2026 年 2 月的 AI 工具链：Claude Code、Opus 与 OpenClaw

这篇文章记录我在 2026 年 2 月使用的工具链。此后执行层和代理选择继续变化；现在的做法可参考我如何使用 Hermes Agent。

距离上次更新博客已经两年了。这两年 AI 工具变化很快，我的工作流也经历了多次调整。下面记录我在 2026 年初如何分配 Claude、Claude Code 和 OpenClaw 的角色。

为什么把更多任务转向 Claude

转折点是我开始用 Claude 写代码。在我当时处理的代码修改和长上下文任务中，Claude 给出的完整度更稳定，也更愿意指出方案中的问题。

试用几周后，我把更多编程和长文档任务转向 Claude，但仍按任务选择工具，而不是把一个模型用于所有场景。

Claude Opus：处理复杂任务

我当时的原则是：日常对话用 Sonnet 控制成本，复杂推理、长文档分析和架构设计优先尝试 Opus。

模型单次调用更贵，并不一定意味着总成本更高。对需要多轮澄清的任务，我更关注完成任务所需的总时间和返工次数。

Claude Code：本地代码执行层

Claude Code 能读取和修改本地代码、执行命令并运行测试。它适合边界清楚、能够验证结果的开发任务。

我当时做 side project 的流程：

1. 自然语言描述需求
2. Claude Code生成代码
3. 我复核改动、测试和风险，有问题继续调整
4. 部署上线

这种分工减少了机械操作，但需求拆解、验收标准和最终判断仍由我负责。

OpenClaw：持续运行的代理

OpenClaw 当时承担持续运行的代理角色，并维护自己的 workspace：

• 持久记忆：记住对话、偏好、正在进行的任务
• 多平台接入：我主要通过 Telegram 与它交互
• 工具调用：能访问网页、执行命令、调用 API
• 定时任务：可以设置提醒、定期检查

这篇博客的初稿来自我在 Telegram 中交给 OpenClaw 的任务。它克隆仓库、参考已有文章并起草内容；我复核了结构、事实和最终表述后发布。

核心理念

一句话：把可验证的执行交给 AI，把目标、边界和判断留给人。

相比只在对话框里获取答案，这套工作流更强调任务分解、执行和复核。它适合结果能够检查的工作，也要求更清楚地定义权限和验收标准。

选择工具时，我更关心它在具体任务中的可靠性、可验证性和维护成本，而不是追求一套适合所有人的固定组合。