概述

亲眼见证OpenClaw：

  • 改名史：Clawdbot-->Moltbot-->OpenClaw；
  • GitHub历史上Star数量增长最快的项目；
  • GitHub数量第二的项目，目前已经207K；
  • 。。。

围绕着OpenClaw，有一大堆开源项目，本文汇总介绍几个。

awesome-openclaw-skills

官网，GitHub，49.9K Star，4.9K Fork。列表中技能来源于ClawHub（OpenClaw的公共技能注册库），并进行分类，以便于查找。

具体来说，从5700+个社区技能中，严格筛选过滤掉spam、重复、恶意、低质内容后，精选出约3000+个高质量技能，并按30+个清晰类别整理，便于快速发现和安装真正能落地的扩展功能。覆盖Coding Agents、IDE、多代理协作、GitHub/DevOps、浏览器自动化、智能家居（Tesla/家居集成）、通信工具（WhatsApp/Gmail/日历）、媒体处理（语音转录/PDF OCR/图像生成）、安全/隐私/内存系统、生产力助手等，几乎所有常见场景都有对应技能。

亮点：

  1. 结构化分类：所有技能按「场景-难度-硬件适配」三级分类，支持关键词检索，开发者能快速定位所需技能；
  2. 完整的代码与文档：每个技能都附带可直接运行的代码示例、参数说明、调试步骤，甚至标注了适用的机械爪型号和环境要求，新手也能轻松上手；
  3. 持续更新与社区维护：仓库由国内外AI bot领域的开发者社区共同维护，每月都会新增最新的技能案例和优化版本，还设有issue专区解答使用过程中的问题；
  4. 轻量化调用：Skill代码基于OpenClaw标准框架编写，可与ROS/ROS2、Python/C++等主流开发环境无缝衔接，无需重构项目架构。

实战

git clone https://github.com/VoltAgent/awesome-openclaw-skills.git
# 直接安装某个skill
npx clawhub@latest install <skill-slug>

awesome-openclaw-usecases

开源（GitHub，31.3K Star，2.7K Fork）OpenClaw真实生活用例合集，收集42个（持续增加中）由全球用户实际跑通的完整工作流。

每条用例都是一个独立Markdown文件：

  • 场景描述：是什么？解决什么痛点？
  • 核心目标：最终输出什么？
  • 所需技能/工具：要装哪些Skills（直接链接ClawHub或GitHub）
  • 详细配置步骤：SOUL.md（核心提示词）、子代理设置、cron 调度规则、通知渠道等，全是可复制粘贴的代码块
  • 示例效果：截图、输出样例、甚至相关灵感来源
  • 微调建议：怎么根据自己情况改

Nanobot

参考HKUDS开源Nanobot。

PicoClaw

官网，超级轻量OpenClaw瘦身版开源（GitHub，25.5K Star，3.5K Fork）项目，使用Go重构，通过自引导过程实现，其中AI代理本身驱动整个架构迁移和代码优化。

特点

  • 超轻量级：内存占用小于10MB，比OpenClaw小99%，核心功能依旧有；
  • 成本极低：只需10美元硬件即可高效运行，比Mac Mini便宜98%；
  • 闪电般快速：启动速度提升400倍，在0.6GHz单核处理器下也能在1秒内启动；
  • 可移植性：单个自包含二进制文件，可在RISC-V、ARM和x86平台之间运行，一键启动；
  • AI引导：自主Go原生实现，95%由代理生成的核心，并由人参与改进；
  • 多渠道：支持接入Telegram、Discord、QQ、钉钉等应用；
  • Skills支持：安装应用。

保留Agent核心三要素：感知、思考、行动。

  • 多渠道连接：支持Telegram、Discord、QQ、钉钉。可以用微信/钉钉在公司远程控制家里的设备；
  • 工具调用：可执行Shell命令、读写文件；
  • 语音与搜索：接入Groq、Whisper做语音转文字，接入Brave Search实现联网搜索。

真正牛的点是边缘计算趋势，是嵌入式运行：

  • LicheeRV-Nano（$9.9）
  • NanoKVM
  • MaixCAM
  • 树莓派
  • 旧手机刷Linux
  • 路由器（理论上）

部署方式：

  • 预编译二进制文件
  • 源码
  • Docker或Docker Compose
git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
make deps
# Build, no need to install
make build
# Build for multiple platforms
make build-all
# Build And Install
make install

cp config/config.example.json config/config.json
vim config/config.json # Set DISCORD_BOT_TOKEN, API keys, etc.
docker compose --profile gateway up -d
docker compose --profile gateway build --no-cache
docker compose logs -f picoclaw-gateway
docker compose --profile gateway down
# 特工模式（一次性）
docker compose run --rm picoclaw-agent -m "What is 2+2?"
# 交互式
docker compose run --rm picoclaw-agent

初始化命令：picoclaw onboard

配置文件：

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model": "glm-4.7",
      "max_tokens": 8192,
      "temperature": 0.7,
      "max_tool_iterations": 20
    }
  },
  "providers": {
    "openrouter": {
      "api_key": "xxx",
      "api_base": "https://openrouter.ai/api/v1"
    }
  },
  "tools": {
    "web": {
      "search": {
        "api_key": "YOUR_BRAVE_API_KEY",
        "max_results": 5
      }
    }
  },
    "channels": {
    "qq": {
      "enabled": true,
      "app_id": "YOUR_APP_ID",
      "app_secret": "YOUR_APP_SECRET",
      "allow_from": []
    }
  }
}

示例

picoclaw gateway
picoclaw agent -m "What is 2+2?"

ClawWork

项目首页，港大开源（GitHub，8.2K Star，1.1K Fork），把OpenClaw变身AI同事，集成真实付费任务，AI需自主赚钱、支付API费用、追踪经济表现。

核心玩法：

  • 基于GDPVal 数据集中的220个真实专业任务，覆盖44+个行业（科技工程、金融、医疗、法律、运营等）；
  • Agent要像真人一样完成这些任务，系统根据任务质量评分+美国劳工统计局（BLS）的对应职业时薪，计算出虚拟收入；
  • 但AI每次调用大模型都要自己支付Token费用（模拟真实成本）；
  • 如果赚的钱不够付Token费，Agent就会破产。

按照工作质量 + 成本效率 + 经济可持续性三个维度评价。支持GLM、Kimi、Qwen、Claude等多模型同台比拼，按工作质量、成本效率评选AI工作冠军，顶尖模型时薪可达$1500+。

在这里插入图片描述

实战体验：

git clone https://github.com/HKUDS/ClawWork.git
cd ClawWork
conda create -n clawwork python=3.10
conda activate clawwork
pip install -r requirements.txt
cd frontend && npm install && cd ..
cp .env.example .env
vim .env
# 启动仪表盘
./start_dashboard.sh
# 启动AI同事开始打工
./run_test_agent.sh

然后浏览器打开http://localhost:3000开始体验。

ClawX

官网，ValueCell团队开发维护开源（GitHub，7.1K Star，1.1K Fork）项目，将原本需要命令行操作的AI Agent编排，变成简单直观的GUI体验。基于Electron开发的跨平台桌面应用，将强大的AI智能体从命令行中解放出来，为用户提供美观易用的图形化界面。

核心功能

  • 智能聊天界面：Markdown渲染、多轮对话、上下文管理，在主聊天框中直接使用@agent指令，还能实现多智能体协作
  • 多智能体并行管理：可同时配置和监控多个AI渠道，每个渠道独立运行，为不同任务部署专业化的智能体
  • 渠道管理，支持discord、Telegram、WhatsApp、DingTalk、Feishu/Lark等
  • 预置完整的文档处理技能（PDF、Excel、Word、PPT），启动时自动部署并默认启用
  • 定时任务：Cron表达式自动化，7×24小时工作
  • 技能扩展系统：内置技能市场，一键安装增强能力；搜索技能（find-skills、tavily-search、brave-web-search）；自增长智能体self-improving-agent；
  • 安全密钥管理：API密钥等敏感凭证存储在系统原生安全存储中（Windows凭据管理器/macOS Keychain/Linux Secret Service）
  • 自适应主题：亮色/暗色/跟随系统，随心切换
  • 开发者模式（OpenClaw Doctor、调试功能）
痛点 ClawX方案
复杂CLI配置 一键安装，引导式设置向导
手动编辑配置文件 可视化设置，实时验证
进程管理麻烦 自动管理Gateway生命周期
多个AI提供商配置 统一配置面板管理
技能/插件安装复杂 内置技能市场，一键安装

双进程架构，将UI与AI运行时分离，确保界面流畅响应：

  • 运行时：Electron 40+
  • UI框架：React 19 + TS
  • 样式：Tailwind CSS + shadcn/ui
  • 状态管理：Zustand
  • 构建工具：Vite + electron-builder

技术栈

  • 运行时：Electron 40+
  • UI框架：React 19 + TypeScript
  • 样式：Tailwind CSS + shadcn/ui
  • 状态管理：Zustand
  • 构建工具：Vite + electron-builder
  • 测试：Vitest + Playwright
  • 动画：Framer Motion
  • 图标：Lucide React

OpenClawInstaller

开源（GitHub，3.1K Star，441 Fork）项目，极大简化OpenClaw的安装和配置流程，尤其针对大陆用户优化网络环境和常用渠道的配置。

一条curl命令即可自动检测系统环境，安装Node.js 22+依赖并部署OpenClaw：

curl -fsSL https://raw.githubusercontent.com/miaoxworld/OpenClawInstaller/main/install.sh | bash

内置config-menu.sh脚本，可通过可视化的数字菜单轻松配置AI模型、消息渠道和系统设置，无需手动编辑复杂的JSON配置文件。

支持模型：Anthropic Claude、OpenAI 、Gemini、Ollama本地模型。

Clawra

官网，开源（GitHub，2.1K Star，357 Fork）项目，OpenClaw的Skill插件，设定好固定参考图后，确保生成的自拍在长相、风格上保持一致，不会每次变样；利用xAI的Grok Imagine模型，可根据对话语境生成自拍。

SOUL.md文件可定义性格、记忆方式和行为逻辑，使其表现得更像一个真实的、有情感的伙伴，而不仅仅是冷冰冰的指令接收器。

MicroClaw

官网，开源（GitHub，577 Star，101 Fork）基于Rust，官方文档。

运行一个统一的Agent Loop：

  • 接收输入消息（Telegram、Discord、Web）
  • 加载会话状态与记忆层
  • 携带工具schema调用模型
  • 若返回tool_use，执行工具并追加tool_result
  • 持续迭代直到end_turn
  • 持久化session、task、message、memory

核心能力：

  • 跨渠道共享的一套Agent引擎
  • Anthropic + OpenAI-compatible的provider抽象
  • 工具栈（文件、命令、Web、调度、记忆、子Agent）
  • 分层记忆（文件记忆+SQLite结构化记忆）
  • usage与memory行为可观测性

安装：

curl -fsSL https://microclaw.ai/install.sh | bash
brew tap everettjf/tap
brew install microclaw

NullClaw

MetaClaw

论文，开源（GitHub，3.4K Star，435 Fork），

支持Agent：OpenClaw、IronClaw、CoPaw、PicoClaw、ZeroClaw、NanoClaw（Anthropic原生）、NemoClaw（NVIDIA）

支持模型：Kimi、Qwen、Claude、MiniMax、OpenAI、Gemini、Azure、vLLM、SGLang、OpenRouter

致力于解决【模型冻结】问题。之前的尝试有3个方向：

  • 记忆系统（如Reflexion、Mem0）：把对话轨迹存起来，下次检索。问题是存的是原始对话，冗余噪声太多，Agent没办法从里面提炼出真正可迁移的行为规律。
  • 静态技能库：预先写好一批技能文件注入系统提示。问题是技能库是死的，用户的任务类型在漂移，固定技能很快就跟不上场景变化。
  • RL微调：用强化学习更新模型权重。效果最好，但需要本地GPU集群，对个人开发者门槛极高；训练期间服务中断，生产环境不可接受；而且三者都没有解决一个关键问题——技能进化之后，之前收集的训练数据已经过时，如果继续用来训练会污染梯度更新。

MetaClaw引入Stale Reward Contamination（过时奖励信号污染）

OMLS（机会性元学习调度器），监听三个信号：

  • 睡眠窗口：用户配置的睡眠时间，最大连续训练块
  • 键盘空闲：超过30分钟无输入活动，自动开窗
  • Google日历事件：检测到用户有会议，提前预判空闲期
模式 命令 功能 需要Tinker/GPU
skills_only --mode skills_only 技能注入+自动总结 不需要
rl --mode rl 技能+RL，batch满即训练 需要
madmax，默认 metaclaw start 技能+RL+智能调度器 需要 
metaclaw setup # 一次性交互式配置向导
metaclaw start # 启动，默认madmax模式
metaclaw start --daemon
metaclaw start --mode skills_only # 启动，开始进化

MetaClaw-Bench，934道题、模拟44个工作日的持续适应基准，任务难度随时间单调递增，专门测试Agent能不能随经验积累变得越来越好。

OneClaw

封装OpenClaw的强大功能，提供即装即用的开源（GitHub，404 Star，59 Fork）桌面引用，即一键安装版OpenClaw，让没有编程背景的普通用户也能轻松使用Agent。

支持macOS和Windows，针对国内网络环境进行优化，使用体验更流畅。支持Anthropic、Kimi、OpenAI、Gemini以及任何兼容OpenAI格式的自定义API。

Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

ComAct：工业 Agent 为什么要把专业软件变成可执行动作

avatar 龙虾开发者社区

AI Agent 核心原理：工具调用（Function Calling）完整工作流程详解

name：工具的唯一标识，Agent 通过名称匹配执行对应的函数：工具的功能语义描述，模型依靠它判断 “什么时候该用这个工具”，描述越精准，调用准确率越高parameters：工具的入参规范，模型会按照这个格式从用户问题中提取对应参数工具调用（Function Calling）是大模型能力的重要拐点：它让大模型突破了自身静态知识的边界，获得了对接真实世界的能力。而 Agent 正是这套能力的载体与

avatar 龙虾开发者社区
cover

ReAct Agent：让 AI 学会思考与行动

avatar 龙虾开发者社区