我把OpenClaw卸载了

引子

故事是这样的。

前阵子我还觉得 OpenClaw 这玩意儿挺香的。

那会儿龙虾热刚过去没多久，大家对它的想象力简直是开到最大。端到端自动化文章发布助手，个人超级助理，多 Agent 体系里的总监加基层员工，怎么听怎么像未来。

我也一样。

那段时间大家手里有 token，心态是真的不一样。能折腾，能试错，能把上下文开得很大，反正不太心疼。可现实很快就把人拽回来了。

国内各家 coding plan 一波接一波，刚开始看着都挺美，后来体验就开始变味了。慢，幻觉多，模型状态飘，偶尔还会把人整得一脸问号。更关键的是，很多方案后来都在收紧，慢慢从 coding plan 走向 token plan。

一旦开始按 token 算账，很多以前看起来无所谓的问题，就会突然变得特别刺眼。

OpenClaw 最大的问题也在这个时候暴露出来了。

它的上下文管理太粗了。

粗到什么程度呢，粗到你明明只是想干一件小事，结果它能把一堆没必要的历史消息一起塞进去，像是生怕 token 不够花似的。以前我不太在乎，现在不行了。现在每一口 token 都得掂量掂量，不能再让它这么随便烧。

更要命的是，我突然发现，OpenClaw 好像也不是非有不可。

日常开发真正干活的主力，已经变成了 Codex 和 OpenCode。模型用的是 gpt-5.4，套餐是 ChatGPT Plus。对于我这种常规开发场景来说，Plus 其实已经够用了。真不够，就再加一个 Plus。

这么一想，OpenClaw 这层中间壳子，存在感就开始急剧下降。

于是我干了一件很直接的事，先停掉 OpenClaw。

注意，是先停掉，不是直接一把卸了。

然后，直接把CodeX和飞书打通了。

最后，把OpenClaw彻底卸载。

替代方案从哪儿来

说到替代方案，这事儿还得从 Karpathy 那篇文章讲起。

他提的那个方向我一直觉得特别对味。

不是把 LLM 当成一个只会问答的聊天框，而是把它变成一个持续维护的知识系统。你往里丢新文档，它去读，去提炼，去更新概念页，去标注冲突，去维护交叉引用。知识不是一次性灌进去就完事，而是像被编译过一样，一直保持新鲜。

这思路太诱人了。

说到底，真正厉害的不是回答问题，而是帮你整理世界。

人脑负责想，机器负责记，机器还要负责把记忆之间的关系串起来。这个方向一旦跑通，很多事情就不再只是一个助手，而是一个第二大脑。

我自己也一直在琢磨，这个东西结合 Codex 能不能落地。

答案是，能。

如果你也想做这件事，我的思路其实就两步。

一是让远程机器上的 Codex 能和飞书打通。这样我有想法的时候，能随时往知识库里塞内容，不用每次都切来切去。

二是找一个更适合长期维护的知识库载体。

这一步我最后选了有道云笔记。

很多人第一反应可能是 Obsidian，毕竟它在本地知识管理圈里一直挺硬核。但我最后还是选了有道云，原因很现实。

多端同步方便。

我自己手上电脑和手机来回切，多端一致性比什么都重要。有道云默认送的空间也够我用了，先把日常知识流跑起来，没必要一上来就搞得像在搭一座图书馆。

更关键的是，它已经有现成的 CLI 和技能封装了。

这就很舒服。

你不需要从零造轮子，直接就能把知识库管理这件事接到 Codex 上。对我来说，这比单纯在本地写一堆脚本靠谱得多。

飞书连接，这里我用的是 cc connect。

先把 OpenClaw 停掉，然后把安装说明（Follow https://raw.githubusercontent.com/chenhg5/cc-connect/refs/heads/main/INSTALL.md to install and configure cc-connect.）直接丢给 Codex，让它自己去装。

装好之后，最新版的 cc connect 是可以直接打开控制台（cc-connect web ）的，配置和查看都挺方便。真碰到报错，就把报错继续丢给 Codex，让它接着处理。

我现在比较喜欢这种方式。

不是我在手工拧每一个螺丝，而是我把目标说清楚，让工具自己去跑，跑偏了再拉回来。

如果你想用得更顺手一点，可以把模式调成 yolo，权限直接给足（https://github.com/chenhg5/cc-connect/blob/main/README.zh-CN.md  阅读项目文档，默认配置支持 yolo模式，支持图片文件）。这样它在飞书里做事情就不会卡得太死。

我后来还把模型顺手调了一下。

默认模型是 gpt-5.4，我个人觉得日常场景里，gpt-5.4-mini 就够用了。性价比更舒服，跑起来也没那么肉。

最后，去飞书上实际测试一下，看看是否真的打通

知识库搭建

接下来就是有道云这一层。

先装 youdaonote-cli。

curl -fsSL https://artifact.lx.netease.com/download/youdaonote-cli/install.sh | bash 

然后去开发者平台拿 API key，配置进去。

youdaonote config set apiKey YOUR_API_KEY 

配完以后跑一下看看是不是通了。

youdaonote list 

如果这一步没问题，说明 CLI 这层已经可以正常用了。

然后是技能。

有道云这边有两个现成 skill，一个是 YoudaoNote Skills，另一个是 YoudaoNote LLM Wiki。这个思路其实挺贴 Karpathy 的，尤其是 LLM Wiki 那个方向，基本就是把文章里讲的知识维护逻辑，用技能的形式具体化了。

我自己更喜欢这种做法。

不是空谈理念，而是把理念落到一个能跑的东西上。

skill 的安装稍微麻烦一点，要下 zip 再装。不过如果你习惯让 Codex 干活，其实完全可以把 zip 直接丢给它，让它帮你处理。这个环节要是你手工搞，确实有点烦；交给自动化，事情就顺很多。

效果怎么样

简单说，效果还不错。

以前你会觉得知识管理是一堆零散动作，记一下，翻一下，找一下，再同步一下。现在流程能被串起来之后，很多事情就变成了自然流动。

看到信息，直接塞进去。

想问问题，直接查。

我现在更像是在和一个活的知识系统打交道，而不是在维护一堆孤立的笔记文件。

这个感觉挺重要。

因为真正让人累的，从来不是信息本身，而是信息之间没法连起来。你今天记了一段，明天又记了一段，最后它们像散落在桌面上的纸片，谁也找不到谁。LLM wiki 的价值就在这儿，它不是帮你多记一点，而是帮你把东西组织起来。

这才像第二大脑。

还有一点补充

如果你已经装好了 CLI，但发现 cc connect 飞书机器人聊天时找不到这个 CLI，别慌，大概率是环境或路径的问题，不是什么大毛病。把报错继续丢回去，让 Codex 接着排就行。

另外，飞书这一套打通以后，能玩的东西其实不少。除了知识库，你还可以接别的 skill。比如我之前也看过一些和东方财富相关的技能，往后要是想顺手做点别的自动化，空间其实很大。

所以这次卸载 OpenClaw，不是我在否定它。

更准确地说，是我在把工具链收拢到更适合自己当前阶段的那套东西上。

以前需要大而全，现在更需要轻、稳、顺手。

有时候一个系统真正成熟，不是因为它越来越复杂，而是因为它越来越知道自己该保留什么，删掉什么。

OpenClaw 对我来说，已经到了该让位的时候。