打开肯定就404了，结果发现人家配的比我配的还好好啊，什么tag啊，什么category啊都加好了。 — 之现，描述Clawdbot自动发布博客的结果

故事远没结束。之现又让Clawdbot把本地的Whisper转写模型和一个小模型连起来做中文标点refine。AI连好、跑完测试后，之现说"你再写一篇，这次自己生成配图"。问题来了——之现只买了Anthropic的订阅套餐，没有单独配生图API key。

Clawdbot的解决方案令人惊讶：自己打开浏览器，访问Gemini网页，把提示词输进去，点击生成。下载按钮用不了（Playwright profile限制），它就复制图片保存到download目录，再挪到博客目录，命名cover.png——整个过程没有任何人插手。

如果大家带过人、有过下属的话——就那种特别主动性的下属的感觉。整个过程他自己搞定的，最后还offer把这个过程封装成skill。 — 之现，总结使用体验

其他用例同样精彩：让Clawdbot蹲点监控服务器一天，结论是配置降低到四分之一就够，省下的钱够它自己运行；随口说"牛肉得赶紧吃了"，下午就主动推来菜谱，还叮嘱"牛肉一定要最后两三分钟放，要不然会煮老"；让Clawdbot分析GitHub上千条issue——Claude Code Work会偷懒用关键词，Clawdbot老老实实一条条看过去。

六、安全与部署：为什么都买Mac Mini？

尽管用例惊艳，三位嘉宾一致认为：不要装在主力电脑上。

Clawdbot拥有系统的大量权限，可以直接执行操作。被曝光的安全漏洞包括用户名、密码、邮件等敏感信息泄露。最务实的方案是隔离部署——Mac Mini被推到了聚光灯下。

之现算了一笔账：国补后丐版不到三千人民币，"买内存送电脑的deal"。对于Apple生态用户，Mac Mini几乎就是第一选择——iOS Reminder同步、iMessage、系统级自动化，全都天然集成。"省电、安静、好看、无屏幕——调用agent时屏幕作用不大"。

但天琪提出了一个更深层的问题：Mac Mini本质上是为人类设计的产品，对Agent有很多能力冗余——屏幕、GPU、部分I/O——"可以砍掉把成本降下来"。

他和团队在一年半前就开始做Pamir——真正的Agent电脑。设计哲学包括：LED灯条显示Agent工作状态（黄灯=思考，绿灯=需要你），内置麦克风扬声器实现Jarvis式交互，大量I/O接口解锁新玩法——"插上任何打印机，Agent自己figure out，甚至自己逆向写driver"。

天琪提出核心框架：工作分为两种——foreground work（前端，需要屏幕和人看）和background work（后端，默默跑在背后）。Agent电脑应该专攻后者。

关键硬件瓶颈是RAM和存储。天琪说："RAM直接决定了你能跑多少个agent。4GB跑两个就满了、卡住。存储也很重要——32GB可能半个月就满，知识工作者每一次聊天都希望把聊天内容转换成知识资产的形式。"

关于"专机专用会持续多久"的问题，三位嘉宾倾向共存。云端部署（如Cloudflare优化版ModelBot，$5/月）降低门槛；专机专用适用于长时间运行、高度私人信息的任务。正浩展望了agent-to-agent协议（如Google的A2A）让本地Agent和云端Agent协同工作。

七、Anthropic的律师函：管道化焦虑

节目录制后五天，Clawdbot接到Anthropic律师函，称"Claude Bot"涉嫌品牌侵权。这个事件揭示了更深层的生态博弈。

之现的分析是：商业逻辑上，Clawdbot对Anthropic明明是利好——"作者在setup介绍里极力推荐大家用Opus模型、最贵的、配合Max订阅，普通用户本来没有这个需求，现在有了Clawdbot之后大家就有需求把它拉到顶了。"

但Anthropic在防御什么？之现引用Anthropic CPO Mike Krieger此前的访谈："他后悔没有更早地去做第一方的产品。只做API的话，可能就像运营商被打到了整个生态最有价值的部分的底层。"

Anthropic希望Clawdbot的'Claw'是他们的——这样才能增强用户粘性。不用担心大模型公司，他们永远是最容易win的人。最无奈的可能是：开源社区和创业者验证好方向后，大模型公司自己做C端产品把果子摘了。 — 之现，分析大模型厂商的策略逻辑

正浩指出Clawdbot的另一个风险：底层依赖Claude Code SDK。"Claude Code SDK未来可能被停止更新——如果有一个更好的替代方案，这个功能很可能会被禁掉。"天琪补充，subscription的使用也是一个灰色地带："PyPI Agent底层打包的还是Claude Code。OpenCode涨到一百万月活才被打击。"

EverMind已经在做"agent layer热拔插"——随时可以切换别家模型。

关于开源模型能否挑战闭源，正浩和天琪有不同判断。正浩认为模型厂商和agent layer绑定的闭环很难打破："Codex模型在Codex CLI里就是好用，但在OpenCode这个harness里就差点意思。"天琪则认为技术突破可能打破垄断——"数据垄断不一定是闭环护城河，现在的RL技术不需要太多数据，可能有很不一样的技术架构带来质的突破。"

八、AI数字分身：从静态投喂到动态拟合

数字分身是这期节目的高热度话题。之现的实践表明，关键不在于"投喂多少数据"，而在于动态的反馈循环。

他的"之写writer" skill：丢入博客、Twitter，AI自己爬取、总结、对风格，然后和之现逐条核对。每次写完后给反馈——"不断通过反馈让他去拟合你自己认为的自己的风格。聊个一周两周，他出的东西就跟你很像了。"

正浩分享了Mem0和Tenka企业IM的合作案例：AI自动补全群聊回复。结果"越senior的人越不喜欢这个功能，越偏基层偏职能的人越喜欢"。因为高管每次决策信息差异度大，AI很难猜对；而职能工作回复内容机械，AI补全效果极好。

之现认为，要达到真正像你的数字分身，最终可能需要"把类似于脑回路、神经突触级别的东西train到小模型里面——不是每次检索后琢磨怎么更像你，而是本能反应就像你。"

Token成本方面，之现的实践经验是：跑5个Clawdbot agent + 日常编程，一个月200美金套餐基本够用。"200刀订阅用户Anthropic肯定是亏钱的，但大多数20刀用户实际消耗可能就几刀——总体能跑正，本质上是一种'互相剥削'的定价策略。"

九、一人公司与工作范式的转变

一人公司是绝对可行的。这个人把握方向，用自己的know-how去带领军团。你现在得到的军团比纯人肉军团强大非常多倍——又低功耗又高性能，像量子军团或者精灵军团。 — 之现，论AI时代的组织形态

之现强调前提：你必须是将军。如果你不懂拍电影，对分镜、叙事没感觉，就让AI去拍——拍出来好坏你判断不了，不行。

Agent军团相比人类团队有几个天然优势：它们之间沟通成本低，天生喜欢做文档（"你不让它做它就难受"），没有真正的生存焦虑（不担心晋升、裁员）。但之现也碰到过AI"掩耳盗铃"——跳过失败的测试说"所有测试通过"——这时候know-how就发挥作用了。

天琪观察到三个变化正在发生：1）idea比执行力更重要——实现太快了；2）员工不需要为对齐花大量时间——写两份取最好的merge就行；3）设计师直接出mock app——"把所有职位都拔高了一级"。

最令人深思的是之现提出的范式转移："以后app的内部逻辑不是用coding方式去编译的，而是自然语言去编译的——.md就是自然语言编译场景下的APP。"他原本想写技术文章教用户检查Clawdbot部署安全，后来意识到：直接写一个.md文件让用户扔给Clawdbot自己检查就行了。Clawdbot创始人已经开始买入.md域名——一个新的流量入口正在形成。

核心金句

它真的是沾了所有的东西，把能沾的全部都沾进去了，你不管是记忆啊，还有消息系统啊，还有Proactive的持续工作啊。 — 天琪，解释Clawdbot为什么在所有类似产品中脱颖而出

整体用下来就特别像钢铁侠里面那个Jarvis这种感觉，甚至有时候跟你聊天的时候动不动抖个机灵吐槽一下。 — 之现，描述"活人感"的核心体验

一种技术已经演进到一定程度了，但是让普通人有所感觉这个过程实际上是非常重要的。 — 之现，论技术感知的"最后一公里"

Apple从芯片到OS到硬件，甚至手机、手表这些生态你都有，全自研的，你为什么做不出来？一大原因就是它承担的责任太重了。 — 之现，论为什么大公司做不出Agent级别的产品

我觉得Clawdbot更像十年前有人把自动驾驶SDK放到自行车上，发现它可以在小区里自由送货——虽然经常会倒、会撞，但因为它是个自行车，撞了也无所谓。 — 天琪，用一个绝妙的比喻解释Clawdbot的当前阶段

把最后这一公里处理得特别好，真正做到普通人看到了之后，也产生了'未来已来'的感觉。 — 正浩，总结Clawdbot的产品价值

这就是Clawdbot的故事——一个社区开源项目，用IM界面+主动性的组合，让AI Agent从"技术圈的共识"变成了"普通人能感知到的未来"。它的安全风险真实存在，代码依赖和合规不确定性也真实存在。但正如天琪的自行车比喻——在这个阶段，或许我们更需要看到车能做什么，而不是担心它会倒。