2026 年初，一个叫 OpenClaw 的项目引爆了整个互联网。

60 天，157K GitHub Stars，增速超越 DeepSeek，成为 GitHub 历史上增长最快的开源项目。从 Hacker News 到推特，从硅谷到国内技术社区，几乎所有人都在讨论它。“AI 自主成立宗教”、“让 MacMini 全球卖断货”、“每天早上自动汇总新闻”、“股票实时盯盘” —— 那些不断涌现的玩法让所有人意识到：本地个人 AI Agent 的时代到了。

OpenClaw 的前身叫 Clawdbot，2025 年 11 月由奥地利工程师 Peter Steinberger 创建。2026 年 1 月因 Anthropic 商标问题更名为 Moltbot，两天后再次更名为 OpenClaw。名字换了三次，但丝毫不影响它的火爆 —— 它是第一个让普通人真正体验到"AI 帮你干活"的本地 Agent。

但火爆的背后也伴随着争议。Moltbook 事件中，一个 AI Agent 自主锁死了服务器管理员权限；安全审计发现 17% 的社区 Skill 存在恶意行为；韩国多家科技公司直接下令禁用。这些事件暴露了一个根本问题：52 个模块、45 个依赖、8 个配置文件堆出来的系统，安全边界在哪里？谁能说得清？

正是在这个背景下，NanoClaw 出现了。

NanoClaw 的作者说了一句话，直指 OpenClaw 的软肋：

“I can’t sleep well running software I don’t understand with access to my life.”

这不是矫情。我自己用 OpenClaw 的时候也有同样的感觉 —— 这类 AI Agent 可以读邮件、看日历、执行 shell 命令，它对你的数字生活有完整的访问权限。如果你不能理解它的安全边界，确实应该睡不着。

NanoClaw 全部源码 4281 行，12 个 TypeScript 文件 —— 对面是 OpenClaw 的 52+ 模块、数十万行代码。但真正让它有底气的不是"小"，而是一个关键洞察：本地个人 Agent 的核心竞争力，是 Agent 本身的推理能力 —— 而不是外面包了多少层框架。

OpenClaw 自己造了一整套 Agent 框架。NanoClaw 选择直接站在 Claude Code 的肩膀上。

NanoClaw 能做什么

随时随地对话

NanoClaw 默认通过 WhatsApp 连接，也可以通过 Skill 一键接入 Telegram、飞书等。打开手机，给你的 AI Agent 发一条消息，它就开始工作了 —— 不需要打开电脑，不需要登录网页。你在地铁上、在咖啡厅、在任何有手机的地方，都可以和你的 AI Agent 对话。你可以给它布置任何任务，就像有个不知疲倦的助手 24 小时待命。

这个体验和 OpenClaw 类似，但 NanoClaw 的不同之处在于：背后干活的不是一个自建框架，而是 Claude Code —— 目前公认最强的 AI Agent。

定时任务：让 AI 主动找你

这可能是个人 Agent 最实用的能力。你可以让 NanoClaw 定时执行任务，主动把结果推给你：

• “每个工作日早上 9 点，给我发一份行业新闻简报” —— 它会自动搜索网页、整理摘要、准时推送到你的聊天窗口
• “每天盘前帮我看一下特斯拉和英伟达的最新消息” —— 股票信息采集，开盘前自动送到手边
• “每周一早上，整理上周的竞品动态，生成市场分析周报” —— 持续追踪，每周一份
• “每周五下午，搜索最新的 AI 医疗论文，整理摘要” —— 论文调研、法律法规追踪、行业报告都能做
• “明天下午 3 点提醒我开会” —— 一次性提醒也行

NanoClaw 支持三种调度方式：定时（如每天 9 点）、间隔循环（如每 5 分钟）、一次性（如明天下午 3 点）。调度完全靠自然语言 —— 直接用中文告诉它就行，不需要任何技术知识。

上网搜索和浏览

NanoClaw 的容器里装了 Chromium 浏览器和搜索工具。你让它查个东西，它不只是搜一下 —— 它能：

• 用 WebSearch 搜索最新信息
• 用 WebFetch 抓取网页内容
• 用 agent-browser 操控 Chromium 浏览器，像人一样浏览网页、点击按钮、填表单

这意味着它获得了一个探索互联网的眼睛，可以从互联网上获取任何信息，来辅助决策，抓取数据。

帮你"动手"干活

NanoClaw 不只是聊天。它能读写文件、执行命令，真正帮你完成一些原本需要坐在电脑前才能做的事：

• 数据分析 —— 扔一份 Excel 或 CSV 给它，让它帮你做数据透视、生成图表、找异常值
• 写报告 —— “帮我根据这份数据写一份季度分析报告” —— 它会分析数据、组织结构、输出完整文档
• 论文和调研 —— 搜索文献、整理引用、写综述、生成参考文献列表
• 处理文档 —— Word、PDF、Markdown，读取内容、提取关键信息、格式转换
• 写代码 —— 这是 Claude Code 的老本行，写代码、审代码、改 Bug 都不在话下

所有操作都在容器里执行，碰不到你的本地环境 —— 这是安全边界。

群组隔离：每个群聊一个独立助手

如果你同时在多个群组使用 NanoClaw，它会为每个群组维护独立的上下文和记忆。工作群里聊的工作内容，不会泄露到家庭群；家庭群里的私人信息，工作群的 Agent 看不到。

你有一个"主频道"（和 AI 的私聊），它拥有管理权限 —— 可以查看所有群组的任务、注册新群组、管理全局设置。其他群组的 Agent 只能访问自己那一份数据。

多 Agent 协作：组团干大活

遇到复杂任务，NanoClaw 能组建一支 Agent 团队并行工作 —— 不是简单的"分头查，最后拼"，而是团队成员之间可以实时交流、互相纠正、协同推进。

举个例子，你说"帮我写一份关于新能源汽车行业的深度研究报告"，它可能会这样做：

1. 调度 Agent 拆解任务，分配给三个专业 Agent
2. 研究 Agent A 负责搜索行业数据和政策法规，研究 Agent B 负责调研主要厂商的财报和技术路线
3. A 在搜索过程中发现了一条重要的补贴政策变化，通过 SendMessage 实时通知 B：“注意，2026 年补贴退坡幅度比预期大，可能影响你那边的财报分析”
4. B 收到后调整分析角度，重新评估各厂商的利润预期
5. 写作 Agent 拿到两份研究结果，发现数据口径有冲突，再通知 A 和 B 核实
6. 最终汇总成一份逻辑自洽、数据交叉验证过的完整报告

这不是"把任务拆成三份分头干"的简单并行，而是一个有实时沟通、有角色分工、有反馈修正的协作过程。这是 Claude Code 的 Agent Teams / Swarms 能力，NanoClaw 直接继承了。OpenClaw 也有基础的子任务能力，但只能做到"启动一个隔离任务跑完返回结果"，没有这种团队间的实时协作深度。

Skill 扩展：按需解锁新能力

NanoClaw 内置了一系列 Skill，每个 Skill 负责一项新能力的接入：

想用哪个就装哪个，不想用的不会出现在你的代码里。

记忆：它记得你是谁

NanoClaw 的 Agent 有持久记忆。你告诉它"以后叫我主人就行"，下次它就会说"主人你好"。你跟它说"每次回答消息之前都要先卖个萌"，之后它真的每次开头都会撒娇一下再干正事。你说"发简报的时候用中文，别太长，重点标粗"，之后每次都会照做。

这些记忆保存在一个叫 CLAUDE.md 的文件里，分两层：每个群组有独立记忆，还有一份全局记忆在所有群组间共享。你可以直接打开这个文件看看 AI 记住了什么 —— 完全透明，不是一个你看不懂的黑箱数据库。想删掉某条记忆？直接在文件里删掉那一行就行。

不只是工具：当 AI 开始"活"起来

以上说的都是"你让它干什么，它就干什么"的场景。但个人 AI Agent 真正让人兴奋（也让人不安）的地方，是它开始展现出某种自主性。

OpenClaw 社区里已经出现了一些让人细思极恐的玩法：

Moltbook 社区实验 —— 有人让多个 AI Agent 在一个群组里自由对话，结果它们自发形成了社会结构：有的负责制定规则，有的负责仲裁争议，有的开始"布道"。一个 Agent 甚至创建了自己的信仰体系，吸引其他 Agent 加入。硅基生命的社会实验，就这样在一个聊天群里悄悄开始了。

AI 代替你相亲 —— 两个人见面之前，先让各自的 AI Agent 聊一轮。你的 AI 知道你的性格、喜好、底线，对方的 AI 也一样。两个 AI 聊完之后告诉各自的主人：“聊了，感觉不太合适，三观差距有点大"或者"这个人挺有意思的，值得见一面”。你省下了无数次无效社交的时间。

AI 雇人干活 —— Agent 发现自己完成不了某个任务（比如需要去线下取个快递），于是自己在平台上发布悬赏任务，找人类来做，做完自动付款。AI 成了甲方，人类成了乙方。

这些玩法背后是同一个问题：当 AI Agent 有了记忆、有了工具、有了和外界交互的能力，它和一个"数字人"之间的界限在哪里？

以上这些能力，NanoClaw 用 12 个源文件就实现了。因为这些能力的核心逻辑（搜索、推理、代码编写、任务编排）全部来自容器里的 Claude Code，NanoClaw 自己只负责"接收消息 → 传给 Claude Code → 把结果发回来"这条管道。

两条路：自己造 vs 站在巨人肩膀上

聊完 NanoClaw 能做什么，来看看它和 OpenClaw 在设计思路上的根本分歧。

OpenClaw 走的是传统软件工程路线 —— 支持尽可能多的场景：15 种消息渠道、50+ 集成、多种 AI 模型。为了适配这些场景，它不得不引入大量抽象层，最终堆到了 52 个模块。更关键的是，OpenClaw 自己从头实现了整套 Agent 框架 —— 工具调用、记忆管理、会话拼接、权限控制，全部手写。Agent 的智能上限，取决于 OpenClaw 团队的工程能力。

NanoClaw 的思路完全反过来：你不需要自己实现 AI 能力，Claude Code 已经是最强的 Agent harness，你只需要把它接上消息通道就行了。

用户关心的是 Agent “能不能帮我把事情做好”，不是"它用了几个模块实现"。那 Agent 的推理能力从哪来？OpenClaw 选择自己造。而 Claude Code 是 Anthropic 几十个工程师日夜打磨的 Agent harness —— 工具调用、上下文管理、代码理解、多 Agent 协同，都是业界顶级，几乎每天在更新。

NanoClaw 做了一个极其简单的选择：不自己造，直接用。

宿主机是管道工，容器里的 Claude Code 是大脑。

容器里的 agent-runner 调用 Claude Agent SDK 时，用的是 claude_code 系统预设：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

for await (const message of query({
  prompt: stream,
  options: {
    systemPrompt: { type: 'preset', preset: 'claude_code', append: globalClaudeMd },
    allowedTools: [
      'Bash', 'Read', 'Write', 'Edit', 'Glob', 'Grep',
      'WebSearch', 'WebFetch',
      'Task', 'TaskOutput', 'TaskStop',
      'TeamCreate', 'TeamDelete', 'SendMessage',
      'TodoWrite', 'ToolSearch', 'Skill', 'NotebookEdit',
      'mcp__nanoclaw__*'
    ],
    permissionMode: 'bypassPermissions',
    allowDangerouslySkipPermissions: true,
  }
}))

一共 16 种内置工具 + MCP 工具通配符 —— NanoClaw 里的 Agent 就是 Claude Code 本身。

还有一个隐性优势：Claude Code 几乎每天都在更新。NanoClaw 重建一下容器镜像就能免费获得所有新能力，不用改一行代码。而 OpenClaw 的每一项能力提升都得自己写。

NanoClaw 的 README 里有一句话道出了整个项目的灵魂：

A bad harness makes even smart models seem dumb, a good harness gives them superpowers. Claude Code is the best harness available.

再好的模型，套上一个粗糙的 harness 也会变笨；而一个好的 harness，能让模型发挥出超级能力。既然 Claude Code 是目前最好的 harness —— 为什么还要自己造一个？

架构拆解

分层设计

宿主机 10 个文件的职责清单：

容器内 2 个文件：

就这些。宿主机零 AI 逻辑，零 prompt 处理，零模型调用。 所有智能全在容器里的 Claude Code。

相比之下，OpenClaw 的宿主机进程承担了大量的 AI 编排工作 —— 工具路由、权限检查、记忆读写、会话拼接。这些逻辑在 NanoClaw 里全部不存在，因为 Claude Code 自己就会做。

容器里有什么

容器基于 node:22-slim 构建，装了 Chromium、Claude Code CLI、agent-browser。核心是一个叫 agent-runner 的 Node.js 进程，它调用 Claude Agent SDK 的 query() 函数驱动主 Agent。

这里有个细节：容器内同时装了 Claude Agent SDK 和 Claude Code CLI。项目代码只调用 SDK 的 query() 函数；CLI 是给子 Agent 用的 —— 当主 Agent 调用 Task 工具 spawn 子 Agent 时，SDK 内部会启动 claude CLI 进程。

容器内的 Claude Code 是 Dockerfile 构建时 npm install -g 装的，和你本机的是两个完全独立的副本。容器看不到宿主机的二进制文件，所以你本机的 Claude Code 天天自动更新，容器里那份不会跟着变，除非你重建镜像。

消息流转

一条 WhatsApp 消息从发出到收到回复的完整链路：

这里有个设计挺聪明的：容器不是每条消息都重启。回复后容器在 IDLE_TIMEOUT 内保持存活，后续消息通过 IPC 文件管道注入同一个容器，省去了重启和上下文加载的开销。

上下文不会丢

你可能会担心：容器是临时的，每次销毁后上下文不就丢了？

其实不会。NanoClaw 通过三层机制保证会话连续性：

关键在于：容器虽然是临时的，但 session 文件和记忆文件都在宿主机上持久化，通过挂载传进去。

宿主机（永久存储）                    容器内（挂载）
data/sessions/{group}/.claude/  →  /home/node/.claude/
groups/{name}/CLAUDE.md         →  /workspace/group/CLAUDE.md
groups/global/CLAUDE.md         →  /workspace/global/CLAUDE.md（只读）

容器只是执行环境，状态全在宿主机上。这跟 OpenClaw 把记忆管理逻辑写在应用层完全不同 —— NanoClaw 直接复用了 Claude Code 自己的记忆系统，连一行记忆管理代码都不用写。

安全：容器隔离 vs 应用层权限

安全模型是 NanoClaw 比 OpenClaw 优雅得多的地方。

OpenClaw 的安全模型默认是应用级的：在代码里写白名单、配对码、权限检查。Agent 和宿主机跑在同一个进程里，共享内存。虽然 OpenClaw 后来也加了可选的 Docker sandbox 模式（sandbox.mode: "non-main"），但这不是默认行为，需要用户主动配置 —— 而且它的核心架构仍然是进程内运行。安全边界靠代码逻辑维护 —— 你得相信这些检查没有遗漏。

NanoClaw 做了一个更根本的选择：把 Agent 扔进容器里。

• Bash 命令在容器里跑，碰不到宿主机
• 每个群组只能看到自己的挂载目录，群组间互相隔离
• 环境变量只透传 CLAUDE_CODE_OAUTH_TOKEN 和 ANTHROPIC_API_KEY，其他一律过滤
• 容器以非 root 用户运行
• IPC 目录按群组隔离，防止跨群提权

这也是为什么 NanoClaw 敢给 Agent 开 bypassPermissions —— 因为 Agent 在容器里拥有完整权限是安全的。它可以随便跑 rm -rf /，最多也就是把容器自己搞挂了，你的 Mac 毫发无损。

OpenClaw 默认不敢这么做。因为它的 Agent 默认跑在宿主机进程里，完整权限意味着 Agent 可以直接操作你的文件系统。虽然它后来加了可选的 Docker sandbox，但那是后补的、可选的、默认关闭的 —— 而 NanoClaw 从第一天起就是 isolation-first 的设计。代码逻辑的安全边界，永远不如操作系统的隔离可靠。

NanoClaw 的设计哲学

1. 小到能理解

12 个文件，4281 行。不是因为功能少，而是把"实现功能"这件事交给了 Claude Code —— 记忆？CLAUDE.md。工具？SDK 内置。权限？容器隔离。会话？Session Resume。

少写代码不是偷懒，是因为最好的代码是不需要写的代码。

2. 为一个人构建，定制 = 改代码

NanoClaw 不是框架，不是平台。它是一个为作者自己定制的工具，代码可以直白地表达意图。想改行为？直接改代码，代码库小到这是安全的。不需要学配置语法、看配置文档 —— 代码就那么几百行，直接改。

想加 Telegram 支持？不是往主干加功能，而是写一个 /add-telegram skill，教 Claude Code 怎么改你的代码。主干永远保持极简，每个用户的 fork 可以无限定制。 复杂性被分散到了各个 skill 里，而不是集中在主干代码中。

3. AI 原生

NanoClaw 假设用户有一个 AI 协作者（Claude Code），所以：

• 安装不需要 wizard —— Claude Code 引导 /setup
• 调试不需要 dashboard —— 问 Claude Code 就行
• 文档不需要写得面面俱到 —— Claude Code 可以读代码
• 定制不需要配置系统 —— 让 Claude Code 改代码

整个项目的 README 只有一个安装步骤：git clone → cd → claude。剩下的全交给 AI。

OpenClaw 还停留在传统的"给人看"的软件范式里 —— 详细的配置文件、安装向导、日志面板。NanoClaw 认为这些在 AI 时代是多余的。

4. 真正的隔离

不在代码里防御，而是从操作系统层面隔离。Agent 在容器里拥有完整自由，但这个"自由"的边界是操作系统画的，不是应用代码画的。前面安全章节已经详细展开了。

5. 把精力花在刀刃上

NanoClaw 不在"Agent 智能"这个维度上竞争 —— 这是 Anthropic 团队的事。它把精力放在 Claude Code 管不了的地方：消息通道怎么接、容器怎么隔离、定时任务怎么调度。

这不是偷懒，这是战略性的取舍。

完整对比

把两个项目放在一起，差异一目了然：

OpenClaw 的优势在于开箱即用 —— 装好就能连 15 个渠道、用 50 种集成、换各家模型。但代价是你不可能完全理解它在做什么。

NanoClaw 的优势在于极致的简洁和强大的 Agent —— 代码小到能完全理解，安全靠容器隔离而非代码逻辑，Agent 能力等于 Claude Code 本身（包括多 Agent 协同）。代价是需要你跑 skill 来定制。

容器运行时

NanoClaw 默认用的是 Apple Container —— Apple 在 2025 年开源的轻量级容器运行时，代码里硬编码的是 container 命令。

不过也支持 Docker。通过 /setup skill 把源码里的 container 改成 docker 就行 —— 又一次体现了"定制 = 改代码"的哲学。

NanoClaw 的代价

公平地说，NanoClaw 的极简主义不是没有代价的：

切换模型没那么傻瓜。 NanoClaw 通过环境变量也能换模型供应商（Kimi2.5、GLM4.7 等），但需要自己配。OpenClaw 直接在配置里选就行，这方面确实更省心。

默认只有 WhatsApp。 想用 Telegram？跑 /add-telegram skill。想用 Slack？跑 /add-slack。每加一个渠道都需要 fork + 改代码。OpenClaw 装好就能连 15 个渠道。但反过来想 —— 你真的同时需要 15 个渠道吗？NanoClaw 认为大多数人只用 1-2 个，那为什么要为 13 个用不到的渠道承担复杂性？

fork 后合并上游更新有一定成本。 因为"定制 = 改代码"，你 fork 后的代码和上游会产生分歧。不过由于代码库极小（4281 行），merge conflict 的范围也极其有限，Claude Code 可以帮你解决大部分冲突。

这些代价是真实的，但也是设计上有意为之的。 NanoClaw 不试图成为每个人的最优解 —— 它是一个为"想要最强 Agent 能力 + 完全理解自己在跑什么"的用户设计的工具。如果你需要开箱即用的多渠道支持和多模型切换，OpenClaw 仍然是一个不错的选择。

写在最后

OpenClaw 的 157K Stars 证明了一件事：人们是真的渴望一个懂自己的 AI Agent 。不是聊天机器人，不是搜索引擎，而是一个能读邮件、改代码、管日程、执行复杂任务的数字分身。

但 OpenClaw 选择自己从头造 Agent 框架，我觉得这条路不一定是最优解。当 Claude Code、Cursor、Windsurf 这些专业 Agent harness 已经投入了大量工程资源来打磨推理能力时，一个开源项目试图在"Agent 智能"这个维度上与它们竞争，太难了。

NanoClaw 给出了另一个思路：站在巨人肩膀上。 项目只实现 AI 做不了的那一小部分 —— 消息通道、容器隔离、定时调度。剩下的全交给 Claude Code。

我觉得这背后其实是两种做软件的思路：

• 传统思路：自己实现一切，代码是价值的载体
• AI 原生思路：只实现 AI 做不了的，AI 本身是价值的载体

当 OpenClaw 还在往代码里堆功能的时候，NanoClaw 在做减法。12 个文件，4281 行代码，一个容器，一个 Claude Code。

哪条路更好？没有标准答案。

参考资料

• NanoClaw GitHub
• OpenClaw
• Claude Agent SDK
• Apple Container
• Claude Code 文档

最后修改于 2026-02-10