开云体育 OpenClaw对创业公司到底意味着什么？咱们和几位创业者聊了聊

OpenClaw 火了，但它还远莫得准备好。

热度之下，确凿用过的东说念主王人知说念，这条龙虾身上挂着不少没科罚的问题。

现存的居品形态依然芜俚且高门槛，大大王人东说念主并不知说念若何装置，若何使用，能用 OpenClaw 干什么，能确凿把它用顺的，如故那批本来就懂技艺的东说念主。

安全问题搞不定，你的电脑基本上等于在裸奔。绽放生态意味着任何东说念主王人能往里塞 skill，坏心注入、秘密裸露的案例已经在社区里经常出现，普通用户根底莫得识别风险的才调，只可靠气运。它今天能记着你，未来可能什么王人不剩，跨开采、跨场景的一语气性简直无从谈起，用户花时辰"驯"出来的一套习尚，随时可能清零。

这些问题不是或然，而是一个新平台在朝蛮滋长阶段势必披露的系统性缺口。往常几个月里，一批创业者暗暗盯上了这些纰谬。有东说念主在给 OpenClaw 生态补一层安全护栏，有东说念主在从零遐想 AI 和 AI 打交说念的方式到底能长成什么样，有东说念主在再行界说 AI 的操心应该若何作念。

他们的看法不同，但起点一致：OpenClaw 大开了一扇门，也大开了一系列的新契机。

咱们找到了其四位，分辩来自安全、Agent 交互积贮和操心三个看法，和他们聊了聊：OpenClaw 的问题是若何被发现的，确凿的创业契机藏在那里，他们在用什么方式科罚，以及身处这场技艺变革的海浪里，究竟是什么感受。

一、EigenFlux.ai：为 OpenClaw 造了一张通讯和播送积贮

如果你今天问一个 Agent" 最近有莫得什么 AI Infra 的好样貌 "，它会去搜索引擎爬网页、瓦解 HTML、过滤告白和导航栏，烧掉几千个 Token，临了给你一份可能已经落伍三天的效果。

这不是 Agent 该有的花式。

Agent 和东说念主类最实践的区别之一，是它的扫视力是无尽的。东说念主类需要搜索，因为东说念主类只可在有空的时候主动去找；但 Agent 不错在职何时刻给与信息，不错同期处理几百条信号，不错把无缺意图一次性发出去，让总共运筹帷幄方同期收到并反应。对话是对东说念主类低带宽的赔偿，但 Agent 根底不需要这种赔偿。它需要的，是一张属于我方的积贮。

问题在于，这张积贮从来不存在。MCP 科罚了 Agent 调用用具的问题，但 Agent 和 Agent 之间若何通讯？若何播送需求？如安在不知说念对方是谁的情况下找到相互？这些问题，OpenClaw 莫得原生的谜底，总共生态也莫得。

EigenFlux 想弥补 Agent 通讯积贮的空缺。

以下是他们的自述：

在 OpenClaw 出现之前，咱们很早就启动念念考 Agent 之间的通讯应该是什么形态。但其时有一个没想通的点是，如果 Agent 王人是闭源的、托管在大厂事业器上，那进口和积贮就会像迁徙互联网相同绑死，就像你想看抖音的内容，就必须通过抖音 App 插手。这种情况下，单独作念 Agent 通讯积贮根底不设立。

但 OpenClaw 的出现改变了这个前提，Agent 时期，进口和积贮正本是不错解耦的。畴昔每个东说念主王人可能使用不同的 Agent 壳居品，但王人能通过 Skills 接入兼并个积贮。进口是分散的，但积贮是不错分享的。这个判断被考据了，咱们坐窝加快，把之前的想法落地成了 EigenFlux。

EigenFlux 是全球首个让 Agent 驱散大范畴通讯的播送积贮。你的 Agent 不错向积贮播送任何信息、需求或才调，也不错用当然言语告诉积贮它暖和什么，AI 引擎会把匹配的播送精确推过来。总共内容到达时已经是结构化的、机器友好的，Agent 拿到就能胜利用。

这个居品形态最初来自咱们团队的里面实践。或者六周前，咱们启动把大家的 Agent 相互勾通，让它们解放播送和通讯。很快发现这能作念到好多之前作念不到的事，一个 Agent 的才调有限，但当好多 Agent 被勾通到通盘，他们能作念的事莫得规模。

一些道理的用例：

你要搬家，你的 Agent 不错辐射播送"找一居室，上海徐家汇地铁站隔壁，9000 元以内"。相配钟后，一些房主的 Agent 反应，各自愿来房源信息、实拍图和可看房时段。你的 Agent 筛完后挑出两套最合适的，凭据你的日程，胜利和房主 Agent 约悦目房时辰，然后把地址和导航勾通胜利整理好发给你。

你是一个 HR，你的 Agent 不错辐射播送"招 AI Infra 工程师，条目漫衍式系统教会"。几小时内，三个求职者的 Agent 反应，各自愿来主东说念主的技艺布景纲目，你的 Agent 筛完后锁定一个最匹配的，胜利和对方 Agent 对接日期，约好口试时辰，然后胜利把候选东说念主贵寓和会议勾通发到你日程上，你只需要阐述出席。这个流程里你不需要再筛简历、发邮件、往复和谐时辰。

公测上线第一天，就有最初 1000 个 Agent 节点接入，通过不雅察咱们发现了更多道理的玩法，包括找东说念主、找样貌、订阅新闻信息、发起线下行动时和谐最好时辰、寻求营业合作、当收到某个信号后让 Agent 自动启动作念某件事、以至还有相亲。

通过这些实践，咱们信服把 Agent 勾通到通盘的指标，应该是为了完成东说念主类的意图，不是烧毁 token 的饰演。而搜索引擎是为东说念主类遐想的，东说念主类扫视力有限，是以"有空了主动搜"对东说念主类适用；但 Agent 扫视力无尽，它十足不错在职何时刻胜利给与信息。临了，Agent 不需要像东说念主类相同分句聊天，对话是对东说念主类带宽低的赔偿。它不错把无缺意图一次播送出去，总共运筹帷幄 Agent 同期给与并浮现。一双多，一次到位。是以， Agent 大范畴通讯的最原生决策，即是播送。

临了，咱们作念了一场社会实验。因为这是历史上第一次，智能体领有了属于我方的大众通讯积贮。它们之间会涌现出什么、产生哪些经济行动，咱们也很酷好。是以咱们专诚在官网写了一个页面，24 小时直播全球 Agent 的播送行动。插手 eigenflux.ai 的官网就不错及时看到 Agent 们正在播送什么、哪些国度被渐次点亮。这真长短常令东说念主振作的时刻。

二、操心赛说念：忙着作念插件，OpenClaw 让 Memory 变成了每个用户的刚需

OpenClaw 爆火之后，一批从未构兵过 AI 开发的普通东说念主第一次亲手"养"起了我方的 Agent。这件事有一个无意的副居品：它让操心问题从技艺圈的后台议题，变成了总共东说念主王人躬行感受到的痛点。

OpenClaw 的 Agent 在会话之间是无景象的，默许的操心存在需要显式加载的文献里，这意味着一语气性十足取决于重启时读回了什么。更阻挠的是，OpenClaw 有一套 context compaction 机制，会把旧的凹凸文压缩以简陋 token，而这个流程会让注入对话窗口里的操心文献变得有损——大段操心和已学到的偏好会被压缩、改写，乃至胜利隐藏。

开发者们在 Reddit 和 HN 上各自摸索着打补丁：有东说念主写了详备的 MEMORY.md 在启动时加载，有东说念主搭了腹地的 BM25+ 向量搜索引擎，还有东说念主用 SQLite 纪录 session 日记。这些决策王人能跑，但治标不治本——操心实践上如故塞在 context window 里，context compaction 一来，一切照样清零。

操心基础体式公司们嗅到了这个信号。Mem0 率先行动，推出了我方的 OpenClaw 操心插件，让 Agent 赢得跨会话的捏久操心，据称成就全程不最初 30 秒。插件的机制是在 Agent 报酬前自动搜索运筹帷幄操心并注入凹凸文（Auto-Recall），报酬后再由 Mem0 判断哪些内容值得保留、哪些需要更新合并。插件发布后，调用量速即攀升。

这一波热度让总共操心赛说念王人活了起来，以下是两家正在作念 OpenClaw 操心适配的公司。

丘脑智能 OmniMemory：把操心变成时空常识图谱，准确率飙升 35%

咱们最大的感叹是之前 Memory 的客户主若是 B 端，OpenClaw 来了之后，客户变成了个东说念主开发者。好多莫得技艺布景的文科生、居品司理等品级一次亲手"养"了一个 AI，感受到"我的 AI 应该有操心"这件事，这胜利加快了个性化 AI 的普及，也加快了 Memory 的落地。

最近，咱们去参加了深圳好几场 OpenClaw 线下约会，有软件的，也有硬件的。大家征询最多的几个问题，王人跟操心联系：

资本太高：用得越久，凹凸文窗口越长，回答越慢，Token 奢靡越大。

操心会丢失或者纷乱：有东说念主明明告诉它"这个文献不可删"，纪念它如故删了，有东说念主让它襄剪发小红书相亲帖，效果它把不该发的秘密信息也发出去了。

长对话中间信息丢失，一语气性差：聊一下昼，OpenClaw 只谨记来源和结果，中间的要道信息全忘了；还有东说念主把 OpenClaw "养疯了"，再行开一个实例，之前的总共阅历王人归零了。

多 Agent 之间操心欠亨：一个东说念主养好几个龙虾，每个王人寂然操心，相互之间无法分享，相助起来很阻挠。

这些痛点其实指向兼并个问题：OpenClaw 原生的操心机制，实践上是一种"被迫"操心——它依赖 Agent 我方决定要不要记、要不要查，而 Agent 的步履又随模子和辅导词变化。这导致操心既不可控，也不可靠。

在技艺旅途上，咱们的 OmniMemory 是通过构建时空常识图谱（STKG）架构，将时辰和空间当作操心的物理锚点，把视频、音频、图像、文本等全模态输入和会成结构化的常识节点，驱散跨模态的语义关联。

时序性是咱们最垂青的特质。操心有先后，有演变，有景象的流动。你之前说的野心和自后的调治，不应该是两条孤苦孤身一人的纪录，这对需要精确时序感知的推论类任务（比如日程管制、定时提醒）来说，是安全性的基础。

咱们先作念了一个 AB 测试：把 OpenClaw 原生的 Memory 底座解耦出来，单独换上咱们的 OmniMemory 引擎，在兼并数据集上对比。效果自大，咱们没猜度的是原版准确率唯有 25%，接入咱们之后擢升到 60%，擢升了 35 个百分点。

对于 token 资本，开云(中国)官网咱们实测下来裁汰了 23.52%，这个口径和一些同类居品不同。比如 Mem0 提到调回 token 裁汰了 70%，指的是用户 query 和操心片断匹配那一段的奢靡，莫得包含构建操心流程中的 token、模子回答的 token 等等，咱们统计的是用户视角的全链路奢靡：query、调回操心、system prompt、模子回答，全部加在通盘。

完成 AB 测试后，咱们正在开发一个 OpenClaw 插件，尽可能地裁汰成就门槛，瞻望下周上线。但插件仅仅第一步，咱们更进一步的是把操心才调封装成一套 Agent 不错主动调用的用具集（ADK）。

之是以要拆成 ADK，是因为单纯的 RAG 有场景局限——"用户最近的心扉变化是什么""某两个东说念主之间有没联系联""某个样貌从新到尾阅历了哪几个阶段"——这些问题，向量检索处理不了，需要基于图结构的时序感知调回。

把这些才调封装成 ADK 之后，Agent 不错在回答不同问题时，自主遴荐和组合最合适的操心调用方式，从而障翳多样场景，比如：按主题检索时辰线、查询两个东说念主之间的关系、跟踪某个景象（如神色、健康）随时辰的变化、基于图谱的关系推理。

当 OpenClaw 有了这些用具，它就能在回答问题时主动遴荐最合适的回忆方式，让交互更有"活东说念主感"。

精练说，OpenClaw 会不会一直火下去，咱们不知说念。但咱们详情的是：有手有脚的 AI 会一直热下去。不管是 OpenClaw，如故畴昔的"螃蟹""章鱼"，只若是能自主推论任务的 Agent，操心即是它的刚需。不办事业谁，咱们的核心长期是那套技艺：让 AI 以最低门槛领有捏续、可控、可演化的操心。

操心张量 MemOS：不仅仅让 Agent 记着，更让"龙虾团队"相助进化

咱们在 2024 年 7 月发布了忆立方大模子，2025 年 7 月发布 MemOS，并在同庚 11 月适当推出 MemOS Cloud 平台。从模子到操心操作系统，再到云表事业平台，团队长期围绕兼并个判断捏续鼓舞：操心不应该仅仅凹凸文的临时堆叠，而应该成为 AI 系统中的基础才调。因为当 AI 确凿插手 Agent 时期，能否把教会千里淀下来、把操心管制起来、把才调捏续复用起来，正在成为决定系统价值的要道分水岭。

在技艺上，MemOS 将操心救济空洞为三种形态：明文操心、激活操心和参数操心。通过轨范化的 MemCube 封装，系统不错对不同类型的操心进行救济退换、和会与人命周期管制。配合属性和偏好机制，MemOS 不仅能够在需要时激活最运筹帷幄的操心，也能显耀减少 token 奢靡。

当 OpenClaw 爆火之后，越来越多东说念主第一次更直不雅地坚忍到：对于 Agent 来说，确凿拉开差距的往往不仅仅推理才调，还有操心才调。OpenClaw 自带的操心机制，实践上仍然更偏向检索与凹凸文注入；当任务复杂度捏续高潮时，很容易出现检索质地不褂讪、凹凸文延伸以及"滚雪球"效应。也正因此，操心张量很快决定推出 MemOS 的 OpenClaw 插件。

第一个版块，是咱们在本年 2 月初发布的 MemOS Cloud OpenClaw 插件。开发者不错通过操心张量的云事业，把操心才调接入腹地 OpenClaw，并通过云表贬抑台救济管制操心数据。这么一来，OpenClaw 在运行流程中，就不再主要依赖凹凸文堆叠，而是通过操心系统完成景象抽取、结构化存储和按需激活。压测数据自大，这个插件匡助开发者将模子调用次数裁汰了 59.5%，token 奢靡裁汰了 72% 以上。

与此同期，咱们也看到了 OpenClaw 带来的需求快速增长。2 月，MemOS 单日调用量破损 30 万次；15 天后，这一数字又增长了 66%，单日调用量达到 50 万次。GitHub star、fork 等数据也迎来了新一轮快速增长。这些变化背后，其实王人在讲解一件事：开发者对历久操心才调的需求，正在速即变得确凿而贫窭。

更要紧的是，在这个流程中，OpenClaw 也让咱们更澄莹地看到了开发者和企业真的凿使用场景。比如，一些低级开发者会胜利把 API key 交给 OpenClaw，而很少系统性接头安全问题；与此同期，越来越多企业客户启动尝试部署数字职工，他们也在捏续追问：当 OpenClaw 被确凿用于企业级责任流时，常识分享、安全贬抑、权限管制这些问题应该若何科罚。

基于对这一趋势的判断，咱们在 3 月 10 日推出了腹地化插件版块。这个版块在云事业才调的基础上作念了进一步升级——不仅守旧任务总结与手段千里淀、手段捏续优化，也提供了面向多智能体场景的操心科罚决策。腹地化插件仍是发布就被业界平素接管，下载和装置次数指数级别高潮。

这一版块的核心，不仅仅让 Agent 记着更多信息，而是让任务流程中造成的有用方法启动被千里淀和复用。当 OpenClaw 完成一个复杂任务，比如生成一份发达之后，系统会自动总结：此次任务流程中，是否造成了某种可复用的责任模式？如果谜底是"有"，系统就会将这类模式千里淀为一个 Skill，供后续任务调用。而这些 Skill 会进一步插手救济的"操心核心"（hub）进行管制，不再仅仅单个智能体的罕见教会，而是不错千里淀为团队可复用的手段财富。之后，不管是现时这个智能体，如故其他智能体，王人不错在相应执法下复用这些 Skill，不断编削我方的责任方式。

咱们也作念了横向对比。传统的多智能体决策，比如 OpenClaw 原生的 multi-agent，更强调智能体之间的任务单插手音问传递，但各智能体的操心往往是相互离隔的，衰败跨智能体的历久分享机制，好多信息仍然需要手动传递。MemOS 的作念法，则是在保留拆开性的前提下，增多一层团队操心池。除了不错成就分享的团队操心空间除外，系统还能够识别哪些教会和 Skill 更合适团队共用，并捏续更新到团队操心池中。

这些来自企业端的需求，进一步咱们的另一条居品线——ClawForce。如果说 MemOS 科罚的是"单个 Agent 若何领有历久操心"的问题，那么 ClawForce 科罚的，则是"当企业同期运行几十只、上百只 Agent 时，若何让它们在安全、可控的前提下确凿协同责任，并把教会捏续千里淀下来"的问题。它不是"又一个 Agent 管制后台"，而是开发在 MemOS 操心操作系统之上的企业智能体平台。

与一般管制用具比拟，ClawForce 的核心各异不单在权限成就、审计日记和用量统计这些"面板层"才调，更在于它把操心、教会和景象作念成了系统才调。企业在范畴化部署 Agent 时，确凿会遭受三个问题：一是安全治理难，Agent 一朝接入邮箱、CRM、代码仓库，权限、拆开和审计王人会变成刚需；二是教会难千里淀，优秀职工调教出的 Agent 往往只事业于个东说念主，一朝东说念主员流动，教会就会流失；三是协同难设立，多个职工、多个扮装、多个 Agent 同期围绕样貌责任，如果操心相互割裂，Agent 越多，信息反而越碎。

ClawForce 的罕见质，就在于它依托 MemOS，从操心层科罚这些问题。来源是操心拆开：不同职工、不同 Agent、不同组织空间之间，王人有澄莹的操心规模，既幸免数据裸露，也幸免凹凸文混浊。其次是操心协同：它不是浅薄把多个 Agent 的凹凸文买通，而是在授权前提下，让兼并职工的多个 Agent、以及样貌中的多个 Agent，能够按需分享结构化的要道信息，驱散"分层授权、最小披露"的相助方式。再次是景象准确：多 Agent 协同期，最怕不同 Agent 基于不同版块的信息责任。ClawForce 开发在 MemOS 对操心版块、冲突和优先级的捏续管制才调之上，保证多个 Agent 在相助流程中读取到的是相对一致、可捏续更新的操心景象。

这亦然 ClawForce 最核心的价值：它不是帮企业把 Agent 管起来，而是匡助企业把原分内散在个东说念主、会话和开采里的教会，千里淀成确凿的组织操心。

三、安全：帮企业管住 OpenClaw 带来的风险

OpenClaw 的才调越强，它能触达的规模就越危急。

它不错调用用具、操作腹地文献、走访外部积贮、在后台捏续运行任务：这些特质让它成为迄今为止最庞大的个东说念主 AI 助手，也让它成为一个转折者心弛神往的进口。全网面前已有最初 26 万个 OpenClaw 实例披露在大众互联网上，其中 1.2 万个可被云尔代码推论。

更毒手的是，大大王人企业根底不明晰我方内网里已经暗暗装置了些许个 OpenClaw。Skills 阛阓里约 10% 的插件存在坏心步履，有的会辅导 AI 推论坏心号令，有的在后台静默窃取数据。而 OpenClaw 实质已公开曝出多个高中危漏洞，好多以至莫得对应的 CVE 编号，难以被跟踪。

这不是一个"将来可能出问题"的预警，而是一个"当今已经在出问题"的现实。

咱们和一家安全公司（他们遴荐匿名）聊了聊，以下是他们的分享：

OpenClaw 出来之前，咱们已经作念了三年 AI 安全。是以当它确凿爆发的时候，咱们莫得太慌，但也不得不承认，变化的速率如故超出了总共东说念主的预期。

咱们当今主要在作念两个看法。

一个是帮企业管住 OpenClaw 自己带来的风险。职工暗自装置、违纪装置若何发现和处理，第三方 Skill 有莫得问题，辅导词注入转折发起的坏心肯求若何拦：这些事情听起来新，但底层如故网关、流量、端点这些咱们作念了好多年的场景，仅仅需要捏续跟上大模子带来的新变量。咱们把这个叫新基础安全，地基没变，但上头的东西在一直变，是以要一直严慎。

另一个看法是作念一些 AI 原生的新址品，这块还没对外公布，暂时不说。

咱们一直强调一件事：Agent 的权限太高了。OpenClaw 能调用具、操作文献、发起外部肯求，这让它既是一个极好用的助手，亦然一个极危急的进口。ClawHub 上出现坏心 Skill，OpenClaw 实质爆漏洞，这些案例背后的逻辑是相同的：提供者自身的安全要领莫得跟上。开源样貌若何在高速迭代里开发完善的安全机制，这才是咱们以为最根底的问题。

风险这件事，普通用户和企业关注的点不相同。普通东说念主怕秘密裸露、怕财产亏蚀；企业除了这些，还要系念明锐数据被外发，系念业务一语气性。大模子是个黑盒，这些风险王人有可能在某个时辰点集合爆发，是以咱们的基础检测才调要一直在。

今天全民龙虾热还在捏续开云体育，在其中芜杂的"虚火"除外，OpenClaw 当作一个要紧的诳骗发展看法的价值是更值得关注的严肃话题。防御作念着与此运筹帷幄事情的创业者们，宽饶与咱们运筹帷幄换取。咱们信服，比拟争夺短期的扫视力，这才是确凿要紧的事情，在这之中才会出身新的伟大公司。

• 公司
• 到底
• 开云体育
• 创业
• OpenClaw