Claude Code终端智能体：一个窗口替代整套龙虾

1
Claude Code 入门指南：让 AI 成为你的编程搭档
✓
2
我用 3 个月，训练 Claude 成为我的内容创作搭档
✓
3
让 AI 给自己写体检报告
✓
4
Claude Code百万上下文：从围城到红楼梦
✓
5
Claude Code终端智能体：一个窗口替代整套龙虾
✓
6
Claude Code 15 个实用技巧：从够用到真正好用
✓
7
Claude Code Hooks：让 AI 编程有迹可循、可审计、可回滚
✓
8
Claude Code 的记忆架构：如何让 AI 真正记住你的项目
✓
9
MCP 协议实战：给你的 AI 装上真正的手和眼
✓

《AI时代漫游指南》第 97 章·终端即智能体·第一条：

「最强大的智能体，不是那个功能最多的，而是那个离你的文件系统最近的。当 AI 能直接读写你的代码、你的笔记、你的数据，它就不再是一个聊天窗口——它是你的数字分身。」

你装过 OpenClaw 吗？

Docker 拉镜像，配反向代理，设 WebSocket，写环境变量，接 API Key，装技能包……折腾大半天，终于看到那只龙虾在浏览器里动了。

然后你发现：它确实能帮你发邮件、管日历、搜新闻——它甚至能读写你的本地文件。

但你让它帮你改一行代码，它改了。改了什么？你不知道。你让它分析本地的数据表，它分析了。看了哪些文件？你也不知道。它干活很猛，但过程像个黑盒。

编者注：公平地说，OpenClaw 也能直接装在你的电脑上（npm/pip 直装），不一定要 Docker。直装的 OpenClaw 其实能力很强——它的 Gateway 进程直接跑在你的机器上，能读写文件、跑 shell 命令，权限甚至比 Claude Code 还大（Claude Code 每次操作文件还要问你”允许吗？“，OpenClaw 默认不问）。但这恰恰是问题所在——权限大 + 默认不问 + 暴露 Web 端口 = 安全隐患。

龙虾的底层逻辑

让我们先搞清楚 OpenClaw 到底在做什么。

OpenClaw 的核心架构是一个 Gateway（网关）+ Channel（渠道） 模式。Gateway 是常驻后台的守护进程，Channel 则连接各种 IM——WhatsApp、Telegram、Slack、iMessage，甚至浏览器和命令行。

你可以在 WhatsApp 上跟它聊一半，切到电脑上继续，它记得所有上下文。本质上，它是一个多渠道 AI 网关——把各种聊天入口统一接进一个 AI 大脑。

这个架构有两个天然优势：

连接一切：邮件、日历、社交媒体、智能家居，只要有 API 就能接
自主运行：7×24 小时在服务器上跑，不需要你盯着

但也有两个天然劣势：

第一，它的操作过程是个黑盒。

OpenClaw 的 Gateway 确实能读写你的本地文件、跑 shell 命令——能力并不弱。但问题在于你看不到过程。它通过 IM 渠道接收你的指令，在后台调用模型和工具，最后把结果发回聊天窗口。中间发生了什么？读了哪些文件？改了哪几行？除非你去翻日志，否则一无所知。

第二，它的攻击面巨大。

2026 年 2 月，CVE-2026-25253 爆出：一键远程代码执行，CVSS 评分 8.8。安全研究人员发现超过 17,500 个暴露在公网上的 OpenClaw 实例直接可被利用。更糟的是，ClawHub 技能市场中约 20%（近 900 个）是恶意包。

编者注：这不是在黑龙虾。每一个把 AI 暴露在公网上的架构都会面临这个问题。OpenClaw 只是因为太火了（250K Stars，超过 React），所以成了最大的靶子。安全和便利，从来都是跷跷板。

如果 AI 直接住在终端里呢？

现在，让我们换一个思路。

不是把 AI 放在云端，通过各种管道连接你的世界。而是把 AI 直接放进你最熟悉的工作环境——终端。

Claude Code 就是这个思路的产物。

它不是一个 Web 应用，不需要 Docker，不需要反向代理。你打开终端，输入 claude，AI 就在你面前。

而且，它能直接读写你的文件。

不是通过 API 间接访问，是直接 cat、grep、sed——和你手动操作一模一样。

这听起来很简单，但这个”简单”改变了一切。

三根支柱：从聊天工具到智能体

一个终端里的 AI 要成为真正的智能体，需要三根支柱。2026 年 3 月，这三根支柱同时到位了。

支柱一：百万 Token 的视野

3 月 13 日，Claude Opus 4.6 和 Sonnet 4.6 的 100 万 Token 上下文窗口全面开放，而且取消了长上下文加价。

100 万 Token ≈ 75 万字 ≈ 一整部《红楼梦》。

这意味着什么？一个中型软件项目的全部代码、文档、测试、配置文件，可以一次性装进 AI 的”工作记忆”。

场景	大约 Token 数	能装下吗？
一个 50 文件的 Python 项目	~15 万	✅ 绰绰有余
半年的工作日志	~30 万	✅ 没问题
一本完整的技术书籍	~50 万	✅ 可以
整个 Linux 内核	~2000 万	❌ 还是太大

编者注：以前的 20 万 Token 上下文，大概能装下一本《围城》。现在的 100 万，能装下整部《红楼梦》。从围城到红楼梦，不只是厚度的变化，是视野的变化。

支柱二：稳定的智能输出

聪明但不稳定的 AI，比不聪明的 AI 更危险。

Opus 4.6 在 MRCR v2 基准测试中拿到 78.3%——所有前沿模型中在百万 Token 长度上的最高分。

翻译成人话：它不仅能看到一百万字的内容，还能准确地从中找到你要的那一段。

这对”自主操作文件”的场景至关重要。你可以容忍一个聊天 AI 偶尔跑题，但你不能容忍一个正在帮你改代码的 AI 突然”忘记”了前面的约定。

编者注：有人会说，OpenClaw 后端也能接 Opus 啊。没错，但区别在于透明度。Claude Code 的每一步操作你都看得到——它读了哪个文件、改了哪一行、跑了什么命令，全部实时显示在终端里。OpenClaw 把模型调用封装成了黑盒，你只能看到输入和输出，中间发生了什么？不知道。对于操作你本地文件这种高风险动作，“看得见过程”不是锦上添花，是基本要求。

支柱三：/loop——让 AI 学会自己定闹钟

这是最关键的一步。

2026 年 3 月，Claude Code 上线了 /loop 命令——一个内置的 cron 调度器。

/loop 5m 检查 PR #1234 的 CI 状态，如果失败了帮我修
/loop 1h 扫描 inbox 目录，有新文件就处理
/loop 1d 每天生成昨日工作总结

就这么简单。一行命令，AI 就开始自动干活了。

特性	说明
调度方式	Cron 表达式，支持秒/分/时/天
并发上限	每个会话最多 50 个定时任务
自动过期	3 天后自动停止（防止忘记关）
作用域	会话级（关终端即取消）
时区	本地时区，不是 UTC

编者注：3 天自动过期这个设计很妙。它解决了 AI 自动化最大的恐惧——“如果我忘了关它，它会不会一直跑下去？“答案是：不会。最多跑 3 天就自动停了。这是工程上的”安全阀”，比任何权限控制都管用。

实战：一个终端窗口能做什么

让我用自己的真实工作场景来说明。

场景一：PR 自动修复

/loop 5m 检查我的 PR 列表，有 CI 失败的就自动修复并推送

以前用 OpenClaw 做这件事，你需要：

装 GitHub 技能包
配 GitHub Token
写自动化规则
挂载代码目录到 Docker

用 Claude Code？一行命令。因为它已经在你的代码目录里了，有 git 权限，能直接改代码。

场景二：自动日报

/loop 1d 早上 9 点扫描 memory/logs/ 目录，
汇总昨天的工作日志，生成简报发到飞书

场景三：监控 + 自愈

/loop 10m curl 我的 5 个服务的 /health 端点，
如果有不健康的，读日志诊断并尝试修复

这些场景有一个共同点：AI 需要直接操作你的文件系统和命令行，而且你要看得见每一步。终端 AI 的主场不是”能做什么”，而是”做的时候你能全程看到”。

终端 vs 龙虾：不是替代，是互补

公平地说，Claude Code 和 OpenClaw 解决的不是完全相同的问题。

维度	Claude Code	OpenClaw
核心能力	代码 + 文件 + 命令行	多渠道 IM 网关 + 外部服务
运行位置	你的终端（本地）	Gateway 守护进程（本地/云端）
文件访问	原生读写，每步需确认	原生读写，默认不确认
操作透明度	实时显示每步操作	黑盒，需翻日志
安全模型	本地运行，不暴露端口	Web 服务，需要网络安全
调度能力	/loop（会话级，3天过期）	内置调度（持久化）
费用	$200/月（Max 订阅）	免费 + API 费用
适合	开发者、知识工作者	全自动化生活助手

关键区别在于安全模型。

Claude Code 运行在你的本地终端，不开端口，不暴露服务。它的攻击面几乎为零——除非有人能物理访问你的电脑。

OpenClaw 是一个 Web 服务，天然需要暴露端口。一旦暴露在公网上，就成了攻击目标。

编者注：这就像是门锁和保险箱的区别。OpenClaw 是一把功能齐全的智能锁——能远程开门、设临时密码、连智能家居，但联网就意味着能被远程攻击。Claude Code 是一个不联网的保险箱——功能少一些，但除非有人站在你面前，否则打不开。

更深一层：Agent 架构的范式转移

如果你退后一步看更大的图景，Claude Code 代表的不仅是一个工具，而是 AI 智能体架构的一次范式转移。

旧范式：平台化 → 建一个中央平台，通过插件/技能包连接一切 → 代表：OpenClaw、AutoGPT、各种 Agent 框架 → 优势：功能全面，自主运行 → 代价：复杂度高，攻击面大，操作过程不透明

新范式：寄居化 → AI 寄居在用户已有的工具里（终端、IDE、浏览器） → 代表：Claude Code、GitHub Copilot、Cursor → 优势：零配置，原生数据访问，攻击面小 → 代价：能力边界清晰，不能”连接一切”

这不是谁对谁错的问题。这是两种不同的哲学：

OpenClaw 说：“给我所有的权限，我帮你做所有的事。” Claude Code 说：“我就待在你的终端里，把你手边的事做到极致。”

编者注：与其费力把你的世界搬进 AI 的框架，不如把 AI 搬进你已有的世界。前者需要适配器、插件、中间件；后者只需要一个足够聪明的终端。

写在最后

回到开头的问题：什么是 AI 智能体？

不是那个有最多插件的。不是那个 GitHub Stars 最多的。不是那个功能列表最长的。

是那个能直接读你的文件、跑你的命令、按你的节奏自动工作的。

一个终端窗口，一个百万 Token 的大脑，一个 cron 调度器。

这就够了。

你的文件系统就是它的记忆，你的 Shell 就是它的工具箱，你的 crontab 就是它的调度器。

一个终端窗口，就是一个智能体。

编者注：如果道格拉斯·亚当斯还活着，他大概会说：“终端里的 AI 比银河系总统更靠谱——至少它真的在读你的文件，而不是在开新闻发布会。”