这份由厦门大学林子雨副教授团队发布的《智能体 OpenClaw (小龙虾) 应用实践》科普报告，围绕开源 AI 智能体 OpenClaw 展开全面讲解，结合人工智能发展背景，详解其核心能力、部署方式、应用场景及科研辅助价值，同时给出安全使用与实操建议，以下是核心总结：

一、报告背景与研发团队

该报告属于大模型系列科普报告之一，系列报告全网浏览量超千万，2025 年 3 月至今已完成 130 场，覆盖高校、企业、政府等多类主体。

研发讲解团队为厦门大学大数据教学团队，核心成员均 46 周岁以下，结构合理，11 年专注大数据教学，编写 20 余本相关教材服务全国千余所高校，在国内大数据教学领域多项指标领先。

二、人工智能发展基础认知

发展溯源：1950 年图灵提出图灵测试奠定 AI 概念雏形，1956 年达特茅斯会议正式提出 “人工智能”，标志该学科诞生，1956 年成为 “人工智能元年”。

发展阶段：从 1956 年至今历经 6 个阶段，从诞生起步到多次发展与低迷交替，最终因深度学习与大数据兴起进入蓬勃发展期。

未来发展：分为 5 个进阶阶段（OpenAI 的 5 级 AGI 量表）；AI 能力呈四层金字塔结构，从基础的感知层、认知层，到决策层，再到 2026 年正突破的行动层，OpenClaw 是打通行动层的关键基础设施。

大模型现状与趋势：2026 年大模型在文本理解、逻辑推理等方面能力较强，但事实准确性、价值判断等存在短板；未来 3-5 年 AI 代理将逐步进入主流商业场景、成为个人标配，最终深度嵌入企业流程，重塑组织架构与职业分工。

人工智能思维：核心是了解 AI 基础运行模式、区分人机能力、掌握与 AI 协作的方法。

三、OpenClaw (小龙虾) 核心解析

基础信息：由奥地利开发者 Peter Steinberger 创建，2025 年 11 月初名 Clawdbot，经商标纠纷更名后，2026 年 1 月 30 日定名为 OpenClaw，2026 年 2 月开发者加入 OpenAI 团队；其 GitHub 星标数超 26 万，登顶开源项目榜，国内 13 家互联网大厂纷纷跟进适配。

核心定位：开源 AI 智能体执行网关，连接大模型决策能力与本地设备执行功能，通过自然语言指令自动完成复杂任务，区别于传统 AI 的 “指导方法”，实现直接 “交付结果”。

核心能力：支持跨 IM 交互、技能扩展、本地执行、持久记忆；具备端到端任务执行、系统级集成、多智能体协同、持久化记忆系统四大核心维度能力，可打破系统孤岛、提升执行效率。

主流版本：原生 OpenClaw（开源、本地运行、适合技术探索者）、腾讯 QClaw（微信 / QQ 生态、零门槛、适合普通用户）、字节 ArkClaw（云端 SaaS、企业级集成、适合团队部署），各版本在开发者、上手难度、数据主权等方面差异显著。

系统架构：核心包含网关、智能体，支持多渠道接入与 ClawHub 生态；Agent 运行遵循确定会话、组装上下文、调用模型、保存状态四步流程，完整 AI 系统由 “大模型（思考）+Agent（行动）+Skill（专业化）” 构成。

技能包（Skill）：是 OpenClaw 的 “工具集”，主流技能包括 Clawsec（安全防护）、Tavily Search（实时联网搜索）、Multi Search Engine（多引擎聚合）、Self-Improving Agent（自我进化）、Find-Skills（技能检索）、Office-Automation（办公自动化）等，可按需安装拓展能力。

四、OpenClaw 安全风险与部署方式

安全风险：存在提示词注入、自主误操作、供应链投毒、已知漏洞利用等问题，不同应用场景（智能办公、开发运维、个人助手、金融交易）各有专属安全风险，如内网渗透、信息泄露、账户接管等。

安全建议：使用官方最新版本、控制互联网暴露面、坚持最小权限原则、谨慎使用技能市场、防范浏览器劫持、建立长效防护机制。

部署方式：有个人办公电脑、远程开发服务器、公有云服务器、虚拟机安装、大厂龙虾云服务五种主流方案，各有优劣；选型可根据需求判断，如追求完整能力选个人电脑、注重安全低成本选虚拟机、需要稳定运行选远程开发服务器。

云端部署实操：以腾讯云为例，可通过轻量应用服务器秒级部署，完成模型、通道、技能配置后，可实现 QQ 等 IM 端的自然语言交互，支持天气查询、信息整理、文件操作、定时提醒等功能。

五、OpenClaw 的核心应用与科研辅助价值

全领域应用场景：涵盖智能助理、第二大脑、健康管理、商业顾问团、安全委员会、内容创作流等通用场景；在科研、金融、医疗、政务、智能制造、硬件生态等行业实现深度赋能，如金融领域曾实现 50 美元启动资金 48 小时 5860% 收益率，科研领域效率提升 5-20 倍。

科研全流程辅助：是核心应用方向之一，通过 scholar-search-skills 等技能实现文献精准检索（聚合多学术数据库、高级筛选）、文献管理与分析（批量处理、引文分析、规范引用格式）、科研全流程支撑（辅助开题选题、论文写作、前沿追踪），适配师生不同学习教研需求。

科研实操能力：可自动下载顶刊顶会论文、撰写研究综述、完成带实验数据和图表的科研论文、生成学术可视化图表、安装技能包评审论文并出具专业评审报告，覆盖科研从文献获取到论文定稿的全环节。

六、OpenClaw 实操核心建议（普通人 “养虾” 方法）

部署在本地虚拟机或云端虚机，实现隔离运行，避免误操作造成损失；

为智能体命名，便于交互管理；

按需逐步安装技能包，不盲目添加未知技能，降低安全风险；

优先选择低费用大模型作为 “大脑”，控制 Token 消耗成本；

让其处理繁琐、可标准化的任务，不用于自身无法厘清的复杂工作；

其核心价值并非直接盈利，而是帮助使用者学习 AI 相关知识，提升数字化工作能力。