OpenClaw 60 天暴衝，AI Agent 變味了

OpenClaw 只花 60 天。GitHub 星星數就衝到很誇張的程度。拿它跟 React 十年累積相比，差距小到讓人皺眉。這種速度，說真的，不像一般開源專案。

更有趣的是，這波熱度不是來自聊天機器人。它來自能接工具、能跑流程、能真的去做事的 AI Agent。講白了，大家開始不想只跟模型聊天了。大家想要它幫忙把工作做完。

這件事對台灣開發者很重要。因為它直接碰到軟體整合、權限控管、資料流轉，還有 API 成本。AI Agent 不是玩具。它會進到日常工作流裡。

OpenClaw 為什麼會暴衝

OpenClaw 是開源的個人 Agent 框架。它主打把 AI 接進現成工具。像 Feishu、WhatsApp、Telegram 這類通訊軟體，都能變成它的操作入口。

這個方向很直白。以前的 LLM 多半停在回覆文字。現在的 Agent 會往前一步。它不只回你答案。它還能幫你送訊息、建任務、轉交請求，甚至接下一個 API。

我覺得這就是它會紅的原因。開發者最怕重複搬資料。最煩的是在不同軟體間切來切去。OpenClaw 這種框架，直接打到痛點。它不是在賣夢。它是在賣省工時。

• OpenClaw 主打開源 Agent 框架
• 可接入 Feishu、WhatsApp、Telegram
• 60 天內星星數暴衝
• 重點從聊天，轉向執行任務

還有一個細節很重要。GitHub stars 不等於真實使用量。這點要講白。可是 stars 仍然能看出開發者注意力。當一個專案在 60 天內吸走大量目光，通常代表大家都在找同一種解法。

這種解法的核心不是模型更會講話。核心是模型能不能接住工作流。能不能處理失敗。能不能在出錯時回報，而不是亂做一通。這才是 Agent 真正的門檻。

OpenAI 和 Anthropic 站在不同路線

OpenAI 一直在推產品化。它的節奏很快。從 ChatGPT 到各種 API，再到更完整的工具使用能力，路線都很清楚。就是把 AI 變成開發者和一般使用者都能直接摸到的東西。

Anthropic 的節奏就不太一樣。它更重視可控性、長上下文、指令遵循，還有企業部署時的風險管理。這條路比較慢。可是很多團隊真的買單。因為他們怕模型亂講，更怕模型亂做。

OpenClaw 則卡在中間。它不是模型公司。它是 Agent 基礎層。你可以把它想成軟體世界裡的中介層。它幫你把模型接到工具，再把工具接回工作流。這種角色很土，但很有用。

“The future of software is one where the software does the work for us.” — Sam Altman, OpenAI DevDay 2023

這句話很適合拿來看現在的 Agent 熱潮。可是也別講得太浪漫。軟體自己做事，前提是它真的知道自己在做什麼。權限、驗證、回復機制、人工確認，這些都不能省。

如果沒有這些，Agent 只是更會講話的自動化腳本。這差很多。前者會讓人放心交工作。後者只會讓人半夜起床救火。開發者應該很懂這種痛。

數據怎麼看，誰比較像真的

先講數字。OpenClaw 在 60 天內的 GitHub 星星數，已經超過 React 前十年的累積。這個比較很聳動。可是它至少說明一件事：開發者注意力正在快速往 Agent 移動。

再看產品面。OpenAI 的優勢是生態大。Anthropic 的優勢是穩。OpenClaw 的優勢是開放，還有可改造。三者不是同一條賽道。可是它們都在搶同一批人：想把 AI 放進真實工作的人。

如果用實務角度切，差別會更清楚。你要的是一個會聊天的助理，還是一個能幫你處理工單的系統？你要的是單次回覆，還是整段流程自動跑完？這就是現在市場在分岔的地方。

• OpenClaw：高熱度開源框架，主打工具整合
• React：長期開源指標，代表歷史級開發者關注
• OpenAI：產品速度快，適合快速試用
• Anthropic：重視可靠性，適合風險較高場景

還有一個常被忽略的點。Agent 框架的競爭，不只看模型能力。也看記憶管理、工具調用、錯誤重試、權限設計。這些地方做不好，模型再強也沒用。因為最後卡住的，還是軟體工程。

所以我會把 OpenClaw 這種專案，看成一種訊號。它不是單純的熱門 repo。它是在告訴大家，AI 的價值重心，正在從回答問題，往完成任務移動。

台灣開發者該怎麼看這波

台灣很多團隊都在做內部系統整合。像客服、業務追蹤、採購通知、文件流轉，這些流程都很碎。Agent 很適合切進去。因為它能把多個 API 串起來，少掉很多人工複製貼上。

但別急著全自動。真的。這類系統最怕兩件事。第一是權限亂開。第二是錯誤沒有回頭機制。你讓 Agent 直接發信、改資料、送單，結果它誤判一次，後面就是一串麻煩。

所以比較合理的做法，是先從低風險流程開始。像整理會議摘要、分派任務、查詢狀態、草擬回覆。這些工作有價值，也比較容易驗證。等穩了，再往更敏感的流程走。

從產業角度看，這波也會逼 SaaS 重新設計介面。以前是人點按鈕。現在可能是 Agent 直接呼叫功能。這代表產品不只要做 UI。還要做可機器操作的介面。這件事很多團隊還沒準備好。

我猜接下來 12 個月，會有一批專案死在 demo 階段。因為它們只會展示「看起來很聰明」。真正能活下來的，是能處理失敗、能追蹤紀錄、能讓人接手的系統。這才像軟體，不像表演。

接下來會怎麼走

我自己的判斷很直接。下一波真正被企業買單的 Agent，不會是最會聊天的那個。會是最穩、最省事、最能接進既有流程的那個。它可能很無聊。可是無聊的東西，常常最會賺錢。

如果你現在在做 AI 產品，我會建議先問三個問題。第一，這個 Agent 真的能省多少人工時。第二，失敗時誰來接手。第三，資料和權限怎麼管。這三題答不出來，就先別急著上線。

OpenClaw 的 60 天暴衝，對我來說不是一個單純的熱門新聞。它比較像一個提醒。AI 的下一段競爭，不在誰會講更多廢話。是在誰能把事情做完，而且不要把事情做爛。

如果你是開發者，現在很適合開始玩 Agent 框架。先找一個流程。先接一個工具。先做一個可回收的失敗機制。這樣你會比只看 demo 的人更早看懂這場變化。