本文来自微信公众号： 叶小钗 ，作者：叶小钗，原文标题：《OpenClaw 会不会淘汰 Coze、Dify 这类平台？》
熟悉我的同学会知道，在学习这个事情上，我是非常建议大家尽早的建立一套知识框架的，我之前在做管理课题的时候有一套自己的框架；
同样，在做AI课题的时候，我依然有自己的框架，这套框架的逻辑是：不要管市面上出了多少产品，你就站在我要做这个产品的角度出发，将他进行分类，分类后再对每个品类的产品，做参数区分，也就是思考如何做选型，只要做到这一步，那么你的基础知识框架就算建立了，比如这个AI框架：
只要形成了自己独有的知识体系，就不容易被市面上各种震惊体带偏，比如我们群里有个粉丝就在感叹：
龙虾这玩意对于我而言，没什么明显的优点。龙虾会的，我自己写脚本都能做，龙虾还没自己做得好。但缺点很明显，就是太费钱
其实，粉丝这句话已经接近了OpenClaw的本质了。大家要思考一下，OpenClaw核心代码也就4000来行，但是服务于他的Skills却已经到了1.6万个了，而且这个数字会进一步膨胀。
那么我们应该如何对OpenClaw进行分类呢？如果只从承载SOP/Workflow/Skills的角度出发，我会认为他应该跟Coze、Dify这种智能体框架放到一起。
然后，我这里收集了一些粉丝对OpenClaw的使用信息：
2.房东家的铲屎官装了，做浏览器定时数据采集。对于开发来说用处不大，对于运营等非专业人士方便，三言两语可以实现自己的采集需求。
3.tim哥装了，没用
4.张一白装了在尝试把每天繁碎的事情交给他目前没有帮助
......
9.方凯康装了，搜寻并整理了几份资料
10.TimeLorder.2.04.00非常认真的学习研究了很多版本，以及各大厂的流程，和专业人工智能实验室的小伙伴评估了一下，决定不装，因为没用。
11.树帮我改公众号文章，写web前端页面（streamlit）好用容易上手，但是要进一步优化——比如：如果不给它配置wiki它把它自己的配置文件都能改崩溃掉
......
26.czhiming装了，并且配置了slack channel，目前还没有用起来
27.YYJ，没装，感觉token消耗太大，而且权限太高，没有特别适合的场景，最近是在用codex客户端搭配gpt5.4，用默认权限模式来做一些本机操作，作为开发辅助感觉还不错
28.随心录装了，没深度使用
29.全栈（伪）-南港听夏刚装，准备跑本地轻量模型用来获取我关注的up的标题和地址。虽然用n8n建立过自动化运行过滤的信息渠道，但是我想让它一直开机，每天早上自动推送到我邮箱。真正简单开发用trae已经可以了。
30.安装了。很新奇，但使用了几天，没什么大作用，只能做小事
大家会发现OpenClaw被用的并不好，并且他能做的，Coze几乎全部能做，于是这里问题就来了：
OpenClaw是不是正在积压Coze/Dify等平台的生存空间？
为了回答这个问题，我们这里先给一个能力对比图，再逐渐展开叙述：
| 维度 | OpenClaw | Coze |
|---|---|---|
| 更像什么 | 一个常驻的AI助理运行时 | 一个AI应用搭建平台 |
| 默认思路 | 给Agent装Skills，让它自己干活 | 把任务拆成Workflow，让系统按流程跑 |
| 强项 | 本地、自托管、自由度高、助理感强 | 可视化、标准化、上手快、平台能力完整 |
| 适合谁 | 极客、开发者、重度折腾用户 | 产品、运营、开发等更广泛用户 |
| 本质差异 | 更像“数字员工” | 更像“自动化流水线” |
OpenClaw VS Coze
从使用者视角看，OpenClaw的核心在于围绕Skills去组织能力：先筛选、安装、组合，再按需调整和修改。最终会形成在某个能力符合心意的助理；
而对于Coze来说，他的工作本身就是编排Workflow，围绕Workflow、Knowledge、Plugin这些平台模块，把一个AI应用编排出来。
接下来，我们用个简单案例让大家看得更直观：
自动整理今日重要邮件，并将附件保存到指定文件夹，最后生成一份摘要报告
这个案例虽然简单，却五脏俱全，它同时包含两类能力：
一类是认知能力：判断什么算重要邮件、提炼邮件内容、生成摘要。
另一类是执行能力：读邮件、下载附件、保存文件、输出结果；
而这正好对应了两种完全不同的产品思路：
Coze会把这件事拆成一条Workflow
OpenClaw会把这件事交给一个装好了Skills和工具的Agent去持续完成
在Coze的语境里，任务就是任务，他不存在“助理自由发挥”的可能，他回归的是业务流程设计问题，比如这个案例会变成标准流程：
→定时触发
→获取今日邮件
→逐封判断重要性
→有附件则下载
→存入指定文件夹或外部系统
→汇总成摘要报告
→发送到目标位置
这就是Coze的思路：先有流程骨架，再把模型、插件、知识、代码节点往里填。
Coze的官方文档也明确把Workflow描述成一个用节点去实现业务逻辑的系统，同时提供Plugin、Knowledge、Model等模块来补齐能力。
Coze的流程
为了帮助大家更好的理解，我们这里再做细点，Coze可以分为5个节点：
定时触发节点。比如每天早上9点启动一次流程；
邮件读取节点。通过插件、HTTP请求，或者接入外部邮件系统API来实现，方法多得很；
重要性判断节点。这个稍微复杂点，需要一定策略，也就是你需要建模，比如来自老板、客户、财务、法务的优先，然后模型节点根据这些规则打标签；
附件处理节点。如果邮件带附件，就把附件下载下来，再通过插件或其他系统保存到指定存储系统。这一步最能体现Coze的本质：它不是在“模拟一个人点开邮件再保存文件”，而是在“编排一串系统之间的接口调用”；
摘要输出节点。最后把今天的重要邮件汇总成一份报告：今天有几封重要邮件、每封邮件的核心内容是什么...前面是流程，后面是模型内容生成；
这里总结一下，Coze的核心是Workflow，他最终目标是搭了一条邮件处理流水线，并且他非常稳定。
另外，Coze官方提供了很多模板，大家可以自由选择（因为Coze大家很熟悉，我这里说得比较简单）：
然后就是OpenClaw的流程了：
OpenClaw的流程
到OpenClaw“叙事逻辑”上就与Coze有很大不同了，它更像一个self-hosted的agent runtime：先有agent、workspace、skills、plugins、sessions、cron，然后你再往里面装能力。
官方文档也明确把这些作为OpenClaw的基础组成，同样这个整理邮件的任务，在OpenClaw里更像下面这个过程。
第一步：先定义“这个助理要会什么”
在OpenClaw里，需要先定义一个会整理邮件的agent。并确定他的能力：
会读邮件
会判断重要性
会保存附件
会写总结
这也是为什么OpenClaw的Skills会显得特别重要。
官方文档明确说，Skills是用来“teach the agent how to use tools”的skill folders；
每个skill是一个目录，至少有一个SKILL.md，也可以带supporting files、scripts、metadata。
ClawHub则把它们组织成一个可搜索、可安装、可更新的公共registry。
第二步：先找有没有现成Skills
OpenClaw之所以强大，是因为他不需要自己从头写一堆Skills。
用户可以去ClawHub search、install、update、publish skills。所以这个邮件案例里，一个真实用户大概率会这么干，先去搜索：
有没有邮件相关skill
有没有文件保存相关skill
有没有日报相关skill
如果找到了合适的skill，就直接install到当前workspace。
这里如果要与Coze类比下的话，他很像：在Coze里找一个workflow template，然后拿过来改。
从产品本质上讲，OpenClaw的“找Skill”跟Coze的“找模板”是一类动作。只是前者找的是能力包，后者找的是流程图
第三步：Skills的作用域
具体执行的时候，Skills会从三个位置加载：
bundled skills
~/.openclaw/skills里的managed/local skills
/skills里的workspace skills
优先级是：workspace>local>bundled。这里主要是考虑SKills是否有共享而设计，我们这里做案例说明，就不展开了。
第四步：检查Skills
一个skill不是装上就万事大吉，它还要看当前环境里有没有需要的依赖、有没有对应工具、有没有满足配置条件。
所以做这个邮件案例时，你不会只是装上一个邮件skill就结束，而是还要检查：
当前环境有没有对应的依赖
需要的配置项有没有填
它能不能访问你要保存附件的目录
会不会和已有skill冲突
session里最终加载到的是哪个版本
...
第五步：不够用怎么办
在邮件案例里，你可能会遇到这种情况：
现成skill会判断重要邮件，但你的“重要”定义和它不一样
它会存附件，但默认目录不是你要的
它会写摘要，但格式不是你要的日报格式
它默认按主题筛选，但你想按发件人+附件+项目关键词综合判断
这时候，在Coze里你大概率会去改workflow节点。而在OpenClaw里，更自然的路径是：直接改SKILL.md：
name:email-daily-digest
description:每天整理今日重要邮件，保存附件，并生成摘要报告
version:0.1.0
tags:
-邮件
-摘要
-附件
-自动化
#邮件日报助手
##这个Skill是干什么的
当用户要求你“整理今天的重要邮件、保存附件、输出摘要报告”时，使用这个Skill。
##触发条件
当用户提出以下类似需求时启用：
-整理今日邮件
-找出重要邮件
-下载并保存附件
-输出邮件摘要或日报
##任务目标
你需要完成以下事情：
1.读取今天的邮件列表
2.判断哪些邮件属于“重要邮件”
3.下载重要邮件的附件
4.将附件保存到指定文件夹
5.生成一份简明摘要报告
##重要邮件判断规则
满足以下任一条件，可以判定为重要邮件：
-发件人属于老板、客户、财务、法务、核心合作方
-邮件主题包含以下关键词：合同、付款、报价......
-邮件带有附件，且内容与当前项目相关
-邮件明确要求回复、确认或执行下一步动作
以下情况默认不算重要：
-群发营销邮件
-系统通知
-无明确事项的普通抄送
-广告或订阅内容
##执行步骤
请严格按下面顺序执行：
###第一步：读取邮件
读取今天收到的邮件，提取以下信息：
-发件人
-标题
-时间
-正文摘要
-是否有附件
-附件名称
###第二步：筛选重要邮件
根据“重要邮件判断规则”筛选出重要邮件。
###第三步：保存附件
如果重要邮件带有附件：
-下载附件
-保存到以下目录：
`./workspace/email_attachments/today/`
保存时使用以下命名规则：
`发件人_日期_原文件名`
###第四步：生成摘要报告
输出一份Markdown格式的摘要报告，格式如下：
#今日重要邮件摘要
......
##输出要求
-报告必须简洁
-不要重复原邮件全文
-重点提炼“谁发的、说了什么、为什么重要、下一步要做什么”
-如果没有重要邮件，明确写“今日无重要邮件”
##注意事项
-如果目标文件夹不存在，先创建文件夹
......
从这里大家应该就看到了OpenClaw不是没有Workflow，而是把Workflow藏进了Skills，并且在用自然语言做描述
然后，整个OpenClaw就可以运行起来了，我们这里走下流程：
OpenClaw是如何运行的
首先是任务触发，他可能是个定时器，也有可能是我在聊天窗口（比如钉钉）说了一句：整理今日重要邮件，于是整个任务开始运转：
第二步，OpenClaw会做任务理解，也就是我们常说的意图识别，他需要去判断：
这不是普通问答
这是一个执行型任务
里面包含“邮件处理+文件处理+摘要生成”三类需求
这里主要目的是决定用哪个Skills，这里的Skills不是直接执行器，而是教agent如何使用tools的方法包。
官方文档原话就是：Skills are used to teach the agent how to use tools.
第三步，当模型识别完任务类型后，就会优先去匹配当前环境里和这个任务最相关的Skills。
比如“整理今日重要邮件”这个任务，模型会发现它需要的不是全部能力，而是更偏向邮件读取、重要性判断、附件处理、摘要总结这一类能力。
所以这时候，OpenClaw并不是把所有Tools一股脑交给模型去乱选，而是先通过Skills，把这次任务真正相关的方法范围收缩出来。
第四步，模型会去读取对应Skill里的说明，然后按照Skill里面预设好的方法，展开这次任务的执行步骤。比如这个任务，在Skill里面大概率已经隐含了一条处理链路：
先获取今日邮件
再判断哪些邮件重要
提取关键信息
下载附件
保存到指定文件夹
生成摘要报告
你会发现，这其实已经是一条Workflow了。
只不过在Coze里，这条Workflow往往是直接摆在画布上的；而在OpenClaw里，这条Workflow更多是被封装在Skills里面。
第五步，在Skill把任务步骤展开后，模型才会进一步判断：这一步具体该调用哪些Tools。
也就是说，Skill决定“怎么做”，Tool决定“具体怎么执行”。比如：
读取邮件，要调用邮件相关Tool
保存附件，要调用文件处理相关Tool
生成摘要，要调用模型本身的总结能力
到了具体执行步骤时，模型会基于已暴露的tool schema发起实际的工具调用。Skill提供方法说明和任务偏好，Tool提供实际执行接口，Skill会影响模型如何选择和组织Tool。
他不是先把所有Tool都胡乱装上去，而是在模型已经明确任务、选定相关Skills、拆出执行步骤之后，再去调用真正需要的那些Tools。
第六步，当这些Tools被逐步调用后，任务就开始真正落地执行了：
拉取今天的邮件
按规则筛选重要邮件
下载对应附件
把附件保存到目标目录
汇总邮件内容，生成摘要报告
最后，再把结果回传给用户。这里整体流程就出来了：
用户提需求→模型先做意图识别→选择相关Skills→按Skill内部预设流程拆解任务→再决定调用哪些Tools去执行
在了解了OpenClaw与Coze后我们就要回归最初的问题了：
当你已经用代码/Coze/Dify跑通工作流了，OpenClaw的出现意味着什么，Coze/Dify这些选手会被淘汰吗？
OpenClaw会淘汰Coze吗？
这里先给结论：我认为相当长一段时间来说是不会的，而且我预估OpenClaw会比Coze、Dify优先被忘记...
这里有个最核心的逻辑：大多数企业和用户，真正需要的不是“一个会自由发挥的助理”，而是一条稳定、可控的自动化流水线。
换句话说：Coze/Dify完成的功能更为原始，在真实业务里，最重要的往往不是“像人”，而是：
流程能不能看得见
权限能不能控得住
出问题能不能排查
这些都不是Agent现在要处理的，他们是工程治理问题，OpenClaw和Coze/Dify其实还是在满足不同的层次需求；
只不过现在大家还没把OpenClaw玩明白，总是盯着Workflow的场景折腾，原因也简单：这些任务简单、好实现嘛...
OpenClaw倒闭平台升级
OpenClaw的出现，一定会对Coze、Dify这类平台形成压力，但这个压力不一定表现为你死我活，而更可能表现为：用户对AI应用平台的预期，被整体抬高了。
以前大家对平台的要求，大概是这些：
能不能接模型
能不能拉工作流
能不能调插件
但OpenClaw火起来之后，用户会开始提出新的要求：
能不能常驻运行
能不能像助理一样持续记事
能不能通过能力包快速扩展
能不能在聊天里直接交办任务
...
OpenClaw把市场注意力，从搭一个AI应用，往养一个AI助理上推了一步。它会倒逼Coze、Dify这类平台，往三个方向继续长：
一、Workflow要更Agent化
不再只是死板节点图，而是允许模型在流程中做更强的动态决策。这背后的逻辑是，提升Workflow的泛化能力，不要一小点变动，原来那套就用不了了。
其次就是之前还是在画布上自己拖拽，以后这种Workflow搭建，要尽可能可以用自然语言完成。
二、平台要更智能化
曾经这些工作流平台追求的是用完就走，但现在逻辑变了，要求可能不只是“运行一次流程”，而是要能有session、状态、定时任务、长期上下文、事件触发等。
三、更强的生态
OpenClaw的Skills/ClawHub之所以有传播力，本质上是因为它把能力复用这件事做得很直观。
这里对应的对Coze/Dify等平台的要求就是，插件贡献者要足够多，生态也要繁荣起来。
结语
就现在OpenClaw的发展，已经暴露了很多问题了，包括：
skill太多怎么治理
权限太大怎么约束
结果不稳定怎么排查
团队协作怎么交接
给企业交付时怎么标准化
而Coze、Dify往前走，也一定会遇到agent化的问题：
用户不想每次都画流程
用户想直接对话交办任务
用户希望应用长期在线
用户希望系统自己记忆、自己计划、自己触发
所以两边最后都会向中间靠：OpenClaw会越来越像平台；Coze、Dify会越来越像运行时。
只不过，从AI应用三要素来说，KnowHow会形成SOP/Workflow/Skills，这个无论是Coze/Dify还是OpenClaw都完成的不错，也就是：
在不需要额外知识的情况下，当前的AI是很强的，尤其是OpenClaw，他让老板们/个人形成了整理SOP的习惯
只不过，这依旧是第一阶段的玩法，Coze/Dify这种平台，用Workflow解决点简单自动化任务轻而易举，这些动作对于OpenClaw也不会太难，只不过知识呢？
Coze/Dify的知识库是很难用的，而就现在市场上都没几个把AI客服玩得明白的公司。这里的点是：
当前各种AI框架已经能很好的承载SOP/Workflow/Skills了，但我们的知识呢，他该如何处理？