隨著科技日新月異，我們正加速邁入全 AI 導向的時代。過去遇到難題，我們習慣訴諸 Google 搜尋海量資訊；如今只需打開 ChatGPT 輸入指令，精準的答案便手到擒來。然而，近期有一個專案橫空出世，不僅在 GitHub 上斬獲驚人的星數（Stars），更引發各大科技媒體瘋狂轉載，那就是 OpenClaw（小龍蝦）。
OpenClaw 是什麼？
OpenClaw 是由一名奧地利工程師 Peter Steinberger 所發明的，他發明理念是希望能夠打造一個「真正能做事的 AI」，幫助我們處理日常生活的大小事，像是你今天如果想要整理自己的郵件，你可以簡單的在自己的手機上，點開 LINE，發送給自己的 AI，請他幫你自動整理郵件，並且把不重要的郵件刪除，這樣簡短的一個動作，就可以幫助你處理好這個麻煩的事情。
Openclaw 背後的原理是使用了 Agent 的框架，這是他與 GPT 等等最不一樣的地方，他能夠不斷的自己產出內容，自行調用相關的工具，並且不斷的自我思考目前的結果是否已經符合使用者需求，進而再思考與修正。
另外，不同於 GPT，他能夠自行的操作使用者的電腦，這句話的意思是像說，如果今天他想要調用使用者電腦裡的資源時，他會去下指令（像是：ls, grep, cat 等等），去取得使用者電腦中的相關資源，這點可以大大的提升 OpenClaw 的能力，讓他能夠達成 GPT 無法達成的能力，徹底實現了讓 Openclaw 變成一個全面的電腦小助手。
OpenClaw 兩大關鍵能力：Context Window 分層讀取與Sub-Agent 模式
Openclaw（在功能面）本質上與市面上的 Agent 是相同的，他一樣是會有 LLM 以及 tools 讓 LLM 能夠去調用，但能夠讓他的能力脫穎而出的關鍵可以分成兩個部分：
一是在管理 Context Window （模型輸入的內容）時進行優化，例如時下最流行的 skill。
Skill是一個由 markdown 撰寫而成的檔案，他內部寫了整個完整的工作流，以及調用工具的相關邏輯，不過實際上，Openclaw 設計 LLM 在讀取這個 skill 時，並不是將一整份 skill.md 檔讀取，而是只讀取該檔案中 frontmatter 的資訊 （類似於簡短說明這個 skill 具體在做什麼，可見圖二）。
如果今天 LLM 判定要去使用該 skill 時，他再將整份 skill.md 讀進去他的 context window 當中。因此，Openclaw 採用這種分層讀取的方式，能夠有效的減緩 LLM 很常遇到的一個大問題，那就是 Context Window 被塞滿了太多資訊，但有很多其實都不是很必要的，進而導致模型再判定是否要調用工具或者是輸出結果上，最終很常會有不符合我們預期的結果。
第二個能力則是內部有自行創建與管理（Sub-Agent）的模式，像是今天遇到一個比較複雜的問題時，不同於我們以往的 agent，只能依靠預先定義好每個 sub-agent 的職責，去進行調用與分派。OpenClaw 採用了動態創建 sub-agent 的方式，當今天問題他判定依照現有的 agent去處理太困難時，他會去把大任務拆解成小任務，並且去生成一個新的 sub-agent 去處理這個小任務，這樣的概念其實與人類遇到一個大型任務時，會去做的相關處理非常相似，而這樣的做法，也使得 OpenClaw 可以處理大型複雜的任務。
此外， OpenClaw 在長期對話中，仍然可以保有很好的能力，這是有賴於他內部有一套管理自己 memory 的方式。他採用的方法是，利用一個簡單的 markdown 檔去維護他現有的記憶，然後當他在與用戶對話的過程當中，判定有些內容是重要的，且需要長期記得的，那他就會自行調用工具去改寫這個 markdown檔，而當目前的 memory.md 的內容太長的時候，他會自行採用Summary 方式將記憶的內容進行壓縮，並把現有的內容用簡短的幾句話摘要。
這種 context engineering 的方式，讓他能夠把 context window 控制在健康的長度範圍中，使得 LLM 的能力能夠不受影響。
OpenClaw 的誕生，正標誌著我們正從 LLM（大語言模型） 時代，邁向真正的 Agent（AI 代理人） 時代。
過去，我們驚嘆於 AI 能夠對答如流、博學多聞；而現在，我們追求的是 AI 能夠像一個專業的「數位員工」，理解複雜的工作流，並在關鍵時刻主動調用工具。OpenClaw 的優勢不在於它讀過更多書，而在於它更懂得分輕重緩急，透過精密的 Context 工程確保思考不跑偏，並利用 動態 Sub-agent 拆解難題。
當 AI 終於能從對話框走出來，開始替我們操作電腦、整理郵件、處理瑣事時，這不再只是科技的進步，而是生產力邏輯的徹底重構。在未來，我們或許不再只是「下指令」的人，而是「設定目標」的決策者。
(本文訊息由 CloudMile 萬里雲提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：CloudMile 萬里雲。）
