OpenClaw雖爭議頻傳，卻也揭示AI代理正從工具走向可持續運作的系統，並改寫專業傳承的方式。
2026年初爆紅的OpenClaw，因其形象是一隻龍蝦，部署OpenClaw在社群裡很快被戲稱為「養龍蝦」。這個說法之所以廣為流傳，不只是因為有趣，而是因為它剛好說中了人們對這一代AI代理的感受──它不像工具，更像一種需要餵養、需要管理、也可能突然失控的生物。
繼GPT-4把AI推理與多模態能力推到新的高度，市場開始期待它脫離一問一答的模式，自主把任務完成。2023年誕生的Auto-GPT第一次讓大家看見這個可能，它可以自己拆解任務、安排步驟，並決定下一步要執行什麼。但大家很快發現，Auto-GPT的努力經常在做白工，只是用更長、更繁瑣的過程去產出一個錯誤的結果。
於是，下一次蛻殼不是讓AI變得更自由，而是先替它套上流程。業界開始意識到，真正能落地的AI代理，是那些可以被拆解、被監督、被中途打斷、被人接手的系統。n8n這類工具把AI代理嵌進可視化流程裡，可以指定讓AI呼叫工具前要經過人工批准。然而，這條路也很快碰到其上限。畢竟流程再完整，本質上還是在替AI鋪好預設軌道，凡是沒被設計進去的情況就容易卡住。於是下一個問題變成，如何讓AI在一個清楚界定的範圍內獨立扛起任務。
這個答案，後來最先在程式開發領域被實踐。2025年誕生的Claude Code就是一個代表，它證明了AI不必先學會所有事情，才算得上合格的代理人；只要先把能力收斂在程式開發這個明確場景裡，並補齊讀懂整個codebase、接上開發工具、修改檔案、執行命令，甚至自行除錯等能力，就足以完成大部分任務。而真正讓它與前一代拉開距離的，則是後來加入的Skills機制。
過去，再強的AI模型也還只是個每次上工前都要重新叮囑的新同事。Skills的顛覆性在於，它把原本只存在於資深工程師腦中、散落在團隊文件裡、藏在code review習慣裡的做事方法，整理成AI可以重複調用的能力。它改變的不是一次任務怎麼完成，而是整個團隊怎麼把經驗留下來。
過去最有價值的能力常常只存在於少數老手身上，只能靠口耳相傳慢慢帶人。現在那些方法可以被封裝、被複製、被AI一起承接。近來社群甚至出現了「同事.md」這種有趣的發展，透過類似Skills的機制把一個厲害同事真正的價值蒸餾成一份可以直接交給AI的工作心智，不必擔心同事離職後沒人可以交接。
如果說Claude Code替AI代理磨出了一對能工作的鉗子，OpenClaw做的，就是替這對鉗子接上一副能長期運轉的身體。這副身體最關鍵的，不是某一個全新發明的單點能力，而是它把記憶、召回、輪巡與反思這些原本多半停留在框架層、實驗層或分散模組裡的能力，整合成一套更接近可持續運轉產品的工作結構。 （相關報導： 1% 推薦週報》代理式 AI 是什麼？它會取代人類嗎？ 當城市變身成展場！及其他風格觀點 ｜ 更多文章 ）
OpenClaw把記憶（Memory）做成可管理的檔案系統，將日常脈絡按日期分檔保存，必要時在回覆前先把相關背景召回。再來是心跳系統（Heartbeat），它並非讓agent永遠保持清醒，而是讓它在特定節點定時醒來，在主session裡重新檢查任務、狀態與待辦，必要時再回來報告。但長期運行之後，代理人的記憶若只是不斷堆疊，也很容易被雜訊淹沒。OpenClaw後來加入的Dreaming機制，做的就是在背景流程裡整理短期累積的訊號，只把真正反覆出現、值得保留的內容，沉澱進更長期可用的記憶。
