别争了，OpenClaw 和国产龙虾我全都要：一个 AI Agent 混合部署实战

别争了，OpenClaw 和国产龙虾我全都要：一个 AI Agent 混合部署实战

这个话题下已经有太多"谁更强"的横评了。今天我想聊点不一样的：如果 OpenClaw 和国产 Agent 根本不是竞争对手，而是可以组队打怪的队友呢？

---

一、先交代背景：我为什么要做这个实验

最近掘金上"国产龙虾谁能打过 OpenClaw"这个话题特别火。每次刷到相关文章，评论区基本都在吵架：

• "OpenClaw 开源生态无敌，国产的根本没法比。"
• "国产 Agent 接地气，中文场景理解更好，还能接企业微信、飞书。"
• "实测下来都差不多，最后还是看 prompt 写得好不好。"

我作为一个后端开发，平时工作里既要用 Agent 写脚本、查文档，也要让它帮我生成一些定时任务的代码。说实话，单独用哪一个都有点别扭。

OpenClaw 很强，长上下文、工具调用、代码能力都在线，但有时候让它访问国内的一些 API 或者接飞书，总觉得磕磕绊绊。国产那几个------字节扣子、阿里通义、智谱清言、腾讯元宝------在接入国内生态上确实方便，但复杂任务的连续推理和多步骤规划，有时候会让人抓狂。

于是我干脆做了一个实验：能不能让 OpenClaw 和国产 Agent 各干自己最擅长的事，组成一个"混合 Agent 小队"？

目标很明确：做一个每天自动抓取掘金热榜，生成一篇简短的晨报，并推送到飞书群的机器人。

这个需求不大，但刚好能测出几个东西：

1. 对复杂任务的理解和拆解能力；
2. 代码生成的可运行性；
3. 与国内服务（飞书 webhook、掘金 API）的对接能力；
4. 出错后的自我修复能力。

---

二、任务拆解：谁该干什么

在让 Agent 开工之前，我先人工把整个任务拆成了三块：

模块	职责	适合的 Agent
数据抓取	调用掘金 API，获取热榜文章标题、链接、热度	国产 Agent（对国内 API 和反爬更熟悉）
内容生成	把热榜数据总结成一段有重点的晨报	OpenClaw（长上下文、文本组织能力更强）
推送执行	调用飞书 webhook 发送消息	国产 Agent（飞书生态对接更直接）
调度框架	定时触发、异常重试、日志记录	Python + APScheduler

你可能会问，干嘛不直接让一个 Agent 全包了？

我试过了。让 OpenClaw 独自做全流程，它会给你一个结构完整但执行起来各种报错的方案；让国产 Agent 独自做，它在内容总结上经常漏重点，而且一旦遇到稍微复杂一点的错误链，就容易"摆烂"。

所以核心思路是：把任务按能力边界拆开，让每个 Agent 只负责自己最强的部分。

---

三、第一块：国产 Agent 负责数据抓取

我先让字节扣子（Coze）帮我写了一段抓取掘金热榜的代码。

需求描述大概是这样：

调用掘金热榜 API，获取前 10 篇文章的标题、链接、作者、热度，保存为 JSON。

扣子给的代码框架还算靠谱，它知道掘金热榜大概的接口地址，也自动加了 User-Agent 和 Referer。但实际跑起来报了 403。

它给出的第一轮代码长这样：

import requests

url = "https://api.juejin.cn/recommend_api/v1/article/recommend_all_feed"
payload = {
    "client_type": 2608,
    "cursor": "0",
    "limit": 10,
    "sort_type": 200
}
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
    "Referer": "https://juejin.cn/",
    "Content-Type": "application/json"
}

resp = requests.post(url, json=payload, headers=headers)
print(resp.status_code)
print(resp.json())

跑不通。403。

我把报错丢回去，扣子补了一个 X-Agent 相关的处理，但还是不行。后来我换了一个思路：不直接调推荐接口，而是去抓掘金公开的热榜页面 HTML，再用 BeautifulSoup 解析标题和链接。

这次国产 Agent 表现不错。智谱清言给出的解析代码基本能跑：

import requests
from bs4 import BeautifulSoup
import json

url = "https://juejin.cn/hot/articles/1"
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
}

resp = requests.get(url, headers=headers, timeout=10)
resp.raise_for_status()

soup = BeautifulSoup(resp.text, "html.parser")
items = []
for entry in soup.select(".article-item")[:10]:
    title_tag = entry.select_one(".title")
    if not title_tag:
        continue
    items.append({
        "title": title_tag.get_text(strip=True),
        "link": "https://juejin.cn" + title_tag.get("href", ""),
        "hot": entry.select_one(".hot-degree").get_text(strip=True) if entry.select_one(".hot-degree") else ""
    })

with open("/tmp/juejin_hot.json", "w", encoding="utf-8") as f:
    json.dump(items, f, ensure_ascii=False, indent=2)

print(f"抓取了 {len(items)} 条热榜数据")

当然，实际掘金热榜的 HTML 类名会变化，这段代码需要根据页面结构调整。但国产 Agent 在"如何绕过简单反爬"这件事上，确实比 OpenClaw 更懂国内网站的套路。

结论：数据抓取模块，国产 Agent 胜出。

---

四、第二块：OpenClaw 负责内容生成

抓取完数据后，下一步是把 10 条热榜标题总结成一段晨报。

我把 JSON 数据丢给 OpenClaw，prompt 是这样的：

你是一名技术编辑。根据下面的掘金热榜数据，生成一段 200 字左右的晨报，要求：

1. 指出今天最值得关注的 3 个方向；
2. 每个方向用一句话概括；
3. 语气轻松，适合发在飞书群里；
4. 不要简单罗列标题。

OpenClaw 的输出明显比国产 Agent 更有"编辑感"。它不是机械地拼接标题，而是会把相似主题聚类，比如：

今天热榜上有好几篇都在聊 AI Agent 的横向对比，看来大家对这个话题是真的上头。另外，绩效季和职场复盘的文章也不少，应该是到年底了。技术方面，值得关注的还有几个新开源项目的深度解析。

国产 Agent 也能做，但经常会漏掉"聚类"这个步骤，最后变成：

今天热榜第一是谁谁谁，第二是谁谁谁，第三是谁谁谁......

对于飞书晨报来说，后者太长了，没人愿意看。

结论：内容生成模块，OpenClaw 胜出。

---

五、第三块：飞书推送，国产 Agent 又赢了

飞书 webhook 的接入其实不难，但细节多。国产 Agent 因为接飞书文档、飞书群这些场景比较多，给出的代码通常更稳。

这是阿里通义灵码帮我写的推送函数：

import requests
import json

def send_feishu(text: str, webhook_url: str):
    payload = {
        "msg_type": "text",
        "content": {"text": text}
    }
    resp = requests.post(
        webhook_url,
        json=payload,
        headers={"Content-Type": "application/json"},
        timeout=10
    )
    resp.raise_for_status()
    result = resp.json()
    if result.get("code") != 0:
        raise RuntimeError(f"飞书推送失败: {result}")
    return result

if __name__ == "__main__":
    webhook = "https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx"
    send_feishu("早安，今日掘金热榜晨报已生成~", webhook)

OpenClaw 也能写，但它有时候会给我推送到 Lark 国际版的 webhook 格式，或者把签名验证逻辑搞复杂。国产 Agent 在这一块更"接地气"。

结论：国内生态对接，国产 Agent 胜出。

---

六、把它们串起来：我的混合 Agent 框架

三个模块都跑通之后，我用 Python 写了一个简单的调度器，把 OpenClaw 和国产 Agent 的能力串起来。

整体架构如下：

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  定时任务    │────▶│  数据抓取    │────▶│  内容生成    │
│ (APScheduler)│     │ (国产 Agent) │     │ (OpenClaw)  │
└─────────────┘     └─────────────┘     └──────┬──────┘
                                                │
                       ┌─────────────┐◀─────────┘
                       │  飞书推送    │
                       │ (国产 Agent) │
                       └─────────────┘

核心调度代码：

import json
import os
from apscheduler.schedulers.blocking import BlockingScheduler

from fetcher import fetch_hot_articles   # 国产 Agent 协助编写
from summarizer import summarize         # OpenClaw 协助编写
from notifier import send_feishu         # 国产 Agent 协助编写

JUEJIN_HOT_JSON = "/tmp/juejin_hot.json"
FEISHU_WEBHOOK = os.getenv("FEISHU_WEBHOOK_URL")

def daily_report():
    try:
        # 1. 抓取热榜
        fetch_hot_articles(JUEJIN_HOT_JSON)
        with open(JUEJIN_HOT_JSON, "r", encoding="utf-8") as f:
            articles = json.load(f)

        # 2. 生成晨报
        report = summarize(articles)

        # 3. 推送飞书
        send_feishu(report, FEISHU_WEBHOOK)
        print("晨报发送成功")
    except Exception as e:
        print(f"任务失败: {e}")
        # 简单的重试或告警可以在这里加
        raise

if __name__ == "__main__":
    scheduler = BlockingScheduler()
    scheduler.add_job(daily_report, "cron", hour=9, minute=0)
    print("混合 Agent 调度器已启动，每天 9:00 发送晨报")
    scheduler.start()

这个框架的关键不是代码多复杂，而是每个模块都用了最合适的工具。

---

七、跑了一周之后，我的一些真实感受

1. OpenClaw 不是万能的，但长任务确实更稳

如果你让 OpenClaw 一次性写 300 行代码，它通常能给你一个结构清晰、注释完整的版本。但如果让它接飞书 webhook，它可能会把简单的事情搞复杂。

2. 国产 Agent 不是"不行"，而是"场景对"才强

数据抓取、国内 API 对接、飞书/钉钉/企业微信这些，国产 Agent 明显更顺手。它们的训练数据里这类场景更多。

3. 真正提高效率的，不是选哪个 Agent，而是会不会拆任务

这次实验让我意识到，AI Agent 之间的竞争，最后可能变成"编排能力"的竞争。谁能把多个 Agent、多个工具、多个数据源高效地串起来，谁才是真正的高效率。

4. 成本也是个因素

OpenClaw 如果本地跑，对机器要求不低；国产 Agent 很多有免费额度，适合小团队或者个人开发者先跑起来。

---

八、所以，国产龙虾到底能不能打过 OpenClaw？

我的答案是：单打独斗，目前还差一口气；但如果是群殴，国产龙虾未必会输。

OpenClaw 像一个能力全面但有点"洋脾气"的全栈工程师，国产 Agent 像几个各有所长的本地专家。你要做一个纯技术研究、写长文、做复杂推理，OpenClaw 更靠谱；但你要做一个能跑在中国的业务系统里、能接飞书钉钉、能处理国内网站的机器人，国产 Agent 的经验更丰富。

最实用的方案，可能不是"二选一"，而是让 OpenClaw 当大脑，国产 Agent 当手脚。

---

九、写在最后

这个话题能在掘金火起来，本质上是因为大家都在焦虑：

• 我该押注哪个 Agent？
• 会不会今天学的工具，明天就被淘汰了？
• AI 发展这么快，我跟不跟得上？

我的建议是：别只盯着谁更强，多想想怎么把它们组合起来解决你的实际问题。

工具永远是工具，能帮你下班的，才是好工具。

如果你也做过类似的混合 Agent 实验，欢迎在评论区聊聊你的踩坑经历。

---

本文讨论的 Agent 均为个人真实使用体验，观点仅代表个人。