腾讯突然出手!QClaw 内测上线:用微信就能操控电脑,对标 OpenClaw 的 AI Agent 它来啦

腾讯突然出手!QClaw 内测上线:用微信就能操控电脑,对标 OpenClaw 的 AI Agent 它来啦

OpenClaw 爆火开始,各种 “Claw” 系 AI Agent 产品正在快速出现。AI 不再只是聊天,而是开始真正帮人干活

就在这波浪潮中,腾讯也出手了。

腾讯电脑管家团队推出了一款新的 AI Agent 工具 —— QClaw

简单理解一句话:

让 AI 直接帮你操作电脑。
官网:
https://claw.guanjia.qq.com/


AI 可以直接操控你的电脑

和普通 AI 助手不同,QClaw 的核心能力是 执行任务

例如:

  • 自动整理文件
  • 打开软件
  • 运行脚本
  • 执行办公流程

更有意思的是,QClaw 可以通过微信控制电脑

只需要:

1️⃣ 安装 QClaw 客户端
2️⃣ 微信扫码绑定
3️⃣ 在微信里发送指令

比如发一句:

“帮我整理桌面文件。”

电脑就会自动执行任务。

换句话说:

微信变成了 AI 的远程控制台。


QClaw vs OpenClaw

很多人会问:QClaw 和 OpenClaw 有什么区别?

其实很好理解:

对比OpenClawQClaw
产品形态开源 Agent 框架腾讯官方产品
使用门槛偏开发者普通用户也能用
IM 接入需要自己开发微信原生支持
部署方式本地部署本地执行

可以简单理解为:

OpenClaw 更像技术框架
QClaw 更像产品工具

一个面向开发者,一个面向大众用户。


目前仅支持 macOS 内测

目前 QClaw 还处于 内测阶段,并且只支持 macOS 系统

腾讯已经开放申请入口:

👉 内测申请地址
https://wj.qq.com/s2/25871229/abe7/

如果你是:

  • AI 开发者
  • Agent 玩家
  • 自动化工具爱好者

可以去申请体验一下。


AI Agent时代正在到来

OpenClawQClaw,可以看到一个明显趋势:

AI 正在从 “聊天工具” 进化为 “执行工具”

未来的 AI 不只是回答问题,而是:

真正帮你完成工作。

而 AI Agent 的竞争,才刚刚开始。

Read more

要成为AI的主人,而不是被它所绑架

要成为AI的主人,而不是被它所绑架

这两年,AI 编码工具确实给开发效率带来了很大提升。写脚本更快了,补测试更轻松了,搭原型更顺手了,连很多文档工作都被大幅压缩。笔者自己在持续使用 GPT-5.4 和 Claude 一段时间后,也真切感受到了这种效率红利。与此同时,随着使用越来越深入,笔者也开始经常在架构师论坛和技术社区里,围绕 AI 开发的安全性、保密性、稳定性、可控性等问题,与多位大厂架构师持续交流。讨论得越多、实践得越久,我越认同一个判断:小项目、低敏项目、单人维护项目,AI 基本没有大问题;但一旦进入多人协作、长期演进、涉及核心资产和生产责任的项目,AI 如果没有边界、规范和审计,就很容易从“效率工具”变成“失控放大器”。 很多人讨论 AI,还停留在“能不能更快把功能做出来”这个层面。但架构师的关注点从来不只是“能不能开发出来”,而是“

OpenClaw漏洞预警:如何给AI代理加上“记录仪”?

OpenClaw漏洞预警:如何给AI代理加上“记录仪”?

近日,工信部网络安全威胁和漏洞信息共享平台、国家互联网应急中心连续发布风险提示:开源AI智能体OpenClaw因默认安全配置脆弱、不当配置等问题存在较高安全风险。 当AI代理被赋予系统级权限,每一次“幻觉”或攻击都可能酿成数据浩劫 而每一次操作在操作系统中留下的痕迹,正是追溯这些风险的关键线索。移动云云日志可为移动云云主机提供命令级、文件级全量日志采集,搭配智能关键词告警与日志长期存储,让云主机上的每一行指令都有迹可循,为AI应用构建日志可追溯的安全防线。 四大高危风险,不容忽视 OpenClaw作为开源AI智能体框架,在提升自动化能力的同时,其默认配置存在的安全漏洞可能被恶意利用,导致企业核心数据面临严重威胁。 “AI智能体的安全风险不在于AI本身,而在于我们能否看清AI在系统层面的每一个动作。看不见的风险才是真正的风险。” 而移动云云日志,就是要让这些“看不见”的风险,变得“看得见”。 四大核心能力,构建AI安全防线 全量行为采集,不留死角 支持主流操作系统(CentOS、Ubuntu、WindowsServer等),可采集Shell命令历史、文

当 AI 开始「打工仔」模式:OpenClaw 指挥多个 Agent

当 AI 开始「打工仔」模式:OpenClaw 指挥多个 Agent

当 AI 开始「打工仔」模式:OpenClaw 指挥多个 Agent 你有没有想过:让一个 AI 帮你算数学题,再让另一个 AI 把结果翻译成英文? 这听起来有点「多此一举」——毕竟一个 AI 就能同时做这两件事。但有时候,把任务拆分开来让不同的独立的 Agent 处理,是后续处理复杂任务的必要条件。 今天就分享一次有趣的实验:用OpenClaw 和 两个 Agent 串联完成一个完整的工作流。 前提条件 * openclaw: 2026.2.3 * 如果标记 😬,即用自然语言输入,在 webchat 中输入 * 如果标记 💻,即用命令行输入 如果标记 🔧,即背后的命令,不用管 💡 提示:用户只需用自然语言描述需求,无需手动执行底层命令。底层命令仅供技术参考。