shift
会说 → 会做
focus
执行系统
Why Now
行业注意力已经从
行业注意力已经从
“更会说”转向“真的去做”
过去两年大家比的是模型能力；最近半年开始比执行闭环、自动处理、消息直连和任务完成率。
Case 01
Claude Code → Cowork
- 能力溢出倒逼产品化，用户把“编程助手”用成了“通用执行入口”。
- 它说明执行型 AI 的边界不是产品经理划的，是用户先用出来的。
Case 02
Manus → 被 Meta 收购
- 多步任务 agent 获得了和“聊天助手”完全不同的估值逻辑。
- 资本在给市场发信号：会执行的 agent，商业价值更大。
结论 OpenClaw 出现在这个时间点，不是偶然，而是“执行型 AI”浪潮的一个典型产物。
Timeline
从 Clawdbot 到国内现象级扩散
2025-11-24
Clawdbot 初始发布，项目正式出现。
2026-01-27 → 01-30
先改名 Moltbot，随后再次更名为 OpenClaw。
2026-01 末 ~ 02 初
Moltbook 事件和 “agent 社交网络” 话题推动全球破圈。
2026-02-15
Peter Steinberger 宣布加入 OpenAI，同时强调项目保持开源并转向基金会结构。
2026-03
腾讯、地方政府、云平台和社区工具多线推进，国内进入大众传播阶段。
Moltbook 事件
ClawCon / Meetup
国内扩散
课堂锚点
这条时间线要帮学员建立一个判断：OpenClaw 不是孤立的新工具，而是全球 agent 浪潮和国内平台化推进的交叉点。
What It Is
OpenClaw 不是模型，
OpenClaw 不是模型，
而是执行系统
对比图：聊天入口 vs 工作流平台 vs OpenClaw
入口
飞书、Telegram、Discord、微信等，都可以只是它的通信端口。
运行
真正做事的环境是你的电脑或服务器，而不是一个网页聊天框。
能力
长期记忆、Skills、自动化、定时任务、事件驱动，让它持续工作。
一句话 你其实是在跟自己的电脑讲话，然后让它替你把事情做完、再回来汇报。
| 比较维度 | 聊天模型 | OpenClaw |
|---|---|---|
| 核心问题 | 怎么回答 | 怎么执行 |
| 交互方式 | 问一句答一句 | 你说它干，干完汇报 |
| 持续性 | 会话为主 | 可长期运行 |
Packaging
封装版适合试，
封装版适合试，
自部署适合长期用
封装版的本质，是在开源 OpenClaw 之上帮用户预装、简化配置、再包一层产品入口。
QClaw：快速体验
360 龙虾：安全加固
课堂建议
封装版做快速验证，自部署做正式使用。很多人的真实路径，就是先装封装版体验，再迁移到自部署。
| 维度 | 封装版 | 自部署 |
|---|---|---|
| 上手速度 | 快 | 中等 |
| 可控程度 | 低 | 高 |
| 数据隐私 | 依赖封装方 | 自己掌控 |
| 迁移成本 | 常常不透明 | 配置可导出 |
| 适合人群 | 先跑起来的人 | 重视隐私和定制的人 |
优先封装版
完全没有命令行经验，或者你当前目标只是先看看效果。
优先自部署
你在意数据安全、长期使用、接自己的模型和通信渠道。
Install Path
课堂上只带一条最小可行路径
先让大家“装起来并跑通”，再谈更复杂的优化和迁移。
本地最简路径
- 先教大家打开 Terminal / PowerShell。
- 执行安装命令和
openclaw onboard。 - 再看
openclaw status/openclaw health。
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard
openclaw status
openclaw health
云端最简路径
- 先创建主机，记住公网 IP / 用户名 / 密码或 SSH Key。
- 确认安全组放行
22端口，先用 SSH 连通。 - 连上以后再执行和本地一样的安装流程。
ssh root@你的公网IP
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboardopenclaw 命令能执行openclaw onboard 能正常跑完status / health 无明显报错
Model Decision
性能轨 + 成本轨，
性能轨 + 成本轨，
一起看
课堂目标不是替学员选模型，而是让学员以后自己会选。
性能轨
用 Arena Leaderboard 一类公开榜单建立性能参考，不要凭感觉选模型。
包月 / Coding Plan
- 阿里云百炼：Lite / Pro，适合预算稳定的团队。
- MiniMax：月包激进，适合个人开发者先试。
- 智谱 / 火山：公开口径清晰，适合国内试点。
- Claude：可作为国际价格对照组。
按量计费
- Kimi：更适合按量精算，不要误讲成月包产品。
- DeepSeek：适合技术团队做细粒度成本优化。
- 课堂口径：强模型 + 可控成本，而不是“盲追最强”。
决策双轨 先确定你追求的是“表现上限”还是“预算稳定”，再决定具体模型和付费方式。
Feishu
飞书接入，不只是多一个聊天入口
官方插件：以你的身份读写飞书工作数据
课堂总括 以前是“把龙虾接进飞书里”；现在是“让龙虾在飞书里真正长出手脚”。
支持方向
- 消息：读历史、搜索、回复、发卡片
- 文档：读文档、查资料
- 表格 / 多维表：读写数据
- 日历 / 任务：查档期、做安排
风险提醒
- 这是以你的飞书身份去做事，不是一个只会收发消息的 bot。
- 授权没做完，很多“读写工作数据”的能力都不会真正生效。
不会折腾：走一键部署
已经装好 OpenClaw：走手动安装
Feishu Setup
安装与授权流程
第一堂课先把最短链路讲清楚：装插件、做授权、确认机器人已经能正常回应。
1
终端执行安装命令。
2
在飞书对话里发送一条消息。
3
执行 /feishu auth 完成授权。
4
让它列出新飞书插件的能力。
5
执行 /feishu start，确认机器人已正常接入。
安装命令：
课堂口径：先跑通，再排障。版本和 doctor 放到下一页讲。
npx -y @larksuite/openclaw-lark install课堂口径：先跑通，再排障。版本和 doctor 放到下一页讲。
/feishu auth
/feishu start