不過,在使用過程中,大家也在逐漸祛魅。對(duì)于沒有編程基礎(chǔ)的普通人來說,“養(yǎng)龍蝦”的門檻依然不低。部署只是第一步,OpenClaw的運(yùn)行高度依賴本地環(huán)境,每個(gè)人電腦的系統(tǒng)版本、依賴庫、網(wǎng)絡(luò)配置都不同,安裝完成并不意味著可以穩(wěn)定運(yùn)行。每次修好需要半小時(shí)以上。而OpenClaw的能力上限取決于調(diào)用的大模型能力,接入了能力差的模型,就像招了一個(gè)積極但容易惹禍的實(shí)習(xí)生。
科研工作者Fermi對(duì)OpenClaw的初次體驗(yàn)帶有幾分負(fù)面看法。她認(rèn)為這位“AI員工”雖24小時(shí)在線,但只能事件驅(qū)動(dòng),更適合做運(yùn)營(yíng)類工作——被動(dòng)響應(yīng)而非主動(dòng)創(chuàng)造。科研更傾向于一種創(chuàng)造式工作,她習(xí)慣自己坐在電腦前,主動(dòng)推進(jìn)事情完成。
楊明鋒在深度使用后,退回到了“半自動(dòng)”模式:人不在電腦旁時(shí),用OpenClaw應(yīng)急改需求;人在電腦旁時(shí),依然選擇直接調(diào)派大模型。他認(rèn)為正式軟件開發(fā)需要操作可視化,而在與OpenClaw溝通中,執(zhí)行過程是不可見的。
AI迭代迅速,每天都有新熱點(diǎn),每月都會(huì)出現(xiàn)新工具,試圖“革掉”上一個(gè)熱門產(chǎn)品的命。不止一位訪談對(duì)象表示擔(dān)心跟不上AI產(chǎn)品更新的速度。在AI圈內(nèi),OpenClaw并不算一款成熟的產(chǎn)品。算法工程師秋風(fēng)認(rèn)為,OpenClaw的技術(shù)本身并不驚艷,底層的Agent Loop架構(gòu)是2025年行業(yè)卷到頭的相對(duì)共識(shí)。作為一個(gè)開源項(xiàng)目,框架因過度堆砌功能而臃腫,使得其內(nèi)核不能隨著技術(shù)迭代同步進(jìn)化。
這種結(jié)構(gòu)問題直接體現(xiàn)在執(zhí)行機(jī)制上:當(dāng)任務(wù)啟動(dòng)后,OpenClaw無法像人類一樣實(shí)時(shí)接收反饋并修正錯(cuò)誤。相比之下,秋風(fēng)所在科技大廠內(nèi)部構(gòu)建了類似平臺(tái),并在Agent Loop范式上做了進(jìn)一步改造。盡管這些改進(jìn)尚未在行業(yè)內(nèi)形成共識(shí),但他覺得該平臺(tái)比OpenClaw更加靈活可控。