无可就是九头鸟一个工作日的早上，我还没到工位，就先在手机上给 WorkBuddy 发了一条指令：“把昨晚下载的资料按日期归类，顺便把项目周报初稿写到桌面文档里。”等我打开办公室电脑时，桌面上已经整整齐齐排好了文件夹，周报初稿也躺在那里。达成这一切的，不是什么玄学，而是 WorkBuddy 的 Claw 功能——一个让 AI 真正“长出手”、可以远程操控电脑的智能体能力。这篇我想认真聊聊它：Claw 到底解决了什么问题、怎么把手机和电脑连起来、它能帮我们干哪些实际工作，以及跑了一段时间之后你大概率会遇到的一些坑。
1. Claw 到底是个什么东西：不是远程控制，是 AI 自己长了手
1.1 同样叫“远程”，向日葵和 Claw 的区别在哪
很多人第一次听到 WorkBuddy 的 Claw，第一反应是：这不就是手机远程控制电脑吗？向日葵、TeamViewer 不早就能做到吗？我一开始也是这么想的，直到真正用起来才发现，两者的底层逻辑完全不同。
向日葵这类远程控制软件，本质是“把人的手和眼接长”。它的核心链路是：电脑屏幕画面编码传到你手机上，你的眼睛看到画面，你的手指在手机上点按，再把键鼠指令传回电脑。整个过程里，做决策的是人，传输的是“画面”和“键鼠事件”，所以这类软件最在乎的是延迟、帧率和带宽。远程控制下的电脑，只不过是一台被遥控的机器。
而 WorkBuddy 的 Claw，核心链路变成了：你在手机上发一句自然语言指令，AI 在电脑端“看”屏幕内容，理解界面结构，然后自己决策、移动鼠标、点击、输入文字、运行命令，完成后把结果摘要回传给你。整个过程中，手机和电脑之间传输的不是画面，而是“任务指令 + 执行日志 + 结果摘要”。你不需要盯着屏幕看它一步步操作，只要最后验收结果就行。
我常用的类比是：向日葵像是你坐在副驾，方向盘和刹车都通过一根很长的杆子连到你手里，所有路况判断都要自己做；Claw 更像是你坐在后排报了个目的地，说了一句“走高速、别超速”，司机自己看路、自己打方向盘，中途遇到堵车还会绕路，到了地方告诉你一声。所以 Claw 解决的不是“远程操作电脑”，而是“远程把活交给 AI 干”。这个差别，决定了它的应用场景比远程控制大得多。
1.2 Claw 能干什么、不能干什么：权限边界必须心里有数
Claw 不是万能的，它有一张清晰的权限边界表。我在帮朋友配置的时候，发现很多人对它的能力边界有误解，要么以为它什么都能干，要么以为它什么都干不了。下面这张表是我实际使用下来比较准确的分界线：
| 任务类型 | Claw 能否处理 | 说明 |
|---|---|---|
| 打开浏览器、访问网页、点击链接、填写表单 | 能 | 通过浏览器自动化读取和操作页面，是 Claw 最稳定的能力 |
| 读取、移动、重命名、归档本地文件 | 能 | 通过本地文件系统权限执行，给绝对路径成功率很高 |
| 运行脚本、执行终端命令 | 视授权而定 | 需要在配置里开启终端权限，且命令规则可审计 |
| 登录页面自动输入账号密码 | 通常不行 | 敏感凭据默认不允许进入 AI 上下文，这是安全设计 |
| 图形验证码识别 | 可能卡住 | 部分简单验证码能过，复杂的基本需要人工介入 |
| 操作手机端 App | 不能 | Claw 面向的是电脑端桌面环境 |
| 音视频实时通话、会议发言 | 不能 | Agent 的目标是桌面 GUI，不是多媒体内容处理 |
| 绕过任何登录态、验证码、风控策略 | 不能 | 这类诉求本来就不应该通过自动化实现 |
为什么 Claw 要刻意设这么多限制？核心原因是“可观察、可回滚、可审计”。每一步操作都会记录日志，出了问题能够追溯；涉及敏感凭据或危险命令时，系统宁可停下来问人，也不让 AI 自主操作。这种边界不是缺陷，反而是它能被放心用来干活的前提。
还有一个容易忽略的点：Claw 操作的是“屏幕和界面”，所以它对界面状态非常敏感。指令下达时如果界面和你描述的不一致，AI 可能会强行猜测，然后点错按钮。所以用 Claw 时，对话框里把前提条件写清楚，比写“你看着办”要高效十倍。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从零到跑通：手机和电脑搭上线的完整流程
2.1 电脑端要准备什么
先说电脑端。WorkBuddy 的桌面客户端是 Claw 的载体，它负责让 AI 能够“观看并操作”你的电脑。第一次配置时，有几个点容易漏，我按顺序列一下：
- 系统要求：Windows 10/11 64 位或 macOS 12 以上，内存建议 8GB 起步，跑 ComfyUI 那类任务最好 16GB。
- 安装 WorkBuddy 桌面客户端，安装过程中有个“安装 Claw 运行时（后台服务）”的选项，一定要勾上。如果当时跳过了，后