先是 OpenClaw 凭功能丰富占据主流,随后 ZeroClaw 用 Rust 重写把内存压到 5MB,启动速度媲美系统命令。
但社区的声音很统一:ZeroClaw 确实快,但功能还差点火候。
直到 OpenFang 开源,我才理解这个疑问的真正答案
问题从来不在"快不快"或"功能多不多",而在于 Agent 是否能真正独立完成一条完整的业务流程。
核心差异:从被动接单到自主闭环
要理解 OpenFang 的创新点,需要先明确它针对的真实痛点。
传统 Agent 框架的工作方式是这样的:用户下达指令 → Agent 执行单个任务 → 返回结果 → 下一步需要人工触发。
这个模式下,Agent 更像一个接单的外包——每个任务都是独立的,流程容易断裂。

OpenFang 引入了 Hands 这个预构建自主能力包的概念,完全改变了这个逻辑。每个 Hand 的内部结构包含四个关键要素:
- 运行计划:定义执行的时间表和触发条件
- 专家知识库:领域特定的背景知识和规则
- 工具调用权限:明确定义可操作的资源和系统
- Dashboard 指标:实时监控执行状态和输出结果
激活一个 Hand 后,它会按照预设流程独立运行,中间无需人工介入。

这是一个根本性的转变——从流程中断、需要人工衔接,变成了真正意义上的闭环自动化。
内置能力包示例
OpenFang 目前内置了 7 个 Hands,覆盖主流的自动化需求场景:
| Hand 名称 | 核心功能 | 适用场景 |
| Collector | 持续监控指定目标,异动时推送告警,后台构建知识图谱 | 竞争对手监测、舆情预警 |
| Lead | 日常自动发现潜在客户,进行网络调研、评分、去重 | 销售线索挖掘、CRM 数据补充 |
| Researcher | 深度调研,多源交叉验证,生成带引用的研究报告 | 内容创作、行业分析、论文写作支撑 |
| Clip | 8 阶段视频处理流水线(高光识别→短视频剪辑→字幕→封面→发布) | 短视频运营、内容批量生产 |
| Browser | 自动化网页交互,但在涉及金额交易时强制暂停等待人工确认 | 表单填充、数据录入、流程自动化 |
这些 Hands 开箱即用,也可以基于 HAND.toml 配置文件自定义扩展,通过定义工具、参数和提示词来封装专属能力包。
架构级的安全设计
功能强大的代价是权限放大。OpenFang 能够操控浏览器、自动发帖、处理数据,这对安全提出了更高要求。

项目采用了 16 层独立安全机制,而且每层单独运作,不是简单的串联:
- WASM 沙箱隔离:工具代码运行在隔离环境中,故障不会影响主系统
- 哈希链加密记录:每个操作都有链式记录,问题可精准定位
- 强制人工审批:涉及消费/交易的步骤必须人工确认,AI 无权越权操作
- 权限细粒度控制:明确定义每个 Agent 的工具调用范围
这种设计思路的差异在于:不是事后打补丁,而是把约束体系直接编入架构,从根本上降低风险。
与同类框架的技术对比
为了更清晰地理解 OpenFang 的定位,对标看一下与 OpenClaw、ZeroClaw 的差异:
| 维度 | ZeroClaw | OpenClaw | OpenFang |
| 自主调度能力 | 无 | 无 | ✓ 内置 Hands 框架 |
| 安全层数 | 8 层 | 10 层 | 16 层(业界最高) |
| 冷启动时间 | ~200ms | ~2s | ~800ms |
| 内存占用 | 5MB | 394MB | ~45MB |
| 支持的消息平台 | 6 个 | 8 个 | 15+ 个 |
| LLM 供应商支持 | 12 个 | 18 个 | 20+ 个 |
定位解读:ZeroClaw 是极限轻量级方案(Rust 原生),OpenClaw 是功能完整但资源开销大,OpenFang 在两者之间取得了较好平衡——功能不输 OpenClaw 多少,性能压力却降到普通配置可接受的范围。
最关键的是,OpenFang 独有的自主调度能力填补了这类框架的功能空白。

快速上手
部署流程非常简洁,三条命令即可启动:
curl -fsSL https://openfang.sh/install | sh
openfang init
openfang start
# 随后在浏览器访问 http://localhost:4200
对于已在使用 OpenClaw 的用户,项目提供了一键迁移功能:
openfang migrate --from openclaw
执行后,所有 Agent 配置、对话历史、技能模块、配置文件都会自动迁移。
需要提醒的是,项目刚开源处于快速迭代期,建议在体验前做好数据备份。
总结与思考
从 OpenClaw 到 ZeroClaw,再到 OpenFang,Agent 框架的演化方向已经很明显——第一阶段解决"能不能做",第二阶段解决"快不快",现在进入第三阶段:"能不能自动化完整的业务流程"。
但更深层的意义可能不止于此。回顾当年 Docker 出现,真正的价值不是让单个容器跑得更好,而是让整套部署流程变得可复制、可标准化、可规模化。
OpenFang 中的 Hands 设计也遵循同样的逻辑——把 AI 工作流程做标准化封装,让单个 Agent 具备生产级能力,同时保证可管理性和可复制性。
当这套标准逐渐成熟,真正的竞争维度可能会转移:不再是谁的模型更聪明,而是谁搭的 Agent 流程跑得更稳、风险更可控、成本更低。
一个人管理的自主运行 Agent 流程越多,产出就接近一个多人团队的能力——这才是规模化的本质。
项目信息
GitHub 仓库:https://github.com/RightNow-AI/openfang