无人关心OpenClaw 2.0
OpenClaw 2.0是项目历史上最大的一次更新：933名贡献者参与，产生了16000个PR，占项目历史合并总量的一半。只是，这份成绩如果早几个月出现，会令人兴奋；如今再看，更像一次迟到的工程补课。
我更关心的不是2.0增加了什么，而是一个曾经拥有25万颗星的明星项目，为什么这么快失去了窗口。
补贴制造的繁荣并不牢靠
OpenClaw早期爆发，一个重要原因是用户可以通过OAuth调用Claude订阅，让每月20美元或200美元的套餐承载远高于订阅价格的Token消耗。
2026年4月4日，Anthropic停止第三方工具使用Claude订阅的OAuth。用户如果继续通过OpenClaw运行Claude，就要改按API价格付费。部分用户的月度成本因此上涨数十倍，增长曲线随即反转。
这说明早期繁荣中有相当一部分并非真实的产品价值，而是价格漏洞带来的需求。补贴存在时，复杂的安装、配置和维护成本还可以被廉价Token掩盖；补贴一旦撤掉，用户就会重新计算投入产出比。
创始人Peter Steinberger在2月加入OpenAI，项目随后交给基金会。与此同时，安全问题集中暴露。素材提到，Snyk审计发现36%的ClawHub技能包含提示词注入攻击，Palo Alto Networks旗下Unit 42也在2月至5月持续发现未被拦截的恶意技能。
经济性、安全性和项目领导力同时发生变化，才是OpenClaw退潮的完整背景。单靠一次版本升级，很难逆转。
OpenClaw没有赢，但它提前画出了赛道
2026年Agent行业开始集中讨论Harness，也就是包裹在模型之外的工具调度、权限管理、会话记忆、执行沙箱、上下文管理和断点恢复。
模型负责判断，Harness负责让判断能够安全、连续地变成行动。随着前沿模型的能力逐渐接近，Agent产品之间真正拉开体验差距的，越来越是这一层。
OpenClaw早期的Gateway已经在做类似的事：接收指令、调度工具、管理凭证、维持会话并完成跨平台路由。它没有把这些能力发展成最终胜出的产品，却很早证明了这条技术路线能够成立。
Linux基金会成立Agentic AI Foundation后，接纳了MCP协议、AGENTS.md规范和Goose项目。MCP负责工具发现，AGENTS.md承载指令规范，Goose提供执行运行时。三者组合起来，实际上正在把OpenClaw曾经探索的能力拆解为更标准化的基础设施。
定义一个赛道的产品，未必是最后赢得赛道的产品。OpenClaw的意义，可能更像早期电子表格软件：它先让所有人看见一种新形态可以成立，后来者再把它拆开、改进并规模化。
中国办公场景需要另一种路径
OpenClaw的核心设想，是让用户在已经使用的聊天软件中指挥AI工作。这个方向没有问题，但它选择的是一个接管式框架：用户需要把电脑文件系统、聊天账号、API和权限交给一个长期在线的Agent。
这套方式对个人极客有吸引力，进入中国企业环境却会遇到明显阻力。企业首先关心的不是Agent能接多少工具，而是权限能否继承、操作能否审计、凭证能否回收，以及上下文是否天然存在。
飞书CLI代表了另一条路径。它以嵌入式工具接入Agent，覆盖即时消息、云文档、多维表格、日历、会议、邮箱、任务和知识库等业务域，权限仍然由企业系统管理。
两种架构的差别，不只是命令数量。OpenClaw给用户一个空框架，再让用户接API、配权限和补安全；飞书CLI则把Agent能力嵌入已有的办公系统，让现成的开放平台、权限体系和审计能力承担复杂性。
企业Agent的起点是上下文。即时消息、文档、知识库和审批流本来就是一张上下文网络。Agent应该进入这张网络工作，而不是要求企业从零重建一套。
OpenClaw主要生长于Discord和Telegram生态，这也不是中国用户最主要的办公入口。产品是否适配本地市场，最终取决于它能否进入用户已有的工作流，而不只是技术架构是否先进。
2.0修复了工程问题，没有解决价值问题
OpenClaw 2.0显著简化了安装。它可以扫描机器上已有的Claude订阅、API密钥和本地模型并自动配置，缩短从安装到第一次对话的时间。
浏览器端也经过重做，Control UI启动时间从1.6秒降到575毫秒，JavaScript请求从140个减少到45个。
安全方面，外部插件安装开始验证来源，ClawHub展示安全审计信息，凭证请求也不再进入聊天上下文和模型输入。共享云会话则允许团队把正在运行的任务连同上下文交给另一个人。
这些改进都应该做，但它们主要回答了两个问题：用户为什么装不上，以及用户为什么不敢用。
真正没有回答的是：用户安装两周以后，为什么还要继续打开它？
编程Agent的回报很容易衡量，生成和修改的代码就在那里。生活助理型Agent可能忙了一天，只完成几封邮件转发和一条新闻总结。用户节省的时间，未必抵得上安装、配置、校验和维护所花的时间。
这不是性能优化可以解决的问题，而是使用频率和价值密度的问题。
自学习可能是出路，但仍需验证
Hermes Agent提出了一条可能的方向：让Agent在完成任务后自动沉淀经验，把一次性操作转化为可复用技能。这样，用户投入的配置成本才可能随着使用次数增加而持续摊薄。
OpenClaw 2.0默认开启Skill Workshop自动学习功能，方向与此相近。但这项能力刚刚起步，能否形成稳定的自学习循环，还需要实际使用检验。
如果Agent每次执行任务都近似从零开始，它就只是一套昂贵的自动化工具。如果它能把经验沉淀成资产，才可能真正做到越用越省事、越用越有价值。
留下来的三条教训
我认为，OpenClaw对Agent行业最重要的贡献，不是某个版本或某项功能，而是用自身的兴衰验证了三件事。
第一，聊天窗口可以成为Agent的自然入口，但入口不是壁垒。真正的价值来自入口之后能否完成工作。
第二，Agent竞争的重点正在从模型转向Harness。工具、权限、记忆、上下文和执行可靠性，共同决定最终体验。
第三，安全不能在产品爆发以后再补。一个能够读取文件、调用账号并长期运行的Agent，权限边界和审计机制必须从第一天就进入架构。
OpenClaw没有赢得它开辟的赛道。编程场景被更专业的编程Agent占据，企业办公场景转向嵌入现有工作系统的工具，通用Harness能力也被新的开源项目继承。
但它并非毫无价值。它把未来产品必然面对的问题提前暴露出来，也让后来者少走了几步弯路。对一个开创性项目来说，这或许比一次迟到的大版本更新更值得记住。