我用 OpenClaw 做了什么?17天实战复盘

2026年4月4日，晚上10点。我坐在电脑前，处理一条来自知识库 routine 的飞书消息：次日上海降温4度，需要带外套。

这不是我打开天气预报网站查的。是我的 AI 助手在我睡觉的时候自己查到，然后发给我的。

那天晚上我认真想了一下：这事有多大？

然后我发现，在过去的17天里，我的 AI 助手已经替我做了这些事情——

一、起点：为什么需要一个桌面 AI 助手

在聊做了什么之前，先说说我为什么需要 OpenClaw。

我日常做的事情很杂：运营一个公众号、跟踪 AI 行业动态、管理一个多 Agent 工作团队、偶尔写点代码。所有这些都需要信息获取、整理、和输出。

传统的模式是：我在浏览器里搜索、打开标签页、复制粘贴、写文档、发布。一个流程走下来，注意力早就碎成了渣。

我用过各种 AI 工具。ChatGPT、Claude 网页版、Notion AI、Zapier 自动化。但每一种都有一个共同的问题：它们不知道我正在做什么，不能主动介入我的工作流。

OpenClaw 不一样。它跑在我自己的虚拟机电脑上，接入了虚拟机的文件系统、我的飞书、我的定时任务、我的浏览器。它不只是一个聊天机器人——它是我的工作流的执行层。

二、我用 OpenClaw 做的那些事

2.1 每天早9点：3个选题准时送达

这是我最常用的一个场景。

我设置了一个 cron 任务，每天早上9点自动运行。OpenClaw 会做这几件事：

读取我的知识库，了解我近期关注的几个方向（AI Agent 落地、编程工具、硅谷动态）。然后结合我公众号的调性，生成3个备选选题，每个选题包含：标题、一段200字的简要说明、一个推荐理由。

然后把这些发到我的飞书。

整个过程不需要我做任何事情。我早上打开手机，看到三个选项，回复一个数字，它就开始写稿。

17天，累计推送选题51个，其中14个直接被采纳写成文章。

这意味着我原来花在”想今天写什么”上的时间，现在几乎为零。

2.2 多 Agent 协作：一个人调动一支团队

这是 OpenClaw 最让我意外的用法。

我搭建了一个多 Agent 工作团队：Commander 接收需求并调度资源，Researcher 负责资料收集，Writer 负责内容创作，Designer 负责视觉设计，Coder 负责代码验证。

运作方式是：当我要写一篇复杂选题时，我告诉 Commander，Commander 把任务分解后分派给 Researcher 和 Writer，它们并行工作，完成后我汇总交付。

举一个实际例子。

4月16日，我需要写一篇关于”AI Agent Skill 加密商业化”的深度分析。我让 Researcher 去收集资料，15分钟后，它整理了这份报告的框架：Kerckhoffs 原则、Barak 不可能性定理、三种可行商业模式。Writer 基于这些资料，2小时写出了一篇4000字的初稿。

这不是完美的流水线。但它把”单兵作战”变成了”有人帮你打下手”——而且这个下手不需要管理，不需要激励，不用休息。

2.3 每日天气早报：上海、北京、硅谷三城

我住在上海，父母在北京，偶尔关注硅谷。

我设置了三个城市的每日天气推送。每早8点，三条消息依次到达飞书，包含当前天气、当日预报、穿衣建议。有趣的是它会主动提醒：明天降温，记得带外套。

这样做的好处是：我不需要主动去订阅任何一个 newsletter，不需要打开任何网站，每个版本更新，我都会在周三早上收到一条完整的中文摘要，包含所有关键功能变化。

17天，累计推送天气早报51次，无一次缺席。

2.4 每周三：Claude Code 更新日志自动抓取

这是 OpenClaw 和 Claude Code 协同工作的一个典型场景。

我设置了一个 cron 任务，每周三自动抓取 Claude Code 的最新更新日志，整理成中文摘要，推送到飞书。

我不需要主动去订阅任何一个 newsletter，不需要打开任何网站，Claude Code 每次版本更新，我都会在周三早上收到一条完整的中文摘要，包含所有关键功能变化。

这条摘要再也不用我手动整理了。

2.5 豆包生图：封面图和配图的自动化流水线

文章配图一直是我觉得最费时的环节。

传统流程是：想好配图概念 → 在 Midjourney 或 DALL-E 里写 prompt → 生成 → 下载 → 上传。每次至少半小时。

现在我把它接进了 OpenClaw 的工作流：

写完文章后，OpenClaw 根据文章主题和风格，直接生成封面图和章节图的 prompt，调豆包 Seedream 4.5 生成图片，然后把图片下载下来，通过飞书发给我。

我只需要确认图片风格对不对，如果不对，说一句”换个暖色调”，它就重新生成。整个过程不需要我打开任何一个生图网站。

17天，累计生成配图约60张。

2.6 飞书深度集成：文件、消息、知识库

这是 OpenClaw 和其他 AI 助手拉开差距的地方。

很多 AI 工具只能”聊”。OpenClaw 可以直接操作飞书：发送文件、读取文档、操作知识库。

我可以让它帮我把一份飞书云文档转成公众号格式的 HTML，它直接读取文档内容，转换成排版好的代码，中间不需要我复制粘贴任何东西。

我可以让它把一个文件夹里的所有文件列表发给飞书，它直接打包成压缩包上传。

这些操作看起来很小，但加在一起，节省的时间非常可观。

三、那些没有想象中美好的部分

说完成绩，也要说问题。

3.1 Skill 的海洋

OpenClaw 有 Skill 市场，上面有大量别人写的 Skills 可供安装。我一开始见到 Skills 就装，装到后来发现一个问题：我装了150多个 Skill，但真正用到的可能不超过10个。

这有点像下载了几十个效率APP，结果每个APP的功能都重叠，真正需要用的时候反而不知道该打开哪一个。

后来的做法是：只装那些确实解决了我某个具体问题的 Skill，不用就不装。

3.2 多 Agent 不是银弹

我在前面说了多 Agent 协作的好处。但实际用下来，它有一个根本性的限制：Agent 之间的协作需要我来主导。

Commander 下发任务给 Researcher，Researcher 完成后 Writer 才能开始。如果 Researcher 的输出不够清楚，Writer 就会跑偏。整个流水线需要有人盯着，随时修正方向。

所以多 Agent 解决的是”执行并行”的问题，不是”思考并行”的问题。真正需要判断的事情，还是得我来做。

3.3 上下文丢失

AI 助手有上下文窗口，OpenClaw 在对话过长时会自动压缩历史记录。这个机制本身是好的，但有时候压缩得太 aggressive，会丢失一些重要背景。

比如我在一周前和它讨论过一个项目的方向，一周后再提起，它可能只记得结论，不记得当时的推理过程。这种情况下我需要重新解释上下文，实际上浪费了一些时间。

四、17天学到的最重要一件事

复盘这17天，我想说一件最重要的事情：

AI 助手真正的价值，不在于它能帮你做多少事，而在于它能在你忘记的时候提醒你。

我每天早上收到选题推送，本质上不是”它在帮我写文章”。是它在说：”你今天还有一个公众号要运营，别忘了。”

我收到天气预警，本质上不是”它在查天气”。是它在说：”明天有变化，你要做点准备。”

这些提醒，都是在替代我大脑里那个总在后台运行的”待办事项监控进程”。

我们每个人的大脑，都有这样一个后台进程。它不大，但消耗的注意力不少。当这个进程被外包出去之后，我能用的注意力就变多了。

这是我觉得 OpenClaw 最有价值的地方。

五、接下来的计划

17天是一个足够短的试用期，也是一个足够长的观察窗口。

接下来我想继续探索的方向：

第一，把更多的 routine 自动化。 现在是天气、选题、日志抓取，接下来我想把信息阅读（RSS / newsletter 摘要）也接进来。

第二，优化多 Agent 协作流程。 现在 Agent 之间的信息传递还不够顺畅，需要我频繁介入。目标是做到 Commander 下发任务后，中间过程不需要我介入，直接收成果。

第三，把 OpenClaw 和物理世界连接。 比如树莓派上的传感器数据、家庭相册的自动整理、甚至控制灯光和空调。这些看起来很极客，但一旦跑通，体验是非常不一样的。

这不是一篇测评。我不会说”推荐或不推荐”。我只能说：这17天里，我每天都在用 OpenClaw，每天都会收到它发来的消息，每天都会在某个瞬间意识到——这事以前得我手动做。

这就是答案。