我把 AI Agent(OpenClaw)接进了生活,结果它开始凌晨 4 点替我工作(译)

导读

一个 OpenClaw 维护者，把 AI Agent 接进了自己的日常生活里。不是做 demo，不是录视频炫技，而是邮件、笔记、文件、日历、系统自动化、Obsidian 知识库，一点一点全接进去。

最离谱的是，它甚至会在凌晨 3 点到 6 点之间自己干活，索引、备份、更新、检查系统状态。等人醒来时，很多事情已经被它处理过一轮了。

我觉得这篇最有意思的地方，不是「AI 替人干活」这个老话题，而是它把一个更真实的问题讲出来了，信任到底是怎么长出来的。

不是一上来把钥匙全交出去。而是从一个聊天入口，一个小任务，一个出错后能退回去修的小流程开始，慢慢把 Agent 养成生活里的基础设施。

坦率的讲，这个案例有点像是在提前展示未来普通人跟 Agent 相处的方式。不是万能管家，也不是炫技玩具，而是一个会在后台替你维护生活系统的东西。

Radek 如何走到 OpenClaw

大家好，我是 Radek，OpenClaw 的维护者之一。

我想讲讲，当我几乎是字面意义上把自己生活的钥匙交给 OpenClaw 之后，到底发生了什么。

这不是一步到位的。它不是我安装了 OpenClaw，然后它突然接管我的生活、替我做所有事情。那样既不现实，也很危险。真实的过程是一点点发生的。

现在，它可以访问我的邮件、笔记、文件、日历、工具、操作系统和各种自动化。它还建立在我电脑上所有活动的记忆之上。也就是说，凡是电脑能做的事，它原则上都可以参与。

但这一切不是从一场巨大跳跃开始的。最开始，我只是像很多人一样装了 OpenClaw，然后给它一个聊天入口。一开始好像是 WhatsApp，后来我迁到 Telegram，现在主要用 Discord。那时它只有一个能力：可以跟我聊天。

有了这个入口之后，我才问自己：下一步能做什么？有没有一个非常简单的任务，或者一个非常简单的流程，可以先交给它？做完这个，再往前走一步。

一步步增长，而不是一次性接管

这就是我现在这个系统形成的方式。

我以前一直觉得自己的 OpenClaw 设置很简单，因为我从来没有做过某个巨大的改动。但后来我看 Twitter 讨论、YouTube 视频，或者跟别人聊他们的设置时，发现我的系统不但拥有别人提到的那些功能，还多了很多东西，而且整体上更成熟。

这让我有点意外。因为在我的感觉里，它只是一步一步长出来的：每次解决一个小需求，每次加一点能力。它对我有效，所以我才想把这个过程讲出来。

你们前面已经听过很多关于 OpenClaw 内部如何工作的演讲，也会继续听到更多。我想从另一侧讲：从一个普通用户，到重度用户，再到维护者，这个过程是什么样的。

你不一定要走到维护者这一步。我只是因为在玩某个流程时遇到了一些错误，于是提了第一个 PR，又提了第二个 PR，后来开始看 Discord，慢慢就参与进来了。最后，我成了维护者。这同样也是一步一步发生的。

通常流程是这样：我先看到一个需求，用一个非常简单的方法解决它，然后再往上加几步。也正因为这样，我很少遇到一些人会遇到的大问题，比如更新之后电脑被搞坏，或者系统完全跑不起来。

如果哪里坏了，我就退回一小步，修掉它，弄清楚为什么坏，再调整设置，避免它下次再发生。然后继续往前走一小步。

把 Obsidian 知识库接进来

它真正开始变得有用，甚至某种程度上开始「运行我的生活」，是在我把自己的知识库交给它之后。

我在 Obsidian 里积累了很多东西，已经用了好几年。现在我的 Obsidian 里大概有 3000 个页面、笔记和 Markdown 文件。里面什么都有：工作内容、个人事务、任务、项目、研究、文章，还有一个用来暂存链接的收件箱。

现在，这些内容都可以被 OpenClaw 访问，而且搜索很好用。我有普通搜索，有面向 Obsidian 的 QMD 搜索，也有工作区里的不同记忆。搜索和记忆互相连接，真正有魔法感的地方就在这里。

最近我看到 Andrej Karpathy 那条关于 LLM 知识库的爆火推文时，突然意识到：他说的那套东西，我已经在用了。我一边读一边想，这不就是我的系统吗？为什么大家觉得这很新？

然后我才意识到，我是一步一步走到这里的。它对我有效，也许值得分享出来，让别人也能看到它是怎么工作的，怎么逐渐走到这个状态。

举个 Obsidian 的例子：我给你们看的截图是真实的，是我仓库里的节点图。里面有很多集群。有些大集群可能是项目相关的，有些零散节点更像书签。

PS：看看 Obsidian 知识库的形态，还是挺震撼的

我现在有一个任务：当我把某个链接放进收件箱时，Agent 会拿到这个链接，看看里面是什么。它可能是一条 tweet、一个 thread、一篇文章，或者一个 YouTube 视频。然后它会分析内容，加标签，加上下文，再查看我的库里已经有什么相关内容，这个新链接可以怎样补充已有资料，又可能怎样帮助其他领域。

以前，Twitter 书签就是你点一下收藏，然后再也不会回去看。现在，这些链接会给我的知识库增加更多上下文。它还会主动提醒我：关于这个主题，你以前已经有这些笔记，这些内容之间是这样连接的，也许你应该回去看看。

很多时候我会发现：对，我完全忘了自己已经存过这些东西。而这些笔记恰好能帮我理解现在收藏这个链接的原因。

所以，它开始变得非常有用。

睡觉时也在工作

凌晨 4 点只是一个例子。真实情况大概发生在凌晨 3 点到 6 点之间。

当我睡觉时，我的 Agent 会做很多让系统保持良好运转的事情。它会索引所有内容，备份所有内容。最坏的情况下，就算我丢了东西，也最多丢掉几个小时的工作或内容。

它会刷新 QMD、记忆系统和 Obsidian 仓库的索引。于是我早上醒来时，可以从一个干净、更新后的状态开始。可能还有邮件摘要、日历摘要，所有东西都已经更新好，最新版本的 OpenClaw 也已经等在那里。

这也不是一次性完成的。我给它写了一些脚本，让它知道更新时该做什么、不该做什么，什么地方可能会坏，为什么会坏，以及在更新或重启网关之前该怎样验证，确保它能重新上线。

所以当我醒来时，系统已经准备好了。

我不太喜欢公开分享自己完整的设置，因为它非常具体，只适合我现在的需求、我近期会遇到的需求、我曾经遇到过的错误，以及我想解决的问题。

但为了让讨论更具体，我可以概括成五类工作。

AI Agent 的五类核心工作

这五类分别是：环境型运维、注意力过滤、执行支持、状态和记忆建设、信任与控制。

环境型运维

也就是我刚才讲的那些：更新、维护底层流程、处理那些必须发生但我不想一直想着的事情。

在我的设置里，这一类不一定对应某个 Discord 频道，更像系统在后台自动完成的工作。比如凌晨索引、备份、更新、检查系统能不能重新上线。等我早上醒来时，它已经把系统准备好，必要时再把结果推给我。

注意力过滤

这个非常有用。因为它可以访问很多内容，也有足够的上下文，所以当一封邮件进来时，它可以判断这件事是否重要或紧急。它还可以从 Obsidian 中找到相关背景。

我把项目、客户和各种事务的背景都放在 Obsidian 里。所以当系统注意到某件事重要又紧急时，它会主动告诉我。

最近有几个很具体的例子。比如 Netflix 付款失败，不知道为什么没扣成功。系统发现后提醒我，我在五分钟内就修好了。再比如域名快到期，这封邮件我很可能会错过，但它抓到了，在 Discord 上提醒我，我就完成了续费。

briefing 频道也属于这一类。它把早上真正需要我看的邮件、日程和提醒集中起来。consulting 频道也会用到这个能力，因为它知道客户背景、项目进度和截止日期，所以可以帮我判断哪些事需要优先处理。

执行支持

比如一些项目邮件，因为它已经有足够的项目背景，可以读懂邮件内容，理解现在发生了什么，也知道项目里哪些事情已经做完。然后它会帮我起草回复，直接放到草稿箱里。我可以接受、删除，或者再做调整。

consulting 也会落到执行支持上，比如起草客户回复、推进项目下一步。instagram、youtube 和 openclaw 频道更偏这一类，分别用于社交发布、视频创作和维护者事务。video research 也有一部分执行属性，因为它不只是存资料，还会帮我准备下一期视频。

状态和记忆建设

最典型的是收件箱：我把链接丢进去，它会分析内容、补标签、找上下文，再把它接到 Obsidian 里已有的笔记、项目和研究上。它不是只帮我保存一个书签，而是在持续扩展我的知识库。

Discord 里的 inbox 就是这个入口。video research 也有一部分属于这里，它会围绕 YouTube 和视频主题持续积累资料。

信任与控制

这个系统有很多自动化，但不是所有事情都交给 LLM 判断。脚本负责确定性的动作，关键规则写进专门文件，新的做法先放在 playground 里测试，确认有效再提升到正式流程里；没用的就丢掉。

general 是所有事情的起点。我会从那里开始对话，看它会发展成什么。如果某一类对话出现得足够多，我就给它建一个专门频道。playground 则是测试场：我会在那里试不同模型、不同工作区，或者不同的 memory 文件和重要文件设置。有效的东西，我会提升到正式流程里；没用的，就丢掉。

系统结构：LLM、脚本和记忆管理

这一切能工作，是因为它不是一个单点功能，而是很多部分组合成的系统。

LLM 负责判断，比如理解邮件、理解上下文、建立连接。文件、工具和脚本负责确定性的动作：如果发生这个，就做那个。这样的事情不需要判断，甚至可以跳过 LLM。

另一个重要部分，是优化你的 memory 文件和 soulm 文件。我还用了 critical rules.md。因为即使我把某些规则写进了 AGENTS.md 或 soulm，它有时还是会忘记，或者不会执行。

把真正关键的规则放进 critical rules.md，并且在 agent 文件里放在比较靠前的位置，会有帮助。

我也试过几种不同的记忆设置。以前是一个 memory 文件，现在是一个 memory 文件夹。现在我们也有了 dreaming，可以把某些记忆提升上来。

这些文件都需要持续维护。好在 OpenClaw 里做这件事很容易，因为一切都是可检查的。它们就是 Markdown 文件，你可以编辑、阅读、理解，所以系统能比较好地运转。

难点：坏记忆、脆弱自动化和噪声节点

事情会在哪些地方变难？

第一，坏记忆会复利增长。如果 memory 没有设置好，而你的仓库、节点和记忆增长到几千个，就会出问题。所以你必须主动维护它。

第二，自动化会变脆。尤其是那种十步自动化，它可能会坏，而且迟早会坏。要么把它拆成更简单的部分，要么给它更有效的保护措施。

第三，是噪声节点。我会定期清理这些内容。

第四，是边界太弱。这里包括 soulm 和其他对系统行为很重要的文件。你需要根据自己的需求优化这些边界。

结尾：为未来的自己优化

我希望你们带走的是：从一个反复出现的痛点开始，逐步建立信任，构建自己的知识库。尽可能把内容移动到 Markdown 文件里，让这些连接开始出现。

一个可检查的系统会让这件事更容易。OpenClaw 在这方面做得不错。

最后，要为未来的自己优化。

几年前我写过一篇文章，讲过去的我、现在的我和未来的我。

过去的我像个完全不靠谱的人。他什么都不做，很懒，也不想做事。所以现在的我必须替过去的我承担一切。

而未来的我，在想象里又像某种无所不能的存在。只要我今天不做某件事，好像没关系，未来那个更强大的我会替我完成。

问题就在这里。

我的任务，是和未来的自己成为朋友，把他当成一个我想帮助的人。而这也是 Agent 的工作：帮我尽可能照顾未来的自己。

所以，我不再需要像以前那样亲自做那么多事情。Agent 会尽可能帮助未来的我。等我明天醒来时，能做的事情已经尽量被另一个「不是我」的人做完了。

至少对我来说，这就是整个系统的目的。