OpenClaw 很强，但新手为什么容易劝退？

这几天密集用 OpenClaw，我的感受很明确：它的能力上限很高，但新手体验并不友好。
在新手使用过程中，对技术能力的要求仍然偏高。如果前几次就频繁踩坑，再强的能力，也会被折损在学习成本里。

1）个性化配置容易丢失

对老用户来说，配置是细节；对重度用户来说，配置就是资产。OpenClaw 在使用过程中会有很多个性化设定，但随着模型切换、session 重开，这些设定经常漂移、覆盖或者丢失。配置不稳定，最终会导致信任不稳定。

2）上下文容易过长

OpenClaw 为了保证执行精准，往往会积累较长上下文。但随着时间推移，上下文会越来越长。历史信息堆积到一定程度，真正重要的信息反而会被淹没。对一些小模型来说，上下文一长就更容易出错。

3）模型不稳定或不聪明

有时为了省 token 会切换模型，但在复杂任务上，切换后经常出现“越改越乱”的情况。更麻烦的是，不够聪明的模型一旦持续出错，常常无法自我修复。我自己就遇到过：指定了一个任务后导致整个 OpenClaw 崩盘，最后只能清空重装。

所以，OpenClaw 在一定时期内，仍会是 geek 的工具。但在不远的将来，以 OpenClaw 设计为原点的改进产品会不断出现，而这才会是 AGI 时代智能体的真正雏形。