夜雨聆风
��OpenClaw复盘:用了2个月的小龙虾,感觉怎么样,有用吗?
两个月前，我的那个买来没怎么用的小主机终于派上用场了：我请进了一只“小龙虾”——开源AI助手OpenClaw。
起初想得很简单：一个AI助手嘛，问啥答啥，乖巧听话。结果真用起来才发现，这简直就是个毛胚房，离舒服差远了。60天里，我翻过文档、还原过好几次虚拟机、被bug气到怒怼Agent、安装pua技能，但也一步步把它塞进工作、生活和创作的一个个缝里。
今天这篇复盘，就想和你聊聊：这只小龙虾，我是怎么养的，希望能给你一些启发。
01 我的使用场景
小龙虾到我手里之后，主要干了四件事。
场景一：工作助手——待办跟进 + 周报生成
我干的活儿有个特点：事项又多又杂，跟进起来稍不留神就漏，漏了就得加班。手写记录不是不行，但效率低，翻找起来也费劲。更痛苦的是写周报——每到周五下午，对着空白文档凑字，那种感觉你懂的。
现在的解法是这样的：我通过豆包（语音转文字）指挥飞书上的小龙虾，他会帮我新增待办、记录跟进进展，然后每天早上生成工作要点提示、下班前输出今日总结，然后每周周报给我出草稿，我改吧改吧就能用。
效果怎么样？现在基本感觉还是挺好用的，起码比自己手动在在线文档上更新方便得多。可惜团队不是依托飞书工作，不然还可以直接帮我定时催更新进度啥的。
我觉得这也能算是第一个阶段性成果：把确定性流程，交给机器去跑。
🦞 openlcaw龙虾养殖日记｜Aida-Work:我给老板打工的一天
场景二：生活助手——饮水/睡眠/运动复盘
这个场景说起来简单，但对我影响其实不小。
上班族，早睡早起、多喝水、多运动，这三件事到底多重要我就不多说了，这个事情大家都知道，但是做到真的很难。以前我总觉得自己不渴没必要喝水、熬夜说就这一次不影响的，结果记下来之后才发现，人对自己可太宽容了。
现在怎么做的？一样的通过豆包指挥、飞书多维表格自动记录，cron job智能体定时提醒，然后每周自动复盘，自己好好看看啥情况。
效果就是：记录之后，确实做得更好一些。没那么玄乎，就是当你意识到自己会被“记录在案”，行为就会自动收敛一点。而且成本极低——每天几分钟，动嘴不动手的事，坚持起来没那么麻烦。
这个场景真正让我体会到一句话：真正的赋能是增益其所不能，当一件事的成本降到足够低、足够简单的时候，坚持就变得没那么难了。
场景三：创作助手——公众号推文点子库
写稿的人都知道，最难的往往不是写，而是“写什么”。选题枯竭的时候，对着空白文档能坐一上午。
我的解法是：基于OpenClaw里一个叫wewrite的skill，自己动手魔改，拆分成类似“点子库”的选题助手。再加上平时想到什么灵感碎片记一下，总算也还是能够保持勉强日更的频率。
老实说，这个场景对我最大的价值，不在于它生成的东西有多惊艳，而在于：它把写稿这件事的门槛降下来了。我觉得自己够得着了，就去做了。 这个心理作用，有时候比技术本身更重要。
https://github.com/oaker-io/wewrite
为啥不直接用这个写稿？试过，没有灵魂，自己看不下去。
场景四：工具型即用——Excel数据处理等
有一些零散的杂活：excel中一串详细地址拆分省市县区啥的、整理格式、基础的数据分析。
现在把这些文件直接扔本地目录，指挥小龙虾帮我处理。一句话的事，不用开这开那。
效果还行，唯一的纠结就是excel数据处理每行数据都调大模型效果最好，就是coding plan按次收费容易搞满。
上面几个场景看着挺好，但走到今天这一步，中间踩过的坑可不少，花的时间不见得比不用小龙虾更少。
起步：先老老实实看官方文档
我一开始没急着装，先把官方文档翻了一遍，记笔记。这东西到底能干什么、怎么交互、有哪些坑，心里先有个数。
这一步看起来慢，其实是最快的。后面很多问题，文档里其实都写了，只是大多数人懒得看。
部署：选中WSL，少吃一半的苦
综合评估了一圈，最后选了Windows的WSL模式。
好处就两条：环境干净，备份迁移方便。整个环境打包就能带走，重装也不怕。
这一把选对了，后面少走不知道多少弯路。很多折腾，根源都在一开始选错了路。
🦞 OpenClaw 部署环境准备：Windows下WSL安装及配置全攻略
🦞OpenClaw 优化系列（三）：基于WSL的OpenClaw备份恢复与文件交互
一堆备份：
应用：工作场景的进阶实录，遇坑最多的地方
工作助手这个场景，是我打磨最久、踩坑最多的，值得单独说。
第一回合：轻信记忆，全面翻车。
刚开始我想得美：让小龙虾凭对话记忆帮我跟进事项，多省事。结果它忘得比我姥姥还干净。上回说的下回就丢，该提醒的不提醒。
教训很直接：别把AI当人。生产场景不容许犯错，不是一句道歉态度好就能搞定一切的。
第二回合：本地Markdown的“假动作”。
吸取教训，我开始做本地md文档记录。以为自己想得周到，结果发现一个致命问题：我以为它在记，实际它没记。我看不到记录，它也不主动同步，双方就这么互相“以为”着。
无奈之下，我琢磨了好久腾讯文档，但是鉴权啥的真麻烦，我后面都想着写个脚本用幕布啥的了。然后飞书官宣全面介入openclaw，我惊喜的发现可以直接用飞书在线文档！！！通过智能体配置文件打通，我和小龙虾终于有了一个共同的“记事本”。它能看到，我也能看到，懒得指导智能体修改的时候还可以自己调，nice！
第三回合：agents.md不够稳，skill来补位。
有了共同的记事本，我开始在agents.md里认真写提示词。准确度确实提升了，但还是会偶尔犯错。不致命，但烦人。
于是又尝试用skill进一步规约它的行为。效果好了一些，可还是不够稳。时灵时不灵。我知道是因为里面的tools太多了，模型判断可以直接用tools搞就上手干了，我目前也没想到啥好办法，只能这么搞👇，一点都不优雅，但确实有用。
第四回合：终极方案——梳理SOP，转战Coze工作流（设想）
现在来看，其实这些事情现在已经是标准化的工作流级别了，每一步干什么、输入什么、输出什么，全部都很清楚了。已经具备直接把整个流程迁到Coze工作流里跑的前提了，如果搬过去，应该就可以很稳定的执行了。
这件事给我最大的体会：Openclaw可以作为一个标准化工作流程的孵化工具，一步步的借助AI实现，然后调整其效果。其本质就是一个工作流程标准化的过程。
03 其他的感想
经验教训：别追新，死死抱住稳定版
4月初，小龙虾经历Hermes爆火冲击，替代危机之下，一连串更新，带出一堆bug。我也不懂事，跟着更新，结果还没体验新功能，上来直接无法启动，恢复还麻烦，得亏还是WSL备份的，直接恢复整个虚拟机，不然真够呛。
回过头来看，那次更新里的所谓“梦境功能”，对我的实际场景真的有用吗？要打一个大大的问号。
现在我的原则很明确：一个稳定版足矣。也建议非开发者少花时间在修bug上，多花时间优化场景、增加场景，才是正理。
别追新。追新大概率不是你在用工具，而是工具在用你。
本地化模型的真相
现在本地20B的模型能力已经很能打了，回答问题效果、准确率到位，体验也不错。
但核心瓶颈不是智商，是输出速度。
我的建议很简单：自己有设备可以玩玩，挺有意思。没设备就别硬折腾了，买设备、配环境、调参数，整套下来时间成本远大于收益。把精力集中在打磨应用场景上，才是正理。
Token消耗
小龙虾用久了，Token消耗是个问题。一次上下文100k的token，工具装多了就这样，再加上历史记忆的堆积，按token计费的话开销不小。
所以我现在觉得，还是按次付费的模式更靠谱。不然工具强了，钱包瘦了，不是长久之计。
最后总结：
折腾了两个月，所有经验最终指向一个认知：
小龙虾是方法，不是业务本身。 没有清晰的目标和业务理解，再强的工具，也只是一个高级玩具。
感谢你读到这里，不如关注一下？👇