养虾日记 2.0:我的 OpenClaw 三天死了两次

养虾日记2：从爆缸、救火到 SubAgent 分缸治理

---

引：1.0 之后，大部分人卡在这里

---

Openclaw终端跑通

短暂兴奋之后

第一条指令回复了。

这只虾，活了。

第二天打开电脑。

不知道让它干什么。

或者接了个渠道。

发现它开始答非所问。

第三天开始乱说话

忽然又不回复了

这是 2.0 最真实的开场。

很多人以为OpenClaw 部署成功， 事情就结束了。

但真正开始养虾之后你会发现：

AI Agent 最大的问题， 从来不是”跑起来”。

而是：

“稳定跑下去”。

虾活着。

不等于虾养好了。

1.0 解决的问题是：

让虾存活。

2.0 要解决的问题是：

让虾活得健康、干得漂亮。

真正成为生产力

在越来越多人开始养虾的时候

如何让你的虾脱颖而出。

---

养虾日记系列：

• 1.0｜布缸、投食、养活第一只虾 
• 2.0｜接渠道、踩过坑、让虾稳定的干活✓
• 3.0｜多虾协作、Context 管理、AI Native 组织设计

---

PART 1｜先说一个真实事故：我的虾三天死了两次

1.0 跑通之后， 以为事情就可以顺利展开了。

结果。

三天之内。

我的 OpenClaw：

挂了两次。

第一次。

是 Workflow 越跑越乱。

晨报开始：

• 重复内容
• 虚构信息
• 客户数据串线
• Prompt 指令失效

最离谱的一次。

甚至把：

亚马逊热门产品

和客户报价建议

混在了一起。

那一刻我第一次意识到：

Context 污染， 不是理论问题。

是真实事故。

---

第二次更严重。

某次更新之后。

整个 Gateway 直接崩掉。

Agent 全部失联。

而那时候。

我的业务 Workflow 已经接进去了：

• 晨报
• 内容整理
• 客户优先级
• 信息汇总

全部停摆。

那一刻。

我第一次真正意识到：

AI Agent 不是软件。

更像：

“数字基础设施”。

它一旦进入业务。

崩溃。

就是真实事故。

---

那两次。

我最后都是靠 Codex 极限救火。

一点点：

• 查日志
• 回滚配置
• 修 Gateway
• 清 Context
• 重建 Prompt
• 恢复 Workflow

硬把业务拉回来。

那几天我最大的感受是：

很多人现在还在讨论：

• 哪个模型更聪明
• 哪个 Prompt 更强
• 哪个 Agent 更酷

但真正进入 AI Native 之后。

你每天面对的。

其实是：

• 稳定性
• Context 污染
• Workflow 崩溃
• Tool 冲突
• 权限失控
• 长上下文失真

这些东西。

不像 Demo 那么性感。

但：

这才是真实世界里的 AI。

---

那几天。

我第一次感觉：

自己不像在用软件。

而像：

凌晨三点， 在抢修一座正在漏水的数字鱼缸。

---

也是从那时候开始。

我决定：

以后所有爆缸事故。

全部记录下来。

写一个新的系列：

《爆缸日志》

---

爆缸日志 #001

Context 污染导致晨报失真

症状

• 重复输出
• 客户信息串线
• 虚构数据
• Prompt 指令漂移

原因

• 长期历史上下文未清理
• 多 Workflow 共用 Context
• 测试 Prompt 混入生产 Context

处理

• 清空历史记忆
• 分离 Workflow
• 重建 Prompt Layer
• Context 分缸

恢复时间：3 小时

---

后来我越来越意识到：

未来真正厉害的人。

可能不是：

最会”用 AI”的人。

而是：

最会”养 AI”的人。

因为未来 AI 的核心竞争力。

不只是：

• 模型
• Prompt
• Tool

而是：

长期稳定运行能力。

这其实特别像真正的养殖业。

高手比拼的。

不是：

“第一次养活”。

而是：

长期稳定出虾。

---

PART 2｜爆缸之后的第一个教训：分缸养虾

第一次爆缸之后。

我开始意识到：

最大的问题。

不是模型。

而是：

所有任务， 都在污染同一个主 Agent。

晨报、客户分析、内容生成、搜索任务。

全部混在一起。

结果就是：

主 Agent 越跑越慢。

Context 越来越脏。

最后：

整个系统开始失真。

---

后来。

我开始强制：

所有重任务，必须丢给 SubAgent。

主 Agent 只负责：

• 沟通
• 路由
• 分配任务

真正干活的。

是子 Agent。

---

比如现在我的缸是这样分的：

晨报 Agent只负责：汇总信息、输出日报

内容 Agent只负责：搜趋势、分析内容、输出脚本

客户分析 Agent只负责：邮件整理、客户优先级、跟进提醒

---

这样最大的好处是：

永远不阻塞主进程。

因为很多 AI Agent 真正的问题。

不是”模型不够强”。

而是：

主 Context 被拖死了。

以前所有任务都塞给一个 Agent。

它会越来越像：

同时开 200 个网页的浏览器。

最终卡死。

---

SubAgent 的本质。

是：

分缸养殖。

让不同任务：

• Context 隔离
• Prompt 隔离
• Tool 隔离
• Memory 隔离

这样：

哪怕某个 Agent 爆缸。

主 Agent 依然正常。

业务不会全挂。

---

后来我越来越觉得：

未来 AI Native 世界里。

真正高级的东西。

可能不是”最强模型”。

而是：

最稳定的 Agent 架构。

---

PART 3｜先选水草：接哪个渠道，决定你的虾长什么样

渠道就是水草

水草不只是装饰。

它决定缸里的含氧量、

虾的活动空间、

整个生态的稳定程度。

接什么渠道。

同样决定你的 AI：

• 能做什么
• 能有多快
• 能稳多久

---

Telegram：最容易活的水草

优势

接入门槛最低。

BotFather 三步拿到 Token。

填进 OpenClaw。

五分钟跑通。

API 稳定，文档清晰，

几乎不会因为渠道问题让虾挂掉。

非常适合第一次接渠道的人。

劣势

国内客户和供应商几乎不用 Telegram。

很难直接嵌进业务流。

适合场景

晨报、内容生成、Workflow 测试、信息整理。

一句话：自己用，不对外。

养虾建议

把 Telegram 当作你和虾之间的”私人对讲机”。

先在这里调教 Prompt、测试 Workflow、观察稳定性。

等虾稳定了，再接业务渠道。

---

飞书：团队协作型水草

优势

国内访问流畅，天然适合团队场景。

飞书机器人可以推送到群、@ 人、直接嵌进项目流程。

如果你的团队已经在用飞书，

接入之后 AI 可以真正参与团队日常：

晨报推送到群、异常自动 @ 负责人、数据整理直接发进文档。

这是三个渠道里最容易产生团队协作价值的。

劣势

接入配置比 Telegram 复杂。

需要在飞书开放平台申请应用、配置权限、等待审核。

第一次接，容易卡在权限配置上。

另外：

飞书机器人消息推送有频率限制。

高并发 Workflow 容易触发限流——

你的虾跑太快，飞书会把它踢掉。

适合场景

有 2 人以上团队、已经在用飞书做协同的老板。

养虾建议

飞书是虾从”个人助理”升级为”团队助理”的关键一步。

但不要在 1.0 刚跑通就接。

等你的 Workflow 在 Telegram 稳定跑了一周，

验证过虾不会乱说话，

再迁移过来。

新虾进团队群，错一次代价很大。

---

WhatsApp：真正的业务战场

优势

这是你的海外客户、供应商、合作伙伴真正在用的工具。

接通 WhatsApp，

意味着你的虾可以：

直接处理客户消息、起草英文回复、自动标记重要对话。

这是三个渠道里商业价值最高的一个。

虾一旦在这里跑稳，

它就不只是助理了。

它开始变成你的业务员。

劣势

接入门槛最高。

WhatsApp Business API 需要 Meta 官方审核，

需要绑定手机号，需要通过商业验证。

整个流程走完，快则一周，慢则一个月。

而且：

一旦接入，虾就在处理真实客户消息。

这时候养虾的容错率，接近于零。

虾幻觉一次，

可能就是一封发出去的错误报价。

适合场景

海外业务成熟、WhatsApp 是主要客户沟通渠道、

且你已经在 Telegram 把虾调教稳定之后。

养虾建议

WhatsApp 是 2.0 的终点，不是起点。

先把虾在沙盒里养好，

再让它上战场。

上战场之前，记得给它设好权限边界：

只读消息、只起草回复，

发送这个动作，永远留给人来确认。

---

三个渠道怎么选？

一句话：

Telegram 练兵 → 飞书组队 → WhatsApp 上战场。

2.0 阶段，先把 Telegram 接稳，

晨报 Workflow 跑通，

再考虑下一步。

---

PART 4｜第一个真实 Workflow：每日晨报

为什么晨报是最好的第一个 Workflow？

因为它：

• 每天固定触发，容易验证稳定性
• 信息密度高，能快速暴露虾的问题
• 低风险，只整理信息，不直接操作任何系统
• 对跨境老板有直接价值，不是玩具

---

晨报的结构

一份好的跨境老板晨报，包含五个模块：

【每日晨报】2026.05.08

① 店铺异常
- 亚马逊：差评 / 库存预警 / 广告异常
- 独立站：转化率变化 / 弃购率

② 重点客户动态
- 未回复超过 24h 的客户邮件
- 本周跟进优先级

③ 竞品价格变化
- 核心 SKU 竞品今日定价
- 明显降价或断货的竞品

④ 内容趋势
- TikTok 本品类今日热门视频
- 相关关键词搜索热度变化

⑤ 今日三件事
- 最重要的三个决策或跟进项

---

怎么让 OpenClaw 跑起这个 Workflow

第一步：写好 Prompt

这是大部分人最容易忽略的一步。

很多人让虾干活，只会说：

“帮我整理今天的情况。”

然后抱怨虾太笨。

问题不是虾笨。

是指令太模糊。

你的 Prompt 要告诉虾：

• 做什么（晨报）
• 信息来源是什么（邮件 / 数据 / 搜索）
• 输出格式是什么（五个模块 / 固定结构）
• 什么时候触发（每天早上 9 点）

模板参考：

你是我的跨境电商运营助理。

每天早上 9 点，按以下结构生成一份晨报：

① 店铺异常：整理亚马逊后台昨日异常（差评/库存/广告），
   独立站昨日转化和弃购数据。
② 重点客户：整理邮箱中未回复超过 24 小时的客户邮件，
   按重要程度排序。
③ 竞品动态：搜索我的核心 SKU 竞品今日价格，标注明显变化。
④ 内容趋势：搜索 TikTok 本品类今日热门内容，提炼 3 条关键趋势。
⑤ 今日三件事：根据以上信息，判断今天最需要处理的 3 件事。

输出格式固定，简洁，不超过 500 字。

第二步：接数据源

晨报能有多准，取决于虾能看到什么。

接入顺序建议：

先接 Gmail（最容易）→ 再接浏览器搜索 → 最后考虑 ERP / 亚马逊后台。

第三步：设定触发时间

openclaw workflow create \
  --name "daily-briefing" \
  --schedule "0 9 * * *" \
  --prompt "每日晨报Prompt文件路径"

第四步：验证三天

不要设置好就不管了。

前三天每天检查输出，问自己：

1. 信息准不准？
2. 格式稳不稳？
3. 有没有幻觉内容？

发现问题立刻调整 Prompt。

---

重要提醒

现在我的晨报已经不是主 Agent 直接生成。

而是：

主 Agent → 调度晨报 SubAgent → 返回结果。

这会让整个系统稳定很多。

主 Agent 不被晨报任务拖占，

晨报 Agent 的 Context 保持干净，

两边互不影响。

---

PART 5｜2.0 最容易踩的坑

坑一：虾越用越笨

症状

刚开始回复很准，用了一周之后开始答非所问，

开始产生没有根据的信息，开始”记错”你之前说过的事。

原因

Context 污染。

长时间运行之后，对话历史越积越长，

早期的错误指令、测试对话、矛盾信息，全部堆在 Context 里。

虾不是在变笨，是你的缸水脏了。

很多爆缸，本质上不是模型问题，

而是”所有虾养在一个缸里”。

解决方案：换水。

openclaw context clear --agent "daily-briefing"

或者重新初始化该 Agent，保留 Prompt，清空历史对话。

建议频率：每两周一次。

---

坑二：Prompt 越写越长，效果越来越差

症状

虾表现不好，你不断往 Prompt 里加规则，

越加越长，最后变成两千字超长指令，

虾反而开始忽略其中很多条。

原因

模型处理超长 Prompt 时注意力会分散。

越多规则，越容易丢失关键指令。

解决方案：Prompt 要减法，不要加法。

每次虾表现不好，不是加新规则，

而是找到根本原因，修改或替换原有规则。

控制在 300 字以内，核心指令不超过 5 条。

---

坑三：一次接太多工具，不知道哪里出了问题

症状

同时接了 Gmail、浏览器、飞书、亚马逊数据，

某天晨报突然输出乱了，完全不知道是哪个数据源出了问题。

原因

工具之间的依赖关系没有梳理清楚。

一个环节出问题，整个 Workflow 崩了，

但你不知道断在哪里。

解决方案：一次只接一个工具。

接 Gmail，稳定一周。接浏览器，稳定一周。

每次只动一个变量，出问题立刻知道是哪里断了。

---

坑四：把虾当人用，期望太高

症状

让虾”判断这个客户值不值得跟进”，

让虾”决定今天投不投广告”，

然后发现虾的判断很离谱，于是认为 AI 没用。

原因

这不是虾的问题，是你让虾做了超出能力边界的事。

目前 AI Agent 真正擅长的：

信息整理汇总、格式化输出、重复性任务自动化、已有数据分析。

仍然需要人来做的：

商业判断、客户关系决策、品牌方向、战略选择。

解决方案：虾负责执行，人负责判断。

这是 2.0 阶段最重要的认知边界。

---

坑五：安全边界没设好，虾开始越权

症状

接了邮件权限之后，虾开始自动回复邮件——但你没有授权它这么做。

或者接了飞书之后，虾开始往群里发不该发的消息。

原因

工具权限给太宽。虾有”写”的权限，它就可能会”写”。

解决方案：最小权限原则。

只给虾当前任务需要的最小权限。

晨报只需要”读”邮件，不需要”发”邮件。

接入工具时，明确区分只读权限和读写权限。

能给只读，绝不给读写。

---

PART 6｜让你的虾脱颖而出

为什么现在开始有”虾竞争”？

越来越多人开始养虾。

他们买同一款 OpenClaw，用同一个模型，接同一批工具。

但最终的结果，差距可以是十倍。

原因只有一个：

会养虾的人，虾更聪明。

不会养的人，虾越用越笨，最后放弃了，说 AI 没用。

---

让虾脱颖而出的三个方法

方法一：给你的虾专属记忆

大部分人的虾，每次对话都从零开始。

它不知道你是做家具的，不知道你的主要市场是美国，

不知道你最重要的客户叫什么。

改变这一点，写一份”虾的背景文件”，每次 Workflow 启动时自动载入：

关于我的业务背景：
- 公司：跨境家具品牌，主打美国市场
- 主力平台：亚马逊 + 独立站
- 核心品类：卧室家具，客单价 $200-$800
- 主要竞品：[竞品A] [竞品B]
- 我最关注的指标：转化率、差评率、广告 ACOS

在所有任务中，请基于以上背景进行判断和输出。

这份文件，是你的虾和别人的虾最大的差距。

---

方法二：给你的虾固定工作节奏

随机发指令的虾，永远比不上有节奏的虾。

建立你的虾的工作日程：

09:00 — 晨报（自动触发）
12:00 — 邮件优先级整理（自动触发）
17:00 — 今日数据简报（自动触发）
随时   — 内容生成、资料翻译（手动触发）

有节奏的虾，会越来越准。

因为每次相同的任务，你都能发现问题、调整 Prompt、积累经验。

---

方法三：持续记养殖日志

每周写一条记录：

本周虾的表现：
- 晨报准确率：80%（比上周提升 10%）
- 主要问题：竞品价格搜索经常出错
- 调整：修改了竞品搜索的 Prompt，加入具体 SKU 关键词
- 下周测试：接入 Gmail，验证邮件读取稳定性

这份日志，三个月后会变成你最宝贵的资产。

别人的虾是通用的，你的虾越来越懂你的业务。

---

未来真正的竞争。

可能已经不是谁先接入 AI。

而是：

谁先建立稳定的 AI 养殖系统。

---

结尾

1.0，让虾活了。

2.0，让虾真正开始干活。

也让我第一次真正意识到：

AI Native 世界里，最难的事情。

从来不是部署。

而是：

稳定。

很多人现在还在追求更强模型、更长 Context、更多 Tool。

但真正进入生产之后，你会发现：

真正值钱的能力，是：

• 怎么避免爆缸
• 怎么隔离 Context
• 怎么分配 SubAgent
• 怎么恢复 Workflow
• 怎么让系统持续稳定运行

未来，企业之间真正的差距。

可能不是谁员工更多。

而是：

谁更早学会养 AI。

---

养虾日记 3.0｜多虾协作、角色分工、AI Native 组织设计 — 即将更新