出身与硬指标
判平- 三年积累,中文社区为主,文档中文优先
- 962 个 open issues,社区型项目的正常水位
- 11 个月冲到近 40 万星,增长曲线陡得反常
- 9,604 个 open issues,规模带来的维护压力同样真实
规模上 OpenClaw 大一个量级,成熟度上 AstrBot 多两年。真正的分水岭是许可证:AGPL-3.0 对做闭源服务的人是硬约束,MIT 不是。
架构:单体进程 vs 常驻网关
判平- 一个 Python 进程干完所有事:收消息、调模型、跑插件、管会话
- 插件叫 Star,同进程加载,WebUI 内置在程序里
- 没有外部依赖,1C1G 也能跑起来
- 代价:重活只能丢给外部沙箱,扩展靠加机器
- Gateway 常驻,独占所有消息连接;控制面(CLI / Web UI / 桌面端)走 WebSocket 接入
- 节点(macOS / iOS / Android)也连进来,声明自己能干什么
- 状态只有一份,多端看到的是同一个会话
- 代价:概念多,Node / Session / Agent / Channel 得先搞明白
A 胜在没有架构——不需要理解任何概念就能跑;B 胜在能长——多端、多设备、多 agent 都从这套结构里长出来。
消息平台覆盖
判平- 国内主场:QQ(OneBot v11 / NapCat)、企业微信、微信公众号、飞书、钉钉
- KOOK、Satori、Misskey 这类小众平台也有官方维护
- Telegram、Discord、Slack、LINE、Mattermost 齐备
- WhatsApp 仍在路线图上;无 iMessage / Signal
- 海外主场:WhatsApp、iMessage、Signal、Telegram 为核心或一等插件
- Discord、Slack、飞书、Teams、Matrix、LINE、SMS、语音通话
- QQ 走官方插件,国内生态不如 AstrBot 厚
- 微信公众号需第三方插件,钉钉没有对等实现
几乎不冲突:服务国内用户选 A,服务海外用户选 B。飞书、TG、Discord、Slack 是双方的公共交集。
模型与平台接入
判平- OpenAI 兼容、Anthropic、Gemini、DeepSeek、Moonshot、智谱、Ollama、LM Studio
- 国内 API 网关一网打尽:硅基流动、302.AI、PPIO、AIHubMix、优云智算
- 能直接接 Dify、阿里云百炼、Coze——把现成 Agent 工作流搬进 IM
- STT / TTS 供应商选择极多(Whisper、SenseVoice、Edge、Azure、火山、MiniMax…)
- 官方维护的 provider 目录,Anthropic / OpenAI / Google 等
- OAuth 订阅登录:能用订阅额度,不必先买 API key
- 编排能力强:故障转移、按 agent 分配模型、子代理跑便宜模型
- 自托管 vLLM / SGLang / llama.cpp / LM Studio
A 赢在接入面(国内网关 + 第三方 Agent 平台),B 赢在调度面(failover、分角色用模型、成本控制)。
执行与沙箱
AstrBot 小胜- 本机隔离:macOS 走 Seatbelt,Linux 走 bubblewrap
- 第三方沙箱:Shipyard Neo,或 CUA——可起 Linux / macOS / Windows / Android 镜像
- CUA 直接给 Agent 截图、点鼠标、敲键盘的工具,等于一台虚拟电脑
- 权限按普通成员 / 管理员分矩阵:代码、联网、文件范围分别开关
- exec + 审批 + 沙箱,工具可按 profile 精确开关
- 浏览器自动化是一等公民:登录态、多标签、截图、表单
- GUI 自动化要靠真实设备节点,没有多 OS 虚拟镜像方案
- 审批链和威胁模型更完备(见 12)
A 的 CUA 沙箱是这一项的决定因素:给 bot 一台可以乱点的 Windows / Android,是另一个量级的能力。代价是要单独部署,官方建议 4C8G 起。
设备与多智能体
OpenClaw 明显更深- 提供 agent-as-tool 模式:主 Agent 把子任务派给子 Agent
- 属于框架能力,要自己写代码或装插件实现
- 没有真机节点:碰不到你的手机、摄像头、日历
- 子代理是一等公民:独立会话、独立 context、可指定模型、可并行、可 worktree 隔离
- Swarm 支持从代码层编排并发 agent
- 真机节点:iOS / Android / macOS 可拍照、录屏、读日历、发提醒、取定位
这是“框架 vs 产品”的差别。B 的子代理和设备节点不是插件补出来的,是设计时就长在架构里的。
记忆与知识库
判平- 内置知识库(RAG):WebUI 传文档,传完就能问
- 对话上下文自动压缩,长会话不炸
- 记忆是黑盒——你大概知道它记了什么,但没法直接打开看
- 纯 Markdown 文件记忆:MEMORY.md / USER.md / 每日笔记
- 可读、可改、可 diff、可 git 版本化;语义搜索 + 多种后端(LanceDB / Honcho)
- 还有 dreaming 机制定期整理记忆
- 代价:结构要自己维护,不像 RAG 那样“传完就完事”
A 省事,B 可控。想让 bot 吃下一堆 PDF 就选 A;想随时打开文件看它到底记住了什么,选 B。
自动化与调度
OpenClaw 工程级- Proactive Agent:Agent 可以给自己下“未来的任务”,到点主动执行
- WebUI 有「未来任务」页面,可停用 / 删除
- 够用,但没有对外暴露的调度管理面
- automations / cron:cron、一次性、间隔三种 schedule
- 任务持久化 + run history + 失败告警 + 退避重试
- webhook 触发、Gmail PubSub、heartbeat、pacing 自适应轮询、hooks 钩子
“每天早上 8 点抓数据发报告”这种要跑一年的任务,B 的可靠性设计是完整的;A 能做,但你得接受它更轻量。
多用户与群聊
AstrBot- 天生是群机器人:按 UMO(统一消息来源)划分会话
- 普通成员 / 管理员两档权限矩阵,分别控制代码、联网、文件范围
- 一个 bot 服务一整群人,是它的默认场景
- 天生是私人助理:单 owner,DM 配对 + allowlist
- 群聊靠 @ 唤醒,多人场景用多 agent 路由隔离
- 更细的是“能做什么”,不是“谁能用”
你要在 500 人的 QQ 群放个 bot,A 的模型是对的;你要一个只服务自己的助理,B 的模型是对的。这一项没有高下,只有形状。
扩展开发生态
AstrBot 小胜- 1000+ 插件,WebUI 一键装,生态偏应用层:签到、点歌、抽卡、游戏
- 插件用 Python 写,装饰器注册命令和事件,会写脚本就能上手
- 也支持 SKILL.md 形式的技能
- TypeScript 插件 SDK:可加 channel、provider、tool、hook
- ClawHub 市场 + Skill Workshop 自动生成技能
- 偏基础设施层:接一个新平台,而不是装一个签到功能
A 赢在数量与门槛,B 赢在深度。想做“群里能玩的东西”选 A,想接一套新运行时选 B。
部署与资源
AstrBot- 三行命令跑起来:uv 安装 → init → run
- Docker / Compose / 桌面 App / Launcher / 宝塔 / 1Panel / CasaOS
- 2GB 内存能跑,小机器友好
- 要开 CUA 沙箱才需要 4C8G
- Gateway 本体不重,但同时跑浏览器 + 沙箱 + 子代理就吃资源
- 生产部署通常建议独立主机,或干脆用托管环境
- 概念多,第一次配要读文档
低配机器 / 想十分钟看到效果,选 A。愿意为能力付学习成本和资源,再考虑 B。
安全模型
OpenClaw- 防的是坏用户:权限矩阵 + 命名空间隔离,防止群里的普通成员搞坏你的机器
- 每个用户会话独立工作区,文件访问范围三档
- 防的是坏指令:exec 审批、工具 allow / deny 策略
- 设备配对审批、secrets 保护存储、威胁模型文档
- 假设模型可能被注入,所以每一步都要过闸
两者防的威胁不同,不能简单说谁更安全。但就“Agent 乱来”这类风险,B 的闸门更多。
许可证与商用
OpenClaw- AGPL-3.0
- 改完对外提供网络服务,要开源你的修改
- 自用、内部部署没问题;做 SaaS 要先看条款
- MIT
- 商用、闭源分发、二次开发都不受限
- 对做产品的人来说,这一条可能比功能权重更高
如果你的答案是“要拿它做产品”,这一项基本可以直接定生死。功能可以补,许可证不能绕。
你的场景,选哪个
点一条最接近的,下面给结论。答案来自前面 13 项的拆解,不是“两个都好”。
问题不是“哪个更强”,而是“你要的是群里的 bot,还是你自己的手脚”。 重叠度被高估了:它们只是都住在聊天软件里。