OpenClaw 实战：用 gstack 方法论技能给你的 AI Agent 装上”思考框架”

你的 AI Agent 能写代码、能读文档，但能不能帮你做商业判断、做根因分析？gstack 四件套就是干这个的。

运行在家庭服务器上的 OpenClaw 是我的 AI 管家。但大部分人仍把它当成一个“能连工具的 ChatGPT”。实际上，普通人早已让它渗透到家庭生活的缝隙里——管理日程、解答疑惑、协调琐事，甚至成为家人之间无声的协作纽带。

思考一个问题：

如果你的 AI 助手不只是”执行命令”，而是能像 YC 合伙人一样帮你拷问产品想法、像 CTO 一样审视架构风险、像资深工程师一样做根因分析——那会是什么体验？

这就是今天要介绍的 gstack 方法论技能四件套。

什么是 gstack？

gstack 是 Garry Tan（YC 现任 CEO，前 Palantir 工程师、Posterous 创始人）开源的一套 Claude Code 技能栈。原话是：

“23个有观点有立场的工具，相当于你的 CEO、设计师、工程经理、发布经理、文档工程师和QA。”

Garry 用这套工具在 60 天内发布了 3 个生产级服务、40+ 功能——兼职，同时全职运营 YC。2026 年的产出是他 2013 年的 810 倍（按逻辑代码变化量计算）。

核心思路很简单： AI 很聪明，但你需要给它一个思考框架，否则它只会说你想听的话。

gstack 开源了 23 个技能，覆盖 6 个角色能力。而下面要介绍的这四套，是被移植到 OpenClaw 平台的版本，通过 ClawHub 可以直接安装使用。

安装：一行命令

要让 OpenClaw 用上这些技能，在终端里运行：

clawhub install gstack-openclaw-office-hours gstack-openclaw-ceo-review gstack-openclaw-investigate gstack-openclaw-retro

这条命令会从 ClawHub^[1] 下载四个技能包，自动安装到你的 OpenClaw 技能目录。

装完之后，在飞书/Telegram/Discord 里直接对你的 Agent 说：

/office-hours 我想做一个 AI 技术公众号

它就会自动调用对应的技能。

如果你想用 Garry Tan 的原版，去他的 GitHub^[2] 按照 Claude Code 的 setup 配置就行。OpenClaw 版是社区移植，交互方式不一样但方法论一致。

四件套详解

① 🎯 Office Hours（产品追问）

一句话：让你的 AI 变成 YC 合伙人。

当你有了一个产品想法，想找人聊聊，一般的 AI 会怎么说？

“听起来不错，你可以试试……”

好的 AI 会怎么做？gstack-office-hours 会问你六个问题：

1. 需求真实性 — 这东西真的有人需要吗？
2. 现状诊断 — 用户现在怎么解决这个问题的？
3. 最痛的点 — 你最确定的用户是谁？他有多痛？
4. 最小切口 — 第一个版本的最小功能集是什么？
5. 观察验证 — 你怎么判断你做对了？
6. 未来匹配 — 你的能力为什么适合做这件事？

它有两个模式：

• 创业模式 — 犀利的六问，适合想认真做产品的人
• 构建者模式 — 温和的头脑风暴，适合兴趣项目、黑客松

适用场景： 你想做一个新产品/公众号/工具，但不确定方向对不对

在飞书里说： “/office-hours 帮我想想这个想法”

② 👑 CEO Review（战略审视）

一句话：给你的计划做一次”压力测试”。

当你有了初步方案，想看看有没有漏洞——普通的 AI 会说”方案看起来不错”。gstack-ceo-review 会怎么做？

它会以四种模式审你的计划：

不管哪种模式，它都会挑战你的前提假设——”为什么你觉得用户会付钱？””这个时间表你有数据支撑吗？”

适用场景： 方案写好了，发之前让 AI 帮你审视一遍

在飞书里说： “/plan-ceo-review 帮我审一下这个计划”

③ 🔍 Investigate（根因分析）

一句话：你的 AI 调试工程师。

代码出 bug 了，系统崩了，数据对不上了——你问 AI 为什么，它通常会：

“看起来像是 XXX 的问题，你可以试试 YYY。”

gstack-investigate 用的是四阶段调试法，不猜、不跳步：

阶段 1：现场还原  → 明确症状：什么坏了？什么时候坏的？影响范围多大？阶段 2：假设生成  → 列出所有可能的原因，不急着排除任何一个阶段 3：验证  → 逐个排除假设，用数据说话，不靠直觉阶段 4：修复+验证  → 最小的改动，确认修复，防止复发

这个技能的核心价值：它不会让你”试试重启”。 它会带着你一步步推理，直到找到真正的根因。

适用场景： 遇到线上故障、数据异常、用户反馈的 bug

在飞书里说： “/investigate 这个接口最近总是超时”

④ 📊 Retro（工程复盘）

一句话：每周自动生成的工程周报。

这个技能会自动分析你的 Git 提交历史、工作模式、代码质量指标，生成结构化的复盘报告。

它能发现什么？

• 这周提交了多少代码？节奏稳定吗？
• 有哪些反复出现的 bug 模式？
• 代码审查质量怎么样？
• 团队协作有没有瓶颈？

适用场景： 每个周五的工程复盘

在飞书里说： “/retro 帮我看一下这周的代码回顾”

实际使用感受

我在家庭服务器上跑了这几套技能一段时间，最深的感受是：

AI 的能力上限不是由模型决定的，是由交互框架决定的。

同样的 DeepSeek V4 / Claude Opus，你直接问”这个想法怎么样”，和通过 /office-hours 调用结构化追问，得到的回答质量完全是两个层次。

前者给你一堆”听起来不错”的正确废话，后者会逼你思考自己都没想过的问题。

安装之后

装完四件套之后，推荐你做一个动作：

在你的 OpenClaw 工作目录的 AGENTS.md 里加上路由规则，这样你的 Agent 看到相关问题时会自动调用对应的技能：

## Skill routing- 产品想法/头脑风暴 → /office-hours- 计划/战略审视 → /plan-ceo-review- 故障/调试 → /investigate- 周复盘 → /retro

不用记命令，自然语言触发就行。

尾巴

gstack 这套方法论让我重新理解了”AI 技能”的意义。技能不只是”能做什么”，更是”怎么思考”。

当你给 AI 装上了结构化思考的框架，它就不再只是一个”更快的搜索引擎”，而是一个真的能帮你做决策的伙伴。

从 ClawHub 装一套试试，花不了五分钟。

发自我的家庭服务器 🦉

#OpenClaw #gstack #AI技能 #城里城外

引用链接