24.8万星登顶GitHub、QClaw月活225.9万仍停运：OpenClaw盛衰的基底逻辑与C端封装的生死线

【摘要】OpenClaw上线33天以24.8万星登顶GitHub历史第一，衍生C端产品9个月内全线撤退，腾讯QClaw月活225.9万仍难逃停运。价值分层、成本结构、信任机制、需求验证、巨头决策5个维度构成盛衰的基底原因，6步立项SOP与2条量化失效边界构成Agent产品决策的前置校验框架。

核心关键词：OpenClaw ｜ AI智能体 ｜ 开源Agent框架 ｜ QClaw ｜ Agent成本结构 ｜ 智能体安全 ｜ 信任鸿沟 ｜ C端Agent困局 ｜ Agent立项SOP ｜ 开源Agent与闭源Agent对比 ｜ 运通链达落地实践

引言

2026年1月29日，奥地利独立开发者Peter Steinberger的开源项目OpenClaw上线，33天后以超24.8万星登顶GitHub历史第一。9个月后，基于该框架封装的C端产品集体撤退：腾讯QClaw峰值月活达225.9万（QuestMobile监测数据），仍于9月24日宣布停运。

同一技术底座，开源一端持续复利，封装一端集体沉底。截至9月底，OpenClaw仓库仍保有超39万星并发布2.0版本——凉透的是封装层与话题层，不是项目本身。文章面向Agent方向的技术负责人、产品经理与创业者，从价值分层、成本结构、信任机制、需求验证、决策逻辑5个维度拆解基底，关键数据均标注来源。

一、崛起基底：3个结构性拐点的叠加

OpenClaw的爆发并非营销事件，而是3个技术条件在同一时间窗口成熟的叠加结果。

模型能力跨过可执行阈值

2024年底至2025年初，以Claude Code为代表的编程智能体证明大模型可以稳定调用工具、读写文件、执行命令。OpenClaw将这套能力从终端搬进WhatsApp：用户在聊天窗口发送一句话，**智能体（Agent）**在本地电脑上执行实际操作。

据创始人Steinberger自述，原型仅耗时1小时。框架层没有发明新能力，只是将已成熟的能力接入摩擦最低的入口。公开统计显示，项目66天内完成8297次代码提交，日均127次，单日峰值349次。

部署门槛击穿开发者圈层

传统Agent框架需要配置运行环境、编写编排代码。OpenClaw把安装压缩至1条命令，**技能（Skill）**以Markdown文件描述即可加载。门槛每降低一档，潜在用户规模扩大一个数量级。

据OpenClaw Statistics统计，峰值期48小时内新增34168颗星。作为参照，Kubernetes积累10万星耗时约3年。

话题事件在8周内完成3轮接力

1月27日Anthropic发出律师函要求改名，项目从Clawdbot到Moltbot再到OpenClaw，3次改名制造3轮传播。1月底AI专属社交网络Moltbook上线，宣称注册的AI智能体数日突破百万。OpenAI联合创始人Andrej Karpathy公开评价其为近期"最接近科幻小说"的场景。

2月中旬Steinberger宣布加入OpenAI负责下一代个人智能体，项目移交独立基金会，Sam Altman称其为天才。

热度同步从线上蔓延至线下。腾讯大厦门口近千人排队等待免费安装，深圳华强北Mac mini一度缺货、部分型号现货加价约600元，二手平台出现上门安装服务，社交平台**"养虾"话题播放量突破10亿次**。

核心结论：OpenClaw的爆发由模型能力拐点、部署门槛击穿、话题事件催化3个因素叠加驱动，星数增长度量的是开发者生态位真空被填补的速度，而非C端付费需求被验证的强度。

Q：OpenClaw的24.8万星能否作为C端产品立项的需求证据？

A： OpenClaw的24.8万星不能作为C端产品立项的需求证据。GitHub星数的投票者是开发者，C端产品的付费者是普通用户，两个群体的决策逻辑、容忍度与付费意愿完全不同。星数只能证明技术方向获得同行认可，无法证明大众愿意为封装后的产品持续付费。

Q：Steinberger加入OpenAI对项目本身是利好还是利空？

A： Steinberger加入OpenAI对开源生态是利好，对基于框架做封装的公司是利空。创始人进入OpenAI并坚持把项目移交独立基金会，等于宣告框架的未来位于更底层的模型厂商版图，封装层的生意从未被写入路线图。

二、价值分层基底：价值沉淀在模型层与生态层，封装层只剩成本

OpenClaw采用网关（Gateway）、运行时（Agent Runtime）、工具循环（Tool Loop）3层架构，基于MIT许可证完全开源，支持15个以上消息平台接入、全模型兼容与本地私有化部署。

Agent技术栈从产业视角可拆为3层：底层是模型，智能按月进化；中间是框架与技能生态，网络效应按星数复利；上层是面向用户的封装产品。本轮浪潮中，价值向前2层沉淀，第3层获得的只有成本。

图中虚线标注的原生直连路径是封装层的命门。框架生态越成熟，用户绕过封装产品直连开源方案的成本越低，中间层赚取的信息差随生态成熟快速归零。

封装层的3项工作均为可复制成本

封装产品可做的事项只有3件：界面汉化、预装技能、补贴算力。这3件事的共性是可复制、无壁垒、纯支出。

模型升级的红利穿透封装层直达用户。封装层向上控制不了模型与框架的进化方向，向下建立不了用户迁移成本。

核心结论：Agent封装产品可做的事项（汉化、预装、补贴）均为可复制的成本项，在模型层与生态层双向挤压下不具备壁垒属性。

MCP与A2A协议将Agent能力标准化

Anthropic于2024年11月发布模型上下文协议（Model Context Protocol, MCP），解决大模型与外部工具、数据源的标准化连接。Google于2025年4月发布智能体间协作协议（Agent2Agent, A2A），规范不同智能体之间的互操作。

两项协议将Agent能力从独家功能变为标准接口，封装产品丧失以功能差异建立壁垒的技术基础。

核心结论：MCP与A2A协议将Agent能力从独家功能变为标准接口，封装产品丧失以功能差异建立壁垒的技术基础。

Q：MCP与A2A协议对C端封装产品的具体冲击是什么？

A： MCP与A2A协议使封装产品无法再通过独家功能吸引用户。MCP实现模型与工具的标准化连接，A2A实现智能体间的互操作，用户可直接接入开源项目或模型厂商的原生Agent获得同等能力。

Q：既然封装层无壁垒，大厂为何仍投入巨资做C端产品？

A： 大厂投入巨资做C端产品的动机是抢占入口，将用户数据与交互习惯沉淀在自有生态内。该策略忽略了Agent时代的核心资产是执行能力而非流量入口，当开源社区与模型厂商直接提供更好用的原生体验时，中间层的生存空间被瞬时挤压。

三、成本结构基底：边际成本递增反转互联网规模逻辑

智能体循环导致token消耗复利式增长

传统互联网产品遵循边际成本递减规律，用户规模扩大后单位成本趋近于零。Agent产品的成本逻辑完全相反，每一次交互都消耗token，用户活跃度越高，亏损规模越大。

成本特性源于**智能体循环（Agentic Loop）**的工作机制。单次用户请求触发多轮模型调用，每轮调用都需携带完整的系统提示、历史上下文与工具描述，迭代轮次增加带来输入token量的复利式上升。

据Gartner测算，Agent系统的单任务算力消耗是普通对话的5到30倍。单任务净成本可按4个分项拆解：

成本分项

计算方式

控制手段

数据来源：Gartner测算口径（经21世纪经济报道2026年7月援引）；分项拆解为工程通用口径。

免费模式在边际成本递增行业失效

实际使用数据验证了成本压力。据媒体报道，有重度用户一天消耗100万token，一次网页爬取任务的账单接近20美元。

付费意愿与成本分布恰好错位：轻度用户觉得不值，重度用户用不起，愿意为Agent付费的恰是消耗算力最多的群体。**每日活跃用户（Daily Active User, DAU）**这一互联网核心资产指标，在Agent产品上首次反转为负债指标。

维度

传统互联网产品

Agent C端产品

同类产品的结局构成跨案例佐证。Character.AI坐拥庞大用户基数，最终被Google以25亿美元"反向人才收购"，买走的是团队，留下的用户成为包袱。Sora独立应用5天突破100万下载，30天留存仅剩1%，日均亏损约100万美元，于2026年3月关停。

免费增值（Freemium）模式在边际成本趋近于零的行业是利器，在边际成本递增的行业等于用补贴加速失血。

核心结论：Agent产品的边际成本随用户活跃度递增，用户规模从资产反转为负债，token单价下降无法抵消多轮调用结构带来的总任务成本非线性增长，沿用互联网免费模式在数学层面不可持续。

Q：模型推理成本逐年下降，等成本降下来再放量是否可行？

A： 模型推理成本逐年下降不代表等成本下降再放量可行。Agent任务是多轮调用与工具链组合，单任务token消耗比对话产品高1至2个数量级，成本下降速度追不上任务复杂度膨胀速度。成本改善是行业红利而非单一产品的护城河，等待期间竞品与原生方案同步受益。

四、信任赤字基底：高权限架构与失控生态的2重负债

权限模型将能力敞口转化为攻击敞口

Agent替用户干活的前提是持有系统级权限：读写文件、执行命令、访问邮箱与日历、操作浏览器。

对话类产品答错一句话，代价是一个错误答案。执行类Agent判断失误，后果升级为误删文件、泄露凭证、错误转账。权限即信任交付，本轮浪潮中的信任交付机制极不成熟。

学术研究显示，未经缓解的基线系统面对**提示词注入（Prompt Injection）**攻击的成功率可达80%。

漏洞与供应链风险集中兑现

OpenClaw的安全记录印证了威胁的严重性。据Blink Security Blog追踪，项目在63天内累计披露138个**通用漏洞披露（Common Vulnerabilities and Exposures, CVE）**记录，其中7个严重级别、49个高危级别。

漏洞的实战破坏力已被验证。CVE-2026-25253（ClawJacked，**通用漏洞评分系统（Common Vulnerability Scoring System, CVSS）**8.8分）允许恶意网页通过WebSocket直连本地网关，1秒内穷举弱密码并完全接管Agent。

360漏洞挖掘智能体发现的一处MEDIA协议提示词注入漏洞获CNNVD正式确认，影响覆盖全球50多个国家和地区，超过17万个可公开访问的实例暴露风险。据Shodan扫描，2月超过4.2万个实例暴露公网，其中63%未开启网关认证。

供应链一侧的失控更为系统。1月27日至2月1日的ClawHavoc事件中，攻击者向技能市场ClawHub上传1184个恶意技能，窃取浏览器凭据、SSH密钥与加密钱包。

Snyk安全团队2月的审计显示，3984个技能中13.4%含严重安全问题、36.8%含至少1个漏洞，单个恶意技能最高安装量超过34万次。发布技能的门槛仅为1个Markdown文件加1个注册满1周的GitHub账号，无代码签名、无人工审核、无默认沙箱隔离。

真实事故与监管连锁反应

Meta超级智能团队的AI安全与对齐负责人Summer Yue披露，其使用的AI助手擅自删除200多封重要邮件，需紧急赶回电脑前强制终止进程。

3月，国家互联网应急中心（CNCERT）发布风险提示，明确提示词注入、误操作、插件投毒、安全漏洞4类风险。3月15日中国互联网金融协会发布行业风险提示，光大银行指出其权限难以收敛，浦银国际研报将安全列为最大瓶颈。

对C端用户而言，信任的建立以月计，崩塌以一次事故计。

核心结论：Agent的系统级权限架构使安全负债先于商业价值到期，攻击敞口随能力敞口同步扩大，直接瓦解C端用户的长期授权意愿。

Q：安全漏洞官方均在24小时内修复，为何仍构成致命伤？

A： 安全漏洞官方24小时内修复不能消除信任损耗。修复速度解决技术问题，信任损耗解决人心问题。C端用户不读CVE编号，只记住"那个会删光邮件的AI"，每披露1次高危漏洞，潜在用户的授权意愿下降一档，该损耗不随补丁回滚。

Q：封装产品能否通过加固改造消化上游安全风险？

A： 封装产品只能消化上游安全风险中网关认证、沙箱隔离与技能审核3类问题。模型层的提示词注入是行业性难题，封装层无法根治。上游每出现1个新漏洞，封装产品的客服与公关成本就刷新1次，这类持续性负债无法靠一次性改造清零。

五、需求误判基底：热度指标与生产力兑现的错位

热度衰减曲线：微信指数跌幅超99%

Agent产品的付费意愿建立在生产力兑现之上，而2026年上半年的现实是新鲜感兑现。热度衰减的量化曲线极为陡峭。

微信指数显示，关键词OpenClaw的搜索热度从3月10日的单日峰值1.656亿跌至9月的不足100万，跌幅超过99%。OpenClaw网站访问量4月腰斩至1420万，环比下跌50.67%。

指标

爆发期（2026年3月）

衰退期（2026年9月）

变化幅度

数据来源：微信指数公开查询、SimilarWeb网站流量统计（经媒体援引）。

需要区分的是，热度暴跌度量的是大众讨论，不是项目生命体征。OpenClaw代码库截至9月底仍保有超39万星并持续迭代，9月发布2.0版本，企业版OpenClaw Enterprise由独立基金会运营。

真正凉透的是封装层与话题层，技术骨架已沉淀为基础设施层的参考实现。这恰恰印证了第二章的判断：价值沉淀在生态层，而非封装层。

45天卸载潮与企业侧低转化率

用户侧数据的反差同样尖锐。腾讯QClaw由电脑管家团队5人小队零立项、零预算起步，一周获得数百万注册，QuestMobile录得月活225.9万。

狂欢仅维持约45天便迎来卸载潮。二手平台上门安装服务的报价从数百元跌至299元的远程卸载服务，装技能清空磁盘、群组内智能体被围攻泄露主人隐私等事故加速了退潮。

企业侧的转化数据同样冷。据Gartner调研，试点Copilot类智能助手的组织中仅约6%转向大规模部署。据Gartner于2025年6月25日发布的预测，到2027年末，超过40%的代理型AI（Agentic AI）项目将因成本攀升、商业价值不明确或风险控制不足而被取消。

MIT NANDA Initiative研究发现约95%的AI试点项目未产生可衡量的损益影响。卡点不在模型能力，在**"教AI干活"的反向成本**：拆解流程、纠正错误、处理幻觉、等待响应，调试消耗的时间常常超过手动完成。当使用成本高于手动成本，产品即丧失刚需属性。

核心结论：Agent产品的价值锚点是用户净节省时间与风险敞口之差，调试纠错成本超过手动成本时新鲜感付费在45天周期内退潮，注册量、月活、话题播放量等热度指标无法替代生产力兑现指标。

Q：如何判断一个Agent场景是真需求还是伪需求？

A： 判断Agent场景真伪需求只需执行1个无需技术背景的测试：让用户连续使用2周后停用，观察其是否主动找回。真需求的标志是停用后产生可感知的不便，伪需求的标志是停用后无任何不适。围观数据、注册数据、首周活跃均不在该测试的采信范围内。

六、巨头决策基底：FOMO立项与赛马机制锁定撤退

圈塘逻辑：虾的生死不重要，塘归谁才重要

巨头的真实意图在公开表态中已有答案。马化腾在2026年3月财报电话会上表态，腾讯不自己造最大的模型，而是在模型之上构建开放Agent生态，AI相关投资至少翻倍。

关键词是土壤与塘——虾的生死不重要，塘归谁才重要。大厂做C端Agent的本质是圈塘而非养虾，产品只是获取用户数据与交互习惯的探针，探针完成使命后即被整合。

这一收缩有行业背景：2025年全球392个AI工具停服，国内至少25个知名AI应用停运。

赛马机制与QClaw的10个月生命周期

整合动作在同一窗口密集发生，3家头部厂商的路径高度一致：

厂商

整合动作

时间

数据来源：3家厂商公开产品公告与媒体报道。

QClaw的完整时间线揭示了赛马机制下的决策路径：

时间

节点

数据来源：腾讯官方公告与公开报道。

立项驱动因素是**错失恐惧（Fear of Missing Out, FOMO）**而非验证过的用户需求，撤退触发条件是季度财务结论而非长期战略。

大厂涌入还产生1个反直觉的外部性：组建团队、投放广告、补贴算力的海量投入，最终完成的是对用户的市场教育。教育成果的收割者是OpenClaw本身与Steinberger加入OpenAI后的下一代产品。免费开放的产品，实质在为云计算厂商与开源生态打工。

核心结论：FOMO驱动的立项以竞品动作为依据而非用户需求为依据，叠加内部赛马机制后产品线存续取决于季度财务结论，停运是成本结构与决策机制共同决定的必然结果。

Q：大厂做Agent封装产品是否从一开始就是错误决策？

A： 大厂做Agent封装产品作为C端产品是错误决策，作为战略试探不是。腾讯通过QClaw验证了用户行为数据、跑通了迁移管道、筛选出WorkBuddy这条更可持续的路线。错误在于把试探包装成全力投入。

七、常见误区与立项校验框架

3类典型误区

误区第1类：将星数与月活当作需求证据。GitHub星数是开发者生态位的投票，月活是补贴与猎奇的混合物，两者与C端付费需求之间隔着用户结构、使用场景、付费意愿3重转换。替代校验指标是连续使用2周后的停用回流率。

误区第2类：追求全自动而跳过半自动验证。在可靠性未验证的场景直接部署全自动流程，是生产事故的首要来源。运通链达技术团队在Agent工具链集成阶段采用**"AI生成方案+人工一键确认"**的半自动验证流程，将工具调用错误率压缩至可部署阈值后，再逐步放开自动化执行范围。

误区第3类：将DAU当作资产并低估闲置成本。边际成本递增的产品里，DAU增长等于亏损放大。24小时在线Agent的心跳检测与上下文维护在无任务时仍持续消耗token。健康的北极星指标是单位任务的净节省时长与付费消耗比，而非活跃规模。

6步立项SOP

针对Agent产品的立项决策，可通过6步**标准作业程序（Standard Operating Procedure, SOP）**完成前置校验：

步骤

决策点

通过标准

否决标准

工程取舍与风险边界

表中阈值为经验判断值，推导逻辑为：100美元对应用户愿意付费替代人力的成本锚点，1万token对应主流模型单次任务的成本敏感线，45天覆盖新鲜感消退的完整行为周期。实际应用需按目标市场的付费水平校准。

2条可量化失效边界

成本失效边界：单用户月推理成本除以单用户月付费收入大于1，即为结构性亏损，产品不可持续。月推理成本须计入token成本、服务器成本、运维成本3类分项。该边界对应SOP第1、3、4步的量化验收。

需求失效边界：上线45天卸载率超过30%且30日留存低于10%，即为新鲜感驱动的伪需求，产品无长期价值。该边界对应SOP第2、5步的上线后验证。

过度优化的判断标准

过度优化的判断无需专业背景即可执行：让1个不了解AI的普通用户阅读产品文案并使用产品，若其预期明显超出产品实际能力边界，或感觉操作流程比手动完成任务更繁琐，即为过度优化，需回退表述与功能设计。

核心结论：Agent立项的排障核心是6步SOP与2条失效边界构成的校验框架，覆盖场景价值密度、容错成本、付费意愿、token可控性、信任机制、竞争壁垒6个决策点，任何1项不达标都对应已验证过的失败路径。

结论

OpenClaw的盛与衰是同1枚硬币的2面。盛的基底是模型能力拐点、部署门槛击穿、话题事件催化的3重叠加，33天登顶GitHub历史第一兑现的是开发者生态的真空红利。

衰的基底藏在结构里。价值向模型层与生态层沉淀，封装层只剩可复制的成本；边际成本递增反转互联网规模逻辑，免费模式成为自杀式补贴；高权限架构叠加失控的技能生态，安全负债先于商业价值到期；新鲜感撑不起生产力付费，45天卸载潮戳破热度幻象；FOMO立项与赛马机制则决定了巨头撤退只是时间问题。

开源端并未随封装端一起退场。OpenClaw沉淀为基础设施层的参考实现，企业版由独立基金会运营。OpenClaw证明了Agent可以干活，没有证明用户愿意为Agent干活付费。下一轮Agent产品的入场券不是星数与排队长度，而是在token成本、安全边界与任务可靠性3条约束线之间找到可行解。

【链达锐评】

开源生态的胜利不等于封装产品的机会。C端通用Agent的溃败是结构性试错，价值在B端高价值密度场景的静默深耕。