为什么不选单纯的聊天机器人——MateClaw 的替代方案对比
市面上大多数 AI 产品只做一层
| 能力维度 | 单纯聊天机器人(ChatGPT/Claude/Gemini) | SaaS AI Agent 产品 | MateClaw |
|---|---|---|---|
| 对话 | ✅ | ✅ | ✅ |
| 工具执行 | ❌(或需插件) | ✅ | ✅ |
| 记忆持久化 | ❌ | ⚠️(弱) | ✅ 四层 + Dreaming |
| 主动触发 | ❌ | ⚠️(有限) | ✅ Cron 九渠道 |
| 多 Agent | ❌ | ⚠️ | ✅ ReAct + Plan-Execute |
| 知识库 | ❌ | ✅ | ✅ 三层 Wiki + 实体图谱 |
| 安全审批 | ❌ | ⚠️ | ✅ Tool Guard + File Guard |
| 数据主权 | ❌ 云上 | ❌ 云上 | ✅ 自部署 |
| 渠道渗透 | ❌ 浏览器 | ❌ 浏览器 | ✅ 九个 IM 渠道 |
| 自定义程度 | ❌ 受限 | ⚠️ | ✅ Apache 2.0 |
三个维度是 MateClaw 胜出的关键:数据主权(跑在自己的机器上)、执行可控性(审批挂起 + 审计日志)、能力完整度(同一进程覆盖对话、工具、记忆、知识库、定时、渠道、安全)。
它不是万能的
MateClaw 刻意不做一些事:
- 不托管你的数据——这是设计意图,不是缺陷。你得自己管 PostgreSQL 的备份,自己管服务器的安全补丁。
- 不替你选模型——你要自己决定 DashScope 还是 Ollama 还是 OpenAI。好处是账单和路线图你说了算,坏处是新手第一次启动得多一个决策。
- 不做图形化拖拽编排——Agent 是用文字 system prompt 定义的,不是画布上拖节点。这让定制更灵活,但也意味着写 prompt 是不可避免的技能。
一个判断标准
如果你想要的是「有个 AI 能帮我回答问题、写点文案」——SaaS 聊天机器人就够了,MateClaw 过重。
如果你想要的是「AI 在我睡着的时候帮我监控竞品、每周一早上给我推销售周报、想删我的文件还得等我批准」——这正是 MateClaw 要解决的场景。