自動化 on EricChung的程式勇者村

OpenClaw 是什麼？那隻紅色龍蝦是你的私人 AI 助理

Tue, 21 Apr 2026 00:10:00 +0800

如果 Manus 是跑在別人家雲端的 AI 員工，那 OpenClaw 就是住在你自己電腦裡的那一個。

Logo 是一隻紅色龍蝦，但別被可愛外表騙了——這其實是目前最有潛力的本地端 AI Agent 之一。

OpenClaw 是什麼？

一句話：

「一個跑在你自己電腦上的開源 AI 助理，會自己做事、有記憶、能接通訊軟體，還能自己寫擴充套件。」

作者是 Peter Steinberger（iOS 開發圈的老朋友，以前做 PSPDFKit），在 2025 年推出的個人專案。

跟主流 AI 產品最大的差異：

項目	ChatGPT / Claude / Manus	OpenClaw
跑在哪	別人家雲端	你自己電腦
資料	上傳到對方伺服器	全程留在本地
擴充	官方提供	自己寫 / 社群共享
費用	訂閱費	開源免費（只付 API 費用）
整合度	有限	想接什麼就接什麼

為什麼這個東西值得注意？

因為它解決了一個很多人有的焦慮：

「我想要 AI 幫我做事，但我不想把所有資料都給 OpenAI / Anthropic。」

OpenClaw 的設計哲學很明確：Privacy-first。

跑在你自己的 Mac / Windows / Linux 上
記憶資料存在本機
要不要呼叫雲端 AI（Claude、GPT）由你決定
也可以接本地 LLM（Ollama 之類）完全離線

等於是把「AI 助理」這件事從雲端服務變成一個你擁有的程式。

它能做什麼？

官方列出 50+ 整合，但真正厲害的是它能自己組合這些整合。

幾個常見情境：

情境 1：訊息助理

接上 LINE / Telegram / WhatsApp / Slack / iMessage / Signal / Discord，你可以直接傳訊息給它：

「幫我整理今天的 GitHub 通知」
「搜一下這個餐廳的評價」
「提醒我下午 3 點開會」

不用開電腦、不用開瀏覽器，手機傳訊息就完事。

情境 2：Email 處理

接 Gmail 之後，可以說：

「把今天所有未讀信分類，重要的摘要給我」
「回覆這封信，語氣要客氣但堅定」
「把這封信的附件存到 Obsidian 的 2026-04 資料夾」

情境 3：coding 助手

「幫我把這個 repo clone 下來，跑測試看看哪裡壞了」
「查一下昨天 push 的 commit 有沒有影響 production」
「把這段程式重寫成 TypeScript」

情境 4：生活雜事

「訂今晚 7 點的餐廳」
「Spotify 放點 jazz」
「把今天的支出記進我的財務 Google Sheet」

情境 5：自我擴充

OpenClaw 最狂的一點：它可以自己寫擴充套件。

你說：「我想要一個能自動抓 Hacker News 前 10 名摘要的功能。」

它會：

寫一個新的 skill（擴充模組）
測試它
加進自己的能力清單

AI 幫 AI 自己擴充能力，這個遞迴很有意思。

補充：Claude 本身也有 Agent 功能

在講跟 Manus 的差異之前，值得提一下：

Anthropic 的 Claude 本身也有 Agent 能力，叫做 Claude Computer Use（電腦使用）以及整合在 Claude.ai 的 Projects + Tools 功能。

Claude 可以：

控制瀏覽器、操作視窗（Computer Use）
呼叫工具（搜尋網路、執行程式碼、讀取檔案）
在 Projects 裡保存長期記憶與文件

跟 OpenClaw 的差別是：Claude 的 agent 能力是雲端服務、官方整合，而 OpenClaw 是把 Claude 當成「大腦」，在你的電腦上自主執行。

也就是說，OpenClaw + Claude API = 把 Claude 的智慧裝進一個跑在你家的機器人。

跟 Manus 有什麼不同？

前一篇才介紹完 Manus，很多人會問：「這兩個差在哪？」

項目	Manus	OpenClaw
執行位置	雲端 VM	本機
是否開源	❌ 封閉	✅ 開源
訊息介面	只有網頁	7+ 通訊軟體
記憶	單次任務	長期累積
擴充	官方主導	任何人可寫
門檻	註冊就能用	要自己安裝

講白一點：

Manus 像一個你租的雲端員工——好用、高階、但要付錢、資料給對方
OpenClaw 像一個你自己養的助手——要花時間調教、但完全是自己的

怎麼安裝？

OpenClaw 是開源的，安裝流程大致是：

1. 安裝主程式

Mac / Windows / Linux 都有安裝包，到 openclaw.ai 下載。

2. 提供 API Key

你要有一個 LLM 能力來源，可選：

Anthropic API（Claude）— 推薦，能力最強
OpenAI API（GPT）
Ollama（本地模型，完全離線）

3. 授權要接的服務

想接 Gmail 就 OAuth 授權 Gmail，想接 LINE 就做 LINE bot 綁定。

4. 開始對話

裝好後第一次跟它講話，它會記住你的偏好。

比如你說：「我叫 Eric，平常用 Notion 做筆記，習慣早上 6 點起床。」

之後它都記得。

使用的幾個注意事項

1. 它是個 alpha 階段的工具

OpenClaw 還很新，會有 bug、會有奇怪行為。

不建議用在絕對不能出錯的工作流（例如付款、發正式信件給客戶）。

2. 記憶會累積成包袱

記憶越多，它越懂你，但也可能把舊的錯誤偏好一直帶著。

建議定期檢查它的記憶檔、刪掉過時的內容。

3. 本地執行不代表完全安全

即使資料在本地，它呼叫 Claude / GPT 時還是會把 context 送出去。

如果你真的想完全離線，搭配 Ollama 跑本地模型，但能力會差很多。

4. 擴充能力 = 雙面刃

它能自己寫 script、跑 shell 指令——這代表它也有能力弄壞你的系統。

建議：

重要操作先看一眼它要做什麼再放行
不要給它 root 權限
敏感資料夾設 read-only

誰適合用？

很適合：

重視隱私：不想把所有資料給雲端服務的人
工程師：能自己寫擴充、修 bug、調整流程
重度自動化愛好者：喜歡把生活各種雜事自動化
愛好 open source：支持開源生態的人

暫時不適合：

完全不會裝軟體的人：入門門檻還是比 ChatGPT 高
要 100% 穩定的商業應用：還在快速迭代，不夠穩
只想聊天：對話體驗不如 ChatGPT 專精

為什麼是「龍蝦」？

這個很多人問。

OpenClaw 的 Logo 是一隻紅色龍蝦——「Claw」就是龍蝦的螯。

這隱喻大概是：有抓取、有操作、有個性，不是軟綿綿的助手。

我覺得這個 branding 很成功，至少一眼就記得。

小結

2025 到 2026 年，AI Agent 的發展進到一個分岔路口：

雲端路線：Manus、Claude Computer Use、各種 SaaS 代理
本地路線：OpenClaw、open-interpreter、各種自建 agent

兩條路各有優缺點，但**「AI Agent 應該長在自己電腦裡」**這個理念，會吸引一群重視主導權的使用者。

如果你：

已經用過 ChatGPT / Claude，想更進一步
對資料隱私有要求
願意花點時間裝設定
想有一個真正「屬於自己」的 AI 助理

那這隻紅色龍蝦值得一試：

👉 openclaw.ai

未來我們可能每個人都會有一個像這樣的東西，陪你處理大大小小的雜事。OpenClaw 讓這個未來提早到了。

Manus 是什麼？那個被稱為「第一個真正能做事」的 AI Agent

Tue, 21 Apr 2026 00:00:00 +0800

2025 年 3 月，一個叫 Manus 的網站突然在全網爆紅。

不是因為它是「又一個 ChatGPT」，而是因為它展示了一件以前只存在 demo 影片裡的事：

你丟一個任務，它真的會自己去完成，然後把結果交給你。

不是給你一段建議、不是給你一個 outline——是直接把做好的東西丟到你面前。

Manus 是什麼？

Manus 是一個「通用型 AI Agent」。

跟純對話型 AI 最大的差別：

類型	你給它什麼	它給你什麼
ChatGPT（對話模式）	問題	回答（文字）
Claude（對話模式）	問題	回答（文字）
Claude（Agent 模式）	任務	成品（有工具呼叫、可執行動作）
Manus	任務	成品（檔案、網站、報告、腳本）

補充： Claude 現在也有 Agent 能力了——Claude Computer Use 可以操控瀏覽器和桌面，Claude.ai 內建的工具模式可以搜尋網路、執行程式碼、讀寫檔案。兩者的主要差異在於 Manus 有獨立的雲端 VM 和完整的任務交付流程，Claude Agent 則更強調與對話的整合。

你可以想像成：

「你雇了一個遠端助理，他有電腦、有瀏覽器、會寫 code、會上網查資料，然後他真的會把事情做完。」

它到底怎麼運作？

Manus 的核心機制是：

接收任務 — 你用自然語言描述目標
拆解步驟 — 自動規劃要做哪些事
開虛擬電腦 — 它在雲端會有一台自己的電腦
執行 — 開瀏覽器、寫 code、跑程式、下載資料、查資料
回報 & 交付 — 完成後把檔案或成果丟給你

重點是中間的過程你都看得到。

Manus 有一個「即時操作畫面」，像直播一樣看它：

滑鼠移到哪
開了哪些分頁
打了什麼 code
搜尋了什麼

這個透明度讓人用起來很安心——它不是黑盒子。

實際可以做什麼？

網路上流傳的經典案例：

案例 1：履歷分析

丟一份 PDF 履歷，說：「分析這個人適不適合我們公司的 senior engineer 職缺。」

Manus 會：

讀完履歷
上網查這個人的 GitHub、LinkedIn
分析技能匹配度
產出一份完整的評估報告（含建議面試問題）

案例 2：出差行程規劃

「我下週要去東京三天，預算 5 萬台幣，想看動漫相關景點。」

Manus 會：

查機票、訂機票流程（提供連結給你確認）
排三天行程（含交通時間）
列出動漫景點、餐廳
輸出一份完整的行程表（Excel / PDF）

案例 3：股票研究

「分析 NVIDIA 最近三個月的走勢，做一份投資建議報告。」

Manus 會：

抓股價資料
查最新新聞
跑分析腳本、畫圖
產出一份帶圖表的研究報告

案例 4：網站建置

「幫我做一個寵物領養平台的 prototype。」

Manus 會：

設計資料結構
寫 HTML / CSS / JavaScript
做出能點擊互動的 demo
部署到可以公開訪問的網址

跟其他 AI Agent 有什麼不同？

現在宣稱「AI Agent」的工具一堆，但 Manus 出來的時候引爆討論，有幾個原因：

1. 真的「做完」，不是「建議怎麼做」

很多 AI Agent 會告訴你：「你可以這樣做、那樣做……」

Manus 是直接做完，給你交付品。

這個差別在工作流程裡面是天與地。

2. 多工具協作

它不是只會寫 code 的 AI，也不是只會查資料的 AI——該用什麼工具就用什麼工具。

寫 Excel、做 PDF、寫 Python、開瀏覽器截圖、部署網站，全部都在同一個 agent 裡面。

3. 執行過程透明

看得到它在做什麼，出錯可以中途介入。

這比「丟進去等結果」的黑盒 agent 好用太多。

4. 非同步工作

Manus 在雲端跑，你可以關掉瀏覽器去吃飯。

它自己會繼續做，完成後通知你。

它適合誰用？

非常適合：

PM / 分析師 — 要做研究報告、競品分析
行銷 / 內容 — 要做主題研究、素材整理
工程師 — 做快速原型、腳本自動化
獨立工作者 — 一個人要處理很多雜事

比較不適合：

只需要簡單問答 — 用 ChatGPT 或 Claude 對話模式就好
需要 Agent 但想整合對話 — Claude Agent 模式可能更順手
需要高度精確的專業領域（醫療、法律）— 還是要專家審核
大量重複性工作 — 直接寫自動化腳本更穩定

限制與問題

用一陣子會發現幾個實際問題：

1. 慢

一個任務常常要跑 15–60 分鐘。

雖然可以非同步，但急件不適合。

2. 會迷路

複雜任務有時候它會卡住、重複、做到偏掉。

需要你中途給提示把它拉回來。

3. 貴

不是免費服務，用得多要付訂閱或買點數。

4. 資料安全

任務會在它的雲端 VM 跑，敏感資料、公司機密不要丟進去。

5. 還不夠穩定

畢竟是新一代產品，會有 bug、會有錯誤，不能 100% 依賴。

怎麼開始用？

1. 去 manus.im 註冊

早期要 waitlist，現在已經開放註冊（但可能有排隊或點數限制）。

2. 從小任務開始

不要一開始就丟「幫我做一個完整的 SaaS 產品」。

先從單一、清晰的任務試手感：

「分析這份 PDF 的重點」
「查一下 XX 工具和 YY 工具的差異」
「把這段 CSV 轉成圖表」

3. 學會給好指令

Manus 吃得懂自然語言，但越清楚越好：

告訴它最終產出物是什麼格式
給它限制條件（預算、時間、風格）
給參考範例

4. 善用「中斷」和「修正」

任務跑一半發現不對，直接打斷它、給新指令。

不要從頭等它做完才發現白做一場。

它會取代工程師 / 分析師嗎？

這是 Manus 剛推出時最熱門的討論。

我的觀察：

短期內不會。Manus 能做的事，有能力判斷好壞的人才用得好
會改變分工。以後一個人能做以前十個人做的雜事
基礎工作會被吃掉。整理資料、寫簡單腳本、做 PPT 模板——這類工作會縮水
高階判斷更珍貴。「要不要做」、「做到什麼程度」、「怎麼跟商業結合」這些還是要人

簡單講：它不是取代你，是讓會用它的人比不會用的人多做十倍事情。

小結

Manus 是 AI 工具進化的一個分水嶺——從「回答問題」變成「交付成果」。

雖然還有很多不穩定、還有很多做不到的事，但方向很清楚：

未來的 AI 工具，會越來越像「數位員工」，而不是「搜尋引擎」。

如果你想感受一下這個改變：

👉 manus.im

挑一個你平常會自己做的小任務，丟給它試試看。體感可能會超過你的預期。