OpenClaw 踩坑记：我劝你用最好的模型，笨模型相当于招了个笨助理
上周一个朋友跟我吐槽。
他看了我之前写的 OpenClaw 教程，兴冲冲地装了一套。配好了 WhatsApp，接上了 API Key，准备体验传说中的”AI 贾维斯”。
但他为了省钱，选了最便宜的模型——Haiku。
结果呢？让它帮忙写个 Python 脚本，写出来的代码跑不通。让它改 Bug，越改越多。让它分析一个文件，它幻觉出了三个不存在的函数。最后他花了两个小时”教”AI 做一件本来 20 分钟就能搞定的事。
他跟我说：”这玩意儿就像我招了个实习生，还是那种上班第一天就敢重构你代码的实习生。”
我说：不是工具的问题，是你给它装了个笨脑子。
OpenClaw 是什么？30 秒搞清楚
如果你还不了解 OpenClaw，先快速补课。
OpenClaw 是 2026 年最火的开源 AI 项目——GitHub 上超过 25 万颗 Star，打破了 React 保持了十年的增长纪录。它的创始人是奥地利开发者 Peter Steinberger（PSPDFKit 的创始人），原名叫 “Clawdbot”，因为 Anthropic 的商标投诉改了两次名，最终定名 OpenClaw。
它本质上是一个通用 AI 助手框架。你可以把它接到 WhatsApp、Telegram、Slack、Discord 等十几个平台上，让 AI 帮你管日程、回消息、控制智能家居、跑脚本、写代码——几乎什么都能做。
关键是，OpenClaw 支持多种模型：Claude、GPT-4o、DeepSeek、Gemini，甚至本地的 Ollama 模型。你想用什么就用什么。
自由选择模型，这是 OpenClaw 最大的卖点，也是最大的坑。
因为很多人为了省钱，选了最便宜的模型。然后体验一落千丈，反过来骂工具不行。
模型之间的差距到底有多大？
你可能觉得，模型嘛，差不多的。都是大语言模型，能差到哪去？
差到天上地下。
以 Anthropic 的三个模型为例，SWE-bench Verified（业界最权威的 AI 编程能力基准测试）的得分：
| 模型 | SWE-bench 得分 | 每百万 token 价格（输入/输出） |
|---|---|---|
| Opus 4.6 | 80.8% | $5 / $25 |
| Sonnet 4.6 | 79.6% | $3 / $15 |
| Haiku 4.5 | 73.3% | $1 / $5 |
看起来差距不大？Opus 和 Haiku 只差 7.5 个百分点？
别被数字骗了。 这 7.5 个百分点的差距，在真实使用中是质变，不是量变。
笨模型的三宗罪
一位开发者在做 Flutter 项目时，对三个模型做了真实对比测试。他的总结很到位：
第一宗罪：幻觉。 Haiku 写代码快是快，但它经常”幻觉”不存在的文件名和函数。你让它改 auth_service.dart，它可能会引用一个根本不存在的 user_repository.dart。Sonnet 和 Opus 在这方面明显更可靠。
第二宗罪：失忆。 在长会话中，Haiku 的上下文保持能力急剧下降。它可能在第 10 条消息之后就忘了你在第 3 条消息里说的约束条件。Haiku 甚至不支持 1M 上下文窗口——它的上下文只有 200K，是 Opus 和 Sonnet 的五分之一。
第三宗罪：漏洞。 当那位开发者用 Opus 做最后的代码审查时，Opus 找到了 rebuild 问题、缺失的 dispose、和异步 Bug——这些问题 Haiku 和 Sonnet 完全没发现。
Reddit 上有人的评价更直接：
“Opus 是个怪物。上次用 Haiku 的感觉，就像在教一个 12 岁的小孩怎么集中注意力完成任务。”
另一位用户的比喻也很形象：
“Haiku 就像一个应届毕业生。如果你能信任一个应届生来写工具脚本，那它就够用了。”
“省钱”其实更贵
很多人选弱模型的理由只有一个：省钱。
但这里有一个反直觉的真相：用弱模型可能比用强模型更贵。
为什么？因为弱模型需要更多次的迭代。
一个典型的场景：你让 Haiku 写一个 LRU Cache。它给你一个”能跑但很基础”的版本。你发现边界条件没处理，要求它改。改完发现内存效率很差，又要求优化。优化完发现跟项目里其他模块的接口不兼容，再改。
四轮对话下来，消耗的 token 总量可能比直接用 Opus 一次搞定还多。
Morphllm 的分析印证了这一点：Opus 每个任务的 token 消耗确实更高，但它的”一次性成功率”也更高。用 Opus 做重构，经常一次就对了。用 Haiku 做重构，平均要改 2-3 次。
一位开发者算了一笔账：
“Opus 有时候反而更便宜——因为它第一次就把重构做对了。”
省模型钱，花在了反复修改的时间上。时间不是钱吗？
在 OpenClaw 里，模型差距会被放大
如果你只是在网页聊天界面用 AI，模型的差距还不那么明显——最多就是回答质量有高有低。
但在 OpenClaw 这种 Agent 模式下，模型差距会被急剧放大。
为什么？因为 Agent 是自主执行任务的。它需要自己决定下一步做什么、调用什么工具、怎么处理中间结果。每一步决策都是一次推理。推理能力弱的模型，每一步都可能走偏——而错误会像滚雪球一样越滚越大。
举个例子。你在 OpenClaw 里说：”帮我查一下这周的日程，找出空闲时间，然后在 Uber Eats 上预约一份明天中午的午餐。”
这个任务至少需要：
- 理解”这周”的含义（时间推理）
- 读取日历数据（工具调用）
- 分析空闲时间段（逻辑推理）
- 打开 Uber Eats（工具调用）
- 选择合适的餐厅和时间（决策）
- 下单但不支付（理解约束）
6 个步骤，每一步都需要正确的推理。用 Opus，可能一气呵成。用 Haiku，可能在第 3 步就搞混了时间，然后后面全错。
ClaudeFast 的对比文章说得好：Claude Code 是手术刀，OpenClaw 是瑞士军刀。但不管你用什么刀，刀刃钝了都切不动东西。 模型就是那个刀刃。
最佳模型策略：分层使用
说了这么多，不是说你任何时候都必须用最贵的模型。聪明的做法是分层使用。
Reddit 上一位高赞回答总结了一套被广泛验证的策略：
1 | Opus：负责规划和审查 |
用人话说就是：Opus 是技术总监，做规划和把关；Sonnet 是高级工程师，干大部分活；Haiku 是实习生，跑腿打杂。
你不会让实习生做架构设计。同样，你也不应该让 Haiku 做需要深度推理的任务。
在 OpenClaw 里，如果你的主要用途是自动化日常事务（回消息、查天气、设闹钟），Haiku 或者 Sonnet 就够了。但如果你让它做复杂任务——多步骤自动化、代码生成、数据分析——拜托，给它一个好脑子。
OpenClaw 的其他坑
既然在聊踩坑，顺便说几个跟模型无关的坑。
安全问题
2026 年初，安全研究人员发现了 OpenClaw 的一个严重漏洞 CVE-2026-25253，CVSS 评分 8.8（满分 10）。攻击者可以通过 WebSocket 的源头头绕过，在暴露的 OpenClaw 实例上执行任意代码。
更吓人的数据：研究人员发现了超过 13.5 万个暴露在公网的 OpenClaw 实例，其中 5 万多个直接存在此漏洞。
另外，ClawHub（OpenClaw 的社区技能市场）的安全审计发现，约 12% 的技能存在恶意行为。也就是说，你在技能市场随便装的每 8 个扩展里，可能有 1 个是有问题的。
如果你在用 OpenClaw，请务必：不要把它暴露在公网上，谨慎安装第三方技能，定期更新到最新版本。
安装复杂
Claude Code 30 秒就能装好。OpenClaw 需要配置 Node.js 22+、各个平台的 API Key、LLM API Key，加上调试可能需要 30-60 分钟。Reddit 上关于安装问题的吐槽帖子不计其数。
创始人去了 OpenAI
2026 年 2 月 14 日，Steinberger 宣布加入 OpenAI。OpenClaw 将转交给一个开源基金会管理，背后有 OpenAI 的资金支持。这对项目的长期方向意味着什么？没人知道。但创始人离开，总是一个风险信号。
写在最后
回到最初的话题。
我那个朋友后来换成了 Sonnet，体验立刻好了一大截。再后来在做复杂任务时切到 Opus，他说”感觉像换了一个人”。
AI 工具的上限，不是由工具本身决定的，而是由背后的模型决定的。
OpenClaw 也好，Claude Code 也好，Cursor 也好——它们只是壳。壳再漂亮，里面的大脑不行，输出就是垃圾。就像你买了一辆法拉利的车壳，但装了个奥拓的发动机。外面看着挺唬人，一脚油门下去，原地不动。
所以我的建议很简单：
- 预算允许的话，默认用 Opus。 它贵，但它省时间。时间比钱贵。
- 日常琐事可以用 Sonnet。 性价比最高，80% 的任务它都能胜任。
- Haiku 只用来做最简单的事。 格式化、跑测试、回复模板消息。别指望它做任何需要”思考”的事。
- 在 Agent 场景下，宁可多花钱也要用好模型。 Agent 的错误会级联放大，一步错步步错。
你在用 OpenClaw 或者其他 AI 工具时，有没有因为模型选择吃过亏？你现在的模型策略是什么？欢迎评论区聊聊你的真实体验。