全程实录：OpenClaw是怎样像行政助理一样替你干活的

题图摄于故宫

最近，科技圈被一只“龙虾”（OpenClaw）刷屏了。它之所以火爆，是因为打破了传统 AI 的“只说不做”的规律，能真正理解指令并直接操作电脑完成任务。它是怎样做到的呢？本文将深入解读 OpenClaw 完成任务的机理。

想象一下，你手下有位特别靠谱的行政助理，接到了这样一个任务：

“把上个季度所有部门的会议纪要翻一遍，找出已经拍板的决策事项，按部门整理成一份简报，下午领导要看。”

这位助理会怎么做？

她肯定不会坐在那儿干想，也不会凭记忆瞎编。她会先理清思路：先看看有哪些文件，然后一份份打开阅读，把关键决策勾出来，最后汇总整理，写成一份像样的汇报材料。

整个过程，既需要脑子（思考怎么干、判断哪些是决策），也需要手（打开文件、读取内容、保存结果）。

今天要聊的 OpenClaw，干的就是这么个事儿——只不过，它的“脑子”是大语言模型，它的“手”是本地各种工具。两者配合，才能把一个模糊的自然语言请求，变成实实在在的交付成果。

OpenClaw是个啥？一句话：大脑+工具箱

OpenClaw 是一个基于大语言模型的任务执行框架。它的设计理念特别简单：

大模型负责动脑——理解你的意思、拆解任务、判断结果好坏；本地工具负责动手——翻文件夹、打开文档、写入文件。

大模型再聪明，也够不着你电脑里的文件；工具再能干，也不知道你到底想干嘛。OpenClaw 干的活儿，就是让这两者打通。

每一次任务，都是一场大模型和工具之间的“多轮对话”：大模型发指令，工具执行并回报结果，大模型看了结果再接着思考下一步……直到任务搞定。

举个例子：整理会议纪要，生成决策简报

咱们来个实打实的办公场景：

“帮我把‘会议纪要’文件夹里本季度所有纪要文件读一遍，把各次会议中明确拍板的决策事项提取出来，按部门整理好，生成一份简报文档，方便领导审阅。”

这活儿要是人干，少则十几份、多则几十份文件，每份都得仔细看，还得分辨哪些是“真拍板”，哪些只是“讨论讨论”。下面是 OpenClaw 干这活儿的全过程：

第1轮：先摸清家底

用户下达指令后，OpenClaw把它连同可用工具清单一起发给大模型。大模型像个刚接手任务的小组长，先琢磨：“要干啥？从哪下手？”

它推理：要处理会议纪要，得先知道文件夹里有哪些文件。于是发出第一个指令：列举“会议纪要”文件夹所有文件。

OpenClaw 执行指令，返回 18 份文件名，比如“2025Q1_市场部_产品策略会.docx”、“2025Q1_技术部_架构评审会.docx”。

这一步的精髓：大模型没瞎猜，而是先看全貌——就像新助理不会连文件柜都没打开就动笔写报告。

第2轮：逐份阅读，提取决策

拿到清单后，系统把文件名拼进上下文，再次调用大模型。这回大模型看到了真实文件，开始干正事：一份份读，从中找出“已确认的决策”。

它连续发出多个文件读取指令，OpenClaw把一份份纪要正文返回来。大模型开始“阅读”：

遇到“会议决定，自下季度起将华东区销售目标上调15%”或“技术部确认采用新数据库方案，由王工牵头推进”，它能准确识别这是拍板的决策，记下内容、部门和日期。

碰上“有人提出可以考虑”“下次再研究”，就自动过滤掉。

这是全流程的高光时刻：十几份散乱纪要，在大模型手里变成结构清晰、分类明确的决策清单。这种语义理解力，是关键词搜索永远做不到的。

第3轮：整理成文，写入文档

所有纪要读完、决策提取完，大模型进入收尾：把结果整成用户要的简报。

它按部门归类决策条目，每条注明来源会议和日期，格式简洁清爽。然后调用文件写入工具，保存为新 Word 文档，命名“2025Q1_各部门决策汇总简报.docx”。

完成后，OpenClaw 回报用户：简报已生成，共涵盖18份会议纪要，提取47条明确决策，按市场、技术、运营等六部门分类，文档已保存至指定位置。

整个过程调用大模型3次。每一次都在前一次基础上累积更多上下文——从“不知道有啥文件”到“读完了所有内容”再到“整理好可以交差”，一步步收敛到最终结果。

为啥非得折腾好几轮？一次干完不行吗？

这是个好问题。它恰恰点出了大模型的本质局限。

大模型其实是个“无状态”的推理引擎——它只能处理当前上下文中已有的信息，没法主动去外面捞数据。文件夹里有啥文件、文档里写了啥，它都“看不见”，必须靠工具去拿。

多轮调用的价值，就是构建一个感知—思考—行动的闭环：

• 第1轮：感知——用大模型理解任务，规划第一步行动
• 第2轮：行动与反馈——工具执行，结果返回，大模型根据真实内容调整判断
• 第3轮（及更多）：收敛——基于充分信息，完成最终输出

这跟人类干复杂活儿的方式一模一样。没有谁接到任务的第1秒就能写出完整答案，都是查一查、读一读、想一想，在迭代里一步步接近正确结果。

五、这背后有个“洋气”的名字：ReAct范式

OpenClaw 这种多轮调用机制，不是自己拍脑袋想的，而是遵循了现在AI Agent领域的主流范式—— ReAct（Reasoning + Acting，推理+行动）。

大模型在完成任务时，反复交替做两件事——推理（Reason）和行动（Action），每次行动后看看结果（Observation），再决定下一步。

这循环可以简单概括为：想—做—看。

• 想：大模型分析当前状态，判断下一步干啥，比如用什么工具，获取什么信息等等
• 做：调用工具，执行具体操作
• 看：把工具返回的结果送还给大模型，作为下一轮推理的输入

就这么转圈，直到大模型判断任务已完成，输出最终答案。

这个循环里，不同的模型的结果差异很大，也决定了哪个模型更聪明。聪明的模型可以用较少的轮次成功地解决问题；“笨”的模型则需要更多的轮次才能找到答案，或者根本就找不到问题的解。

这里学问很多，打算另外写篇文章来探讨更多的细节，也回答诸如“为什么我的模型很费token”这类问题。

LangChain、AutoGen、OpenAI 的 Function Calling（函数调用），本质上都是 ReAct 这个思路的工程实现。

这套“想—做—看”的循环，不只是 OpenClaw 在用。如果你关注过最近火热的 AI 编程工具——比如 Cursor、 Winsurf，或者所谓 Vibe Coding 的玩法——会发现它们底层也是同样的逻辑。

只不过，OpenClaw 的双手是文件读写工具，目标是帮你整理文档；而 Vibe Coding 的双手是代码编辑器、编译器和终端，目标是帮你写出能跑的程序。

一个是行政助理，一个是程序员助理；干的活儿不一样，但干活的方式出奇地一致。这也说明，ReAct 正在成为 AI 智能体执行真实任务的通用模式。

本地工具：从“知道”到“做到”的最后一公里

如果说大模型是“知识渊博的军师”，那本地工具就是“能动手干活的士兵”。少了谁都不行。

OpenClaw 支持好几种本地工具，常见的有：

• 文件系统工具：列举、读取、写入各类文档。这是绝大多数办公任务的地基——不管处理 Word、PDF 还是表格，都离不开它。
• 格式转换工具：在不同文件格式间转换，比如把PDF转成可编辑文本，或者把多份文档合并成一份，满足公文处理的各种要求。
• 网络工具：访问在线资源、查数据库、调企业内部系统接口，让大模型能拿到本地文件之外的实时信息。
• 代码执行工具：对数据做计算、统计、分析，适合需要对大量文档内容做定量汇总的场景。

工具的价值就俩字：接地气——它让大模型的推理结果不再飘在空中，而是真正能碰到真实世界里的文件和数据。

OpenClaw的设计围绕三条核心原则：

第一，决策与执行分离。大模型只负责“想”，工具只负责“干”。大模型灵活但够不着文件，工具可靠但听不懂人话——各司其职，互不越界。

第二，上下文累积驱动推理。每一轮工具执行的结果，都追加进上下文，作为下一轮思考的依据。就像助理桌上堆的资料越来越多，判断自然越来越准。

第三，自主判断何时收工。大模型每轮自己判断：任务没完就接着调工具，处理好了就生成答案。这种自主性，让 OpenClaw 能应对开放式任务，而非死板的固定流程。

绕不开的问题：数据隐私咋办？

读到这里，细心的人可能犯嘀咕：会议纪要送进大模型，内部信息不就泄露出去了吗？

这顾虑没错。调用公有云API，文件确实经网络传到第三方服务器。碰上机密数据，风险不容忽视。

好在有解。实际部署有几种成熟路子：

• 本地化部署。在企业内网部署开源大模型（如Llama、Qwen、DeepSeek），推理全程内网完成，数据不出企业网络。
• 企业专属服务。主流云厂商提供专属服务，合同承诺数据不用于训练、不作留存，适合有合规要求但暂不自建的情况。
• 数据脱敏。送进大模型前，先用工具对人名、金额等敏感字段做替换，处理完再还原，降低实质风险。

说白了，问题不在“能不能用AI”，而在“怎么用”。合理部署，完全能在享受智能化效率的同时，把隐私风险控制在可接受范围。

写在最后

大语言模型的崛起，带来的不只是更好的文字生成能力，更是一种全新的任务完成范式。

当大模型和本地工具紧密协作，当多轮调用把感知与推理串成完整闭环，原本需要数小时人工处理的文档工作，就可以交给系统自主完成。

OpenClaw 就是这套范式的具体实践。它的价值，不在于替代人的判断，而在于把人的判断延伸到更广阔的执行空间——让“想清楚”的事儿，真正能“做得到”。

欢迎关注 亨利笔记， 👍 点赞 | ⭐ 收藏 | ↗️ 转发。欢迎评论区聊聊你的看法。