-
日期: 2026-03-16 | 來源: 觀察者網 | 有0人參與評論 | 字體: 小 中 大
這裡調用了大模型 API，將工具結果轉化為自然語言。
注意上面的流程中有個kimi_search，它不是skills也不是大模型，而是KimiClaw內置的網絡搜索工具。
無論多麼神奇的OpenClaw功能，都可以拆解。OpenClaw核心、記憶檢索、大模型調用、Skills工具調用與網絡搜索、記憶更新等多種模塊組合，就能完成無數種任務。
可以看出，這個組合極為靈活，能完成的任務想象力完全打開。其中大模型的能力是關鍵，有了它，才能理解要幹什麼事、如何執行任務、如何輸出給用戶，所以完成壹個任務要多次調用大模型。有些客戶發現用OpenClaw太花錢了，比大模型APP問答花錢多了，就是因為“壹個任務多次調用”的特性，大模型回答問題就是壹次調用。
智能體能長時間不斷調用大模型推進任務，是智能進步的標志，已經從幾拾分鍾進步了到幾小時甚至更長。有些任務OpenClaw可以跑很長時間不出錯最終完成，但它基本是壹個智能體在跑。現在AI前沿已經發展到拾幾個智能體分工配合壹起完成任務，開源社區也有讓多個OpenClaw分工互相通信協作的嘗試，但還不是太突出。
（伍）OpenClaw的缺陷是什麼？
以上解釋了OpenClaw的運作原理，看上去很厲害。但要問它對我有啥用？我現在的結論是：還沒特別有用，最大的收獲是學習原理。絕大多數時間，我都在“伺候”這只蝦，因為有時它實在太不靠譜了。
理解原理以後，我們知道，它能辦挺多事。但我觀察了多個任務以後，得出了不太好的結論：這是壹個以“形式主義”為最高原則的AI助理，實質能力往往不行，最大問題是不靠譜。其實看它的算法原理也能明白，這種組合出來的流程，隨便壹跑能靠譜才見鬼了。
大模型本身就有幻覺，但慢慢靠譜了很多，只要小心，已經算是能控制的小問題了。我用Kimi的聊天、深度研究、code、文檔等功能，對日常工作生活幫助很大。這些功能有大模型公司不斷研究優化，表現越來越好是可以預期的，可靠性過了門檻以後，就真的很有用了。
我們看OpenClaw完成的任務，大模型要用許多次，還要OpenClaw核心來主導，要調用多種skills，要總結輸出。各種任務類型多種多樣，中間哪壹步出問題，最後的結果就可能很離譜。
壹個嚴重問題是，大模型有極強的“形式主義”編造能力。壹個好多步的流程，中間很有可能失敗，如股價網絡查找失敗、運動員信息查找失敗，或者表面成功了實際是錯的，如找了以前的老信息。但大模型不管，它先滿足形式主義，沒有信息，它自己編！
例如3月11日這些運動員的比賽消息，有些是胡編的！鄭欽文和王欣瑜實際都輸了。有的時間錯亂了，把2025年的消息發出來了。因為kimi_search等搜索工具不壹定靠譜，搜索只是返回壹些信息，並不能判斷合不合適，有時也會失敗。OpenClaw調用大模型決策推理，定“工作計劃”的時候，有時會拿出“搜索失敗自己編”的“糊弄”方法。
這樣的人類員工，如果被發現了肯定開除了。但我沒辦法，還得去想辦法伺候它，弄明白犯傻的原因，想辦法把輸出弄正確。
- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見