2025年5月

May 1, 2025

OpenClaw 介绍：一款运行在自己设备上的开源 AI 助手

好久没和大家见面了。上一次更新还是 2025 年 12 月初那篇关于 LiteLLM 防护栏的文章，算下来已经停更了将近五个月。这段时间里，工作上的事情一茬接一茬，再加上春节前后总想给自己留点喘息的空档，公众号就这么一拖再拖。今天是 2026 年 5 月 1 日，劳动节，正好趁着假期把更新的节奏重新捡起来 —— 这是 2026 年的第一篇，也算是给自己重新定一个开始。

新的一年我打算换一个相对系统的话题来写，这就是我们今天要开篇的主角：OpenClaw，国内开发者圈里更熟悉的名字是 小龙虾。仓库地址是 https://github.com/openclaw/openclaw，官网 https://openclaw.ai，文档 https://docs.openclaw.ai，许可协议是 MIT。

从今年春节后开始，这个项目就在 GitHub Trending、Hacker News、X、即刻、V2EX 上接连刷屏，2 月中旬星标数甚至一度超过 React 登顶，国内外科技媒体把它形容为"近两年最具讨论度的开源 AI 项目"。截至撰文（2026 年 5 月 1 日），仓库 star 数已经突破 36.7 万，是 GitHub 上增长最陡峭的开源项目之一。

热度本身并不是我想写它的理由 —— 真正吸引我的是它解决问题的方式：把分散在 WhatsApp、Telegram、Slack、飞书、微信、iMessage 多个通道里的助手能力收拢成一个跑在自己机器上的本地 Gateway。这个形态和我们之前接触过的 ChatGPT、Claude.ai 这类云端 SaaS，以及 Open WebUI、LobeChat 这类自部署 Web UI 都不太一样，值得花一个系列的篇幅好好聊一聊。

今天这一篇是开篇，不安装、不动手，目的是先把这个项目本身讲清楚：它从哪里来，它是什么，它解决了什么问题，以及和市面上常见的 AI 助手有什么区别。后续的文章会沿着快速入门、通道接入、模型配置、工具体系、多智能体、语音、安全沙箱、远程部署这条主线，逐一动手把它跑起来。

一只爆火的太空龙虾

讲 OpenClaw 之前，绕不开它的几次改名史 —— 因为这直接解释了"为什么这个项目长得这么像 Claude Code、却又叫 OpenClaw"。

故事的起点是 2025 年 11 月 24 日，作者 Peter Steinberger 在自己的博客上发布了一个叫 Clawdbot 的小工具。Clawd 是 Claude 的发音变体，最早的定位非常朴素：把 Claude 接到 Telegram 上，方便自己出门的时候也能用一句话调起 Claude，而不必盯着 Mac 上的网页。换句话说，第一版 Clawdbot 既不通用也不开源风评，就是 Steinberger 自己用的脚本，顺手挂在 GitHub 上。

但 Clawdbot 上线第一天就拿了 9000 个 star，三天破 6 万，两周冲到 19 万。Steinberger 后来在博客里写："我以为我做了一个周末玩具，结果它在我去 Costco 的路上变成了我的全职工作。" 整个 12 月，他基本没干别的事，把渠道从 Telegram 扩到了 Slack、Discord、Signal，OpenClaw 的雏形就这样定下来了：消息从渠道进 Gateway，Gateway 调模型，模型再走渠道回。

热度上来之后，麻烦也跟着来了。2026 年 1 月 27 日，Steinberger 收到了 Anthropic 法务部一封"礼貌邮件"，大意是：Clawd 这个发音容易让用户误以为这是 Claude 官方的产品，希望尽快改名。Steinberger 当天就做了决定：改成 Moltbot，Molt 是甲壳类动物蜕壳的意思，也是吉祥物太空龙虾的名字。但 Moltbot 这个名字只活了三天，用 Steinberger 自己博客里的原话：Moltbot never quite rolled off the tongue，它读起来不太顺口。1 月 30 日，项目第二次更名为 OpenClaw：Open 强调开源，Claw 保留了龙虾的爪子梗，整体读起来比 Moltbot 顺。这次 Steinberger 把 GitHub 组织、域名、文档、所有社交账号一次性切干净。

3 个月，3 个名字 —— Clawdbot → Moltbot → OpenClaw，这段经历被国内外社区戏称为"开源史上最快三连改名"。

改名期间还夹杂着一段不太愉快的小插曲：旧的 @clawdbot 用户名在 Anthropic 邮件公开后没多久就被加密币骗子抢注了，对方挂出了带钱包地址的"官方空投"骗局，原 Discord 邀请链接、Telegram 群组也被克隆。Steinberger 在两个周末里追着平台举报，旧账号上最终钉了一条"已被冒用，请认准 @openclaw"的置顶。这件事和 Moltbot 改名 OpenClaw 的决定关系不大，但确实加快了 Steinberger 把所有社交资产一次性切到新名字的节奏。

故事的尾声在两周后。2026 年 2 月 14 日晚到 15 日，Sam Altman 在 X 上亲自发文宣布 Steinberger 加入 OpenAI，主导"下一代个人 Agent"的工作，CNBC、TechCrunch、Bloomberg 纷纷跟进报道。Steinberger 没有把 OpenClaw 卖掉、也没有交给某家公司，而是组建了一个非营利基金会接管开源治理，项目继续以 MIT 许可证的形式独立运营。

顺带说一下吉祥物的梗。Molty 是一只穿宇航服漂在太空里的龙虾，README 顶部那行口号 EXFOLIATE! EXFOLIATE! 是它的口头禅 —— 明显是在戏仿 Doctor Who 里 Dalek 那句著名的 EXTERMINATE!，同时 exfoliate（去角质 / 蜕皮）又呼应了龙虾蜕壳的 molt。整个项目的起名、吉祥物、slogan 是一条完整的梗链，连 Discord 里都专门有个 #lobster-memes 频道。国内开发者顺手把这个项目叫成了"小龙虾"，"养龙虾"也成了部署、调教、接通道、配技能这一整套折腾的统称。

OpenClaw 是什么

按照官方 README 的定义：

OpenClaw is a personal AI assistant you run on your own devices. It answers you on the channels you already use.

翻译过来就是：OpenClaw 是一个跑在你自己设备上的个人 AI 助手，它在你已经在用的通道里直接回你消息。 这一句话里有两个关键定语 —— 一个是 personal（个人、单用户），一个是 on your own devices（本地优先）。这两点决定了它和 ChatGPT、Claude.ai 这类云端 SaaS，以及 Open WebUI、LobeChat 这类自部署 Web UI 都不太一样。

它和一般的 AI 聊天 App 最大的区别在于：它不自己造一个对话界面，而是直接接入你已经在用的消息渠道。你的 iMessage、WhatsApp、Telegram、Slack、Discord、飞书、微信本来怎么聊天，OpenClaw 就让助手也出现在同一个聊天列表里。这种"不抢占用户界面、寄生到现有通道"的思路，在 2026 年这个时间点显得格外反潮流 —— 当所有人都在卷 AI-native 应用的时候，它反过来说：你已经有 100 个对话工具了，AI 不应该再逼你装第 101 个。

项目作者 Peter Steinberger 是奥地利开发者、PSPDFKit 的创始人，把那家公司卖掉之后，他想给自己写一个真正能干活的 AI 助手。OpenClaw 选 TypeScript 作为主语言，理由在 VISION 文档里写得很直接：

OpenClaw is primarily an orchestration system: prompts, tools, protocols, and integrations. TypeScript was chosen to keep OpenClaw hackable by default.

也就是说，编排系统的本质是把提示词、工具、协议、集成胶在一起，TypeScript 的迭代速度和可读性更高，社区贡献门槛也更低。这一点和 Cursor、Claude Code 这些近期的 AI Agent 工具技术栈是一致的。

它要解决的痛点

很多人第一次听到"个人 AI 助手"这个说法时会想：现在工具不是已经够多了吗？仔细看会发现，市面上常见的方案各自都缺一块。

云端聊天网页（ChatGPT、Claude.ai、Gemini）在 Web 上做得很好，但要把它接到 WhatsApp、Telegram 这样的真实消息通道上，得自己写一层 Bot 适配。每多一个通道就多一份配置，多一份会话拼接。

自部署 Web UI（Open WebUI、LobeChat、AnythingLLM）解决了模型自主权的问题，但本质上是再开一个浏览器标签页。你和它聊天的入口和你日常和同事聊天的入口仍然是两套，记忆、历史、文件也是两套。

消息平台 Bot（Telegram Bot、Discord Bot、Slack Bot）入口对了，但每个平台都得单独写、单独维护，路由、工具调用、模型切换、记忆这些通用能力都得在每个 Bot 里再写一遍。

OpenClaw 的思路是把这三类切片合到一起，做成一个本地 Gateway。Gateway 是控制面：它对外暴露通道适配，对内统一管理会话、工具、事件、模型路由。具体到能力上：

你已经在用的 20 多个通道（WhatsApp、Telegram、Slack、Discord、Signal、iMessage、Microsoft Teams、Matrix、飞书、LINE、Mattermost、WeChat、QQ、WebChat 等）通过 Gateway 接入，回的是同一个助手
你的模型配置在 Gateway 里集中管理，一处配置全通道生效，并且支持多家服务商之间的故障转移与回退
工具调用（浏览器、Canvas、Cron、Sessions、文件读写）跑在你自己的机器上，需要时可以套一层 Docker / SSH / OpenShell 沙箱
在 macOS / iOS 上可以喊唤醒词进入 Talk Mode，在 Android 上是持续语音

一句话概括它的差异：OpenClaw 不是再开一个聊天 UI，而是长在你已经用的通道里。

核心特性一览

OpenClaw 的 README 把自己的亮点总结成了 8 条，按中文语境梳理一下方便有个整体概念：

本地优先的 Gateway：整个系统只有一个长驻进程，负责会话、通道、工具、事件的统一调度。默认作为用户态守护进程运行（macOS launchd、Linux systemd），通过 openclaw onboard --install-daemon 一条命令安装，跑在你自己的机器上，不需要任何云端组件就能工作
多通道收件箱：官方支持 20+ 通道，覆盖 WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、BlueBubbles、IRC、Microsoft Teams、Matrix、飞书、LINE、Mattermost、Nextcloud Talk、WeChat、QQ、WebChat 等。可以理解为把你所有聊天窗口都接进了一个 AI 路由器
多智能体路由：Gateway 支持把不同的入站通道、账户、对端路由到不同的 agent 实例。每个 agent 有自己独立的 workspace 和 session 隔离，互不串台。比如可以让工作飞书路由到一个使用 GPT-5 的严肃风格 agent，把私人 Telegram 路由到一个使用 Claude 4.7 的轻松风格 agent，二者的记忆和工具权限完全分开
Voice Wake + Talk Mode：macOS / iOS 支持关键词唤醒，Android 支持持续对讲，TTS 优先走 ElevenLabs，失败时回落到系统自带合成
Live Canvas：Agent 可以驱动一块可视化工作区，背后是一套叫 A2UI（Agent-to-UI） 的协议，允许模型直接绘制、更新前端控件，而不只是回一段文字
首屏工具：浏览器、Canvas、节点、Cron、会话管理、Discord/Slack 动作 —— 这些工具都是一等公民，不是插件化的添头，需要时可以套一层 Docker / SSH / OpenShell 沙箱
Companion apps：macOS 有菜单栏 App，iOS 和 Android 各有一个作为节点的客户端，用于语音转发、Canvas 显示、摄像头和屏幕共享
Skills + ClawHub：技能以目录形式存放在 ~/.openclaw/workspace/skills/<skill>/SKILL.md，可以从社区维护的 ClawHub 注册中心一键安装

这里面有几个概念（尤其是 Gateway、Agent、Skill、Canvas、Sandbox）会在后续系列文章里被反复拆解，现在不需要全部搞清楚，有个印象就行，后面章节会逐一展开。

适用人群与场景

按 VISION 里的话，OpenClaw 是 personal、single-user 项目，它不试图做企业版多租户，也不打算成为云服务。下面这几类人最容易从中受益：

多通道重度用户：日常在 WhatsApp、Telegram、飞书、微信、Slack 之间来回切，希望由一个统一的助手回所有通道
本地模型玩家：用 Ollama、LM Studio、vLLM 在本地跑模型，想给它套一层好用的入口
macOS 重度用户：希望喊一句唤醒词就能让助手干活，而不是切到浏览器再打字
个人自动化爱好者：想用 Cron + 浏览器工具 + IM 通道做一些每天定时执行的小型 workflow
AI Agent 开发者：想要一个可 hack 的本地 Agent 框架，自己写工具、写 skill、写通道适配

如果你只是想找一个云端聊天页面，OpenClaw 不会比 ChatGPT 网页方便。但如果你想把 AI 助手真正塞进自己每天用的工具流里，Gateway 这种形态就是合理的选择。

后续我们会聊什么

这个系列打算带大家从浅到深地走一遍 OpenClaw，路径大致是这样：

快速入门：把 Gateway 跑起来，配好第一个通道，发出第一条消息
通道接入：重点讲飞书和 Telegram 两个通道，其他通道略过
模型与工具体系：配多家模型，研究故障转移和回退策略；接本地模型实现完全离线推理；体验 OpenClaw 的内置工具集合，包括浏览器、Canvas、Cron
Skills 与 ClawHub：理解能力扩展机制，从社区注册中心安装现成 skill，再动手写一个自己的
多智能体与语音：配多智能体路由，把工作通道和私人通道分开；试一下 Voice Wake 和 Talk Mode 的语音体验
记忆与安全：看看 Active Memory 子代理是怎么管长期上下文的；配 DM 安全策略和 Sandbox 沙箱
架构与源码：画出 Gateway + Channels + Skills + Nodes 的全景图，理清各个子系统的边界，最后从 src/entry.ts 出发深入控制面、通道抽象层、插件 SDK、Sandbox 与 Canvas 的实现细节
远程部署：把 OpenClaw 部署到远程服务器，并通过 Tailscale 等方式安全访问

每一篇都会尽量做到独立可读的同时，前后串成一条完整的学习曲线。

小结

回到这一篇要回答的几个问题：

OpenClaw 是什么：一个跑在自己设备上的个人 AI 助手，由 PSPDFKit 创始人 Peter Steinberger 于 2025 年 11 月开源，今年春节后开始爆火，2 月 star 数超过 React 时曾引起一波讨论，截至今天 GitHub star 已突破 36.7 万
它解决什么问题：把分散在多个 IM 通道、多种模型、多类工具上的助手能力收拢到一个本地 Gateway 里
核心组件有哪些：本地 Gateway、多通道收件箱、多智能体路由、Voice Wake + Talk Mode、Live Canvas + A2UI、内置工具集合、Skills + ClawHub
和 Web UI 类工具的差别：OpenClaw 不是再开一个聊天页面，而是长在已经在用的 IM 通道里
适合谁用：多通道重度用户、本地模型玩家、macOS 重度用户、个人自动化爱好者、Agent 开发者

不过光看介绍是不够的，毕竟纸上得来终觉浅。下一篇我们就动手把 OpenClaw 装起来，从 openclaw onboard 开始跑通第一次对话，把这只小龙虾真正养到自己的机器上。

时隔半年再开新坑，难免会有点生疏，更新节奏也需要慢慢找回来。如果你觉得这个话题感兴趣，欢迎跟着这个系列一起走一遍 —— 我们下一篇见。

参考

May 1, 2025

Supabase 快速入门

今天给大家介绍一个开源的 后端即服务（BaaS） 平台 Supabase，它被认为是 Firebase 的替代品，旨在帮助开发者更快地构建产品，让开发者可以专注于前端开发，而无需花费大量时间和精力来构建和维护后端基础设施。

Supabase 的核心功能如下：

数据库：使用 PostgreSQL 作为数据库，支持 SQL 和 RESTful API 访问。它会自动为每个表生成 RESTful API，方便开发者通过简单的 HTTP 请求与数据库进行通信，实现增、删、改、查等操作。
认证系统：提供完整的认证体系，支持邮箱、手机号、第三方服务（如谷歌、苹果、Twitter、Facebook、Github、Azure、Gitlab 和 Bitbucket 等）等多种登录方式，还支持像 SAML 这样的企业登录，并且可以轻松管理用户注册和登录流程。
实时订阅：允许通过 WebSocket 实现实时数据同步，开发者可以订阅数据库的变更，如插入、更新和删除操作，从而创建实时应用，如聊天应用或协作工具等，用户能在操作发生时立即看到更新。
存储服务：提供对象存储服务，可方便地上传、下载和管理文件，适用于图片、视频等各种文件类型，并具有较高的可扩展性。
边缘函数：支持在边缘节点上运行 JavaScript 函数，可用于处理请求或触发事件。

本文学习和实践 Supabase 的数据库功能，并结合不同用例给出代码实例。

创建 Supabase 项目

首先，我们需要访问 Supabase 官网，并创建一个账户，然后进入 Dashboard 页面，创建新项目：

项目创建后，进入项目概览页：

此时，我们就可以创建表以及准备数据了。可以看到 Supabase 提供了 Table Editor 和 SQL Editor 两个工具，Table Editor 通过像电子表格一样的可视化页面管理数据，SQL Editor 则是通过 SQL 语句管理数据。

创建表和数据

我们通过 Table Editor 创建一个 students 表：

再通过 SQL Editor 插入一些数据：

INSERT INTO students (name, age)
VALUES
  ('John Doe', 15),
  ('Jane Doe', 16),
  ('Bob Smith', 14),
  ('Alice Johnson', 17);

访问并操作数据库

操作 Supabase 和操作普通 PostgreSQL 数据库一样，我们点击项目顶部的 Connect 按钮，可以看到数据库的连接信息：

然后创建一个 .env 文件，将连接信息写进去：

host=db.lsggedvvakgatnhfehlu.supabase.co
port=5432
database=postgres
user=postgres
password=[YOUR-PASSWORD]

这些信息可以通过 dotenv 加载：

from dotenv import load_dotenv
import os

# Load environment variables from .env
load_dotenv()

# Fetch variables
USER = os.getenv("user")
PASSWORD = os.getenv("password")
HOST = os.getenv("host")
PORT = os.getenv("port")
DBNAME = os.getenv("dbname")

然后就可以通过 psycopg2 访问和操作数据库了：

import psycopg2

# Connect to the database
try:
    connection = psycopg2.connect(
        user=USER,
        password=PASSWORD,
        host=HOST,
        port=PORT,
        dbname=DBNAME
    )
    print("Connection successful!")
    
    # Create a cursor to execute SQL queries
    cursor = connection.cursor()
    
    # Example query
    cursor.execute("SELECT * FROM students;")
    result = cursor.fetchone()
    print("Query result:", result)

    # Close the cursor and connection
    cursor.close()
    connection.close()
    print("Connection closed.")

except Exception as e:
    print(f"Failed to connect: {e}")

2025年5月

分类