爆火的本质原因
OpenClaw 为什么火？跟 DeepSeek 有点像——不是技术牛到吊打全世界，而是把一小部分人早就用上的能力，普及给了更广泛的用户。
简单说就是把程序员用 Cursor、Claude 才能体验的本地 Agent 能力（读写文件、执行命令、持续迭代），通过 WhatsApp/Slack/飞书这些日常聊天工具，带给了普通用户。不用学编程，不用装软件，直接在聊天软件里就能指挥 AI 帮你干活。
这就是”降维普及”的力量。
一、OpenClaw (NanoClaw) 架构
NanoClaw 比较精简，实现核心功能，比较好分析。有时间可以看下源码分析，使用 OpenClaw 晚上自己分析的。
有时间可以看下 Gateway 和记忆部分源码分析，我觉得是它的亮点。OpenClaw 源码分析（总共 20 章）。
OpenClaw 架构图参考。
1.1 三个核心设计优势
分析了上面源码，OpenClaw 能成，关键在于三个设计：
1. 统一的入口和上下文
不同于 Cursor 按项目隔离上下文，OpenClaw 把所有对话混在一个记忆池里。不管你在 Telegram 还是 Slack 还是大象跟它聊，AI 都记得之前聊过什么——给人一种”它真的认识我”的感觉。
2. 持久化记忆系统
维护一套分层记忆文件：SOUL.md（人格）、USER.md（用户画像）、MEMORY.md（长期记忆）。定期自动 review 对话日志，提炼出有价值的信息沉淀下来。从”每次重开都要重新交代”，变成”它好像在慢慢成长”。
3. 丰富的 Skills 生态
工具数量带来的能力提升是指数级的——因为工具可以组合。接入聊天、画图、PPT、Deep Research 这些 Skills，组合起来就能完成很复杂的业务能力。
这三个设计互相促进形成飞轮：记忆 + 统一上下文带来数据复利，记忆 + Skills 让 AI 能自我进化（自己写新 Skill 并记住用法），再加上聊天界面够简单，大家愿意多用，能力就越来越强。
1.2 设计妥协带来的局限
但易用性是有代价的。
- 聊天界面降低了门槛，但带来了对话线性化、信息密度低、过程不透明这些问题。深度工作场景下会成为瓶颈。
- 记忆系统对新手友好，但对老手是灾难：知识无法显式管理（调研文档可能被 AI 自动删掉），更新过程是黑盒，跨项目信息容易互相污染。
- Skills 生态还有个致命问题：12%的第三方 Skills 带恶意代码。OpenClaw 同时具备访问私有数据、暴露于不可信环境、能对外通信这三个条件，风险很大。