你大概率已经听过 Claude Code、Codex 和 OpenClaw 这几个名字。 它们都靠"大模型"驱动，但解决的是完全不同的问题。 这份手册从"什么是大模型"讲起，带你一次搞清三者的边界与用法。
这三个产品都是"外壳"，真正干活的核心都是大模型（LLM）。先理解核心，后面一切都顺了。
大模型（Large Language Model，LLM）本质上是一个"超级接话器"。它读过海量的书、网页和代码，学到的是一件事：给定前面的文字，下一个词最可能是什么。
"它不是在数据库里查答案，而是在凭语感，一个词一个词地接下去。"
你问它问题，它就是在不停地预测下一个最合理的词，直到把整段答案"接"完。代码、翻译、写文案，本质上都是同一个动作。这也解释了它为什么偶尔会一本正经地说错话——它追求的是"读起来合理"，不是"绝对正确"。
模型不是按"字"而是按"词元"处理文字。一个汉字约 1–2 个 token。计费和长度限制都按 token 算。
模型一次能"记住"的内容上限，像它的工作台面。超出窗口的早期对话会被"忘掉"。
你给它的指令。说得越具体、给的背景越足，结果越好。这是用好所有 AI 工具的第一技能。
模型会"自信地编造"不存在的事实、函数或链接。所以 AI 的产出永远要复核，尤其是代码和数字。
给模型装上"工具 + 循环"，让它能动手做事而不只是聊天。本手册三个产品都是 Agent。
ChatGPT 是聊天，Agent 是会自己动手的同事——它能读写文件、跑命令、查网页。这就是下面要讲的。
新人最容易犯的错，是把它们当成"三个互相竞争的同类产品"去比。真相是：Claude Code 和 Codex 是一类，OpenClaw 是另一类。
住在你的终端（命令行）里的写代码搭档。你开一个会话、交代任务，它就在你的项目里写代码、改 bug、跑测试。你叫它才动，任务做完会话结束。
一个常驻后台的开源个人助理。装好之后它一直在线，从 Telegram、Slack、微信类工具接你的话，能开浏览器、发邮件、跑脚本。它会主动干活，更像生活与工作的总管。
把三者放在一起，差别一目了然。横向比 A 类的两个（Claude Code / Codex），纵向看 B 类（OpenClaw）为何不同。
| 对比维度 | Claude Code Anthropic |
Codex OpenAI |
OpenClaw 🦞 开源社区 |
|---|---|---|---|
| 一句话定位 | 终端里的编程搭档 | 终端＋云端的编程搭档 | 常驻的个人总管 |
| 核心用途 | 写 / 改 / 调代码 | 写 / 改 / 调代码 | 日常事务 & 跑腿 |
| 开源否 | 闭源 | 闭源 | 开源 |
| 运行形态 | 命令行会话 | 命令行 ＋ 云端 ＋ App | 后台常驻进程 |
| 怎么跟它说话 | 终端里打字 | 终端 / App 里打字 | 聊天软件发消息 |
| 谁来驱动 | Claude 模型 | GPT-5.x-Codex | 自带任意模型 |
| 触发方式 | 你叫它才动 | 你叫它 / 可挂云端 | 主动常驻、会自己动 |
| 适合谁 | 开发者 | 开发者 | 所有人 |
别纠结"哪个最强"——问自己"我现在要干的是哪件事"。它们经常是配合用的，不是二选一。
Claude Code 和 Codex 像你临时请来的两位顶尖装修师傅——有活儿才叫，进场把活干漂亮就走；
OpenClaw 则像一位住在家里的管家——一直在，帮你打理日常杂务，需要时还能替你去喊那两位师傅来干活。
工具再强，也有边界和风险。这几条是新人最容易踩的坑。
这叫幻觉。它可能编出不存在的函数、假的数据、失效的链接，而且语气笃定。
铁律：AI 的产出永远要人来复核，代码要跑、数字要核、引用要查。把它当"很强但需要 review 的实习生"。
这些工具能真的改你的文件、跑命令、发邮件。OpenClaw 尤其——它有 shell + 浏览器 + 收发邮件权限，还会自己动。
新人先在不重要的目录 / 测试账号里练手，看清它每一步要做什么再放权。
用好它们的第一技能是把话说清楚：交代背景、给出例子、说明你想要的结果和约束。
含糊的"帮我优化一下"远不如"把这个函数的响应时间降到 100ms 以内，不要改接口"。
现代 Agent 可以通过 MCP（一种"给 AI 接外部工具/数据的通用插头"）连上数据库、飞书、设计稿等。
三者也都支持"技能 / Skills"——把常用流程打包，让它干活更稳、更可复用。
装好、敲一行命令、用大白话交代任务——就这么简单。（具体安装以各自官网/仓库为准）