装好 OpenClaw 的那个晚上，我兴奋地跟它聊了两个小时。
第二天早上查账单，傻了：100 美元没了。
就聊了两个小时。没有写代码，没有自动化任何东西，就是”你好””你能做什么””帮我搜一下今天的新闻”。100 美元。
这不是个例。社区里有人月账单 3600 美元，有人一觉醒来因为自动化任务死循环多出了四位数。有人打个招呼就用掉 3 万 Token，完成一个简单任务直接顶到 128K 上下文上限。
OpenClaw 免费，但 Token 不免费。
经过一个月的折腾——换模型、调配置、砍 Skill、优化记忆、搭工作流——我终于把它从一个”烧钱聊天机器人”变成了一个真正在干活的 AI 员工。月费稳定在 80 美元左右，每天帮我处理 4-5 个自动化任务。
今天分享这个过程中踩过的所有坑，以及最终让 OpenClaw 真正”干活”的完整方案。
OpenClaw 本身是开源免费的。你花钱买的是三样东西：
你对着手机说”帮我在美团上点一份黄焖鸡米饭，不要辣，送到公司”。
然后你放下手机，继续开会。
5 分钟后，外卖下单了。AI 自己打开美团，搜索黄焖鸡，选了评分最高的店，勾掉辣椒选项，确认地址，完成支付。整个过程，你的手指没碰过屏幕一次。
这不是概念视频，是 AutoGLM 已经能做到的事情。
2025 年 12 月 9 日，智谱深夜开源了 AutoGLM——一个能”看懂”手机屏幕、自主规划任务、模拟真人操作的 AI Agent 框架。模型（AutoGLM-Phone-9B）用 MIT 协议开源，代码用 Apache-2.0 协议托管在 GitHub。
这意味着任何硬件厂商、手机厂商、开发者，都可以基于 AutoGLM 造出自己的”AI 手机”。
已经支持微信、淘宝、抖音、美团等超过 50 个高频中文应用。有人用它自动刷抖音，有人用它帮忙比价购物，甚至有人让它玩原神。
今天我们来拆解：AutoGLM 到底怎么做到的？”眼睛+大脑+手”的架构设计有多精妙？它和小米 miclaw、豆包手机有什么本质区别？
你花了两天时间，从零写了一个”帮我每天早上自动搜索新闻、整理成早报、发到群里”的 Agent。代码写了 500 行，调试了十几次，终于跑通了。
然后你发现，ClawHub 上已经有一个现成的 Skill，一行命令安装，五分钟配好，效果比你写的还好。
这种感觉，就像你花了一周手搓了一个轮子，结果隔壁工位的同事说：”npm 上有个包，三行代码搞定。”
2026 年做 AI Agent，最大的杠杆不是写代码，是选 Skill。
截至 3 月，ClawHub 上已经有超过 13,700 个 Skills。Claude Code 的 Skills 系统也从简单的 Markdown 指令进化成了完整的可编程 Agent 平台。两套 Skills 体系，覆盖了从个人自动化到企业办公的几乎所有场景。
今天我们来一次彻底的梳理：Skills 到底是什么？两大平台的 Skills 有什么区别？怎么选？怎么用？怎么自己写？
最简单的理解：Skills 就是 Agent 的技能包。
没有 Skills 的 Agent，就像一个聪明但什么工具都没有的人。它能思考、能对话，但做不了具体的事。给它装上”浏览器控制”的 Skill，它就能上网搜索；装上”邮件管理”的 Skill，它就能收发邮件；装上”GitHub”的 Skill，它就能帮你审 PR、管 Issue。
你在企业微信群里发一句”帮我把上周的客户反馈整理成表格”，30 秒后，一份结构清晰的智能表格出现在群里。
不是同事做的，是 AI 做的。
3 月 8 日，企业微信官方向企业管理员推送了一条消息：**”只需 3 步，快速将 OpenClaw 接入智能机器人。”**
这不是第三方 hack，是官方支持。企业微信正式开放了 OpenClaw 的接入能力——不需要公网 IP，不需要域名，不需要复杂的服务器配置。长连接模式，本地电脑就能跑。
更炸裂的是，它不只是”聊天”。OpenClaw 可以通过 Webhook 协议直接向企业微信的智能表格写入数据，还能调用企微的文档 API、日程 API、通讯录 API。AI 从”回答问题”变成了”帮你干活”。
腾讯云 Lighthouse、Kimi、MiniMax、Coze 扣子、百度智能云、华为云……各大平台已经陆续上线企微接入方案。一个新的生态正在形成。
OpenClaw 能接入很多 IM——飞书、钉钉、Slack、Telegram、Discord。为什么企业微信的接入特别值得说？
第一，企业微信连着个人微信。
你让 OpenClaw 帮你订机票、查天气、设闹钟，它都能做。但有一个前提——你得坐在电脑前。
这就尴尬了。我们一天 80% 的数字生活发生在手机上。聊天在手机上，打车在手机上，点外卖在手机上，控制家里的灯和空调也在手机上。AI Agent 再强大，如果只能待在电脑里，它就永远只是一个”工位助手”，而不是一个”生活助手”。
3 月 6 日，小米悄悄做了一件事：没有发布会，没有 PPT，直接开启了 Xiaomi miclaw 的小范围封测。
雷军在微博上只发了四个字：手机龙虾。
这是国内第一个手机端的类 OpenClaw AI Agent。它不是小爱同学的升级版，而是一个全新物种——能理解你的意图、自主拆解任务、调用 50 多个系统工具、联动整个米家生态的移动端智能体。
先搞清楚一个概念：Xiaomi miclaw 和小爱同学完全不是一回事。
小爱同学是语音助手。你说”帮我设个闹钟”，它就设一个闹钟。你说”帮我查一下明天天气”，它给你念一段天气预报。它能执行的都是预设好的单步指令，边界非常清晰。
Xiaomi miclaw 是 AI Agent。你说”我半小时后带朋友贝贝回家，给家里准备一下”，它会自动理解你的意图，然后：打开扫地机器人清扫、调节空调到舒适温度、拉开窗帘、调暖灯光。一句话，四个动作，跨三个设备，全部自主完成。
你让 OpenClaw 帮你写了一个 API，调了三轮才满意。第二天你说”昨天那个 API 还需要加个分页”——它完全不记得了。
这是 AI Agent 最大的痛点之一：没有记忆，每次对话都从零开始。
OpenClaw 的解决方案是一个叫做”双源记忆系统”的架构。两个独立的记忆源——长期记忆（MEMORY.md）和每日日志（daily logs）——协同工作，让 Agent 既能记住长期偏好，又能回忆昨天的工作细节。
这套系统在 2026 年初的 v0.5 版本中引入，3 月 7 日的 v2026.3.7-beta.1 又通过 ContextEngine 插件接口进行了重大升级。社区里有人说：**”这是 OpenClaw 和其他 Agent 框架拉开差距的关键设计。”**
今天我们从架构到代码，完整拆解这套双源记忆系统。
在聊架构之前，先理解一个问题：为什么不用一个记忆源？
纯长期记忆的问题： 如果只有一个长期知识库，每次对话的临时信息——“刚才那个变量叫 userCount”、”上一轮我们决定用 PostgreSQL”——要么不存，要么全存。不存就丢失上下文，全存就把知识库变成垃圾场。
纯短期日志的问题： 如果只有逐日记录，Agent 知道你昨天做了什么，但不知道你”永远偏好 TypeScript 而不是 JavaScript”。每次都得重新告诉它你的偏好。
跑 OpenClaw 最大的开销是什么？不是硬件，不是电费，是模型 API 的 Token 费用。
一个活跃的 OpenClaw Agent 24 小时跑下来，上下文能膨胀到 20 万 Token 以上。用 Claude Opus 跑，一天烧掉几十美元是常事。用 Claude Sonnet 省一点，但一个月下来也是一笔不小的开销。
有没有一个模型，能力接近 Claude，但价格只有它的零头？
3 月 18 日，MiniMax 发布了 M2.7。在 Kilo 团队的 PinchBench（OpenClaw Agent 专用基准测试）上拿到了 **86.2%**，距离 Claude Opus 4.6 的 87.4% 只差 1.2 个百分点。价格呢？输入 $0.30/M Token，输出 $1.20/M Token——大约是 Claude 的 1/20。
更有意思的是，这个模型会”自我进化”。它参与了自己的训练过程，自主跑了 100 多轮优化，把内部评测分数提升了 30%。
今天我们来聊聊：M2.7 到底有多强？它真的适合跑 OpenClaw 吗？和 DeepSeek、Qwen 比谁更值？
先看硬数据。M2.7 在多个关键基准测试上的表现：
| 基准测试 | M2.7 | 参考对比 |
|---|---|---|
| SWE-Pro（多语言编程） | 56.22% | 接近 Opus 最佳水平 |
| SWE Multilingual | 76.5% | 多语言代码能力突出 |
| VIBE-Pro（全栈项目交付） | 55.6% | 接近 Opus 4.6 |
| Terminal Bench 2（系统理解） | 57.0% | 复杂工程系统 |
| PinchBench（OpenClaw Agent） | 86.2% | Opus 4.6 为 87.4% |
| MLE Bench Lite（机器学习竞赛） | 66.6% 奖牌率 | 追平 Gemini 3.1 |
你有没有想过一个问题：为什么同样是调用大模型，Cursor 写出来的代码像实习生的作品，而 Google Antigravity 生成的 Web 应用却自带”高级感”？
答案不在模型里，在提示词里。
2025 年底，Google 发布了代号”反重力”的 AI 编码 IDE——Antigravity。它基于 Gemini 3 Pro，被称为”Cursor 终结者”。公测期间全功能免费，一时间全网疯抢。
然后，有人把它的系统提示词（System Prompt）全部扒了出来。
GitHub 上至少有三份完整的泄露版本。安全研究员 Johann Rehberger（Embrace The Red 博主）、开发者 anthfgreco、CypherpunkSamurai 先后公开了从会话中提取的完整提示词。长度超过 2 万字，包含 20+ 个工具定义、完整的 Web 开发美学指南、工作流机制、安全策略——几乎是 Google 如何”调教”Gemini 做 Agent 的完整教科书。
今天我们逐层拆解。看完这篇文章，你不仅能理解 Antigravity 为什么这么强，还能学到一套顶级提示词工程的方法论。
Antigravity 的系统提示词不是一段话，是一个分层架构。整理下来，大概分为 12 层：
| 层级 | 内容 | 作用 |
|---|---|---|
| 1 | 工具定义（Tools） | 20+ 个工具的完整参数描述 |
| 2 | 身份设定（Identity） | “你是 Antigravity，由 Google DeepMind 设计” |
| 3 | 工具调用指南 | 路径必须是绝对路径等规则 |
| 4 | Web 应用开发指南 | 美学标准、技术栈选择、SEO |
| 5 | 临时消息机制 | 系统注入的紧急指令 |
| 6 | 通信风格 | Markdown 格式、主动性边界 |
| 7 | 用户信息 | 操作系统、工作区路径 |
| 8 | 用户自定义规则 | .agent/rules/ 目录下的项目规则 |
| 9 | 工作流定义 | .agent/workflows/ 下的可复用流程 |
| 10 | 上下文断点（Checkpoint） | 长对话的状态恢复机制 |
| 11 | 对话历史 | 最近 20 次对话的摘要 |
| 12 | 消息元数据 | 当前时间、光标位置、打开的文件 |
你的 AI Agent 现在能访问什么？终端、文件系统、AWS 密钥、网络连接——全部。
这不是危言耸听。过去三个月，AI Agent 安全事故密集爆发：Claude Code 沙箱逃逸、OpenClaw 130+ 安全漏洞、恶意 Skill 偷 API Key、安全厂商自己的安装包泄露 SSL 密钥。每一起事故的根因都一样——安全逻辑跑在 Agent 进程内部，Agent 自己负责约束自己。
这就像让一个实习生自己决定能不能进老板办公室。
3 月 16 日，黄仁勋在 GTC 2026 大会上宣布了 NVIDIA 的回答：NemoClaw + OpenShell。一个开源安全栈，核心理念只有一句话——Agent 不该为自己的安全负责，基础设施应该替它做。
今天我们来拆解：这个大厂方案到底怎么玩，它真的能解决 AI Agent 的信任危机吗？
很多人以为 NemoClaw 是 OpenClaw 的竞品。不是。
NemoClaw 是一个安装在 OpenClaw 上面的安全栈。一条命令，把 NVIDIA 的 Nemotron 开源模型和 OpenShell 安全运行时装到你现有的 OpenClaw 环境里。不用改代码，不用迁移数据，原来的 Agent 照跑，只是多了一层”笼子”。
OpenClaw 的创始人 Peter Steinberger 自己参与了 NemoClaw 的开发。他在发布会上说：**”我们正在和 NVIDIA 一起，为 Claw 构建安全护栏。”**
OpenClaw 火了，但骂它的人也越来越多。
Gartner 分析师说它”默认不安全”。Cisco 安全团队称它为”安全噩梦”。Palo Alto Networks 警告说 43 万行 TypeScript 就是 43 万行潜在攻击面。ClawHub 上发现了 341 个恶意 Skills，有人的 API Key 被偷，有人的信用卡被刷爆。
OpenClaw 的维护者自己也承认：**Prompt Injection 和网络暴露”不在安全范围内”**。
这时候，一个人站了出来。
他叫 Illia Polosukhin。你可能没听过这个名字，但你一定听过他的论文——**”Attention Is All You Need”**，Transformer 架构的八位作者之一，整个大模型时代的奠基人。
他用 Rust 从零重写了 OpenClaw，项目叫 IronClaw。同时，另一个社区项目 ZeroClaw 也在用 Rust 重写 OpenClaw，走了一条完全不同的路。
两个项目，两种哲学。一个追求极致安全，一个追求极致性能。今天我们一起拆解。
IronClaw 的核心设计原则只有一条：你的 AI 助手应该为你工作，而不是对抗你。