OpenClaw 让每个聊天软件都有机会变成微信

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
OpenClaw 让每个聊天软件都有机会变成微信
7588点击    2026-03-04 10:39

当 AI agent 需要一个「家」的时候,它们没有住进独立的 App,而是搬进了聊天软件。


2 月春节期间,机器人满天飞的时候,Manus 发布了 personal agent,首发平台选了 Telegram,而非自家的 WhatsApp。


OpenClaw 让每个聊天软件都有机会变成微信


与此同时,Salesforce 在 1 月宣布新版 Slackbot 正式上线,定位为「你的个人工作 agent」;飞书开放平台上线了 AI Agent 工作流节点和 MCP 工具支持;Discord 社区里,AI bot 的数量和复杂度也在急速攀升。


这当然要拜 OpenClaw 所赐,作为仅一个周末就涨到 10 万 GitHub star、增长最快的 AI 开源项目之一,它的默认交互界面不是网页,不是独立客户端——是 Telegram。


OpenClaw 让每个聊天软件都有机会变成微信


一个清晰的趋势正在形成:即时通讯工具正在从「人与人的对话」变成「人与 AI 的接口」,聊天软件意外地迎来了它们的「第二春」。


但「第二春」并非平等地降临在每一寸土地上。不同 IM 平台的开放程度、技术架构和治理逻辑差异巨大,它们在 agent 浪潮中的位置也截然不同。理解这些差异,需要一条分析线索——开放性的天平。


为什么是聊天软件?


为什么是即时通讯软件?打开自己生活里最常用的对话框,就可以使唤 AI——这非常符合人类对「科技生活」的畅想。不过,真正的答案,跟 agent 的架构有关。


AI agent 的工作原理并不复杂:监听用户指令,交给 AI 处理,再把结果返回。这个「消息进—处理—消息出」的循环,天然适配即时通讯的基础设施——长连接、实时推送、富文本消息。聊天软件在过去十几年里为人类对话打造的管道,几乎不需要改造就能供 agent 使用。


OpenClaw 让每个聊天软件都有机会变成微信


更重要的是 human-in-the-loop 的需求。当前的 AI agent 远不到完全自主的程度,它在执行关键操作之前——比如发一封邮件、修改一段代码——往往需要人类点头确认。聊天窗口里的一个回复,比打开一个新的管理后台、登录一个新的 dashboard 要自然得多。IM 天然就是一个「确认/驳回」的界面。


还有一个更决定性的因素:用户已经住在聊天软件里了。 不需要下载新 App,不需要学习新界面,agent 就在你每天打开的对话列表里,夹在同事群和家庭群之间。这种零迁移成本,是任何独立 AI 产品都很难复制的优势。对于开发者来说,这意味着获客成本趋近于零——你不需要说服用户安装任何东西,只需要让他们点一下「添加 bot」。


但并非所有聊天软件都平等地受益于这波趋势,决定谁先吃到 agent 红利的关键变量,是平台的开放程度。 我们可以沿着一条从「完全开放」到「完全封闭」的光谱,来观察各家 IM 平台的位置和策略。


天平最左端:Telegram


Telegram 之所以成为 agent 浪潮的第一个受益者,不是因为它最大、最好用,而是因为它是所有主流 IM 里开发者门槛最低的。


创建一个 Telegram bot 只需要跟@BotFather 对话几步——起个名字,拿到 API token,就可以开始接收和发送消息。不需要企业认证,不需要审批流程,不需要等待人工 review。整个过程从零到一个能跑的 bot,可以在 5 分钟内完成。


OpenClaw 让每个聊天软件都有机会变成微信


这种「零摩擦」不仅仅是注册环节的便利。Telegram 的 Bot API 设计本身就非常开发者友好:webhook 机制让 bot 可以实时响应消息,inline 模式让 bot 可以在任何对话中被唤起,支持 markdown 和 HTML 的富文本渲染让 agent 可以返回结构化的输出。


更关键的是,Telegram 对 bot 的功能限制极少——bot 可以创建群组、管理频道、处理支付等一系列操作,最近的更新还支持了对 bot 的流式输出。这种「bot 能做的事几乎等于人能做的事」的设计哲学,让开发者有极大的发挥空间。


OpenClaw 让每个聊天软件都有机会变成微信


OpenClaw 选择 Telegram 作为第一交互渠道,正是因为这种开放性。在 OpenClaw 的官方文档里,Telegram 是第一个被详细说明的频道,配置教程最完整,社区讨论最活跃。一个典型的 OpenClaw 用户,可以在一台 VPS 上部署 agent 实例,绑定自己的 Telegram bot token,然后通过对话窗口让 agent 帮自己完成从信息检索到代码部署的一系列任务。


OpenClaw 让每个聊天软件都有机会变成微信


Manus 在今年 2 月选择 Telegram 作为首发平台,逻辑类似。Meta 旗下的产品没有选择自家的 WhatsApp——后者有着超过 20 亿的月活用户——而是选了用户量远小于它的 Telegram,足以说明在 agent 早期阶段,开放性比用户基数更重要。 WhatsApp 的通过 Baileys 库,需真实手机号验证,Business API 审核流程复杂、不支持商业大规模部署,对于一个需要快速迭代的 AI 产品来说,摩擦太大了。


但 Telegram 的开放性是一把双刃剑。


同一种让开发者能够零门槛创建 bot 的开放性,也让 Telegram 长期成为灰色产业的温床。安全公司 Bitsight 在今年 1-2 月的扫描中发现了超过 30000 个暴露在公网上的 OpenClaw 实例,最新出现的一个「曝光看板」中,暴露数量来到了惊人的 22 万个,许多实例的 API 密钥和数据库凭证直接暴露在默认配置里,安全形同虚设。


OpenClaw 让每个聊天软件都有机会变成微信


OpenClaw 让每个聊天软件都有机会变成微信


这是一个悖论:让 agent 生态最快繁荣的条件,恰恰也是让安全风险最快积累的条件。而且,这个问题无法通过「加强审核」简单解决——因为审核本身就意味着提高门槛,而低门槛正是开发者选择 Telegram 的原因。


天平中间:Slack 与 Discord


如果说 Telegram 代表的是「先上车后买票」的野路子,Slack 和 Discord 则代表了两种不同风格的「有限开放」。


Slack 走的是企业级路线,通过 Bolt 框架,和开发工具深度集成。2026 年 1 月,Salesforce 宣布新版 Slackbot 正式上线,面向 Business+和 Enterprise Grid 用户,定位「your personal agent for work」——支持查找信息、分析文档、管理日程、生成摘要。


OpenClaw 让每个聊天软件都有机会变成微信


同月,Salesforce 还推出了 Agentforce 在 Slack 中的集成,将 CRM 数据和客户交互直接引入对话流。Slack 对第三方 agent 的态度是开放但可控:所有 bot 需要经过 Marketplace 审核,数据访问有明确的 OAuth scope 限制,企业管理员可以精细控制哪些 bot 能进入哪些频道。


Discord 的 bot 生态同样成熟,但底色更偏社区和创作者。开发者需要在 Developer Portal 注册应用、配置权限(比 Telegram 的@BotFather 多几步),但远不到企业级 IM 的审核强度。Discord 的 agent 优势在于社区场景的密度:Midjourney 从 Discord bot 起家,如今大量 AI 项目仍然以 Discord 作为用户社区和产品交互的双重入口。OpenClaw 本身也在 Discord 上运营活跃的开发者社区。


OpenClaw 让每个聊天软件都有机会变成微信


两者的共同点是:它们都在开放性上设了一个「限速器」。 Slack 的限速器是企业合规,Discord 的限速器是社区治理。相比 Telegram 的完全放任,这意味着 agent 生态的发育速度慢一些,但系统性风险也低一些。


天平向右:飞书


对于国内用户来说,飞书是一个值得单独拿出来讨论的案例。 它的开放方式,反映了中国 IM 平台在 agent 浪潮中的独特情况。


飞书的开放平台在过去一年里经历了显著的能力升级。2025 年下半年起,飞书陆续上线了 Bot API 的多项增强、工作流(Workflow)中的 AI Agent 节点(目前为 Beta)、以及对 MCP(Model Context Protocol)工具集的支持。在 GitHub 上,飞书官方维护的 lark-openapi-mcp 项目已获得超过 400 颗 star,提供了飞书核心功能的 MCP Server 封装。OpenClaw 也有官方的飞书插件(@openclaw/feishu),支持将 agent 部署到飞书对话中。


OpenClaw 让每个聊天软件都有机会变成微信


从功能层面看,飞书的 agent 基础设施正在快速追赶——bot 可以读写文档、支持发送带按钮、表单的交互式卡片、触发审批流、创建和管理日历事件,这些都是企业场景下 agent 的高价值能力。


但飞书的开放性有两重限制:


第一重是平台治理。飞书的 agent 生态天然是 B2B 的,而非 Telegram 那种 C2C 加 B2C 的混合形态。飞书的 bot 需要在企业应用框架内运行——开发者需要创建企业自建应用或商店应用,配置权限后需要企业管理员审批。这意味着个人开发者很难像在 Telegram 上那样「5 分钟创建一个 bot」。


OpenClaw 让每个聊天软件都有机会变成微信


一个直观的对比:一个 Telegram 开发者从注册 bot 到收到第一条消息回复,整个过程不超过 5 分钟;同样的事情在飞书上,光是等待企业管理员审批应用权限就可能需要一个工作日。


企业级管控带来了更高的安全性,但代价体现在开发者体验上:权限配置、调试、上线等环节的摩擦显著高于 Telegram,这种摩擦不是缺点而是特点——但它确实减缓了 agent 生态的自发生长速度。


第二重是生态位。 在中国市场,飞书的主要竞对是钉钉和企业微信。三者都在加码 agent 能力,但路径不同:钉钉倾向于与通义系列大模型深度绑定,企业微信则依托微信生态的用户基数。


OpenClaw 让每个聊天软件都有机会变成微信


一个有意思的现象是:尽管中国 IM 市场高度碎片化,在 agent 这件事上率先跑出来的既不是用户基数最大的企业微信,也不是市场份额最高的钉钉,而是飞书。


这完全是偶然吗?不一定。


第一,飞书的开放平台不是后来加的一层皮,而是产品基因的一部分——多维表格本身就是可编程的数据层,文档原生支持 API 读写,这些底层设计让 agent 的接入成本比竞品更低。


OpenClaw 让每个聊天软件都有机会变成微信


第二,字节跳动同时拥有大模型能力(豆包/云雀)和企业协作平台,这种垂直整合让飞书在 agent 场景下的迭代速度更快;相比之下,钉钉和通义、企业微信和混元之间的组织协调链条更长。


第三,飞书的客户画像偏向互联网和科技企业——这批企业本身开发者密度更高、自动化需求更强、对 AI 的接受度也更高,agent 生态更容易在这个群体中形成冷启动。


当然,这也意味着飞书的 agent 故事目前主要是一个「科技公司圈内叙事」,能否向更广泛的企业市场渗透仍然是问号。


这个案例还折射出另一件事:agent 中继不太可能由一个创业公司从零做出来——agent 需要的不只是消息管道,还需要企业内部的数据、权限和工作流,这些是现役 IM 玩家的护城河。


另外,中国市场的 IM 格局更碎片化,agent 开发者需要同时适配多个平台,这增加了生态成形的难度,因此存量优势便很有决定性。


以中国市场来看,IM 的「第二春」不仅取决于开放性,还取决于与本土大模型的集成深度、企业客户的采购逻辑、以及监管环境对 bot 能力边界的定义。 这是一个和全球市场显著不同的竞争维度。


天平背后


开放性的天平,揭示的不只是各家 IM 的策略差异,而是一个 agent 时代的基础矛盾:平台越开放,agent 生态越繁荣,安全风险也越高。


Telegram 是这个矛盾的极端表达。同一种让开发者能够零门槛创建 bot 的开放性,同时打开了创新和滥用的大门。如果监管收紧迫使 Telegram 提高 bot 创建门槛——这并非不可能,被法国警方制裁后, Telegram 已经开始调整部分内容政策——那么会影响到开发者吗?他们又会迁移到哪里?Discord、Slack、还是飞书?


然而,封闭平台面临相反的困境:不开放 API 就错过 agent 红利,但开放了又要承担 Telegram 正在经历的安全和声誉成本。WhatsApp 在技术上,完全有能力做一个类似@BotFather 的轻量工具,但它背后是 20 亿用户,不能不多加考虑。


现在,每个 IM 平台,都需要在这个天平上寻找自己的位置。「第二春」能持续多久,取决于一个至今没有标准答案的问题:在 agent 时代,一个聊天平台应该多开放?


在开放性之争的背后,一个更激进的猜想正在开发者社区成形:当一个聊天窗口可以调用任意 agent 完成从订票、编程到数据分析的任意任务时,它已经不只是一条管道——它正在变成一个超级接口。


要说不说,这个逻辑对中国读者而言,很眼熟啊——这不就是微信吗。


OpenClaw 让每个聊天软件都有机会变成微信


微信用小程序、支付和政务服务,在一个封闭生态里实现了「一个 App 解决一切」。而 OpenClaw 所代表的模式指向一个镜像式的可能:用开放生态和全球开发者社区,在任意一个 IM 里实现类似的功能密度。


不是再造一个微信,而是用完全相反的路径——开放而非封闭,去中心化而非平台主导——最终抵达一个功能上相似的终点。


当然,这仍然只是一个猜想,而非预言。微信 super app 的成立依赖于中国市场独特的移动支付基础设施和用户习惯,这些条件在全球市场并不通用。更根本的是,开放生态能否在不牺牲安全性的前提下达到那种服务密度,目前没有人能给出答案。


但如果这个方向是对的,那么 IM 的「第二春」就不仅仅是一段插曲,潜在地,这会是一次身份转换的起点:从消息管道,到 AI 时代的通用交互层。


 谁先在开放性和安全性之间找到那个可持续的平衡点,谁就最有可能定义这个新物种的样子。


文章来自于“APPSO”,作者 “APPSO”。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
OWL

【开源免费】OWL是一个完全开源免费的通用智能体项目。它可以远程开Ubuntu容器、自动挂载数据、做规划、执行任务,堪称「云端超级打工人」而且做到了开源界GAIA性能天花板,达到了57.7%,超越Huggingface 提出的Open Deep Research 55.15%的表现。

项目地址:GitHub:https://github.com/camel-ai/owl

2
OpenManus

【开源免费】OpenManus 目前支持在你的电脑上完成很多任务,包括网页浏览,文件操作,写代码等。OpenManus 使用了传统的 ReAct 的模式,这样的优势是基于当前的状态进行决策,上下文和记忆方便管理,无需单独处理。需要注意,Manus 有使用 Plan 进行规划。

项目地址:https://github.com/mannaandpoem/OpenManus


3
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/付费

4
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

5
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

6
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI