OpenClaw：让AI从“动口”到“动手”

ChatGPT 和 Claude 擅长写文案、解题、编逻辑——但它们不会点鼠标、不会切窗口、不会打开 Excel 并标红某几行。OpenClaw 会。

它不生成建议，它直接执行。你让它“把销售表里 Q3 超过 80 万的客户名加粗并导出 PDF”，它就真去干：启动 Excel、定位 Sheet、筛选数据、加粗、导出、发邮件给你。

OpenClaw 是什么

OpenClaw 是一个运行在本地的操作代理（operation agent）。它不是聊天界面背后的黑盒，而是一个能感知屏幕、操控输入、调用 API、读写文件的终端进程。核心不是“更聪明的语言模型”，而是把语言理解、动作规划、系统控制三者焊死在一起。

它怎么干活

OpenClaw 的操作引擎不依赖预设脚本或录制回放。它靠两件事落地：

• 视觉+语义对齐：用轻量 CV 模型实时解析屏幕内容（比如识别 Excel 窗口标题栏、按钮位置、表格边界），再和 NLU 解析出的指令意图对齐；
• 原子动作库：封装了 click_at(x,y), type_text("xxx"), read_cell("B5"), call_api("weather", {"city": "shanghai"}) 这类确定性动作，所有复杂任务都拆成这些原子操作串。

举几个真实能跑的例子：

• 截取当前网页顶部 600px 区域，保存为 /tmp/top.png
  → OpenClaw 识别浏览器窗口，计算视口坐标，调用截图工具，写文件。
• 打开 ~/data/invoices.xlsx，把“状态”列里值为“pending”的整行背景设为黄色，另存为 invoices_pending_highlighted.xlsx
  → 启动 Excel（或用 openpyxl 后端），定位列，遍历匹配行，设样式，保存。
• 查 Slack 中 #finance 频道今天提到“budget”的最新 3 条消息，提取发送人和时间，汇总成 Markdown 表格发我邮箱
  → 调 Slack API 获取消息，正则匹配，格式化，调 SMTP 发送。

典型工作流

1. 日常办公提效
   “整理上周五所有会议的 Zoom 录像链接，按时间排序，生成带标题的 Notion 页面”
   → OpenClaw 自动翻 Outlook 日历、查 Zoom 邮件、提取链接、调 Notion API 创建页面。
2. RPA 场景免编码
   传统 RPA 要拖拽组件、写 XPath、处理弹窗异常。OpenClaw 接收自然语言后，自己做元素定位、容错重试、状态判断。比如：“登录 SAP GUI，进事务码 VA03，输订单号 123456，截图‘抬头’和‘行项目’两个标签页”。它真能完成。
3. 客服后台辅助
   用户在工单系统里写：“客户说收不到发票，查他邮箱是否在黑名单”。OpenClaw 直接连内部邮件网关 API 查记录，再查 CRM 里的客户邮箱字段，比对后返回结论。
4. 数据分析闭环
   “拉出上月 AWS 账单里 EC2 成本最高的 5 个区域，画柱状图，贴进周报 PPT 第 3 页”
   → 调 AWS Cost Explorer API → pandas 处理 → matplotlib 画图 → python-pptx 插入幻灯片。

当前状态（2026）

• 平台支持：Windows/macOS/Linux 均提供原生二进制，无虚拟机或容器依赖；macOS 版通过 Accessibility API 控制 UI，Windows 版用 UI Automation，Linux 版基于 X11/Wayland + OCR 补位。
• 集成能力：内置连接器覆盖 Google Workspace、Microsoft Graph、Slack、Notion、Jira、Salesforce、SAP GUI、MySQL/PostgreSQL、本地文件系统。API 调用全部走 OAuth2 或 token 管理，凭证不硬编码。
• 真实部署：1000+ 企业用户，集中在金融中后台（自动生成监管报表）、医疗 IT（自动同步 HIS 系统数据）、制造业 ERP（工单状态批量更新）等强流程场景。
• 国产生态协同：AutoClaw 在家庭 IoT 层做设备联动（如“把客厅空调调到 26℃ 并关掉书房灯”），NanoClaw 专注 Android 自动化（无障碍服务 + ADB 指令），OpenClaw 提供跨平台动作基座。三者共享同一套动作描述语言（ClawDSL），模块可互换。

技术栈拆解

OpenClaw 架构分四层，全部开源（Apache 2.0）：

1. NLU 层：微调的 TinyBERT + 指令模板匹配器，输出结构化动作意图（{action: "find_in_excel", file: "~/data.xlsx", column: "status", value: "pending", style: "highlight_yellow"}）
2. Planner 层：基于 LLM 的轻量推理器（本地运行 Phi-3），把意图转为动作序列，并插入必要检查点（如“确认 Excel 已打开”、“等待单元格加载完成”）
3. Executor 层：纯 Rust 编写，调系统 API、模拟输入、驱动浏览器（Playwright）、调用 CLI 工具。失败时自动降级（如 GUI 失败则切 CLI 模式）
4. Feedback 层：操作完成后，截图关键帧、记录动作日志、生成自然语言摘要（“已标红 12 行，保存至 /tmp/highlighted.xlsx”），支持 CLI 输出或 Webhook 推送

它改变了什么

• 效率不是提升 20%，是消灭整类任务：财务每月初的对账、HR 的入职材料归档、运营的日报截图汇总——这些不再需要人盯流程。
• 自动化不再需要“懂技术”：业务人员直接写中文指令，IT 不用写脚本、不用维护 XPath、不用处理 UI 更新导致的 selector 失效。
• 协作方式变了：团队共享的不是文档，而是可复用的 .claw 动作包（比如 onboard_new_hire.claw），双击就能跑完整入职流程。
• 安全模型更可控：所有动作在本地执行，敏感数据不出内网；权限按动作粒度控制（如“只允许读 Excel，禁止写”），比给 AI 一个账号密码更细。

现在就能做什么

• 下载 openclaw.dev 的最新 release，解压即用（macOS/Windows 有图形配置向导）
• 写第一条指令：openclaw run "截图当前桌面，保存为 ~/Desktop/screenshot.png"
• 查看内置动作库：openclaw list-actions
• 改一个现有动作：openclaw edit excel_highlight_rows（打开 YAML 配置，改字段名或阈值）
• 用 Python 扩展：pip install openclaw-sdk，调 Agent().run("导出数据库表 users")

国产 Claws 项目也值得盯：AutoClaw 的 Home Assistant 插件已支持语音触发设备联动，NanoClaw 的 Android 测试框架正在被大厂用于 UI 自动化回归。它们和 OpenClaw 共享底层动作协议，未来一个指令能跨 PC、手机、家电执行。