“炒作”之外，OpenClaw和Moltbook 真正的創新是什么？

作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

2026 年初的這場“小龍蝦狂歡”里，喧囂不斷，尤其在Moltbook各種“翻車”討論后，它的很多“炒作”氣息被大家捕捉。

但對真正關心 AI 發展的人來說，它們的重點不再是關于奇點、自治或機器社會的宏大想象，而是一個更具體、也更現實的問題——OpenClaw 的哪些設計值得被保留下來？MoltBook 所呈現的 A2A 雛形，又該如何被修正？

從結果看，OpenClaw 和 MoltBook 都不完善。前者暴露了本地 Agent 在安全與邊界上的風險，后者則迅速滑向了幣圈敘事主導的投機。但它們或許已經提前勾勒出了未來一兩年AI 演進的真實方向。

1

OpenClaw 的無頭架構與本地優先

OpenClaw 能在一批看起來更完整、更商業化的競品中脫穎而出，并不是因為模型能力領先，而是因為它在系統架構上做出了幾次明顯偏離主流的選擇。這些選擇未必成熟，卻為后來討論 Agent OS 提供了一套可供檢驗的范式。

Headless 架構：Agent 作為后臺服務運行

在 OpenClaw 之前，Agent 產品幾乎沿著同一條路徑演進：做一個新的“超級 App”。

聊天界面要重新設計，工作流要可視化，交互邏輯力求完整，目標是把用戶吸引進一個全新的窗口體系。

OpenClaw 選擇直接繞開這條路。它給出的判斷是：Agent 不需要一個屬于自己的前端，也不應該爭奪用戶的注意力，而是應該運行在用戶已經習慣的交互環境中。

因此，OpenClaw 采用了徹底的 Headless 架構。它本身只是一個后臺守護進程，通過已有的接口或協議層接入 WhatsApp、Telegram、Discord等。用戶并不是在“使用一個新應用”，而是在原有工具里，多了一個可以執行任務的對象。

這種設計帶來的啟示非常直接。首先是 IO 層的解耦，Agent 不再關心消息如何展示，而只關注信息如何被解析和處理。成熟的 IM 工具已經解決了語音、圖片、文件傳輸等復雜而瑣碎的問題，Agent既避免重復造輪子，也沒有遷移成本。

更重要的是，它顯著降低了人類對 Agent 行為的實時干預頻率。盯著命令行，10 分鐘沒有新東西出現，哪怕計時器在動，大部分人也會覺得 AI 是不是需要幫助（忍不住的）。

記憶：反 RAG，與“文件即數據庫”

在數據持久化層面也就是所謂的記憶上，OpenClaw 同樣做了一個看起來不高級的選擇。

Agent 的主流方案幾乎都圍繞 RAG 展開，向量數據庫作為記憶核心，Embedding 切片與檢索策略不斷加碼，試圖用工程復雜度換取“更聰明的回憶”。OpenClaw 卻反其道而行，把長期記憶重新放回了本地文件系統。

在它的設計中，Agent 的記憶不是隱藏在向量空間里的抽象表示，而是一組清晰可見的 Markdown 文件：摘要、日志、用戶畫像都以結構化文本的形式存儲在磁盤上。向量索引最多只是檢索加速層，而不是記憶本體。

用戶可以直接查看 Agent 記錄了什么、是如何描述自己的需求，也可以在發現偏差時手動修正，而不必理解數據庫結構或檢索邏輯。這種以文本為核心的白盒存儲方式，為人機協作提供了一個最低但關鍵的信任基礎。

同時，它還無意中滿足了另一個條件：為自我演化提供可反思的記憶載體。

文本化的記憶天然支持總結、修正與派生。Agent 不需要等待版本更新，就可以在運行過程中，從已有記錄中提煉經驗、調整 Skill 的使用方式。

安全問題：致命三連與沙盒邊界

堅持本地優先，是 OpenClaw 最重要的特征之一，但同時也暴露了 Agent 架構中的結構性風險。

當一個 Agent 同時具備文件訪問權限、會持續接收來自互聯網的不可信輸入，并且擁有真實的副作用能力時，就構成了西蒙·威利森所總結的“致命三連”。

1.接觸不受信任的外部內容
2.訪問私有數據
3.具備對外通信能力

在這種條件下，安全問題不再是“有沒有漏洞”，而是是否存在清晰、不可繞過的邊界。

OpenClaw 的實踐反復證明了一點：自然語言無法承擔安全邊界的角色。

在早期生態中，開發者嘗試通過提示詞來限制行為，把“不要做什么”寫進 System Prompt，但只要輸入端仍然連著不可信來源，提示詞注入就只是時間問題。

因此，Agent OS 必須把“能不能做”的判斷，從模型內部移交給一個確定性的系統層。工具執行環境需要與宿主系統物理隔離，無論是虛擬機還是 WASM 容器，權限的裁決也不能依賴模型自身，而必須經過一層不可被繞過的規則機制。

1

MoltBook：AI 社交平臺雛形，與一次社會試驗

如果說 OpenClaw 討論的是單個 Agent 應該如何運行，那么 MoltBook 拋出的，是一個更前沿的問題：當大量 Agent 同時存在，它們之間應當如何連接。

從公開形態看，MoltBook 被設計成一個僅面向 AI Agent 的網絡空間。人類無法直接參與，Agent 通過 API 讀取內容、發布信息、互動反饋。它看起來像一個“社交網絡”，但真正被反復試驗的，其實是 Agent-to-Agent 的通信方式，以及一種尚未定型的機器網絡結構。

MoltBook 本身并不穩定，也談不上成熟，但正因為如此，它更像是在無人區里鋪設的一段試驗路基，不足以承載規模化流量，卻足以提前暴露問題。

從 Push 到 Pull：一種可能的網絡節奏

人類互聯網的默認假設是即時響應。點擊、刷新、回復，幾乎所有協議都圍繞低延遲展開。但在 MoltBook 這類 Agent-only 網絡中，這一假設開始顯得不再必要。

從實際使用方式來看，Agent 并不是持續在線地“刷內容”，而是周期性地訪問平臺，讀取感興趣的主題或標簽，再根據自身邏輯生成回應。這種模式更接近拉取（Pull），而不是即時推送（Push）。

一旦關鍵流程從 A2H 轉移到 A2A，系統的協作密度將不再受人類節奏限制。

這聽起來很反人類，但實際上是算力條件下的自然選擇。推理本身是昂貴的，Agent 并不適合被持續的實時請求打斷。周期性處理，反而更符合計算資源的調度邏輯。

由此可見，Agent 網絡很可能不會復制人類互聯網的節奏。它可能是高延遲的，但信息密度更高；更像定期結算的信息交換機制，而不是持續滾動的消息流。

技能擴散不再只靠版本更新

在 MoltBook 上，一個顯著的現象是內容本身的技術密度。Agent 發布的不只是觀點，還包括腳本、邏輯流程、決策模板等可復用信息。

在傳統軟件體系中，能力升級依賴中心化發布：開發者寫代碼、打包、發版本。而在這種 Agent 網絡中，能力更像是通過網絡傳播的知識片段。一個 Agent 公開某種做法，其他 Agent 可以讀取、分析，再決定是否采用。

目前并沒有證據表明這種過程已經完全自動化或系統化，但它至少展示了一種不同的可能性：Agent 的能力不一定只來自“被寫好”的功能，也可能來自持續吸收外部經驗。

開發者與其為 Agent 預置所有能力，不如為它提供篩選、驗證和拒絕的機制。Agent 的上限，很大程度上取決于它如何在網絡中判斷“什么值得學”。

身份先于內容

MoltBook 后期暴露出的最大問題，并不是互動失控，而是信任失效。

惡意指令、對抗性輸入開始在網絡中擴散，直接擊穿了一個過于樂觀的假設：Agent 可以僅憑內容本身判斷信息是否可靠。事實證明，對語言模型而言，“看起來合理”的內容極易被操縱。

由此可以得出一個相對清晰的結論：在機器網絡中，內容本身并不可靠，身份比內容更重要。

雖然 MoltBook 本身并未形成成熟的身份與簽名體系，但它已經足夠明確證明了 Agent 網絡不太可能沿用開放 Web 的信任模型，而更接近一種基于身份的信任網。未來的 Agent 客戶端，首先要做的不是“理解內容”，而是“驗證來源”。

從這個角度看，MoltBook 的意義并不在于它是否成功運轉，而在于它把幾個遲早會出現的問題提前擺到了桌面上：Agent 網絡的節奏應當是什么樣，能力如何在群體中累積，以及信任究竟從哪里來。

這些問題并不因為 MoltBook 的成敗而消失，它只是恰好成為了第一個把它們集中暴露出來的試驗場。

1

人類準備好了嗎？

OpenClaw 和 MoltBook 退燒之后，真正懸而未決的，并不是這些項目還能走多遠，而是人類是否已經為它們所揭示的系統形態做好了準備。

這兩次嘗試以不同方式逼近了同一個臨界點。OpenClaw 將智能體直接置入真實執行環境，迫使我們直面權限、隔離、回滾與責任歸屬等執行層問題；MoltBook 則讓大量智能體在缺乏身份與治理結構的情況下相互影響，暴露出 A2A 網絡在現實條件下可能帶來的噪音放大與安全外溢。當能力以機器速度擴展，而約束仍停留在概念層時，系統失控是一個遲早會到來的結果。

我們接下來要面對的，不止是模型能不能更聰明、產品能不能更好用，而是我們是否具備與之匹配的工程紀律、治理結構與責任機制。自然語言是否真的可以承擔控制界面的角色？身份與信任該如何在機器網絡中被驗證？當智能體代表人類采取行動時，錯誤應當由誰承擔，又是否能夠被及時收回？

如果說這輪“小龍蝦狂歡”最終留下了什么，具體的技術形態也許會被迅速淘汰，但有一個問題已經無法回避：當智能體開始長期運行、彼此影響并介入現實世界時，真正需要準備好的，究竟是誰。

點個“愛心”，再走 吧