Appearance
Claude Code 和 OpenClaw 功能列表高度重叠：都有记忆系统、子代理、Hooks、MCP 支持。但读完两套文档和 OpenClaw 源码之后，你会发现这两个项目从根本上服务于不同的场景。本文对比了 Memory 架构（声明式文件层级 vs 自动向量检索流水线）、子代理编排（单层委托 vs 异步 lane 推送树）、Hooks 自动化模型（确定性拦截器 vs 条件触发工具执行）三个维度，以及两个工具最适合改变你哪种工作方式。
Claude Code vs OpenClaw：两个都在改变你工作方式的工具，解决的却是完全不同的问题
2026年4月
Claude Code 是 Anthropic 的官方 AI 编程 CLI，跑在你的终端 / IDE 里，以写代码为中心。OpenClaw 是一个自托管 AI Gateway，跑在你的服务器上，把 20+ IM 渠道（WhatsApp、Telegram、飞书、iMessage...）统一接入 AI，以随时可达为中心。
它们都有记忆系统。都有子代理。都有 Hooks。都支持 MCP。如果只看功能列表，你可能觉得差距不大——选哪个都能用。
但用上一段时间之后，你会感受到一个明显的分岔：Claude Code 在改变你的编码工作流，OpenClaw 在改变你的信息接触方式。 它们真正竞争的场景很少。
本文试图解释为什么——从 Memory 架构、子代理编排、Hooks 自动化三个维度，以及最重要的：使用场景本身。
使用场景：两条根本不同的接触路径
这是两个工具最根本的差异，值得先说清楚，而不是把它藏在最后的"哪个适合你"章节里。
你用 Claude Code 的时机，是你在主动工作的时候。
打开终端，运行 claude，Claude 进入你的代码库上下文——读 git 历史、读 README、读错误堆栈，理解你正在做什么，然后帮你写代码、改 bug、重构、生成测试。整个互动发生在你已经坐在工位、专注在某个任务上的状态里。Claude Code 不会主动联系你；它等你打开它。
你用 OpenClaw 的时机，覆盖你一天的任何时刻。
你在通勤时用手机 Telegram 问它今天的任务列表；你在会议间隙用 WhatsApp 让它查一段文档；你下班后用飞书提问，第二天早上看回复。OpenClaw 的核心优势是渠道触达——不需要专门打开某个工具，在你已经在用的 IM 里就能接触到 AI。当你需要 AI 的那一刻，你已经在那个渠道里了。
这个差异决定了记忆系统的设计方向。
Memory 架构：声明式文件层级 vs 自动向量检索流水线
Claude Code：你告诉它记什么
Claude Code 的记忆分两套机制：
第一套是 CLAUDE.md 文件层级，完全人工维护。有三个作用域：
- 项目级
CLAUDE.md（可提交到 git，整个团队共享） - 用户级
~/.claude/CLAUDE.md（个人偏好，跨项目生效） - 企业级（
/etc/或C:\Program Files\，管理员统一下发）
更具体的位置优先级更高。你在 CLAUDE.md 里写什么，Claude 就记什么——没有过滤，没有自动评估，你写的就是最终输入。支持 @path/to/file 语法引入外部文件，.claude/rules/ 支持按文件路径限定规则的生效范围。
第二套是 Auto Memory（v2.1.59+），Claude 自动写入 ~/.claude/projects/<project>/memory/MEMORY.md。格式同样是 Markdown 文件，自动分主题，入口文件只加载前 200 行。你可以读这些文件，也可以手动编辑。
本质上，Claude Code 的记忆模型是声明式的：你控制信息输入，Claude 只是在上下文里读这些文件。上下文压缩（/compact）之后，记忆文件内容仍然完整保留——这是它相比直接对话历史的核心优势。
OpenClaw：它自己决定记什么值得记
OpenClaw 的记忆系统是四层混合架构，大部分细节都在 extensions/memory-core/ 里。
层 1：文件系统（Markdown）
每次用户执行 /new 或 /reset 命令时，session-memory hook 自动把最近 15 条对话写成 memory/YYYY-MM-DD-{slug}.md，slug 由 LLM 生成，描述这段对话的主题。
层 2：SQLite + sqlite-vec（向量 + 全文搜索）
记忆文件被 chunked 之后，通过配置的 embedding provider（支持 OpenAI / Gemini / Voyage / Ollama / Bedrock / Mistral）生成向量，存入 SQLite 的 chunks 表。同时建 FTS5 全文索引，支持 BM25 关键词检索。
层 3：混合召回 + 重排
每次对话时，查询被向量化，同时走两条通道：
- 向量通道：
sqlite-vec的余弦 ANN 查询（无扩展时退化为暴力扫描） - 关键词通道：FTS5 BM25 查询
两路结果通过 Reciprocal Rank Fusion 加权融合，叠加时间衰减（近期记忆权重更高），可选 MMR 多样性重排（λ=0.7，防止召回结果高度重复）。
层 4：Dreaming 流水线（自动晋升 → MEMORY.md）
这是最有意思的部分。每次记忆被成功召回，系统会在 short-term-recall.json 里累积这条记忆的"命中信号"。Cron 定时触发 Dreaming 三阶段：
| 阶段 | 作用 |
|---|---|
| Light | 对近期召回做初步筛选，写入 dream 日志 |
| REM | 分析 concept tag 模式，生成"候选真相" |
| Deep | 对候选记忆做多维度打分，达标的晋升到 MEMORY.md |
打分维度（加权求和）：
- 相关度 0.30（平均召回相似度）
- 频率 0.24（召回次数对数归一化）
- 多样性 0.15（独立查询数 / 召回天数）
- 时间衰减 0.15（半衰期 14 天）
- 巩固度 0.10（多天分散程度）
- 概念覆盖 0.06（concept tag 覆盖率）
只有经过多次召回、跨越多个独立查询、在一定时间跨度内持续命中的记忆，才会晋升到 MEMORY.md。这模拟的是人类记忆的"重要性由使用频率决定"——你记住的通常是你反复用到的信息。
两种设计的根本取舍很清晰：
Claude Code 的记忆你可以完全审计、完全控制，写什么进什么，非常适合代码库上下文（项目约定、团队规范、架构决策）。但它不会主动观察你在 AI 对话里反复问什么，也不会自动提炼出"这个用户特别关心 XX 类型的问题"。
OpenClaw 的记忆系统不需要你手动维护。但你也更难预测它会记住什么——晋升标准是算法决定的，不是你决定的。如果你需要确定性地让某件事被"记住"，显式地写入 memory/ 文件是更可靠的方式。
子代理编排：单层委托 vs 异步 lane 推送树
Claude Code 的子代理是单层的显式委托模型。子代理在 .claude/agents/<name>.md 里定义，有独立的系统提示、工具白名单/黑名单、专属 MCP 服务、独立上下文窗口。Claude 根据 description 字段自动判断何时委托，也可以显式文字指令或 @提及 触发。
关键约束：子代理不能生成其他子代理。调用树是平的，最多一层深度，主代理串行或并行调用多个子代理，结果统一汇回主上下文。每个子代理可以独立指定模型（haiku / sonnet / opus），这让成本路由变得精确——探索和只读任务用 Haiku，复杂推理用 Sonnet。
OpenClaw 的子代理是异步推送树（lane queue 模型，前面的 Hermes vs OpenClaw 对比文章 里有详细分析）。每个 session 有自己独立的 lane，父代理发出 spawn 指令后立即返回，子代理在自己的 lane 里独立运行，完成后通过推送事件异步通知父代理。父子代理真正并发，互不阻塞。嵌套深度不固定，通过配置控制，cron job 内部操作有专门的 nested lane 避免死锁。
两种模型的适用场景不同：Claude Code 的同步单层树在代码任务里足够用——写代码大多数时候是顺序的（先分析再改再测试）；OpenClaw 的异步多层树对"我有一个任务，派出多个子 AI 同时去做不同的事，等它们完成再汇总"这类场景更自然。
Hooks 自动化：两种不同的控制模型
Claude Code 的 Hooks 是在 Claude 执行链路里插入确定性拦截器的机制。8 个生命周期节点（SessionStart / UserPromptSubmit / PreToolUse / PostToolUse / PermissionRequest / Notification / Stop / SessionEnd）覆盖 Claude 的完整执行路径。
三种 Hook 类型：
command：执行 shell 命令prompt：让 Haiku 模型做判断（可以写自然语言条件，比用正则匹配更灵活）agent：调用可使用工具的验证代理（最重型，适合复杂校验）http：POST 到 HTTP 端点
退出码决定行为：0 继续、2 阻止（stderr 内容反馈给 Claude）、其他非零只记日志。这是 Claude Code 里少数"确定性"的机制——指令靠 AI 判断，Hooks 是系统级强制执行，不受 Claude 当前状态影响。
OpenClaw 的扩展/Hooks 是插件层面的能力组合。通过 api.on("before_agent_reply", ...) 等事件接口注入逻辑，可以是对每条消息的预处理、对工具结果的后处理、或者在 Gateway 启动时注册 cron job。前面提到的整个 Dreaming 流水线，本质上就是一个通过 Hooks 机制注入 Gateway 生命周期的扩展。
核心差异：Claude Code 的 Hooks 是控制 Claude 行为的工具，OpenClaw 的扩展系统是扩展 Gateway 能力的工具。前者你在限制 / 监控 / 确保 Claude 的操作；后者你在给 Gateway 本身添加新功能。
哪个改变了你的哪种工作
如果你的核心需求是：
- 代码库级 AI 协作（代码审查、重构、生成测试）
- 强制执行团队编码规范（通过 CLAUDE.md + Hooks 组合）
- 在 IDE / 终端里的深度上下文感知
- 需要明确审计 AI 记住了什么、拥有什么权限
→ Claude Code 是更合理的选择。
如果你的核心需求是：
- 用已有的 IM 渠道接触 AI，而不需要专门打开工具
- 跨越多个平台（WhatsApp / Telegram / 飞书 / iMessage...）的统一 AI 接口
- 长期记忆自动积累，不手动维护
- 在移动端、碎片时间里使用 AI
→ OpenClaw 是更合理的选择。
真正有竞争关系的场景很少。大部分用户会发现自己在编码时用 Claude Code，在其他时间用 OpenClaw——两者并不互斥。
如果你只想要一个，问自己一个问题：AI 主要帮你做的是"工作中的一件具体的事"，还是"随时随地回答你的问题"？ 前者选 Claude Code，后者选 OpenClaw。
FAQ
Q: Claude Code 和 OpenClaw 都支持 MCP，它们的 MCP 集成有差异吗？
A: 两者都支持 MCP 协议，但 Claude Code 支持给子代理配置专属 MCP 服务（不出现在主对话），OpenClaw 的 MCP 配置通过 Extension 层管理，可以在不同渠道的会话里共享或隔离。实际使用体验类似，配置文件语法有所不同。
Q: OpenClaw 的向量记忆系统要求部署额外的向量数据库吗？
A: 不需要。默认用 SQLite + sqlite-vec 扩展，零额外基础设施。如果需要更大规模或更高性能，有可选的 memory-lancedb 扩展支持 LanceDB 后端，但绝大多数个人用户用 SQLite 就够了。
Q: Claude Code 的 Auto Memory 和 CLAUDE.md 有什么优先级关系？
A: 两者独立加载，没有覆盖关系。CLAUDE.md 是指令（Claude 应该怎么做），Auto Memory 是笔记（Claude 自己记录的信息）。实际上下文里两者都会出现，Claude 自行判断如何使用。更具体的 CLAUDE.md（项目级 > 用户级 > 企业级）在指令优先级上更高。
Q: OpenClaw 的 Dreaming 如果不触发，记忆就永远不会晋升到 MEMORY.md 吗？
A: 是的，手动写入 memory/ 目录的 Markdown 文件会被直接索引，但自动生成的会话摘要需要经过 Dreaming 流水线评分才能晋升到 MEMORY.md 里的"持久化真相"区域。如果你想强制让某件事被记住，手动写入 memory/ 文件是更可靠的路径，不依赖算法评分。
Claude Code 版本：截至 2026-04-14 的最新文档。OpenClaw 源码：截至 2026-04-10 的 main 分支。