龙虾 vs 帝王蟹 源码级拆解：两个思路完全相反的开源 AI 分身项目

[MaskerPRC]

花了一天时间完整扒了两个项目的源码，分享一些发现。

项目简介

OpenClaw（🦞）：@steipete 主导，MIT 协议，18+ 核心维护者。Hub-and-Spoke 架构，40+ 消息渠道适配，TypeScript 严格模式，定位是 Personal AI Assistant 。

Self-System（🦀）：Solo Developer + AI 构建。Docker-in-Docker 双容器架构，Claude Code 驱动实时代码生成，JavaScript ，定位是"数字渐进式分身"。

架构上最大的差异

OpenClaw 的代码是预编译的静态产物。你 npm install -g openclaw 然后 openclaw start，所有功能都已经写好了，通过 Plugin SDK 扩展。

Self-System 的代码是运行时动态生成的。Control 容器挂载 Docker Socket 控制 App 容器，用户用自然语言描述需求 → AI 生成 Vue 页面 + Express API → 热部署 → Git 自动提交。系统的代码是活的。

技能系统的哲学差异

OpenClaw Skill = TypeScript 类，代码级抽象，告诉系统 "How" Self-System Skill = Markdown 文件，知识级抽象，告诉 AI "What & Why"

当执行者从人变成 AI ，你不需要函数签名，你需要意图文档。

实际场景对比

场景	OpenClaw	Self-System
微信消息自动化	无官方插件，需自己写	对话创建 Skill ，10 秒
管理 20 个 IM 渠道	配置 Token 即可，30 分钟	逐个集成，较慢
完全定制化个人工具	受限于 Plugin API 边界	无边界，对话即功能

定位

OpenClaw  = Application Layer — 你在 App 里做事
Self-System = OS Layer — 你在定义 App 本身

OpenClaw 连接广度强（ X 轴），Self-System 定制深度强（ Y 轴）。不是竞品，是不同物种。

关键数据

• OpenClaw：40+ Channel / 15+ Model / 50+ Skill / TypeScript / SQLite / 18+ 维护者
• Self-System：Webhook 集成 / 4 Model / 15+ AI 生成 Skill / JavaScript / Supabase / 1 人 + AI

两个都用过的体感：OpenClaw 像一台组装好的瑞士军刀，Self-System 像一块可以自由生长的活体组织。

有在做类似方向的 V 友吗？欢迎讨论。