「胶水项目」何以征服10万开发者？

——读《OpenClaw技术架构深度拆解》有感

原文作者：物联网小黑
来源：知乎专栏
链接：https://zhuanlan.zhihu.com/p/2011086602743616499

一、一个周末，6万Star

文章开头那个数字太刺眼了：一个奥地利人，花了一个周末，三天后GitHub涨了6万Star。

这让我想起那个经典的程序员笑话：「我用了十年学会如何在一个周末写出这样的代码。」

但读完这篇文章你会发现，OpenClaw的火不是因为代码写得有多精妙，而是因为问题定义得足够准。它不是在做技术突破，而是在做产品封装——把一堆已有的东西（Paimimo框架、ReAct架构、各种API）用正确的姿势粘在一起。

正如原文说的：「这不就是个胶水项目吗？」

但胶水也有好坏。3M的胶水和文具店的胶水，粘出来的东西能一样吗？

二、三个让我拍大腿的设计

1. 动态System Prompt：你的龙虾，你做主

这是OpenClaw最基础也最聪明的设计。

每次调模型之前，它会先拼装System Prompt，除了基础的ReAct指令，还会动态加载工作区里的一组Markdown文件：

文件	作用	举例
soul.md	龙虾的「灵魂」	用渣女语录说话、理想型性格
identity.md	表面身份信息	「我叫小虾，语气轻松幽默」
user.md	主人的信息	职业、喜好、习惯
agent.md	能力和知识强化	搜索用什么工具、做某事的SOP
tools.md	可用工具清单	哪些Skill可用、什么时候用

Peter开源的时候，唯一没开源的就是他自己那只龙虾的soul.md。

这个细节太妙了。它说明了一件事：技术可以复制，但「灵魂」不能。每个人的OpenClaw都是独一无二的，因为每个人写的soul.md都不一样。

这也解释了为什么社区会爆发式涌现各种「人格」——霸道总裁版、日本管家版、毒舌闺蜜版……技术提供了可能性，用户完成了个性化。

2. 上下文剪裁与压缩：在Token限制下跳舞

单Agent架构的好处是简单，坏处是上下文会爆。

OpenClaw的解决方案分两步：

第一步：剪裁

自动把N轮前的工具结果隐掉
只保留模型当时的思考和工具入参
原始文件内容不占空间

第二步：压缩

监控上下文Token数，设定阈值（比如80K）
快到阈值时，先把原始信息写进Memory日志
再用模型对历史上下文做摘要
详细信息在日志里，需要时用Memory工具查

这套机制保证了两件事：任务不会因为上下文溢出而中断；历史信息也不会真的丢掉。

说白了，这就是用计算换空间——多花一次模型调用，换取更长的有效上下文。

3. 双层长记忆系统：让龙虾记得你说过的话

第一层：memory.md

心跳触发时，不定期检查聊天记录和运行日志
把最重要的记忆点写进memory.md
下次拼System Prompt时作为长期记忆加载

第二层：Memory Search工具

为日志文件做向量索引（SQLite自带轻量级存储）
混合检索：向量搜索（70%权重）+ 关键词搜索（30%权重）
结合时间衰减策略，返回最相关的Top K

效果：龙虾能在几百轮对话的历史里精准找到你提过的事情。

这不是什么黑科技，就是工程上的细致——把该做的都做了，体验自然就上来了。

三、两套调度机制：从被动到主动

OpenClaw最让人惊喜的体验是主动性——你没找它，它主动找你。

这背后靠的是两套调度：

CronTab：精确的任务调度

精确时间：「今晚8点提醒我参加直播」
间隔时间：「每隔20分钟提醒我一次」
Cron表达式：「工作日每天早上8点给我行情报告」

Heartbeat：每30分钟的唤醒

无脑唤醒，检查心跳清单
清单是日常聊天中积累的长期任务
根据当前日期判断有没有该做的事

关键洞察：以前的AI助手都是一次性的。你问完它就消失了。OpenClaw的双调度把短任务变成了长期任务，这才是它最让人上瘾的地方。

四、渐进式披露：150个技能不炸上下文

OpenClaw能装大量Skill——有人装了150个。

但150个Skill的详细说明全塞进System Prompt，Token数不是5万，是50万都打不住。

解决方案叫渐进式披露：

System Prompt只加载每个Skill的名字和一句话描述（每个不超过100 Token）
当模型决定要用某个Skill时，调用「加载Skill」工具
这个工具读取对应的skill.json，把完整描述临时注入上下文
用完即走，不占常驻空间

这跟操作系统的惰性加载是一个思路：用到的时候才加载，不用的时候只占个名字。

五、一点不同看法

「胶水项目」的评价是否公平？

原文引用了一些人的评价：「这不就是个胶水项目吗？」

我想说：胶水项目怎么了？

Linux也是胶水项目——内核是C写的，Shell是脚本，各种工具链来自不同作者。但谁能否认Linux的伟大？

技术的价值不在于原创性，而在于解决问题的能力。 OpenClaw没有自研大模型，没有革命性算法，但它解决了「如何让普通用户拥有一个个性化的AI助手」这个问题。

这就够了。

本地部署的价值被低估了？

原文提到：「这也是为什么有人说本地跑OpenClaw纯属浪费——小模型连ReAct都干不好。」

但我作为Nanobot的用户（另一个AI Agent框架），想说几句：

本地部署的价值不在于性能，而在于数据主权。

当你的聊天记录、文件内容、个人偏好全部存在自己电脑上，而不是某个公司的服务器上时，那种安全感是不一样的。

当然，这需要付出代价——更强的硬件、更高的电费、更复杂的维护。但对于某些用户来说，这个代价是值得的。

六、写在最后

读完这篇文章，我最深的感受是：好的产品不需要颠覆性技术，只需要对需求的精准把握。

OpenClaw的每一个设计——动态System Prompt、上下文剪裁、双层记忆、双调度、渐进式披露——都不是什么高深的技术，但组合在一起，就创造了一种「有生命的」AI助手的体验。

正如原文说的：「这套东西，你也能搭。」

但能搭出来，和能搭得好，是两回事。

技术门槛降低了，产品设计的门槛还在。

这或许就是为什么一个周末写出来的项目，能让10万开发者为之疯狂的原因吧。

雨轩于数字阁楼
2026年3月1日