你有没有遇到过下面的情况？

工作中，同事们时常通过微信或钉钉发送一些零碎的问题或信息。时间一长，不仅消息找不到，甚至连在哪个群发过都记不清了。

如果每次都手动汇总到一个文档里，又得先找到之前的文件在哪，还要按类别分类。日积月累，电脑里堆满了各种文档，真要用时却找不着，为此我甚至用 Vibe Coding 写了个内容查找工具。

对于大多数职场人来说，最终的归宿可能是安装一个好用的文件搜索工具。

但就在上周，我突然想到：既然已经安装了“龙虾”，何不好好利用起来？大家都在谈论“养虾”，到底怎么“养”呢？对于普通人而言，关键在于找到真实的应用场景并坚持下去，这不是一件能立竿见影的事，所以很多人都早早放弃了。

我突然意识到，信息碎片化整理不就是最真实的应用场景吗？说干就干。虽然我做的事可能技术含量不高，但只要对自己有用，那就是值得的。这个过程也逼着我去学习和使用最新的 AI 工具。

如何在微信中接入 OpenClaw

开始打造知识库前，先简要介绍一下如何在微信接入 OpenClaw。微信之前开放了调用 OpenClaw 的接口，但权限较低，目前主要用于内容查找。不过这对于查找信息来说基本足够了，毕竟很多人并不想为了这点功能再去装一个飞书 APP。

不得不说，腾讯的动作有些慢，最近才解决了桌面端微信支持 OpenClaw 的问题，而且还不支持我最需要的定时功能。

以下是具体操作步骤：

1. 开启插件

打开微信 → 我 → 设置 → 插件，你会看到一个红色图标的新功能插件。

1. 启动服务

打开 PowerShell，输入启动服务所需的命令。

1. 扫码绑定

等待片刻，直到窗口弹出二维码。这个二维码通常无法直接用微信“扫一扫”功能识别，需要将下方的网址复制到浏览器中打开，再用手机扫码。绑定成功后，即可在微信中看到插件入口。

成功扫码之后，就可以在你的好友列表看到了：

打造自己的知识库

有了 AI 工具，我们就没有懒惰的理由了。现在唯一要做的，就是清晰地向它表达自己的需求。我的需求很明确：

“我想用 OpenClaw 来沉淀每天工作中的零散信息，每天大概也就几条，这样以后无论在飞书、微信还是网页端，都能随时调取查看。同时，请自动帮我生成：

• 每日技术总结

• 每周踩坑总结

• 月度经验库”

为了获得全面可靠的方案，我把这个需求分别提给了两个主流大模型：GPT 和 Claude。

ChatGPT 的回答与思考

我对技术原理有刨根问底的习惯，想弄清楚背后的逻辑。如果你只想看结果，这部分可以跳过。

关键的问题点在于实现方式：

GPT 给出的初始方案是编写一个复杂的 Skill（技能）脚本，来处理存储、索引和检索。它提供了一份非常长的提示词示例：

（以下是GPT给出的长提示词，用于建立长期记忆系统）

从现在开始，你作为我的长期工作知识库助手，请建立长期记忆系统。

【一、存储位置】

请将长期知识库存储在本地目录：

C:\Users\XXXX\.openclaw\memory如果目录不存在请自动创建。

【二、触发规则】

当我发送以下内容时自动写入知识库：

记录：今日记录：技术记录：工作记录：这些内容不要只作为聊天上下文，必须写入长期知识库。

【三、存储结构】

每条记录保存为结构化数据：

• 时间：
• 标签：
• 分类：
• 摘要：
• 原始内容：
• 关联主题：

分类自动判断：

• 技术问题
• 解决方案
• 踩坑经验
• 设计思路
• 工作结论

【四、自动处理】

存储时自动执行：

1. 提取关键词标签
2. 生成摘要
3. 建立历史关联
4. 合并相同主题
5. 生成向量索引用于模糊查询

【五、模糊召回规则】

当我查询类似问题时：

例如：

之前研究过RK3288吗?数据库防错方案?我做过哪些嵌入式问题?

请从长期知识库检索相关内容，并汇总回答，而不是只参考当前对话。

【六、自动沉淀】

每天生成：今日知识沉淀总结 每周生成：本周技术沉淀总结

【七、优先级规则】

查询时优先顺序：

1. 长期知识库
2. 当前会话
3. 通用知识

【八、永久生效】

以上规则永久生效，作为长期记忆系统运行。

随后我问GPT，实现这套系统是否必须使用Skill功能。得到肯定答复后，我其实并不想配置复杂的Skill，于是转而咨询了Claude。

Claude 的简洁方案

Claude的回答直接且高效，它指出可以直接利用OpenClaw已有的持久化记忆系统功能，无需额外创建Skill。这正是我想要的！

我把GPT的长提示词扔给Claude，让Claude帮我整理出清晰的规则，然后直接发送给 OpenClaw：

指令：请帮我在 SOUL.md 中追加以下工作知识库规则

【工作记录助手规则】当我发送以下前缀时，将内容结构化写入记忆库：

• “记录：”、”今日记录：”、”技术记录：”、”工作记录：”、”生活记录：”

写入格式：

• 时间：当前日期时间
• 分类：自动判断（技术问题/解决方案/踩坑经验/设计思路/工作结论/生活）
• 标签：自动提取关键词
• 摘要：一句话概括
• 原始内容：完整保留
• 关联主题：与历史记录的关联

查询时优先检索记忆库，支持模糊语义召回。

【知识召回优先级规则】当我提问涉及以下情况时，必须优先检索本地记忆库，禁止直接用模型知识或联网回答：

触发词：

• “之前”、”我做过”、”我研究过”、”上次”、”以前”
• “怎么解决”、”方案”、”踩坑”、”经验”、“故障”
• 任何我曾记录过的技术关键词

执行顺序：

1. 先执行 memory search 检索本地记忆
2. 告诉我检索到了哪些相关记录（时间+摘要）
3. 基于检索结果回答
4. 若记忆库无相关内容，再说明“记忆库中未找到，以下是通用回答”，然后才用其他知识补充。

发出指令后，OpenClaw 便开始自动执行配置。

然后把微信群里别人的一条消息直接丢给龙虾，只需要前面加上“工作记录”：

我随后测试发现内容并未真正写入长期记忆库，于是继续发出指令让它执行写入操作。

我不想每次都提示它写入长期记忆库中，在SOUL.md让它追加一个规则：

完成配置后，我手动打开 “SOUL.md” 文件确认，里面果然已经添加了刚才的规则内容。

实际效果与感受

第二天，我通过微信唤醒了我的知识库，测试成功！

我还能随时查询之前记录的“职场情绪应对策略”等个人经验：

通过搭建这个个人知识库，我切实感受到了效率的提升，第一次有了“私人助理”的感觉。它帮我省去了大量的信息分类、整理和查找的精力。很多时候，我们正是因为觉得这些琐事太麻烦、太零碎，才懒得去做。有了 OpenClaw，这些琐碎的活真的可以不用自己动手了。

我们每个人都应该从自己的工作和生活出发，去发现 AI 真正可以落地的场景。总说要不落后于时代，但当 AI 真正摆在面前时，很多人只是把它当成一个高级搜索引擎，浅尝辄止，完全没有体会到 AI 的强大潜力。

只有不断地去尝试、转换思维，真正把 AI 当成一个全天候的助手，甚至是一个可以对话的伙伴，通过不断摸索、探讨和实践，你才会真切地感受到：一个全新的智能时代，已经轰轰烈烈地在我们眼前展开了。