在2026年开春，一只被昵称为“龙虾”的开源智能体席卷了全球开发者社区。开源项目OpenClaw在不到一百天内登顶GitHub星标历史榜首，截至2026年3月初，星标数已突破27万。包括英伟达创始人黄仁勋在内的多位业界领袖，都将其视作“极具影响力的新一代软件形态”。

从券商金工团队集体发布“养虾教程”，到国内多家云厂商上线一键部署方案，“你养虾了吗？”一度成为科技圈的常见问候。面对全民 “养虾” 的技术热潮，拓尔思第一时间召开千人规模内部专题研讨会，以实干破虚火、以理性应浪潮。会议聚焦三大核心命题：OpenClaw 究竟重构了什么？企业如何审慎布局、理性拥抱？我们又能为客户创造怎样的真实价值？ 全场思想碰撞、观点交锋，千人心智同频，共探落地之道。

研讨会伊始，拓尔思副总裁曹辉给出了他对当前AI进程的观察：

第一阶段，以DeepSeekR1等模型为代表，让大家第一次直观感受到大模型具备了较强的思考与推理能力，这是AI带来的“认知平权”；

第二阶段，以Manus等产品为代表，让更多人可以在云端使用智能体，实现“有输入、有输出、有闭环”的自动化流程；

而OpenClaw所代表的，是第三阶段的跃迁——“执行权的下放”。

“原来智能体似乎是技术团队的专利，现在下放到普通人手里，是一个非常重要的范式变化。”曹辉指出，OpenClaw的核心价值不在于又多了一个聊天入口，而在于：通过本地服务，把大模型、本地数据、应用和即时通信工具“串”在一起，让AI真的去“动手做事”。

数字经济研究院副院长区可明则从技术视角，给OpenClaw下了一个简洁的定义：“本质上是一个胶水层，通过本地Node.js服务连接大模型、本地数据、应用和IM工具。”

以往的AI更多停留在“对话层”，用户需要手动把结果搬到各个系统里；而在适当授权前提下，OpenClaw可以自主执行一系列操作：整理邮件、管理文件、填写表格、定时执行任务，甚至登录各类业务系统完成指定流程。它24小时在线，记忆和配置存储在本地，能够持续积累对用户偏好的理解。

对很多人而言，这意味着一种全新的工作方式正在形成。

当然，任何新技术在走向普及的过程中，都绕不开“现实摩擦”。区可明分享了自己从1月份开始使用OpenClaw的一线体验——这段经历，既有“惊艳时刻”，也有不少“踩坑记录”。

首先是使用门槛。当前版本对非技术人员并不算友好，从环境准备到部署配置，对操作系统和命令行都有一定要求。

其次是成本与资源消耗。在早期未做上下文精简和缓存策略的情况下，每次任务都携带了完整的历史对话与配置，导致Token消耗远高于传统聊天模式，“单用户的月度消耗，在极端测试场景下可以达到数千美元级别”。这也从侧面印证，如果缺乏成本治理机制，个人“随心所欲”的使用方式，对企业来说并不可复制。

第三是稳定性与兼容性。由于需要长时间保持与各类服务的连接，在复杂网络环境下，偶发断联和自我重连的情况仍会出现，虽然系统具备一定的自愈能力，但对日常办公的连续性仍有影响。同时，国内常用办公应用的接入方式也还在演进中，有些只能通过客服助手等间接通路集成，距离“即插即用”的理想形态还有距离。

更需要重视的，则是安全风险。任何具备执行代码、访问文件系统、操作浏览器能力的智能体，一旦授权范围过大，就有可能在极端情况下被诱导执行非预期操作。海外社区中已经出现过个案：用户将OpenClaw用于管理社交账号，在未设置严格约束的情况下，错误地响应了可疑请求，引发资产安全隐患的讨论。

“热情可以有，警惕也不能少。”区可明提醒，OpenClaw展示的是一个方向：智能体真正走向“执行层”，而不是停留在“聊天层”。但在企业环境中，这样的执行力必须建立在安全、可控、有审计的基础之上。

他给出了一套企业级部署的基本原则：

· 优先选择沙箱化环境，与核心生产系统在网络甚至硬件层面做隔离；

· 严格遵循最小权限原则，按任务粒度授予必要的访问能力，避免“一次授权、终身全开”；

· 建立完整的操作审计与告警机制，对关键动作（如资金相关操作）设置人工确认环节；

· 对所接入的社区技能进行必要的安全审查与白名单管理，避免将未知代码直接引入生产环境。

在他看来，OpenClaw可以成为个人生产力的“放大器”，在单点任务上将效率推至极致；但对企业而言，要从“一台设备上的生产力”走向“组织级别的生产力提升”，还需要一个更适配企业治理结构的承载平台。

尽管存在种种挑战，拓尔思内部对OpenClaw的实践，并没有停留在“概念讨论”层面，而是迅速进入了“动手试一试”的阶段。

曹辉分享了自己的一个简单用法。他每天需要浏览大量AI前沿资讯，以往的流程是：登录多个网站、翻阅筛选、复制粘贴、整理成文档、再转发到相关群组。这个过程既机械又耗时。后来，他用一台闲置设备部署了OpenClaw，给它取名“龙一”，设定的任务只有一条：每天早上八点，自动汇总最新AI资讯，生成PDF并推送到手机上。

“我没有写一行代码，只是把需求讲清楚。剩下的都交给了它。”这个看似简单的场景，让他切身感受到这种新范式所带来的改变，真是人人可以玩AI。

在研发一线，成都分公司研发团队的经历，为我们提供了一个从零开始、将AI从“对话者”转变为“执行者”的样本。

研发团队的同事用一台裸机VPS部署了OpenClaw，没有写一行代码，仅通过自然语言引导，就让AI自主完成了环境安装、依赖配置。当他指导AI执行需要登录的深度研究任务后，下达指令“基于刚才的操作创建一个技能”，AI立刻将整个过程封装成一个可复用的“深度研究”技能包，甚至自动记录了失败案例和优化建议。在后续使用中，他持续与AI沟通、指出问题，技能便自我迭代至稳定版本。

他更进一步，尝试将多个技能组装成复杂工作流：让OpenClaw每四小时自动抓取AI资讯，识别新技能并安装，再调用深度研究技能分析重点新闻，最终生成定制报告推送到手机。这个闭环的成功跑通，验证了OpenClaw作为可编程自动化平台的潜力。

“让AI成为牛马，自己不再做牛马。”他总结道，与AI协作的关键在于“给足钱、全赋能、定目标、勤协作”——舍得投入更好的模型、授予必要权限、精准描述任务、持续指导优化。这种从“使用者”到“架构师”的思维转变，正是智能体时代个人能力的核心。

项目开发团队则在日常工作流里做了更系统的尝试。项目开发部的同事介绍，他们选取了三个典型场景切入：

在任务下发环节，以往需要在Jira中创建任务、分配负责人，再通过口头或群消息进行补充沟通。现在，只需在钉钉里对接入OpenClaw的机器人“拓小开”发一句话：“帮我创建一个后天截止的开发任务”，系统就会自动打开浏览器、登录Jira、填写表单并提交，再把任务链接发回钉钉。

在过期任务监控方面，团队过去需要定期登录Jira筛选、统计，再整理消息发送。如今，龙虾会根据预设规则，定时拉取数据并在固定时间推送过期任务清单。

“原来要在多个系统里来回切换的事情，现在变成了一条聊天消息。”他说，“效率提升很难完全量化，但最直观的感受是：沟通成本下降了，推进更顺畅了。”

在更具想象力的开发协作场景里，团队通过钉钉向OpenClaw发送开发需求，让它调用本地的AI编程工具（如Cline），自动生成和调试代码。他在会上演示了一个小游戏的开发过程：从提出“写一个贪吃蛇游戏”的需求，到代码生成、工程路径返回，整个过程都在对话框里完成。

舆情和网信产品中心的同事，则把OpenClaw上升到了“数字员工”的规划层面。他给龙虾取名“小虾米”，又给小虾米配了一堆小弟——每个小弟有不同角色、不同模型、不同权限，甚至拉了一个群叫“AI员工群”。需要需求评审时，在群里@评审小弟；需要写代码时，@开发小弟。

“每个角色都有自己的‘灵魂’（一个.md配置文件），让他们站在不同角度分析和执行。”他说，“以后招人，可能不招初级工程师写脚本了，要招会训练AI、能设计验收标准的人。”

北京研发中心的同事也有类似感受：

“以前是AI生成代码，工程师负责调试和测试；现在OpenClaw不仅能生成代码，还可以按要求完成调试、运行和测试。对多数代码场景而言，效率提升接近一倍。更重要的是，它把人从大量重复劳动中解放出来，让我们能把更多精力放在算法和策略上。”

在非技术部门，财务团队也已经开始思考落地路径。一位财务同事在会后写道：

“OpenClaw展现出的流程自动化和跨系统交互能力，让我第一次真切感到，AI离我们的日常工作并不遥远。我已经在列清单：跨系统账表与发票核对、自动录入银行流水生成分录、提取合同信息开票、报表分析、文件归档……如果这些环节能够逐步交给智能体处理，财务人员就可以把更多时间用于分析和决策。”

对拓尔思而言，这些来自不同岗位的一线尝试，既是对新技术的“试水”，也是对未来岗位能力结构的一次预演——从会“做事”的人，逐步转向会“设计任务、约束边界、验收结果”的人。

如果说个人或团队级别的实践，是在不断摸索“怎么养好一只龙虾”，那么企业级的下一步，则是思考：如何搭建一个安全可控、可规模复制的“养殖场”？

在这一点上，北京研发中心产品经理分享的一个项目实验，给出了颇具说服力的答案。

在某部委项目中，团队原本需要通过工作流配置的方式，将20多个格式各异的数据集（Word、PDF、Excel等）接入问答系统。仅这一接入动作，就需要约两天时间，且调试过程繁琐，部分问题的回答效果也不够理想。

他尝试引入OpenClaw重构这一流程，向OpenClaw提供了向量库接口地址、关系表字段说明、数据集元信息等基础资料，请它自动生成一个用于深度搜索的Skill。

半小时后，一个包含向量搜索、SQL搜索与混合搜索的完整Skill生成完毕。这个Skill文件夹被直接拷贝进拓尔思自研的智能体平台“拓天链”的Skill目录中，几乎无需修改即可运行。

“它会在背后自动触发向量搜索和SQL检索，进行多轮验证，直到找到更合适的答案。”他介绍，这种多轮迭代、自我验证的深度搜索能力，正是拓天链本次升级的一个核心亮点：不再是单次检索结果的被动返回，而是通过智能体工作流，对复杂问题进行拆解、验证和重新组合。

除了Skill的集成，拓天链在这次升级中还引入了更完善的记忆机制（Memory）。大模型“健忘”的天然属性，决定了要在企业场景中持续给出高质量回答，就必须有一个平台帮助其记住上下文、用户偏好和历史行为。拓天链通过内置的Memory组件，使Skill能够跨会话持续优化表现——从一次性的对话工具，变成不断积累经验的“数字员工”。

在曹辉看来，Skill和Memory，是OpenClaw四个核心引擎中，除了大模型本身以外最重要的两部分。“我们完全可以以OpenClaw为基座，长出属于拓尔思的SkillHub。”

未来，无论是舆情监测、金融风控，还是政务服务，拓尔思希望把在这些领域积累的行业知识和流程经验，封装成高质量、可复用、可治理的行业Skill，跑在拓天链这样的企业级平台上，让客户在一个安全可控的环境中“用好龙虾”。

研讨会的尾声，话题从具体场景和工具实现，回到了更本质的思考。

区可明给出了他的判断：在智能体时代，真正的竞争不在于框架层。

“OpenClaw、Coze、Dify这些框架会不断更替，今天叫龙虾，明天可能是另一个名字。真正能够沉淀下来的护城河，是行业知识和业务流程，是那些被抽象和封装出来的高质量Skill。”

拓尔思在过去的多年实践中，服务了一万多家客户，积累了大量政务、金融、媒体等领域的结构化知识和场景经验。如何在尊重数据安全和客户隐私的前提下，把这些经验转化为可重用的行业能力，是公司在智能体时代最看重的方向之一。

董事长施水才在总结时说：“拥抱AI的关键是躬身入局、持续学习、快速行动，要把AI作为你的助手升级到自动帮你干活的数字员工和伴侣。AI正在颠覆传统软件工程，没有人工编码的软件公司已经出现，以前一年才能完成的任务现在可能一小时就重构了，公司和个人的价值，都将会被重新定义。”

从“养一只龙虾”，到“建一口养虾的塘”，再到思考“塘边的堤岸有多牢固、怎么让更多人安全用水”——这场研讨会的真正价值，不在于追逐一个爆款开源项目的热度，而在于帮助拓尔思厘清：在AI执行力下放的时代，我们能为客户提供什么样、又有多大范围的确定性。

对于拓尔思来说，OpenClaw带来的并不只是一个新的技术选项，更是一面镜子。它映照出：

· 用户对自动化和智能协同的真实需求；

· 企业在安全、成本与效率之间必须做出的平衡；

· 以及行业知识在新一代智能体体系中的真正价值。

从个人效率工具到企业级智能体平台，从一次性“技能调用”到长期演进的“数字员工”，拓尔思正在把一线项目中的实践经验，持续沉淀为可复用的Skill，并在拓天链平台上提供统一的部署、管理与审计能力。

“养虾”本身不是终点。

我们更关心的是：如何让这些智能体，成为连接行业知识与客户场景的“数字桥梁”，在安全可控的前提下，为客户降本增效、防控风险，让AI的“执行红利”，最终转化为看得见、摸得着的业务价值。