跳至主要内容

OpenClaw 是什麼？完整介紹

OpenClaw 是一個開源的自主 AI 代理（Autonomous AI Agent）平台，能夠在你的本機電腦上執行，並連接超過 20 個通訊平台。它讓你擁有一個可以思考、記憶、行動的 AI 助理——而且所有資料都在你自己的掌控之中。

在亞洲社群中，OpenClaw 有個親切的暱稱叫做**「養龍蝦」**，吉祥物是一隻名為 Molty 的龍蝦。這個名字來自 OpenClaw 的「Claw」（螯），象徵著強大而靈活的抓取與操作能力。

關鍵數據
  • GitHub Stars：250,000+
  • ClawHub 技能市集：13,000+ 技能
  • 支援通訊平台：20+ 個
  • 支援 LLM 模型：Claude、GPT、Gemini、DeepSeek、Ollama 等
  • 創始人：Peter Steinberger

為什麼選擇 OpenClaw？​

在 AI 工具遍地開花的 2026 年，OpenClaw 之所以脫穎而出，原因有三：

  1. 完全本機運行：你的對話紀錄、記憶資料、設定檔全部儲存在本機，不會上傳到任何第三方伺服器。
  2. 跨平台整合：一個 AI 代理可以同時連接 WhatsApp、Telegram、Discord、Slack、LINE、Signal、iMessage、Matrix 等平台。
  3. 技能生態系統：透過 ClawHub 技能市集，你可以安裝超過 13,000 個社群開發的技能，從自動回信到智慧家庭控制一應俱全。

OpenClaw 的歷史：從 Clawdbot 到今天​

OpenClaw 的發展經歷了三個主要階段：

第一階段：Clawdbot（2024 年初）​

Peter Steinberger 最初開發了一個名為 Clawdbot 的個人專案，目的是讓 AI 能夠透過即時通訊軟體進行對話。當時的功能非常基本——僅支援 Telegram，且只能呼叫單一 LLM。

第二階段：Moltbot（2024 年中）​

社群快速成長後，專案更名為 Moltbot（取自龍蝦蛻殼 "molt" 的意象），加入了記憶系統與多平台支援。這個階段奠定了四層式架構的基礎。

第三階段：OpenClaw（2025 年初至今）​

正式更名為 OpenClaw，引入了 ClawHub 技能市集、沙箱執行環境、以及完整的安全架構。2025 年底突破 200K GitHub Stars，成為成長最快的開源 AI 專案之一。

四層式架構概覽​

OpenClaw 採用清晰的四層架構設計，每一層各司其職：

┌─────────────────────────────────────────┐
│  第一層：Gateway（閘道層）               │
│  Port 18789 — 統一接收所有通訊平台訊息   │
├─────────────────────────────────────────┤
│  第二層：Reasoning Layer（推理層）       │
│  連接 LLM 模型、處理意圖識別與回應產生   │
├─────────────────────────────────────────┤
│  第三層：Memory System（記憶系統）       │
│  WAL + Markdown 壓縮、長期記憶管理       │
├─────────────────────────────────────────┤
│  第四層：Skills / Execution Layer       │
│  （技能 / 執行層）沙箱環境中執行技能     │
└─────────────────────────────────────────┘

第一層：Gateway（閘道層）​

Gateway 是 OpenClaw 的入口，預設監聽 port 18789。它負責統一接收來自各通訊平台的訊息，將其轉換為內部標準格式後交給推理層處理。

安全警告

Gateway 的 18789 埠是 OpenClaw 最大的攻擊面。截至 2026 年初，已有超過 30,000 個實例因為將此埠暴露於公開網路（綁定 0.0.0.0）而遭到入侵。請務必綁定到 127.0.0.1。詳見 安全性最佳實踐。

第二層：Reasoning Layer（推理層）​

推理層是 OpenClaw 的大腦。它會將使用者的訊息送交所設定的 LLM 模型（如 Claude Opus 4.6、GPT-5.2 Codex 等），取得回應後決定下一步行動——可能是直接回覆、呼叫技能、或查詢記憶。

第三層：Memory System（記憶系統）​

記憶系統採用 WAL（Write-Ahead Log） 加上 Markdown 壓縮 的混合方案。短期記憶使用 WAL 快速寫入，長期記憶則會定期壓縮為結構化的 Markdown 檔案，實現高效的上下文管理。

第四層：Skills / Execution Layer（技能 / 執行層）​

所有技能都在沙箱環境中執行，防止惡意程式碼影響系統。技能可以存取網路、檔案系統（受限範圍）、以及外部 API，但都受到嚴格的權限控管。

深入學習

想了解架構的更多細節？請前往 架構概覽 頁面。

安全性概覽​

OpenClaw 的安全議題不容忽視。以下是幾個重大安全事件：

事件說明
CVE-2026-25253Gateway 遠端程式碼執行漏洞，影響 v3.x 之前的版本
ClawHavoc 事件2,400+ 個惡意技能被植入 ClawHub，後已全數移除
18789 埠暴露30,000+ 個實例因錯誤設定而遭入侵
使用 OpenClaw 前，請務必閱讀

安全性不是可選的。每一位使用者都應該在開始使用前閱讀 安全性最佳實踐 與 技能稽核清單。

誰適合使用 OpenClaw？​

使用者類型適合原因
開發者可自行開發技能、深度客製化、整合到現有工作流程
重視隱私的使用者完全本機運行，資料不離開你的電腦
社群經營者一個 AI 同時管理多個通訊平台的社群
自動化愛好者透過技能組合實現複雜的自動化流程
企業 IT 團隊可在內部網路部署，支援企業級安全設定

如果你只是需要一個簡單的聊天機器人，商用方案（如 ChatGPT 的現成應用）可能更適合你。OpenClaw 的強項在於深度客製化與多平台整合——它更像是一個你可以「養成」的 AI 代理，而非一個即用即棄的工具。

下一步​

準備好開始了嗎？跟著這個順序，你將在 30 分鐘內啟動你的第一個 OpenClaw 實例：

  1. 安裝指南 — 安裝 OpenClaw 到你的系統
  2. 首次設定 — 完成初始設定
  3. 連接通訊平台 — 連接你的第一個通訊平台
  4. 選擇 AI 模型 — 設定 LLM 提供者
  5. SOUL.md 人格設定 — 打造你的 AI 人格

歡迎加入超過 250,000 位開發者的行列，一起養龍蝦！