摘要
本文系统对比了两个代表性的开源AI Agent项目：OpenClaw（原名OpenCLAW，近期更名）和Natural CLI。OpenClaw采用“预定义技能+工作流编排”架构，通过JSON/YAML定义技能序列，实现跨平台自动化；Natural CLI则采用“递归意图解析”架构，通过自然语言递归调用自身，实现任意复杂度的命令组合。两者代表了AI Agent设计的两种不同哲学：OpenClaw追求确定性和生态可扩展性，Natural CLI追求灵活性和低学习门槛。本文从架构设计、工作流实现、安全机制、用户体验四个维度进行对比分析，并探讨各自的适用场景与发展潜力。
关键词：AI Agent；自然语言处理；工作流编排；系统命令；开源项目
一、引言
2025-2026年，大语言模型能力的集体跃迁催生了AI Agent领域的爆发式增长。其中，OpenClaw以“AI替你干活”的直观体验迅速出圈，GitHub收获超30万颗星，成为现象级开源项目。与此同时，Natural CLI作为一个专注于“自然语言执行系统命令”的工具，以五层安全防护和递归意图解析为特色，在架构深度上展现了不同的设计思路。
两者都试图解决同一个核心问题：如何让AI安全、有效地执行用户意图。但它们的答案截然不同。
二、项目概述
2.1 OpenClaw
OpenClaw是一个跨平台的AI自动化框架，核心能力包括：
· 多渠道接入：支持Telegram、飞书、微信等IM工具，用户可通过手机向电脑发送指令 · 预定义技能系统：所有可执行动作需预先用Python/TypeScript编写为“技能” · 工作流编排：支持通过JSON/YAML定义多步骤工作流，包含触发条件、步骤序列、数据传递 · 持久化运行：7x24小时后台运行，支持定时任务和事件监听
2.2 Natural CLI
Natural CLI是一个基于Spring AI构建的智能命令行助手，核心特性包括：
· 自然语言直接翻译：用户输入自然语言，AI直接生成对应系统命令 · 五层安全防护：白名单、危险命令检测、AI风险评估、路径保护、用户确认 · 递归调用能力：Natural CLI可以调用自身，将复杂意图逐层解析为原子命令 · 生产级质量：84个测试用例，核心代码覆盖率100%，已发布v1.0.0正式版
三、架构对比
3.1 OpenClaw架构：技能驱动的确定性执行
OpenClaw的架构可概括为“意图路由 + 技能执行”两层：
用户输入（自然语言）
↓
LLM意图理解
↓
匹配预定义技能（Skill）
↓
技能执行（Python/TS代码）
↓
返回结果
核心特点：
· 技能是原子能力单元：每个技能是一个函数，有明确的输入输出和副作用声明 · 工作流是技能序列：通过JSON/YAML定义技能调用顺序、条件分支、数据传递 · 确定性优先：技能行为由代码决定，不受LLM输出波动影响
3.2 Natural CLI架构：递归意图解析
Natural CLI的架构可概括为“意图编译 + 安全执行”两层，但支持递归调用：
用户输入（自然语言）
↓
意图理解（第一层）
↓
生成自然语言子意图（而非直接命令）
↓
递归调用Natural CLI
↓
意图理解（第二层）
↓
生成系统命令
↓
安全执行
核心特点：
· 同构递归：每一层使用相同的自然语言接口 · 意图即工作流：复杂意图被展开为子意图序列，无需预定义技能 · 灵活性优先：用户可以描述任何操作，无需预先注册
3.3 架构差异的本质
维度 OpenClaw Natural CLI 执行单元 预定义技能（代码） 动态生成的命令 工作流定义 JSON/YAML配置 自然语言意图链 扩展新能力 需写代码注册技能 直接描述即可 确定性 高（技能行为固定） 中（依赖AI理解） 递归能力 不支持 原生支持
四、工作流实现对比
4.1 OpenClaw的工作流
OpenClaw要求用户用结构化格式定义工作流。例如一个“每日备份”工作流：
{
"workflowName": "每日备份",
"trigger": {"type": "cron", "config": "0 2 * * *"},
"steps": [
{"skill": "check_disk_space", "params": {"path": "/data", "threshold": 80}},
{"skill": "backup_database", "params": {"db": "production"}},
{"skill": "compress_folder", "params": {"source": "/backup", "dest": "/archive"}},
{"skill": "send_notification", "params": {"channel": "telegram", "message": "备份完成"}}
]
}
用户可以用自然语言触发这个工作流：“执行每日备份”。但工作流内部的每个步骤（check_disk_space、backup_database等）必须是预先写好的技能。
优势：执行结果高度可预测，便于审计和调试。
局限：用户无法即兴创建新步骤；技能开发需要编程能力。
4.2 Natural CLI的递归工作流
Natural CLI通过递归调用实现工作流。用户同样用自然语言描述：
ncli "每天凌晨2点，检查磁盘使用率，如果超过80%就清理日志"
系统递归展开为：
第一层：ncli "创建定时任务：每天凌晨2点执行子任务"
第二层（子任务）：ncli "检查磁盘使用率，如果超过80%则执行清理"
第三层（清理）：ncli "删除/var/log下30天前的.log文件"
每层都经过同样的安全评估。用户不需要预定义任何技能。
优势：零学习成本，用户可以描述任意复杂度的流程。
局限：依赖AI理解准确性；多次递归调用可能增加延迟。
4.3 工作流定义方式的本质差异
维度 OpenClaw Natural CLI 定义语言 JSON/YAML 自然语言 新步骤创建 需写代码 直接描述 可读性 技术人员可读 任何人可读 可复用性 工作流可导出分享 意图链可保存分享 调试难度 低（步骤固定） 中（AI理解可能偏差）
五、安全机制对比
5.1 OpenClaw的安全问题
OpenClaw的设计重心在于“让AI能做更多事”，安全主要依赖：
· 用户确认机制（部分操作需审批） · 社区审核的技能库
但实际暴露的问题较多：
· 工信部已发布风险预警，指出WebSocket劫持、提示词注入等漏洞 · 全球约1.7万个实例直接暴露在公网 · 曾有用户反映一夜消耗数亿Token，收到数万元账单 · 部分用户花钱请人部署后，又花钱请人“赶走”它
5.2 Natural CLI的五层安全防护
Natural CLI从设计之初将安全置于核心：
层级 机制 作用 1 白名单 只允许执行预定义的安全命令 2 危险命令检测 实时识别rm -rf /等破坏性操作 3 AI风险评估 自动分级：安全/谨慎/危险 4 路径保护 禁止访问/etc/passwd、/root等关键路径 5 用户确认 中等风险操作需二次确认
5.3 安全哲学的差异
OpenClaw的安全策略是“事后响应”——出了问题再补漏洞。Natural CLI的策略是“事前防御”——从架构层面限制AI的能力边界。
这一差异源于两者的核心定位：OpenClaw追求“能做一切”，Natural CLI追求“安全地做有限的事”。
六、融合的可能性
两者并非对立关系，而是可以互补。
一个自然的集成方案是：
· OpenClaw 负责前端：7x24小时监听多渠道消息，进行意图识别和任务规划 · Natural CLI 负责后端：作为唯一的命令执行出口，提供五层安全防护
集成方式：修改OpenClaw的System Prompt，禁止它直接使用系统Shell，所有需要执行的操作必须通过Natural CLI的API接口。Natural CLI收到指令后启动安全评估——安全命令直接执行，谨慎命令等待确认，危险命令直接拒绝。
这样既保留了OpenClaw的“随时随地指挥AI”的便利性，又获得了Natural CLI的“层层把关”的安全性。
七、结论
OpenClaw和Natural CLI代表了AI Agent设计的两种不同哲学：
维度 OpenClaw Natural CLI 设计理念 让AI能做更多事 让AI安全地做事 扩展方式 预定义技能（代码） 自然语言描述 工作流定义 结构化配置 自然语言意图链 安全策略 事后响应 事前防御 学习成本 需学习技能开发 只需会说话 适用场景 复杂、重复性自动化 灵活、即兴的系统操作
OpenClaw证明了用户对“AI替自己动手”的巨大渴望。Natural CLI则证明了安全执行层的必要性和可行性。两者的融合，可能才是AI Agent走向大规模生产应用的真正路径。
Natural CLI项目地址：gitee.com/neuxiang/na…
参考文献
[1] Natural CLI项目仓库及文档. Gitee. [2] OpenClaw GitHub仓库及相关安全公告.
