OpenClaw 1299 個 Repo 的資料解讀

OpenClaw 在 2026 年 1 月底上線。8 週後，PT-Edge 已經追到 1,299 個 repositories，分布在 13 類專案裡。這個數字不只是大，還很有結構。

說白了，這不是一波亂長的 repo 海。最先出現的是本地化和部署。接著是 client 和 middleware。後面才補上教學、協調工具，還有各種領域型 agents。這個順序很有意思，因為它直接反映開發者怎麼把新 AI 平台塞進日常工作流。

我覺得這種成長，比單純看 stars 更有意思。因為 stars 會灌水，repo 結構比較誠實。你可以從裡面看出，大家到底是在玩票，還是真的要把它接進伺服器、團隊協作，甚至生產環境。

第一個訊號，是改造，不是發明

OpenClaw 生態裡最有意思的，不是從零長出來的新玩具，而是原本就很成熟的專案，開始加上 OpenClaw 支援。這種變化，比一堆新開的 hobby repo 更能說明 adoption。

Super Agent Party 有 1,854 顆 stars。它本來是 2025 年 3 月推出的 all-in-one AI companion。AionUi 在 OpenClaw 出現前就有 18,636 顆 stars，而且在 30 天內有 1,291 次 commits。n8n-skills 則是一個從 2025 年 10 月開始的 workflow toolkit，原本就有 3,414 顆 stars。這三個專案後來都加了 OpenClaw 支援。

這件事很重要。成熟專案不會為了每個新名詞亂轉向。它們會等到真的有人要用，才會改架構、補整合、寫文件。換句話說，OpenClaw 在前幾週就已經讓別人的產品路線開始動了。

這裡的訊號很清楚。不是官方講得多大聲。是其他團隊願意把自己的 stack 改掉。這種動作，比一百篇宣傳文還直接。

• Super Agent Party：1,854 stars，原本就是 AI companion
• AionUi：18,636 stars，30 天 1,291 commits
• n8n-skills：3,414 stars，先有 workflow，再加 OpenClaw
• 訊號：成熟專案先改造，不是等風向

前兩週，大家先解決能不能用

OpenClaw 上線後幾天，生態就分成三個急件：語言、部署、互動方式。這個順序其實很合理。因為新工具要進團隊，第一件事不是炫技，是先讓人看得懂、跑得起來、用得順手。

OpenClawChineseTranslation 在 1 月 30 日就出現了。那是上線後第 3 天。它還會每小時同步主 repo。openclaw-coolify 變成部署模板，而且 80% 的 fork rate 很誇張，代表很多人想直接自己架。openclaw-assistant 則把 Android 語音喚醒補進來。這種功能通常代表工具開始進入日常使用，而不是只拿來展示。

這一波很像台灣開發者熟悉的場景。先翻文件。再補 Docker。再加一個能真的用的介面。你可能會想問，為什麼不是先做最炫的 agent？因為沒人會先用一個不能部署、不能理解、也不能接手機的東西。

講白了，社群先修的是摩擦點。不是先修想像力。這也解釋了為什麼中文工具和自架模板會這麼快冒出來。

• OpenClawChineseTranslation：上線後第 3 天就出現
• openclaw-coolify：80% fork rate，自架需求很高
• openclaw-assistant：支援 Android 語音喚醒
• 順序：本地化、部署、互動介面

2 月把整個 stack 補齊了

到 2 月，OpenClaw 已經不是大家試玩一下的東西。它開始變成別人做產品時會放進架構圖的元件。Top 25 裡有 15 個 repo 是在 2 月建立的。這不是零星熱度，這是整個生態一起補洞。

openclaw-android 在 2 月 11 日上線，主打一行指令就能在 Android 用。Nexu 在 2 月 25 日推出，直接把 WeChat、Feishu、Slack、Discord 串在一起。ClawPanel 則補上視覺化 dashboard，裡面還內建 AI assistant。openclaw-feishu 把它接到 Feishu，這在中國市場很實用，因為很多工作流本來就卡在這一層。

基礎設施也開始像樣了。ClawRouter 在 2 月 3 日推出，支援 41+ models，而且標榜 sub-millisecond routing。AlphaClaw 則把部署痛點處理掉，現在有 11,234 次月下載。這個數字很直白。大家要的不是再一個 demo。大家要的是可以裝、可以跑、可以交給同事的東西。

另外，領域型專案也開始冒出來。ClawBio 走生物資訊。HyperLiquid-Claw 走加密交易。這些都還早，但方向已經很明確。OpenClaw 不只停在通用聊天，而是開始往垂直工作流滲透。

• 2 月建立的 repo：Top 25 裡有 15 個
• ClawRouter：41+ models，sub-millisecond routing
• AlphaClaw：11,234 月下載
• ClawBio / HyperLiquid-Claw：垂直場景已經出現

3 月開始像一個平台

3 月的變化，讓 OpenClaw 看起來更像平台，不像短期熱潮。新的專案重心放在教學、技能庫、還有多 agent 協調。這些東西都不是最吸睛的，但它們很會留住使用者。

hello-claw 由 Datawhale China 做出來，是第一個系統化教學，目標很直接，就是讓人從零開始學會怎麼用。openclaw-master-skills 整理了 339+ skills，而且每週更新。還有一本完整的 OpenClaw 書，這件事本身就很有意思。因為通常只有當社群真的開始累積經驗，才會有人願意把它寫成書。

“The future of AI is not in building one model to rule them all, but in building systems that can use models well.” — Satya Nadella, Microsoft Build 2023

這句話很貼 OpenClaw。因為這個生態的核心，根本不是單一模型。它是 routing、skills、clients、deployment、education 的組合。真正活下來的專案，都是在降低摩擦，而不是逼大家押注某一個介面。

接著是 orchestration。ClawTeam-OpenClaw 做 swarm coordination。MetaClaw 則做 self-evolving agent，還有 169 次 commits in 30 days。這種專案通常會在基本功能穩了之後才出現。因為大家開始問的，不是「能不能跑」，而是「能不能協作」。

• hello-claw：Datawhale China 做的系統化教學
• openclaw-master-skills：339+ skills，每週更新
• ClawTeam-OpenClaw：多 agent 協調
• MetaClaw：30 天 169 次 commits

中文社群做的是 onboarding 層

這份資料裡，最容易被忽略的，是中文專案不只在翻譯。它們在做 onboarding layer。這種工作很土，但很重要。因為一個工具能不能進入日常工作，常常不是看核心模型，而是看周邊有沒有把使用門檻壓低。

awesome-openclaw-usecases-zh 整理了 40 個真實 use cases。內容包含 office automation、content creation、server operations、personal assistants、knowledge management。它還把 Feishu、WeChat、Weibo 都放進工作流。這不是英文化後硬翻過來的東西，而是本地社群自己長出來的做法。

我覺得這很像台灣很多開發團隊的現實。大家不是缺模型。大家缺的是能直接接內網、接通訊軟體、接權限、接部署流程的東西。誰先把這層補起來，誰就先進到工作現場。

所以如果你只看 stars，會低估這群人。真正有價值的，是文件、範例、工作流、跟能直接照抄的設定檔。這些東西很無聊，但很有效。

• awesome-openclaw-usecases-zh：40 個 use cases
• 整合平台：Feishu、WeChat、Weibo
• 場景：office、內容、伺服器、知識管理
• 重點：社群在做使用門檻下降

數據比較後，差異更明顯

如果把數字攤開來看，OpenClaw 生態的形狀就很清楚了。它不是一個以 library 為中心的世界，而是以應用、設定、模板、文件為中心。只有 15 個 repo 有 package downloads。這代表大多數人不是把它當依賴裝進去，而是直接 fork、改、跑。

fork rate 更能看出這件事。n8n-skills 的 fork rate 是 18%。openclaw-master-skills 是 22%。openclaw-coolify 則高到 80%。這些數字不是裝飾。它們代表使用者真的在拿來改成自己的版本。

再看 AlphaClaw。它有 11,234 月下載，是最像「可重複安裝」的專案。這很有對比感。其他 repo 多半是 clone 和 fork。AlphaClaw 則像是大家真的會放進標準流程的工具。

比較起來，OpenClaw 生態現在有兩種路線。第一種是可變的，適合本地調整。第二種是可裝的，適合標準化。前者多，後者少。這種分布很正常，也說明平台還在早期，但已經開始分工。

• 只有 15 個 repo：有 package downloads
• n8n-skills：18% fork rate
• openclaw-master-skills：22% fork rate
• openclaw-coolify：80% fork rate，最高自架訊號
• AlphaClaw：11,234 月下載，最像標準工具

這波成長背後，其實是 AI 工具成熟化

OpenClaw 的 8 週數據，講的是更大的事。現在的 AI 工具，不再只看模型有多強。大家更在意的是，這個東西能不能接進工作流程，能不能部署，能不能多人協作，能不能被教會。

這也是為什麼中文社群會衝得這麼快。因為他們直接補了文件、模板、案例、和本地平台整合。這些東西很少上熱搜，但它們決定一個工具會不會真的留下來。對開發者來說，最麻煩的永遠不是推理，而是落地。

這個脈絡也很像過去幾年的 LLM 工具演進。先是模型。再來是 API。接著是 router、agent、workflow、skills。OpenClaw 的 repo 結構，剛好把這條路走得很清楚。它不是單點爆紅，而是整套周邊一起補齊。

真正要看的，是下一個 8 週

OpenClaw 現在最值得追的，不是 repo 數還會不會往上衝。那只是表面。真正該看的是，這 1,299 個 repo 裡，有多少會變成可重用的基礎設施，有多少會變成正式文件，有多少會被團隊直接拿去上線。

我的判斷很直接。接下來如果還能看到更多中文 onboarding、更多可安裝套件、更多和企業通訊工具的整合，那 OpenClaw 就不只是熱度，而是會變成開發者真的在用的 stack。反過來說，如果接下來只剩 demo 和空泛 agent，那這波熱度就會慢慢散掉。

所以問題不是「它紅不紅」。問題是「誰真的把它接進工作流」。這才是 1,299 個 repo 背後最該看的地方。