#1 OpenClaw 开发者: 未来 80% 的 App 将会消失
我们每天在几十个 App 之间切换：在微信回消息，在日历看日程，在打车软件叫车。这种割裂的体验是移动互联网时代的遗毒。
OpenClaw（前称 Clawdbot）开发者 Peter 做出了一个大胆的预测：未来 80% 的 App 将会消失，或者退化为纯粹的 API 接口。
这真是个掷地有声的观点。
起初我以为，这又是某个吹捧 “AI 将会重塑一切” 的陈词滥调，但当看到后半句 “(APP)将退化为纯粹的 API 接口”时，判断便发生了转折——这实在是只有真正具备丰富的 AI 落地经验的人才会有的洞察。
当 AI 不再只是一个能写文档、能聊天的文字助手，而是切实具备自我思考与执行能力的智能体，并可以通过协议与各类 APP 联系在一起，那么它将产生的效能，将远不止于 OpenClaw 目前所展示出的个人助手效果。
CLI vs MCP：回归最原始、最强大的交互方式
在交互设计上，Peter 提出一个观点：图形界面（GUI）是给人类用的，但对于 AI Agent 来说，命令行界面（CLI）才是最高效的。现在的很多 AI 工具试图模仿人类去点击屏幕，这其实是一种低效的拟人化。
OpenClaw 的设计哲学是复古的，它大量使用类似终端的指令交互。这虽然提高了上手门槛，但极大地提升了操作上限。你可以用一行命令完成复杂的任务链，比如“查找过去一周所有关于‘发票’的邮件，提取附件，分类保存，并生成汇总表”。
“不要试图让机器人像人一样去点鼠标。那是对算力的浪费。给它们最原始的接口，它们能跑得飞快。”
这不仅仅是复古，更是对人机交互效率的极致追求。
计算机本身并不需要 GUI。
图形化用户界面（GUI）的诞生，毫无疑问是计算机发展史上的重要里程碑。它源于贝尔实验室，1973 年推出的 Alto 电脑首次将图形界面系统完整地整合到计算机中。史蒂夫·乔布斯在参观了 Alto 后深受启发，随后苹果公司推出的“Apple II”上也有 Alto 的身影，并且在后续的所有个人计算机产品中，也都能看到这一理念的延续。
GUI 极大地降低了计算机的使用门槛，让原本需要依赖语法输入的 CLI 交互，转变为只需用鼠标点击图标即可完成的轻松操作。但真正需要 GUI 的，是人类，AI 本身未必如此。
从底层逻辑来说，GUI 的交互最终只是被拆解为前后端之间的指令调用，本质上不过是用户终端与服务器之间的一系列指令传递。那么，当我们希望让 AI 替代人类，去自动完成这些复杂交互，以此来替人执行工作的时候，我们需要让 AI 真正操作的，只是那些最底层的指令，而不是一个个带有 UI 的 APP。
那么，如何将这些底层指令暴露给 AI 使用呢？答案便是 API。
因此，未来 80% 的 App 将会消失，或者退化为纯粹的 API 接口，并非虚言，实在是掷地有声的判断！
关于豆包手机
谈到通过 GUI 来实现 AI 自动化工作的工具，就不可避免地会让人想到字节跳动于去年 12 月推出的豆包手机。
难道是字节跳动愚蠢吗？当然不是。
作为一家全球顶尖的互联网公司，他们既是 AI 时代的开拓者，也是最不希望 APP 消失的守成者。
AI 通过 GUI 实现自动化工作，从底层原理看似乎并不优雅，但它最大的优势恰恰在于——一切有着 GUI 的 APP 都是现成的。
这意味着，只要打通 AI 操作 GUI 的这一个技术环节，剩下的工具调用体系几乎全部现成可用。在当下阶段，这反而是成本最优的现实路径，同时也能够稳固互联网大厂既有的核心 APP 业务，实在是一举两得。
如果说 OpenClaw 代表的是开源社区中最自由、最先锋的技术理想主义，那么，豆包手机所象征的，则是更加成熟与务实的 AI 现实路径。
技术最终是为人服务的
人类真正关心的，从来不是工具的形态——是电脑、手机，还是 AI Agent；是依赖图形界面的 APP，还是仅通过 API 运转的智能系统。
人们在意的，是它是否能够提升生活质量，是否能够提高工作效率。
技术形态或许不断更迭，但技术背后的目标始终未变：为人服务。
而这份温度，远比形式本身更重要。
#2 ClawPhone 闪亮登场
开发者 Marshall Richards 将这一 AI 代理安装到一款约 25 美元的二手安卓手机上，并通过 root 权限赋予其对硬件的完整访问权。
这使得 ClawPhone 能够访问摄像头、麦克风、传感器等硬件，还能操作文件系统、执行 shell 命令，并具备连接 IoT 设备或硬件（如机器人或家居自动化系统）的潜力，实现低成本的 AI 物理载体探索。
当 AI Agent 直接下沉到最底层的系统权限与硬件接口上时，那么它所面对的，将不再是 GUI，而是操作系统本身。
技术的发展，真是让人目不暇接。
#3 对 OpenClaw 和下一代 AI 产品的 39 条思考
这其中有几条让我看着挺有感触的：
1. Skills 就是新时代的 Apps
假设未来 OpenClaw 真的能像它的开发者所描述的那样，让 80% 的 APP 退化为 API，那么承载这些能力的 Skills，毋庸置疑将成为新时代的 Apps。
原来充满各种 UI 界面的 APP Store，也将会演变为系统层级的 Skill Store，而 OpenClaw，则可能成为新时代的 Android。
未来绝大多数产品都会「Skill 化」，所有的 Apps 也会「Skill 化」。开发者不再需要维护 UI 界面，只需要提供能力，做好被发现、被调用的机制，以及与 Agent 和人的交互体验就可以了。
2. 未来的 AI 产品，应该「活」在用户最高频的工作流中
以前用 AI，先想到 ChatGPT、豆包这类「目的地」应用，主动去打开它。虽然 ChatGPT 周活能做到 10 亿，但始终是个有限的入口。
但现在，OpenClaw 能在所有的 IM 和任何能做聊天的入口做交互。这意味着，AI 的入口，从单个 App 一下子到了能覆盖百亿甚至千亿用户。这是第一次，用户在真正意义上能以最自然、最直接的方式和 Agent 交互。
这是一个很重要的范式转变——
过去，是 AI 产品创造一个新的入口，吸引用户主动前往；
而未来，也许是 AI 主动「活」进用户最高频的工作流中，用户只需发一条消息便能使用。
具体的示例如下：
IM 即入口
OpenClaw 已经实现对 WhatsApp、Telegram、Slack、Discord 等海外常用 IM 工具的适配；国内如飞书、钉钉、企业微信等，也有开发者在积极适配中。这本身就已经足够让人感受到便利与范式迁移。但真正有想象力的，还不止于此。
社交场景即入口
这让我联想到 「元宝派」 。
如果想象力再大胆一些——元宝派是否有可能成为腾讯在 AI 时代的新一代全民社交产品？
正如它曾在 PC 时代打造 QQ，在移动互联网时代打造微信那样。
别忘了，马化腾曾亲口表示： 希望重现微信红包的时刻 。而微信红包，恰恰就是微信迈向全民化的一个重要里程碑。
交易场景即入口
这一点更多是对金融场景的想象，具体领域我并不了解，但想象一下：在所有的金融交易工作流中，都能在最触手可得的地方，直接调用 AI 的能力，这种想象本身就足够震撼。
别忘了，DeepSeek 的母公司幻方科技本身就是做私募的。设想 DeepSeek 全面接入量化交易工作流——光是想象，就已经足够令人兴奋。
3. 大量的 AI 应用仍未真正触达大众市场
这是这篇文章里最让我触动的一句话。
当下看似 AI 浪潮汹涌澎湃，但更多仍停留在美国硅谷科技圈，以及国内少量科创公司与大厂的赛道。真正如同互联网与移动互联网时代那样——成千上万家公司涌入，开发软件与 APP 的时代，或许还未真正到来。
大量 AI 应用仍未触达更广泛、更下沉、更多元的大众市场，商业模式仍然有待验证。
AI 的未来，依然让人充满无限想象。
#4 深度拆解 Clawdbot，为何它能成为 2026 年第一个现象级产品？
本期播客，我们邀请了三位嘉宾，分别代表了用户侧、软件算法侧和硬件侧三个方向，希望全方位拆解Clawdbot的底层逻辑，以及它对2026年AI行业产生的深远影响。
【主播】
刘一鸣，硅谷101特约研究员【嘉宾】
知县，北京大学计算机系本硕，AI爱好者和社区项目OwliaBot builder
华祯豪Troy，本科毕业于清华姚班，卡耐基梅隆硕士（研究NLP和对话系统方向），曾在硅谷任职大型互联网公司算法团队，后创业加入 EverMind
叶天奇，PamirAI CEO
这一期播客信息密度很高。
我在完整听了一遍后，结合自己的思考与理解，整理出了如下笔记。
注：由于播客中仍使用 Clawdbot 这一旧名称，因此下文会沿用该名称，而不使用项目的最新名称 OpenClaw。
有活人感，会开玩笑，会每天早上主动发消息，而且是在用户熟悉的 IM 里，体验非常棒，也比在 Terminal 终端里的体验要好得多。
Claude、Manus 也能主动帮人完成任务，Clawdbot 在功能本质上并没有特别大的不同，最大的亮点在于整合进了 IM，把很多已有能力“胶水式”整合进人们熟悉的 IM 工具里。
比 Web 网页更加贴近人，打动了普通用户。虽然技术相似，但用户的感受完全不同，从而引爆了传播。
具体用例：
用户说家里的牛肉快过期了，它会自己分析食谱，并在做饭时间提醒使用。
可以在服务器里 24 小时蹲点，分析性能，判断配置是否可以优化，最终帮用户降低近一半成本。
自动模仿用户写文章，一字不用改，还能直接发布博客，自己写代码完成配置。
能自动给文章配图，调用 Gemini 加上自己写的提示词生成并下载，下载图片失败后还会主动尝试其他办法
总之，特别像一个非常主动的下属。
Clawdbot 更倾向于把事情直接做完，而不是像 Claude Code 那样告诉用户自己会怎么做、不会怎么做。
把事情直接做完的用例：用户让 AI 分析几个 GitHub 项目的 issues，并判断这些项目分别是做什么的。issues 通常有几千条，Claude Code 可能会偷懒，通过关键词搜索部分 issues 后直接给出结论；而 Clawdbot 会逐条去读、逐条分析，虽然更耗 token，但更听话、更愿意干活。
缺点：代码编程体验较弱，在 IM 里做开发依然比较痛苦，在 IDE 里使用 Claude Code 还是更顺手。
更适合知识工作者。比如，用户用 AI 生成一个文档时，Claude Code 会用 cmd 命令给出文件路径，例如
cd xxxxx，对非技术人员来说有理解门槛；而 Clawdbot 会直接在 IM 里发送文件附件。记忆设计：记忆分为个性记忆（personality）和事实 / 工作记忆。
个性记忆会在最初对话时询问用户希望被如何称呼，喜欢什么个性，然后记录下来，后续会塞入上下文（context）
事实记忆会按日期存在 markdown 文件中，每天结束时会总结生成，在对话过程中也会主动记录，比如：“这个事情很重要，我先记下来”。虽然技术并不复杂，但显性反馈让体验很好。
还有一个长时记忆文件
memory.md，如：用户当前职业等，且支持直接修改。上下文压缩机制：当会话长度超过模型上下文限制时，会进行压缩记录。
当用户和 AI 聊天时，可以让它去翻之前某一天的记忆，很像人开会前先翻资料。
知识检索：每个 md 文件按 400 token 切分，重叠 80 token，检索时采用 70% 语义检索 + 30% 关键词匹配。
记忆能力固然重要，但让用户感知到记忆能力更重要。Clawdbot 很好的一点是，会每天早上结合记忆主动给用户发消息，比如：“我记得你今天要做这道菜”。体验很好。
Heart Beat 心跳机制：有一个守护进程，当检测到用户长时间未发消息时，会自动触发一个 prompt，结合记忆，总结当前可以做的事情，然后触发大模型生成消息并发送，从而产生“活人感”。
权限隔离：权限较高，最好在自己的非主力机器上使用。
数字分身：用户可以把自己的知识和经验沉淀成文档，喂给 Agent，让它帮自己工作，比如：替网络安全工程师 24 小时分析网络安全。
技术发展固然重要，但让人感觉到“未来已至”同样重要。Google 的自动驾驶 SDK，和一辆能在小区自动驾驶的自行车，后者给人的感受更强烈。Clawdbot 在这一点上做得很好，把与用户之间的最后一公里打磨得非常好。
使用 AI Agent 对人的要求其实很高，你需要有足够的 know-how，清楚自己要让它朝哪个方向做事，并具备判断与评估结果的能力；而不是自己也不懂，就把事情完全交给它去做。