OpenClaw（GitHub 247k+ star）是 2026 年初最火的开源 AI Agent 框架。创始人 Peter Steinberger 后加入 OpenAI，项目由基金会运营。
本文从工程架构的角度分析：它解决了什么，还有哪些是架构层面解决不了的。
解决了什么
1. 开源了完整的 Agent Runtime
OpenClaw 提供了 Gateway 守护进程 + 消息驱动架构 + Skills 系统（SKILL.md 元数据）+ ClawHub 技能市场（13,000+ 社区技能）+ MCP 原生集成。
安装 npm install -g openclaw@latest（需要 Node 22.16+），通过 WhatsApp/Telegram/飞书/钉钉/微信等 20+ 即时通讯平台接收指令。
2. 本地运行 + 数据主权
"AI 应该住在你家里"——Agent 运行在用户设备上，数据不上云。这是一个有明确价值主张的架构选择。
3. 持久记忆
OpenClaw 有 Memory 机制，能长期记住用户偏好——这也是"养虾"概念的技术基础。
没解决什么
1. 稳定性
通用 Agent 的推理路径是概率采样，每次走的路不同。实测同一任务 5 次，满意率约 20%。
工程分析：这不是 prompt 写得不好——是"通用 Agent + 大工具集"架构的固有特征。工具数量 > 30 时选择准确率显著下降。
2. 工具隔离
所有 Skill 全局共享，所有 Agent 都能看到所有工具。没有 scope 管理。
对比：TipKay 做了三层权限控制——Skill 作用域（ALL_APPS/SELECTED_APPS 白名单）+ Agent 级别 MCP/Skill 绑定 + 子 Agent 独立配置。从物理层面杜绝串台。
3. 可干预性
全自动决策链，用户不在循环里。走错了方向插不进去。
对比：TipKay 的 Human-in-the-loop 设计——每个关键节点可干预，autoSubmit 在源码里强制设为 false。
4. 数据迁移
纯本地存储的代价：换设备 = 从零。CNCERT 还指出 API 密钥明文存储。
对比：TipKay 混合架构——关键数据（Agent 配置/品牌包/版本历史）服务器存储可同步，执行环境（MCP 运行时/浏览器登录态）本地。
5. 复用和分发
做好的 Agent 没法打包给别人。ClawHub 分享的是 Skill 代码模块，不是完整 Agent 实例。
对比：TipKay 的 Agent App 市场 + Agent 作为工具发布（Agent 即服务，可被其他 Agent 调用）。
6. 安全
CNCERT 3 月安全警告：138 个 CVE（7 个严重级）、12% 插件含恶意代码、API 密钥明文存储、Prompt 注入风险。
架构层面的根本差异
OpenClaw 和 TipKay 的本质差异不在功能多少——在架构范式：
| OpenClaw | TipKay | |
|---|---|---|
| 架构 | 单一通用 Agent | 多垂类 Agent 矩阵 |
| 工具分配 | 全局共享 | 每个 Agent 独立选配 |
| 子 Agent | 不支持 | 支持 Agent 互相调用 |
| 版本管理 | 无 | 自动快照 + 一键回滚 |
| 克隆 | 无 | 一键复制所有配置 |
| 多模型 | 全局单模型 | 每 Agent 多档位自动切换 |
| Context 注入 | Memory（非结构化） | 品牌包三层注入（Token 预算+相关性评分+降级） |
| 定位 | 探索型 | 交付型 |
这两种架构解决的是不同的问题：OpenClaw 解决"AI 能干啥"，TipKay 解决"AI 能帮你稳定干完啥"。
先用 OpenClaw 探索，再用 TipKay 交付。
TipKay 链接：tipkay.com · 本文由 TipKay 博客发布助手协助发布
