OpenClaw 爆火的時候，我的反應不是興奮，是略為不解。
不是說這個專案不好，它把很多概念整合得很完整，社群也經營得不錯。但很多人把它當作「此時此刻的新技術」在追，這讓我有點困惑。
因為這些東西不是新的。
我為什麼覺得 OpenClaw 不是新東西
在 ChatGPT 推出 Deep Research 之前，我就自己做過一個 Deep Research。用語言模型拆解問題、呼叫搜尋工具、整合結果、再讓模型歸納，整個流程跟現在大家在講的 Agent 架構一模一樣。
後來 MCP 出來之後，我基於同樣的原理做了一套多代理架構的 Telegram Bot，叫 ClaudeCab。裡面有秘書、有寫手、有工程師，每個 Agent 有自己的人設、自己的工具、自己的記憶，這套系統到現在還在跑。
所以當我看到 OpenClaw 的架構介紹，第一個想法是：「這不就是我在做的東西嗎？」
李宏毅把底層講清楚了
最近李宏毅教授出了一支影片，用 OpenClaw 當解剖對象，把 AI Agent 的運作原理從底層講了一遍。他歸納出五層架構：
- 身份注入：每次對話前組裝 System Prompt，包含人設、記憶、行為規則
- 工具調用：語言模型輸出特定格式的文字，外層系統偵測到後執行動作
- 記憶系統：短期記憶靠對話歷史，長期記憶寫進檔案每次重讀
- Context 壓縮：對話太長就修剪、摘要，但 System Prompt 永遠不壓縮
- 自主排程：用 Heartbeat 定時喚醒，讓語言模型看起來能「主動行動」
影片講得很清楚，推薦想理解 Agent 的人去看。但我想補一個影片沒有強調的角度。
這些 Agent 架構從頭到尾沒有變過
我一年多前做的東西，跟影片裡拆解的五層架構一模一樣。身份注入、工具調用、記憶讀寫、Context 管理、排程喚醒，全部都有，做法也幾乎一樣。
那變了什麼？模型更聰明了，工具鏈更方便了，MCP 讓工具管理標準化了，向量資料庫讓記憶檢索更精準了。但這些都是「讓整體管理更輕鬆」的改善，不是架構層面的突破。
從手排車到自排車，駕駛體驗差很多，但引擎原理沒有變。OpenClaw 就是一台包裝好的自排車，好開，但它沒有重新發明引擎。
AI Agent 不是真的有智慧
影片裡有一個觀點我非常同意：AI Agent 不是真的有智慧，它是一套精心設計的「文字把戲」。
語言模型唯一的功能就是給一段不完整的文字，預測下一個 Token。它沒有記憶，不會主動行動，也無法執行系統操作。你覺得它記得你的偏好？那是因為每次對話前系統都把你的偏好重新塞進去了。你覺得它在你睡覺的時候還在工作？那是排程器定時把它叫醒的。
「AI 越來越懂你」的真相是：你可以讓 AI 把你這個人分析成一段文字，你的偏好、說話方式、決策邏輯，全部寫進一份檔案，然後每次對話前系統把這份檔案塞給語言模型。它不是真的懂你，它是每次都重新讀一遍「你是誰」。
李宏毅用了一個很到位的比喻：電影《我的失憶女友》。女友每天記憶重啟，靠日記維持關係。Agent 的 memory.md 就是那本日記。
這就是 OpenClaw 在做的事，也是我在 ClaudeCab 裡做的事，也是任何 Agent 框架在做的事。差別不在框架，在你對這套機制理解多深。
你要搞懂的不是龍蝦，是 Agent
這是我最想講的事。
如果你今天想用 OpenClaw 做任何東西，你要搞懂的不是 OpenClaw 的介面怎麼操作，而是 Agent 的底層邏輯：System Prompt 怎麼組裝、工具調用怎麼運作、記憶放在哪裡才不會被壓縮掉、Context Window 滿了怎麼辦。
搞懂這些，你用 OpenClaw 可以，用 Claude Code 搭工作流也可以，自己從 API 寫一個也可以。搞不懂這些，換什麼框架都會遇到一樣的問題。
我之前寫過一篇自動化跟 Agent 的差別，很多人對龍蝦的需求其實只是自動化，根本不需要 Agent 框架，這件事到現在沒有變。
不是 OpenClaw 不好，是方向要對
我不是在說 OpenClaw 不值得用，它把很多繁瑣的事情包裝好了，降低了入門門檻，這很有價值。
但如果你只是跟著潮流裝了一個龍蝦，不理解它底下在做什麼，那你遇到問題的時候不會排查，想客製化的時候不知道改哪裡，別的框架出來的時候又要重新學一次。
李宏毅在影片裡給了一個排查順序，我覺得很實用：
- System Prompt 有沒有正確組裝？
- 工具的說明有沒有在 Prompt 裡？
- 關鍵指令有沒有寫進
memory.md？ - Context 有沒有被壓縮掉重要內容？
這四步跟你用什麼框架無關，它測試的是你對 Agent 運作原理的理解程度。
下一個爆火的框架一定會來。到時候你是又要從頭學一次，還是看一眼就知道它在做什麼，取決於你現在花時間搞懂的是工具還是概念。