详细文字内容
为什么要写这篇文章
Aaron做 AI 编程课三个多月了（2025 年 12 月上线），加上之前 n8n 课程（2024 年 9 月上线）的经验，被问最多的问题不是「怎么配置」、不是「怎么写代码」，而是——
「Aaron，Claude 和 Claude Code 有什么区别？」 「ChatGPT 和 OpenAI 是一回事吗？」 「API 是什么？我需要 API 吗？」 「Skill 是什么？跟 Claude Code 什么关系？」 「OpenClaw 又是什么？」
Aaron完全理解这种困惑。因为Aaron自己当年也经历过。
这些名字看起来都差不多，官方文档也没有专门给小白写一篇「关系图」。结果就是：你花了很多时间看教程，但脑子里始终是一团浆糊。不是你笨，是这个领域的命名确实混乱。
这篇文章，Aaron就来做一件事：把所有概念之间的关系，用最简单的方式讲清楚。
读完这篇，你会知道：
公司、模型、产品之间的层级关系
什么是 API，什么时候需要用
聊天机器人和 AI Agent（智能体）的本质区别
Claude Code 是什么，在生态里处于什么位置
Skill 是什么，跟 Claude Code 的关系
OpenClaw 解决了什么问题
第一个概念：公司、模型、产品——先分清这三层
搞不清关系，是因为你把不同层级的东西混在了一起。
这是新手犯的第一个错误：把公司名、模型名、产品名当成同一个东西。
Aaron打个比方。你去超市买可乐：
- 可口可乐公司 → 这是公司
- 可乐配方 → 这是核心技术（你喝不到配方本身）
- 罐装可乐 / 瓶装可乐 / 零度可乐 → 这是产品（你买的是这个）
AI 世界一模一样：
一句话总结：公司做模型，模型装进产品，你用的是产品，不是模型本身。
你跟朋友说「我在用 Claude」，意思其实是「我在用 Anthropic 公司的 Claude.ai 这个产品，它背后跑的是 Claude Sonnet 这个模型」。
就像你说「我在喝可乐」，实际上是「我在喝可口可乐公司用秘密配方生产的罐装可乐」。
同一家公司的产品，名字很像但完全不同
Anthropic（Claude 家族）：
OpenAI（ChatGPT 家族）：
Google（Gemini 家族）：
第二个概念：API——我需要它吗
你不需要理解发动机的工作原理，也能开好一辆车。但如果你想造车，你得懂。
API 是新手最害怕的词之一。Aaron用最简单的方式解释：
API = 餐厅的点菜系统。
你（程序）发一个「菜单」（请求）给后厨（AI 模型），后厨做好菜（生成回复）端给你。你不需要走进后厨、不需要知道厨师怎么颠勺，你只需要会点菜就行。
Aaron再延伸一下这个类比：
- Claude.ai / ChatGPT = 你坐在餐厅里点菜。有服务员、有菜单、有装修好的环境，体验友好，但你只能在餐厅的营业时间内、按菜单上的菜来点
- API = 你直接跟后厨对接。没有装修好的环境，但你可以自己定制菜品、批量下单、甚至让后厨 24 小时给你做菜。灵活，但需要你自己搭「餐厅」（写代码）
Aaron踩坑时刻： Aaron当年第一次用 API，对着文档看了半天，心想这不就是发个消息嘛，为什么搞这么复杂？后来才明白——你用 Claude.ai 聊天的时候，背后其实也在调 API，只不过 Anthropic 帮你把「点菜」「付款」「上菜」全部包装好了。你看到的是精美的网页，背后跑的是 API。
什么时候需要 API
订阅和 API 是两条线——这是最多人踩的坑
买了 ChatGPT Plus 会员（$20/月），以为 API 也能用了。不行，它们是两套独立的计费系统，钱包都是分开的。 Claude 这边也一样——Claude Pro 订阅和 API 按量付费是两条线。
Aaron经常收到学员的消息：「Aaron，我明明买了 Claude Pro，为什么 API 报错说余额不足？」——就是因为这两个压根不是同一个账户。
Aaron用水电费来帮你理解：
- 订阅（Pro/Max） = 包月水电费。交固定月费随便用，但有公平使用限制（用太猛会被限速）。适合个人学习和日常使用
- API 按量计费 = 装了水表电表。用多少付多少，精确到每一滴水（每一个 Token），但账单可能吓你一跳——有开发者实测一天编码花了 45-50 的 API 费用，而同样的事用 20 月费的订阅就能搞定。适合开发者和需要自动化的场景
Aaron的建议： 如果你是学习 AI 编程的新手，先不用管 API。用 Claude Pro 订阅（$20/月）就能覆盖 Claude.ai + Claude Code 的所有学习场景。等你需要做自动化、做产品的时候，再接触 API 不迟。Aaron课程的前 80% 内容，都不需要你花一分钱 API 费用。
第三个概念：Agent——从「你问我答」到「你说我做」
你问一句它答一句，那是聊天。你说一个目标，它自己想办法完成，那是 Agent。
你会在课程里反复看到「Agent」这个词。2025 年是 Agent 爆发的元年，2026 年它已经成了整个 AI 行业最核心的关键词。但很多人还是搞不清：Agent 跟我平时用的 ChatGPT 到底有什么不同？
Aaron用一个场景帮你感受：
场景：你想做一个个人网站。
用聊天机器人（ChatGPT / Claude.ai）：
- 你问：「怎么做个人网站？」
- AI 回答了一大段教程
- 你照着教程操作，遇到报错
- 你截图问 AI：「这个报错怎么办？」
- AI 又回答一段
- 你继续操作……如此反复 20 轮
用 Agent（Claude Code）：
- 你说：「帮我做一个个人网站，要有首页、关于我、作品集三个页面，风格简洁」
- AI 自己创建项目文件夹、写 HTML/CSS、生成内容、跑起来预览
- 你看了效果说：「首页背景换成深色」
- AI 自己改好，重新预览
- 完成
区别不是智商高低，是工作方式不同。 聊天机器人只能「说」，Agent 能「做」。
为什么 Agent 是趋势？ 因为它把 AI 从「顾问」变成了「执行者」。你不再需要当 AI 和电脑之间的搬运工——复制 AI 的回答、粘贴到编辑器、运行、再把报错复制回去问 AI。Agent 直接帮你闭环了。
理解了 Agent，后面三个概念就顺了——Claude Code 是一个 Agent，Skill 是教 Agent 新技能，OpenClaw 是管理一群 Agent。
第四个概念：Claude Code——Aaron课程的核心工具
Claude Code 就是一个 Agent。它不只是聊天，它能动手干活。
Claude Code 是 Anthropic 出品的终端编程 Agent，也是Aaron整门课程的核心工具。
它长什么样？ 不是网页，不是 App，是一个跑在终端（命令行）里的工具。你打开电脑的终端窗口，输入 claude，就进入了 Claude Code 的世界。它看起来很朴素——没有花哨的界面，只有一个光标在闪。但这个朴素的光标，能做到网页版做梦都做不到的事。
它能做什么？ Aaron举几个真实场景：
关键区别：它不是告诉你怎么做，它是直接帮你做。 每一步它都会告诉你它要干什么，你同意了它就执行。你是老板，它是员工。
用两组比喻帮你记住 Claude 家族的区别：
汽车比喻：
- Claude.ai = 自动挡轿车。上车就开，简单方便，但只能在铺好的路上跑
- Claude Code = 手动挡赛车。操控感强，上限更高，还能越野、漂移——但需要学开
- Anthropic API = 发动机总成。不是给你开的，是给造车厂用的
手机比喻：
- Claude.ai = 手机上的微信。打开就能聊，界面友好，但你只能打字
- Claude Code = 开发者用的终端 SSH。同一个服务器，但能力完全释放——能执行命令、改文件、装软件、跑脚本
- Anthropic API = 底层通信协议（HTTP）。开发者用它造自己的 App，普通人不直接碰
Aaron踩坑时刻： Aaron刚接触 Claude 的时候，以为 Claude Code 就是 Claude.ai 的另一个名字。结果装了半天装不上，后来才发现——Claude.ai 是网页，Claude Code 是终端工具，完全不是一回事。
Aaron为什么选 Claude Code 作为课程核心？ 不是因为它完美，而是因为它最适合「一个人干一支团队的活」这个目标——终端原生不挑编辑器、200K 超大上下文能理解整个项目、扩展性强能接入各种工具。Aaron用它写代码、写文章、做视频、管社交媒体，一个工具覆盖了Aaron 80% 的日常工作。
第五个概念：Skill——教 AI 学会新技能
一个人的能力有限，但一个人加上一套方法论，能力是无限的。
Claude Code 出厂就很强，但它毕竟是通用工具——什么都能做，但什么都不专精。
Aaron打个比方：你开了一家公司，招了一个名校毕业的聪明员工。他学什么都快，但问题是——你每次都要从头给他讲一遍该怎么做。今天讲怎么写公众号文章，明天又要讲一遍，后天还要讲。他不是记不住，是你没有把流程写下来。
Skill 就是你写给 AI 的 SOP（Standard Operating Procedure，标准作业流程）。
写好一次，以后每次触发都按同样的流程走。不遗漏、不走样、可复现。
Aaron用菜谱来比喻：
- Claude Code = 一个天赋很高的厨师，什么菜都能尝试
- Skill = 你写的菜谱。有了菜谱，这个厨师每次都能稳定做出同一道菜，不会忘放盐、不会搞错顺序
- 没有 Skill = 你每次口头描述「帮我炒个番茄炒蛋」，厨师凭感觉做，有时候放糖有时候不放，有时候先炒蛋有时候先炒番茄
Aaron踩坑时刻： Aaron最早用 Claude Code 写公众号文章，每次都要打一大段话描述要求：「帮我写一篇公众号文章，主题是 XXX，风格要接地气，要有小标题，配图要……」写了十几次，每次的要求都不一样，结果质量忽高忽低。后来Aaron把整个写作流程固化成一个 Skill——从选题研究、大纲规划、初稿写作、到润色排版，一共 6 个步骤。从那以后，每篇文章的质量都稳定在一个水准之上。Skill 不是让 AI 变聪明，是让 AI 变稳定。
Aaron课程里用到的 Skill 举几个例子：
你看出来了吗？每一个 Skill 背后都是一套完整的工作流，而不是一个简单的指令。 「写长文」两个字的背后，是 Claude Code 要做 6 件事情，每一件都有明确的标准。这就是 Skill 的价值——把你的经验和方法论，变成 AI 可以反复执行的程序。
Skill 和 Claude Code 的关系： Claude Code 是引擎，Skill 是导航路线。引擎决定你能跑多快，路线决定你能到哪里。没有引擎，路线是废纸；没有路线，引擎只能原地空转。
第六个概念：OpenClaw——一个人的 AI 公司
自动化来自于标准化，标准化来自于结构化。
到这里，你已经理解了：Claude Code 是一个 Agent，Skill 让它学会新技能。但Aaron要问一个问题：
如果你想让 AI 帮你同时管理小红书、Twitter、YouTube、微信公众号，怎么办？
一个 Claude Code 窗口做不了这么多事。就像一个员工再厉害，也不可能同时当销售、写文案、做运维、搞研发。你需要的不是一个更强的员工，而是一支团队。
OpenClaw 就是帮你组建这支 AI 团队的系统。
Aaron用开公司来比喻。假设你是创业者，要开一家内容公司：
- 你需要招人——每个岗位招一个 AI Agent
- 你需要给每个人安排工位——每个 Agent 有独立的 Workspace（工作区），互不干扰
- 你需要一个前台——接收外部消息，分配给对应的人处理（Gateway 网关）
- 你需要一个通讯工具——你在 Discord 里给 Agent 发指令，就像在钉钉里给员工发消息
Aaron自己的 OpenClaw 部署了 10 个 Agent，就是Aaron的「一人 AI 公司」：
总经理（main） — 统筹协调，跨部门任务分发 情报部（intel） — 全网信息采集，行业动态追踪 研发部（rnd） — 技术研究与开发，新工具调研 运维部（archive） — 数据归档与系统维护 小红书部（xhs） — 小红书内容运营 微信部（wechat） — 公众号内容运营 推特部（twitter） — Twitter/X 内容运营 油管部（youtube） — YouTube 内容运营 课程部（course） — 课程内容管理 私人助理（admin） — 个人事务处理
这 10 个 Agent 可以同时工作。 Aaron在 Discord 里给微信部发一条「写一篇关于 Claude Code 的公众号文章」，微信部 Agent 就开始干活了。与此同时，情报部在采集今天的 AI 新闻，推特部在准备晚上要发的推文。它们互不干扰，各干各的。
Aaron踩坑时刻： Aaron最早是用一个 Claude Code 窗口干所有事情的——写文章、发推文、做课程、搞开发。结果每次切换任务都要重新交代背景，效率极低。后来Aaron把不同的工作拆到不同的 Agent 上，每个 Agent 只负责一件事，有自己的记忆和 Skill。效率直接翻了几倍。这就像一个创业者从「什么都自己干」进化到「招了一支团队」。
三个概念的关系，一句话串起来： Claude Code 是一个聪明的员工，Skill 是你给他的 SOP 手册，OpenClaw 是你用这样的员工组建的一整家公司。
你现在需要关心 OpenClaw 吗？ 大概率不需要。OpenClaw 是课程的终极章节，是「毕业设计」级别的内容。Aaron把它放在课程最后，就是因为你得先把前面的基础全部吃透，才能玩得转多 Agent 系统。但Aaron先告诉你它的存在，是为了让你知道终点在哪里——你学的不只是一个工具，而是一套可以无限扩展的系统。
完整关系图：一张图理清所有概念
简化是最高形式的复杂。
从最底层到最顶层，所有概念的层级关系：
第 6 层 多 Agent 系统 OpenClaw（10 个 AI 员工组成的公司） ↑ 管理多个 第 5 层 技能系统 Skill（写给 Agent 的 SOP） ↑ 增强 第 4 层 编程 Agent Claude Code（能自主执行任务的 AI） ↑ 从聊天升级为自主执行 第 3 层 消费级产品 Claude.ai / ChatGPT / Gemini App（聊天机器人） ↑ 包装成用户界面 第 2 层 AI 模型 + API Claude Opus / GPT-5 + 开发者接口 ↑ 训练产出 第 1 层 AI 公司 Anthropic / OpenAI / Google DeepMind
注意箭头方向： 每一层都建立在下一层之上。Claude Code（第 4 层）是一个编程 Agent，它运行的是 Claude 模型（第 2 层）。Skill（第 5 层）让 Claude Code 学会复杂工作流。OpenClaw（第 6 层）管理的是多个装备了 Skill 的 Agent 实例。
你不需要理解所有层。 大多数人只需要关心第 3-5 层（产品、Claude Code、Skill）。往下的层是技术细节，最顶层是进阶玩法。
写在最后
Aaron一直相信一个道理：概念清晰是一切学习的前提。
你不需要一次记住所有东西。这篇文章的正确打开方式是：
- 先通读一遍，建立整体印象
- 收藏备查，遇到概念模糊时回来翻
- 不用全背，理解层级关系就够了
AI 工具在快速迭代，产品名字可能会变，定价可能会调。但核心关系不会变——公司做模型，模型装进产品，你用的是产品。
理清了这些，剩下的就是动手。
发给 Claude Code，帮你加深理解
读完概念如果还有点模糊，把下面这段话复制发给 Claude Code，让它用你自己的场景帮你理清：
我刚读了一篇 AI 概念梳理文章，讲了 6 个概念：公司/模型/产品的层级、API、Agent、Claude Code、Skill、OpenClaw。大意我懂了，但想用自己的情况加深理解。 请你这样帮我： 1. 先问我一个问题：我日常主要用 AI 做什么（比如写作、编程、做自媒体、学习等） 2. 根据我的回答，用我自己的场景重新解释这 6 个概念——不要用原文的比喻，帮我造一套属于我的比喻 3. 最后画一张简单的关系图，把这 6 个概念串起来，标注出「我现在在哪一层」和「下一步该学什么」
📊 本页表格（5 张，从原数据库还原）
| Google 系 | OpenAI 系 | Anthropic 系 | 层级 | 可乐类比 |
|---|---|---|---|---|
| Google DeepMind | OpenAI | Anthropic | 公司 | 可口可乐公司 |
| Gemini 3 系列 | GPT-5 系列 | Claude Opus/Sonnet | 核心技术（模型） | 可乐配方 |
| Gemini App | ChatGPT | Claude.ai | 消费级产品 | 罐装可乐 |
| Gemini API | OpenAI API | Anthropic API | 开发者接口 | 给餐厅的可乐糖浆 |
| Gemini CLI | Codex / Copilot | Claude Code | 编程专用工具 | 特调鸡尾酒 |
| 一句话定位 | 产品 | 使用方式 | 适合谁 |
|---|---|---|---|
| 网页聊天助手 | Claude.ai | 浏览器打开就能用 | 所有人 |
| 手机/桌面应用 | Claude App | 下载 App | 所有人 |
| 终端编程 Agent | Claude Code | 在终端（命令行）里用 | 开发者、AI 编程学习者 |
| 开发者接口 | Anthropic API | 写代码调用 | 程序员、产品开发者 |
| 使用方式 | 适合谁 | 一句话定位 | 产品 |
| 浏览器或 App | 所有人 | 网页/App 聊天助手 | ChatGPT |
| 写代码调用 | 程序员 | 开发者接口 | OpenAI API |
| 在 ChatGPT 界面内使用 | 开发者 | 云端编程 Agent | Codex |
| VS Code 等编辑器内 | 开发者 | IDE 编程插件 | GitHub Copilot |
| 使用方式 | 一句话定位 | 产品 |
|---|---|---|
| 浏览器或 App | 网页/App 聊天助手 | Gemini App |
| 写代码调用 | 开发者接口 | Gemini API |
| 在终端里用 | 终端编程工具 | Gemini CLI |
| 概念 | 实际含义 | 餐厅类比 |
| API | 让程序跟 AI 对话的标准接口 | 点菜系统 |
| API Key | 验证身份、计费用的密钥 | 你的会员卡号 |
| Token | AI 处理文字的计量单位（大约 1 个中文字 ≈ 1-2 个 Token） | 菜的份量单位 |
| 请求/响应 | 发送问题/接收回答 | 点菜/上菜 |
| 用什么就够了 | 需要 API 吗 | 场景 |
| Claude.ai / ChatGPT | 不需要 | 日常聊天、写邮件、翻译 |
| Claude Pro/Max 订阅 | 不需要（订阅包含） | 用 Claude Code 写代码 |
| Anthropic API / OpenAI API | 需要 | 自己开发 AI 应用 |
| API + n8n/Make 等工具 | 需要 | 批量自动化处理 |
| API + OpenClaw 等框架 | 需要 | 搭建多 Agent 系统 |
| AI Agent（智能体） | AI Chatbot（聊天机器人） | 维度 |
| 主动执行——你给目标，它自己规划步骤 | 被动应答——你问一句它答一句 | 工作模式 |
| 能，可以读写文件、执行命令、调用 API | 不能，只能生成文字 | 能否操作外部工具 |
| 自己发现错误、自己修复、自己验证 | 告诉你怎么修，你自己动手 | 出错了怎么办 |
| Claude Code、OpenClaw Agent | Claude.ai 网页聊天、ChatGPT 基础模式 | 典型代表 |
| 自动驾驶——你说「去机场」，它自己规划路线、变道、停车 | 导航仪——你问路它告诉你，但不替你开车 | 类比 |
| Claude Code 自己做的事 | 你说一句话 |
|---|---|
| 创建项目 → 写代码 → 配置样式 → 启动预览 | 「帮我做一个个人博客」 |
| 读日志 → 定位问题 → 修复代码 → 重新运行验证 | 「这个项目有个 bug，页面打不开」 |
| 读取文件 → 翻译 → 创建新文件 → 写入内容 | 「帮我把这篇英文文章翻译成中文，保存到桌面」 |
| 扫描文件 → 写分析脚本 → 运行 → 输出图表和结论 | 「分析一下这个文件夹里所有 CSV 的销售数据」 |
| 有了 Skill | 没有 Skill |
| 一句话触发完整流程，每次走同样的步骤 | 每次都要从头描述需求，描述得不一样，结果也不一样 |
| 每一步都在流程里，不可能遗漏 | AI 可能遗漏关键步骤（忘了做 SEO、忘了加配图） |
| 质量稳定，下限被流程兜住 | 质量看运气，好的时候很好，差的时候很差 |
| 能完成复杂的多步骤工作流（研究 → 写稿 → 配图 → 发布） | 只能做简单的单步任务 |
| 做什么 | Skill | 一句话触发 |
|---|---|---|
| 从研究到成稿的 6 步写作流程 | 长文创作 | 「写长文」 |
| 为 Markdown 文档生成 AI 风格插图 | 文章配图 | 「配图」 |
| AI 分析素材 + 旁白 + 配音 + 字幕 | 视频剪辑 | 「剪视频」 |
| 热门采集 + 爆款分析 + 仿写 + 配图 | 小红书创作 | 「小红书创作」 |
| 说明 | 概念 | 公司类比 |
| 管理多个 AI Agent 的框架 | OpenClaw | 公司管理系统 |
| 每个 Agent 负责一个岗位 | Agent（智能体） | 员工 |
| 每个 Agent 有独立的工作空间和记忆 | Workspace（工作区） | 员工的办公桌 |
| 接收消息，分发给对应的 Agent | Gateway（网关） | 前台 |
| 你跟 Agent 沟通的渠道 | Discord | 办公通讯工具 |