编者按：2026年2月以来，"手搓经济"一词密集出现在求是网、《人民日报》、21世纪经济报道等权威媒体上，被定性为"数字时代经济增长范式的新变革"。求是网评论员文章指出，"手搓"已从游戏圈用语演变为一种新型创新形式——"个人或小型团队不依赖专业生产线、庞大资金投入和复杂团队配置，凭借个人巧思，辅以AI、开源社区等现代技术工具，将个性化创意转化为实际产品。"²² 《人民日报》更进一步指出："当AI接手繁重技术劳动，人的洞察力、审美力和对生活的感知力反而成为最核心的竞争优势。"²²

对人文学者来说，这段话的意义不亚于一纸邀请函：你的学术训练赋予了你最核心的洞察力，而AI编程工具正在为你扫清技术门槛。"手搓经济"的风口，不仅属于深圳华强北的硬件创客和App开发者——它同样属于每一位有想法的人文学者。

本文是「手搓学术」系列的第一篇。我们将从拆解当下最火的AI Agent——OpenClaw（"小龙虾"）开始，带你走完"从理解到亲手造一只"的全程。

2026 年初，一只“小龙虾”（OpenClaw）在 GitHub 上一夜爆红——33 万颗星、1100 多位贡献者、NVIDIA CEO 黄仁勋称之为“人类历史上最受欢迎的开源项目”。²

但最有趣的不是它有多火，而是它怎么被造出来的。

OpenClaw 的创造者 Peter Steinberger，一位奥地利工程师，公开承认：这个项目本身就是用 AI 编程工具“手搓”出来的。³ 他用的方法，正是 2025 年 Andrej Karpathy 随手一条推文带火的“Vibe Coding”——用自然语言告诉 AI 你想要什么，AI 帮你写代码。⁴

这让人忍不住追问：如果一个工程师能用 AI 造 OpenClaw，一个人文学者能不能也造一只自己的？

也许你会说：直接下载 OpenClaw 不就行了？但问题恰恰在这里——OpenClaw 再好用，它代表的仍然是前 AI 时代的软件消费模式：别人写好，你下载安装、配置参数、看文档学会使用。为了追踪几个投稿 Deadline、给学生发几封提醒邮件，你得安装一个 33 万星的庞然大物，学习它的 Skills 系统、配置它的 Agent 权限、适应它的交互方式——这就好比为了一碟醋，包了一顿饺子。更关键的是：如果你想做的事恰好没人写过对应的 Skill，你只能等社区开发、提 Issue——或者回到不会编程的老起点。

《人民日报》在评论"手搓经济"时写道："创业者无需再为'如何造出来'耗费更多精力，转而聚焦'造什么能解决实际问题'。"²² 2026 年的技术现实提供了另一种选择：不下载它，而是拆解它、学习它，然后在 AI 编程工具的辅助下，自己造一只刚好够用的。 只解决你的问题，不多也不少。

这正是本文的出发点。不是理论上的回答——不是"可以，加油！"——而是操作层面的回答：用什么工具、从哪里开始、第一步做什么。

以下是你将获得的五个关键内容：

💡 内容一：OpenClaw 拆解——它只有四个零件

OpenClaw 的核心并不神秘。它是 LLM 编排 + 消息接口 + 技能库 + 持久记忆的组合。没有深不可测的模型训练，没有超算集群。理解了这四个零件，你就理解了自己要造什么。

💡 内容二：为什么“自己造”比“下载用”更适合人文学者

通用工具无法满足高度个性化的研究需求。“自己造”的核心优势不是省钱，而是——你对工具的每一个行为都有清晰的理解。在人文研究中，这不是锦上添花，这是底线。

💡 内容三：中国学者的完整工具箱

DeepSeek（注册送 500 万免费 Token）、通义千问（每月 100 万免费）、智谱 GLM（免费调用）；通义灵码、TRAE AI、CodeGeeX——国产 AI 编程工具已经完全可用。

💡 内容四：30 分钟入门案例——你的第一只“小龙虾”

一个可以跟着做完的实操案例：用 DeepSeek + Python，造一个学术投稿 Deadline 提醒助手。从注册 API 到脚本运行，步骤拆解到零基础可跟随。

💡 内容五：从第一个脚本到完整 Agent 的成长路线图

一个脚本不是终点。文章给出了从单个工具 → 多个工具 → 串联成 Agent 的清晰路径，以及如何借用社区 Skills 加速这个过程。

正文

一、从一个“段子”说起：用 AI 造 AI 工具

OpenClaw 的故事值得多讲几句，因为它本身就是“AI 赋能非传统编程者”的最佳案例。

Peter Steinberger 并不是一个初出茅庐的新手——他是一位经验丰富的工程师，之前创办过 PSPDFKit（一个知名的 PDF 开发工具）。但即便以他的水平，构建 OpenClaw 的核心代码也大量依赖了 AI 代码编辑器。他在接受采访时透露，OpenClaw 从 2025 年 11 月首次发布（当时叫 Clawdbot），到成长为今天的规模，AI 编程工具在其中扮演了不可替代的角色。³

Steinberger 本人对“Vibe Coding”这个词持保留态度。他觉得这个词让 AI 辅助编程听起来像是随手玩玩的事，但实际上“这更像学吉他——看着简单，弹好不容易”。³ 2026 年 2 月，Steinberger 加入了 OpenAI，OpenClaw 则转入了一个独立的开源基金会继续发展。⁵

这个故事告诉我们两件事：

1. 即便是最好的工程师，也在用 AI 写代码——它不是懒人工具，而是生产力的新常态
2. OpenClaw 的核心架构并不神秘——如果一个人用 AI 工具就能造出来，那这个东西的技术门槛就不在星辰大海的位置

接下来，让我们打开它的盖子看看里面有什么。

二、把 OpenClaw 拆开看：只有四个零件

OpenClaw 的内核可以拆成四个“零件”。理解了这四个零件，你就知道自己的“小龙虾”需要什么骨架。

零件一：LLM 编排层——“大脑”

OpenClaw 本身不是一个大语言模型。它是一个调度大模型干活的中间人。

你给 OpenClaw 发一条消息（“帮我查一下下个月有什么学术会议的截稿日期”），它把这条消息加上上下文（你之前的偏好、你的研究领域等），构建成一个精心设计的 Prompt，发送给你选择的 LLM（Claude、GPT、DeepSeek、通义千问……），然后解析 LLM 返回的结果，决定执行什么操作。⁶

核心理解：OpenClaw 的工作是“转译”——把你的自然语言请求翻译成 LLM 能理解的指令，再把 LLM 的推理翻译成具体操作。

这意味着什么？意味着你自己的“小龙虾”也不需要训练模型。你只需要学会如何调用已有的 LLM API。

零件二：消息接口——“耳朵和嘴巴”

OpenClaw 做了一个聪明的选择：不自己做界面，直接接入你已经在用的消息平台——Telegram、Signal、Discord、WhatsApp、Slack、iMessage。⁷ 你在 Telegram 上给它发消息，就像跟一个超级助手聊天。

对于中国用户来说，最自然的接入点是微信（可通过 Matrix 桥接）或钉钉。当然，最简单的“消息接口”就是你电脑的终端（命令行）——输入一行文字，程序返回结果。

零件三：Skills 技能库——“手脚”

OpenClaw 内置超过 100 个“技能”（Skills）。每个 Skill 本质上是一个包含指令文件（SKILL.md）的文件夹，告诉 Agent：“当用户要做 X 时，按照 Y 步骤执行。”⁸

Skills 可以：读写本地文件、执行终端命令、浏览网页、发送邮件、调用各种 API。

更关键的发现：Skills 不是封闭系统。社区通过 ClawHub 和 GitHub 公开分享自制技能⁹，Claude 平台上用户分享的 Custom Instructions¹⁰ 也是同类东西。这意味着，你自己造的“小龙虾”可以直接“拿来”这些经过验证的技能——不需要从零发明每一个功能。

零件四：持久记忆——“经验”

OpenClaw 在本地保存你的配置、交互历史和偏好。它记得你——你的研究方向、你的期刊偏好、你上次让它处理什么任务。用得越多，服务越精准。⁶

就是这四样东西。 LLM 编排 + 消息接口 + 技能库 + 持久记忆。

没有深不可测的神经网络训练，没有超算集群。OpenClaw 的价值在于一段编排逻辑——把已有的成熟组件用代码串起来。

而这段编排逻辑，Steinberger 自己都是用 AI 写的。

三、为什么“自己造”比“下载用”更适合人文学者

理解了 OpenClaw 的内核之后，开头提出的那个问题变得更加具体：既然"包饺子"的成本如此之高，我们具体该怎么"只买那碟醋"？

答案的关键在于：你的需求只有你自己知道，而 2026 年的技术栈已经允许你自己动手了。

3.1 你的需求只有你自己知道

一位研究敦煌写本的历史学者，和一位研究晚明社会网络的文学研究者，对“AI 助手”的需求天差地别。OpenClaw 是为最大公约数设计的。但人文学者面对的，是高度个性化的场景：