今天看到新闻，openclaw 的 stars 数量居然超过了 linux 和 react。去 github 看了一下，的确如此。不得不敬畏全民对于这只龙虾的热情。

前几天我翻译了一篇文章 everyone talks about Clawdbot, but here's how it works，大概了解了 openclaw 的工作原理，不过这篇文章翻译的人很多，因此没刻意保存。这几天试着找了个开发板部署了 zeroclaw，并且实际用了一下，又加深了一点理解，这里记录一下学到的东西。

LLM 的工作原理

还是要从 LLM 说起。

我一直认为 LLM 并不是真正的智能。虽然它回答问题时看起来无所不知，但本质上只是根据已有的权重集补全输入的文字而已。

但是，站在使用者的角度上，LLM 是不是真正的智能无关紧要。使用者只是通过 http 向 API 端点发一个请求，然后处理响应而已。

所以以前我们看到的各种 AI 助手，比如豆包或千问，其实只是重复执行下面的流程：

flowchart LR
    client[客户端]
    client <--> |http| server[服务器]

你提出一个问题，服务器运算后给你答案。也就是说，一切都是由你自己，也就是用户主动触发，然后服务器被动响应。

很简单，对吧。

但这只是简单的文字补全而已，服务器并不能让我的设备做更多的事情，比如操作我的设备去点一杯奶茶。

LLM 如何操作设备做具体的工作

想要做到点一杯奶茶这种事，服务器和客户端必须支持一种通讯协议（实际是扩展了 http 请求），通过这种协议，可以做到：

• 客户端能够声明自己支持哪些具体的能力，比如：我可以点奶茶。
• 服务端能够通过响应告知客户端，接下来你应该去做某件事，比如：去（某个店铺）点一杯（什么样的）奶茶送到（特定地址）。
• 客户端能够解析服务端的响应，执行具体的指令，然后将结果再次返回给服务端。

还是拿点一杯奶茶举例（注意这里大幅简化了细节）。

sequenceDiagram
	participant client as 客户端
    participant server as 服务端
    client->>server: 我想要点一杯奶茶（同时，我支持点奶茶的能力）
    server->>client: （从请求中解析出客户需要点一杯奶茶，请执行点奶茶能力，参数是：……）
    activate client
    client --> client: 执行点奶茶能力
    deactivate client
    client->>server: （点奶茶动作完成，结果是……）
    server->>client: （告知客户端完成响应）

通常来说，上面提到的这个通讯协议（扩展），叫做 Tool Call。实现这些具体的能力的方式（也就是具体的执行部分），叫做 MCP。

注：还有一种操作客户端的方式叫 Skill，与 Tool Call 功能类似。我目前的理解是，Skill 是对目标能力的文本描述；而 Tool Call 是对目标功能 API 的精确描述。前者易于书写和传播，后者更精确和强大。但 Skill 我还没怎么用过，所以理解可能存在偏差。

现在，这就大致解释了像千问这样的 AI 助手，是如何点奶茶的了。

OpenClaw 及类似产品的工作原理

OpenClaw 及类似产品是在 LLM API 基础上的扩展。最核心的扩展其实很简单：Loop 循环。

flowchart LR
    user[使用者] <--> |通道|client[OpenClaw]
    client --> |等待外部事件| client
    client <--> |http| server[服务端]

也就是说，OpenClaw 实际是在执行一个无尽的循环，它一直在处于等待中，当发生外部事件时才向服务端发请求，例如：

• 使用者发了一条消息。
• 服务端响应完成，但队列中还有未完成的任务。
• cron 计划任务触发。

举个具体的例子，比如说我希望它 10 分钟后提醒我去学校接孩子放学回家，那么时序是这样的：

sequenceDiagram
	actor user as 我
	participant client as OpenClaw
    participant server as 服务端
    user->>client: 10分钟后提醒我去学校接孩子放学回家
    client->>server: 用户要求“10分钟后提醒我去学校接孩子放学回家”（我支持cron计划任务）
    server->>client: （请执行cron添加计划任务，时间是10分钟后，内容是“用户在xx时间要求10分钟后提醒他去学校接孩子回家”）
    activate client
    client --> client: 添加cron计划任务
    deactivate client
    client->>user: 计划任务添加完成
    Note over user,server: 10分钟后
    client->>client: cron事件触发
    client->>server: （发生了cron事件，内容是“用户在xx时间要求10分钟后提醒他去学校接孩子回家”）
    server->>client: （……具体内容）
    client->>user: （……具体内容）

如果你希望 OpenClaw 去做更复杂的事件，那么大体上，就是重复执行 Plan → Execute → Review 这样一个循环直到完成而已。由于 Plan/cron 的存在，这类 AI 助手就有了主动完成任务的能力，给它一个初始目标之后，就不再需要一直等待使用者指挥。

如何真正有效的使用 OpenClaw 或类似应用

原理只是帮你理解 OpenClaw 的能力边界，要想真正有效的使用类似应用，需要想清楚或注意以下几点：

需要用它做什么

这是一切的前提。这类 AI 助手可以帮助你将某些任务自动化，但究竟是哪些任务……我自己是没想清楚的，而且我的方案也未必适合于其他人。

举例来说，之前还看到有人用它在论坛自动发帖。所以这部分纯粹是想象力的问题。

给它足够的资源

这玩意跟人一样，你不可能又想马儿跑，又想马儿不吃草。你至少需要给它：

• 一个能独立运行的环境，比如 VPS/开发板/主机 等等。
• 一个足够智能的大模型 API，太弱的无法准确执行 Tool Call。
• 各种对应的 Skill/MCP。有可能需要自己写（比如前面提到的论坛发帖的应用）。
• 必须的各类 API Key 或者账号密码。比如，你想让它查看并分析邮件的话，至少要把邮箱访问方式交给它对吧。

适当放权，但要注意安全

很多时候，安全和易用性是矛盾的。默认情况下，这些助手会拥有所在机器的基础权限。但是有些危险操作是需要使用者确认的，比如删除或修改某些系统文件。

如果这些危险操作很频繁的话，确认也是件麻烦事。所以只能是具体情况具体分析。

总结

虽然我一直不认为 LLM 以及基于 LLM 之上的 OpenClaw 同类的 AI 助手拥有真正的智能，但话说回来，真正的智能到底是什么呢？

饿了吃饭，渴了喝水，病了吃药。从根本来讲，人类的智能，似乎也不过是在各种生理欲望的驱动下，重复的去做那些能够维持自己的存在，然后满足自我需求的事情而已。

似乎可以这么认为，通过简单的 Loop，以及外部赋予它的目标，AI 助手似乎已经跟人类的智能有了一定的相似性。

我觉得，人类似乎再次发明了类似蒸汽机那样的工业革命级别的工具，但后续的结果，是难以预见的。