一百個 OpenClaw 產品湧來，我們最近推薦這幾款

01

基模公司下場，不用再為 token 焦慮

Kimi Claw：零門檻，還整合了 Skill 商店

產品官網：https://www.kimi.com/bot

Kimi 的思路是「全包」：OpenClaw 跑在雲端，默認配好 Kimi K2.5 模型、聯網搜尋、ClawHub Skills 呼叫和 40GB 雲端儲存。不需要伺服器，不需要自己填 API Key、選模型、配回呼。網頁端直接開任務，也支援一鍵生成飛書機器人，私聊群聊都能用。目前是測試階段，暫時只向 199 元 Kimi 月會員使用者開放。

實測下來，199 元的 token 量是夠用的，接入飛書的流程也足夠簡單，10 分鐘內，就能搭建一個在飛書內運行的個人助理。

MaxClaw：積分制、免費使用者也能用

通過 Minimax 官網獲取，搭配 Minimax- M2.5 模型。和 Kimi 一樣，支援飛書，釘釘的一鍵接入，配備了一些常用的 skill。

MaxClaw 和 Kimi 不太一樣的是使用模式，採用積分消耗機制，不需要開通專用的 code plan，免費使用者也可以使用。具體積分消耗情況，待實測。

02

開箱即用，沒有門檻的整合產品

對於很多人來說，要用上 OpenClaw，中間還隔著一道檻：命令列、環境配置、API Key、模型選型……每一步都可能把人擋在門外。有一些產品，嘗試把龍蝦的部署門檻壓到最低，給大家提供開箱即用的體驗。

MonsterClaw：本地一鍵安裝

產品官網：https://MonsterClaw.ai

把 OpenClaw 那套 CLI 安裝流程，壓縮成桌面軟體的體驗。下載、安裝、按引導啟動，不需要使用者摸命令列。

裝完之後，它跑在你本地環境裡，偏「桌面執行」場景——操作瀏覽器、處理本地檔案、跑複雜的多步驟流程。執行過程可視化呈現，你能看到它在做什麼、做到那一步，隨時可以中斷或調整。對於想把 Agent 接入本地工作流、但不想折騰環境的人，是目前門檻最低的方案之一。

DeskClaw：你的龍蝦桌寵已上線

產品官網：https://deskclaw.ai (FP 專屬邀請碼額外提供 300M token 額度）

和 MonsterClaw 同樣做了一鍵安裝，但 DeskClaw 多走了一步：一隻寄居蟹模樣的 AI 搭檔常駐在桌面上，隨時喚起，不是用完就關的對話窗口。

內建技能開箱即用，資訊整理、市場調研、流程自動化，不需要配置，指令下達直接跑。瀏覽器控制也內建好了——這是自己搭 OpenClaw 時最容易卡殼的一步——操作網頁、讀寫檔案、呼叫本地應用，系統層面直接打通。飛書、釘釘、企業微信拉進群就能當 bot 用。

Founder 分享了兩個高頻場景：

A. 當一位創始人想切入騎行市場，讓 DeskClaw 去 YouTube 騎行類視訊的評論區批次抓取使用者留言，自動歸類出高頻痛點和未被滿足的需求——這件事以前要麼自己逐條翻看，要麼找人寫爬蟲跑資料，現在一句話下去就跑完了；

B. 另一個是 AI 公司創始人讓它每天定向篩選 20 條最重要的 AI 行業新聞，自動聚合、排序、生成摘要，早上打開電腦直接看結果，省掉每天刷資訊流的時間。

03

Skill Appstore，也是一門生意

OpenClaw 真用起來之後，卡點往往還存在：策略不沉澱（每個 Agent 都從零再推一遍），資產不好找（skills/外掛/觸發器分散，裝和拼很費勁）。EvoMap 和「水產市場」嘗試從不同方向解決這些問題。

水產市場：給 Agent 開一家 Skill 超市

產品官網：https://openclawmp.cc（邀請碼 SEAFOOD）

OpenClaw 裡最常見的卡殼不是「能不能做」，而是「去那找、怎麼裝、怎麼拼」——工具、指令碼、連接器散落在各處，自己拼費時費力。

水產市場把這些資產集中上架，讓 Agent 自己去發現並安裝。三類東西：跑通過的流程組合（playbook）、可直接呼叫的功能指令碼（skills）、以及把外部能力接進來的觸發器和連接器。控制本地瀏覽器、下載 arXiv 論文自動重新命名、接微信做個性化介面……裝上就能用。

更有意思的用法是「讓 Agent 自己逛市場」：你只給任務目標，它會自己去搜工具、裝元件、拼出可執行流程；遇到不會的，繼續去市場找新資產補能力。

EvoMap：讓 Agent 把學到的東西傳給下一個 Agent

產品官網：https://evomap.ai

在 OpenClaw 裡，每個 Agent 都是獨立的，它在執行任務時摸索出的有效策略，session 結束就消失了。下一個遇到同樣問題的 Agent，從零開始，再燒一遍 token。一百萬個 Agent 在重複解決同一個問題。

EvoMap 補的是這個缺口。創始人張昊陽最早在 ClawHub 上線了外掛 Evolver，10 分鐘衝到榜一，36,000+ 下載——其中大多數不是人類使用者裝的，是其他 AI 在運行中自動發現、自動安裝的。後來外掛被下架，他索性把整套邏輯從「一個 Skill」重構成了「一套開放協議」。

這就是 GEP（Genome Evolution Protocol）。在 EvoMap 裡有兩種核心資產：

• Gene：最小可復用的「策略片段」（一個有效的做法/約束/檢查/工具呼叫套路）
• Capsule：可組合的「策略包」（把多個 Gene 按順序組織成可執行工作流，像一份配方或 playbook）

Agent 在任務中跑通的策略會被封裝成 Gene；當某類任務需要一套完整打法，就會把相關 Gene 組合成 Capsule，供其他 Agent 直接呼叫或繼承修改。資產的排序由實際使用資料驅動：復用次數、相似任務成功率/失敗率、成本與耗時等訊號會讓有效策略上浮，無效策略自然淘汰。協議本身不繫結任何平台——即使 EvoMap 明天關閉，資產和格式依然可用。

目前主要運行在 OpenClaw 生態內，接入方式極簡：在 OpenClaw 對話方塊執行一行 curl 命令，Agent 自動完成節點註冊。 (Founder Park)