2026年，一只小龙虾搅翻了整个AI圈，年后OpenClaw余热还在继续发力。

近期，多家国内模型厂商先后推出对标OpenClaw的产品，Mini Max推出的MaxClaw，Kimi推出的Kimi Claw，显然，OpenClaw所展现出的AI执行力，以及开发者们对AI执行结果所展现出来的包容程度让市场看到了价值空间。

在一众对标产品中，Kimi Claw的定位比较清晰，它并非从零自研的Claw产品，而是基于OpenClaw的托管云服务，数据托管在Moonshot云端，并且直接配置了5000+ClawHub社区技能。

它的优点在于使用较为稳定，部署方便，上手简单，且依托于云，可以实现24/7在线执行运转。打开Kimi官网，只需要你一键点击创建，Kimi就会直接部署Kimi Claw。

Kimi Claw一键部署｜图片来源：极客公园

换句话来说，Kimi Claw并也不是一个独立新产品，它本质上就是一台为用户远程开好的虚拟机，让用户通过Kimi直接访问运行在云端的OpenClaw环境。

它没有做任何功能删减，也没有额外封装，和本地部署OpenClaw几乎没有区别，只是把部署、配置、环境搭建这一步替用户完成了，但并没有对OpenClaw部署之后的调教过程做任何处理。如果没有学会正确给出指令、合理安排任务，其上手难度仍然比较高。

对于从未接触过OpenClaw类产品的用户来说，这也会导致一个预期错位，用户以为接入OpenClaw就可以做自动化AI执行，但其实只是多了一个便携接口，后续仍有很多设置需要自己探索。也因此，为OpenClaw类产品提供一些热门的预置Skills将会成为不少AI模型厂商接下来重点发力的方向。

目前Kimi Claw仍处于Beta测试阶段，仅对Kimi Allegretto以上的会员开放使用权限。

栏目作者召集

极客公园的新栏目「AI上新」，将带大家体验最新的AI应用和硬件，让你成为AI时代「最靓的仔」！

现在，我们也向所有喜欢尝鲜和体验AI的同学发出召集，只要你发现并体验了新的AI应用或者功能，按照格式（参考案例：用AI Agent可以做「一人公司」吗？我在Manus新功能上看到一种可行性｜AI上新）向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI应用的订阅费用。

同时，优秀作者还有机会进入极客公园AI体验群，获得最新AI应用和工具的内测资格，参加极客公园专属相关AI活动，和AI应用创始人一对一沟通。

AGI太久，只争朝夕，让一部分人先AI起来吧！投稿、进群请扫描下方二维码添加极客小助手微信

01

30分钟搭建自动化办公工作流：

理想很丰满，落地有门槛

我们发现，很多用户和我们一样，接入OpenClaw之后，依然摸不清AI的执行能力边界，对它到底能做什么、不能做什么充满好奇，但也充满未知，不知道接入之后该从哪里下手。

其实，目前不管是本地部署OpenClaw这类自动化AI，还是直接接入Kimi Claw这样的外接入口，整体的使用思路其实可以分成从0开始搭建应用和从0.5开始优化应用两条路径，我们分别从这两种方式做了实际体验，首先选择从0开始开发一个应用，优化工作流。

在体验Kimi Claw之前，我先审视了自己有哪些工作可以被打造成一个固定的工作流，或者我的工作流中可以有哪些任务在AI加持之下变得更好。而在此之前，我所需要考虑的仅是我与哪个类型的AI工具交互可以得到更好的结果。

我选择了工作日记环节，结合每天的工作流，工作记录、工作总结、工作反思等环节最后输出一份当日工作报告。找份报告过去都是个人耗时填写，现在我希望可以AI自动抓取，再结合对话式交互自动形成表格。

我先将大致思路递给AI优化指令，最后从角色定义、技能配置、数据接入、核心工作流、多媒体表格结构、记忆重点、权限与边界等多个层面给出一个非常长的复杂指令，递给Kimi Claw。

Kimi Claw很快分析完指令后，和我确认执行细节。比如说，基础信息、飞书权限、数据存储和触发方式。随后我们开始按照指令去飞书平台搭建飞书应用，并且将把App ID和App Secret发给Kimi Claw。

其中有个环节需要在飞书内搭建表格的时候，我让Kimi Claw直接给我表格的样式，再递给飞书内置的AI系统，让飞书自动搭建表格。

Kimi Claw搭建的应用页面之一｜图片来源：极客公园

在经历了找不到协作者、找不应用页面、找不到ID等一系列问题，大约半小时后，我成功接收到了来自Kimi Claw的第一条消息。

搭建这个bot的速度比我预期要更快。遇到问题时，我会把卡在哪一环直接告诉Kimi Claw，然后在其给出的方案中选择合适的思路去执行，如果给出的方案没有合适的，会继续追问Kimi Claw其他解决方法。

Kimi Claw一键部署至飞书｜图片来源：极客公园

搭建工作流时，跨平台能力的重要性也更加凸显。接连开放12条飞书权限之后，我最终搭建AI应用并未完成理想状态。其中，我希望AI通过阅读我与他人的聊天记录，从而梳理出我的工作任务，但几轮尝试后，AI应用获取的群聊列表仍为空，并表示飞书AI应用要求AI只能读取自己参与的会话，应用无法读取群聊列表。

整体体验下来，我认为Kimi Claw对一些常规工作流平台比如说飞书、钉钉等开发者工具比较熟悉，基本上给出的指令都能够直接找到对应的执行方式，0基础用户也能够读懂并执行。但这类企业应用会对自身的信息权限比较看重，开放配置条件也较为严格，或许想要AI真正融入工作流，不仅看Kimi Claw这类开放者的工具，也需要等待更合适与AI融合的应用出现。

而且，运转过程中会出现不少bug，比如，在此过程中，用户与Kimi Claw的交互任务、正在运行的Agent任务，会被误统计进个人工作安排。学会修改bug也成为调教AI的关键一环。

如果选择从0主动定制自己想要的应用或者功能，就需要用户想好清晰的操作路径，具备基本的产品思维。要明确信息输入与输出两端接口的开放程度和连通性，同时控制好每次调用与运行的成本。

本次工作流搭建，全程token消耗约15k-25k，按照Kimi的计价方式，大约1元左右。但每天大概花费0.53元，一个月大约在15.9元左右。

02

自动化AI新闻助手搭建实测：

「预制」应用上手快，修改难

除了让AI定制化打造一个我设想的应用外，我还体验了一些「预制」应用，比如说让Kimi Claw自动抓取新闻。

在我们做第一轮自动化新闻抓取任务时，尝试让Kimi Claw抓取某科技新闻媒体官网。当我们给出指令为：

请监控xxxx的行业网站，总结最近一周以及未来3天内，每当有包含「AI」关键词的新文章发布时，请自动抓取标题、摘要、发布时间，并将这些内容汇总到一个在线表格。同时，请在报告中按照我设定的风格进行爆款文章分析。

Kimi Claw会询问我们具体配置信息，但第一轮新闻抓取任务时，我们发现不少官网其实都有反爬虫设置，很难去做优质网站的信息监控。Kimi Claw也很难给出准确的范围抓取，因此会出现空转的情况，而每一次空转都意味着出现大量的tokens被消耗。

该监控任务从今天凌晨4点到11点共运行约8次，消耗约180K tokens，花费约3.68元。如果按原设置每小时运行一次，每天成本约11元，每月将花费接近330元。

随后，我们请教了相关人士后，开始放弃自己写指令，转而从相关ClawHub等网站下一个相关指令压缩包，基于此基础指令后，继续定制相关新闻。

将Clawhub的文件部署至Kimi Claw｜图片来源：极客公园

随后，我们对中文媒体、新闻筛选条件以及信息发送次数、时间均做了较为详细的设定。最后能够获得一版不错的AI新闻抓取结果。

Kimi Claw自动抓取结果｜图片来源：极客公园

很显然，如果只是被动使用预制好的应用，重点则是学会筛选优质的技能包（skills），并且能根据自身场景，对现成功能做适配调优。

但如果想对这些预制好的AI应用做定制化修改，往往又会绕回从零搭建应用时遇到的那些难题，开发优化的难度不低，最终改出来的效果也未必理想。

这个过程里，使用者其实需要花大量时间，去体验同一类产品里不同Skills的便捷度、适配性，再决定到底基于哪一类Skills去做二次开发、修改和扩展。这些其实也考量用户的产品思维。

03

Kimi Claw使用观感：

AI执行力加强，指令就是生产力

现在的现阶段Kimi Claw的核心价值，只是降低OpenClaw的部署门槛，让国内用户能快速接入。但产品本身不自带场景、不自带技能，更像是一个「转接口」，而非「成品」。

我们在体验过程中同样发现，尽管Kimi Claw底层调用的虽然也是Kimi K2.5模型，但它是「裸模型+原生OpenClaw」的组合，没有继承Kimi官网版经过搜索团队深度优化的多轮搜索、内容强化、自动纠错等能力。

换句话说，官网Kimi好用，是因为背后有专门团队对模型在用户高频场景上做了大量优化、自动补全能力；而OpenClaw环境里接入的「裸」模型，更接近直接调用API，没有进行专门优化，所以会出现同样的指令，递给Kimi Claw呈现的效果不如直接递给Kimi K2.5模型。

深度体验后我能明显感知，Kimi Claw和传统AI、普通Agent产品的核心差异，集中体现在AI执行力与指令重要性两大维度，这也是使用这类产品的关键逻辑。

首先在执行力上，Kimi Claw能在你不使用电脑时，同样能够执行任务，而非传统用户给出指令，然后一直等待任务完成的模式。我甚至可以告诉Kimi Claw这个指令在什么时候执行，等我开机时能直接看到每一次定时输出的结果。但同时也提醒我，对一些体验性的应用记得设立停止终点，减少不必要的资源消耗。

其次在指令上，过去我与AI的指令都会比较简洁、直击问题，当AI给出的解决方向不对时，再继续调整。但Kimi Claw每一次运行复杂指令的时候，都会调用大量Agent协助，消耗的tokens也会成倍上涨，因此在给出指令时需要明确操作方式，权限范围、执行路径以及安全性和成本控制。

比如说，过去我查询新闻时的指令时「给出10条有关OpenClaw的新闻线索，并告诉我其新闻关注价值」，现在我给出的指令则是：

作为信息检索专员，你拥有使用网络搜索工具的权限（限用web_search和web_open_url，禁止访问需登录的付费新闻库），但需在以下约束内执行：

1)先执行关键词'OpenClaw最新动态'搜索，仅获取前5条高权重结果（优先技术媒体和官方博客，排除论坛水帖）；

2)分析每条的新闻价值时，严格限定在'技术突破'、'商业影响'、'安全隐患'三个维度，每个维度用一句话概括，禁止展开论述无关背景；

3)全程禁用浏览器自动化点击和深度爬虫技能，避免触发反爬机制和额外token消耗；

4)输出格式为表格：新闻标题|来源|关注价值标签|简要依据（≤30字/条）；

5)若搜索结果不足10条，立即停止补充搜索，直接按实际数量输出，禁止为了凑数发起二次broad search。预计token预算控制在8K以内，发现路径偏离时立即终止并汇报而非自行修正。

多数情况下，我甚至会让AI优化一下我的指令表达，然后再递给Kimi Claw。只有给出具体、准确的指令，才能在合理的token消耗范围内获得最佳成果。甚至，不少公开论坛上，专门为OpenClaw准备的Skills库也能够帮助用户更好地上手一些热门应用玩法。

精准、具象的指令，是在合理token消耗内获得优质结果的前提，使用Kimi Claw的过程，本质就是用户在模型能力、输出结果、使用成本之间做权衡的过程。

Kimi Claw｜图片来源：极客公园

最后是，调教AI。

即便你快速搭建好的一个AI应用之后，你会发现这个AI bot并不会一开始就好用。它对于诸多指令的划分，任务的合并其实与人类的理解会有比较大的差异，你仍然需要一轮又一轮的指令调教去探索产品的边界。尤其是，很多信息源的接口并不完全对外公开。这其中，想要真正做好信息权的接入和让渡都不是一件易事。

说到底，目前Kimi Claw展现出来的应用效果，绝不是一个简单的Chatbot之类的AI应用，拥有许多AI功能供用户直接使用，而是一个需要用户理解开发过程，并且能够在诸多综合权衡后做出选择的开发者工具。只不过这个开发者工具能够支持一些简单化的自动化部署。

04

自动化AI依然有发展空间

尽管OpenClaw从2026年开始彻底点燃了人们对自动化AI的想象，但从近期频发的安全事件与新产品实测体验来看，OpenClaw至今仍只是一把钥匙、一个契机，而非最终答案。

无论是可落地的真实场景，还是可规模化的商业化路径，AI行业至今仍未走出一条清晰、成熟的路线。与之相对的是，市场在一轮又一轮的热度炒作中不断抬高对Claw类产品预期，甚至吸引了大量普通用户去尝试超出自身能力的高风险操作。

可以确定的是，自动化AI从AI诞生第一天起就被行业重视，但OpenClaw以及Kimi Claw，能否跑出真正成功、可规模化的产品，依然存在巨大的待验证空间。尤其是现在这类AI工具会直接拿到修改你终端、文件的权限。

在早期大家对AI的能力边界还不清晰，很多新手小白直接把权限放开，很难想到做安全限制以及二次权限确认。把这么高的操作权交给AI，本质上也是系统风险直接开口。这也是为什么，这类产品想真正规模化、商业化，安全和权限治理，会是比「能力强不强」更难迈过去的坎。

从直接与大模型对话，到与单一Agent交互，再到与Agent集群协作，再到如今OpenClaw的使用方式，行业在同一段AI能力基础上，衍生出了大量功能相似、路径不同的尝试。这恰恰说明，整个行业仍处在AI功能探索期，除了ChatGPT这类成熟稳定的交互范式之外，人们对于Agent、Claw等新形态的使用逻辑、边界与价值，仍在集体摸索。

或许，要等到2026年走完，我们才能真正看到一批稳定、可用、具备真实价值的自动化AI应用落地。"