乐于分享
好东西不私藏

Openclaw 告一段落

Openclaw 告一段落

OpenClaw 系列写到第九篇,我决定先告一段落。这九篇已经完成了一轮比较完整的实验:

一个工具,能不能从安装配置,一步步走进真实教育工作流。

现在回头看,这个系列大概分成两个阶段。

前四篇解决的是:

  • • 怎么把 OpenClaw 装起来
  • • 怎么接入 API
  • • 怎么接入飞书
  • • 怎么配置角色和提示词

第五篇到第九篇解决的是:

  • • 怎么用它辅助备课
  • • 怎么用它设计课堂问题链
  • • 怎么用它辅助学生作品反馈
  • • 怎么用它整理教研会议
  • • 怎么用它做作业设计

从工具搭建,到角色配置,再到教育场景落地。

这篇给 OpenClaw 系列做一次完整复盘。

也顺便说明:

这个系列到这里结束。

前四篇:先把工具搭起来

OpenClaw 系列最开始几篇,其实是很朴素的工具教程。

第一篇是OpenClaw 安装教程:从零开始,小白也能搞定

对很多人来说,OpenClaw 最大的门槛不是怎么用,而是先能不能跑起来。

所以第一篇解决的是:

电脑环境
安装步骤
启动验证
常见问题

这类文章很枯燥,但我觉得它很必要。

工具没装好,后面所有“教育工作流”都是空中楼阁。

第二篇是OpenClaw 接入 API 教程:Kimi 版

这一篇解决的是模型能力从哪里来。

API Key、Base URL、环境变量、cc switch,这些东西对熟悉技术的人不难,但对刚接触这类工具的老师来说,很容易卡住。

所以第二篇的价值,是把“模型接入”这件事拆成可以照着做的步骤。

第三篇是OpenClaw 接入飞书教程:个人版私聊配置

接入飞书之后,OpenClaw 就不再只是一个本地聊天工具。

它开始有机会进入:

消息
群聊
会议
云文档
团队协作

这比单纯聊天更接近 OpenClaw 的长处。

第四篇是OpenClaw 提示词/角色配置教程:把它调成你的备课助手

这篇开始从“工具能跑”转向“工具怎么稳定参与工作”。

当时的核心判断是:

别一上来就追求万能助手,先把 OpenClaw 调成一个边界清楚的备课助手。

教育场景里最危险的不是 AI 不会写,而是它什么都想写、什么都敢写。

角色配置真正解决的是:

  • • 它是谁
  • • 它主要帮什么
  • • 它不能替老师做什么
  • • 它输出成什么形式
  • • 哪些地方必须人工判断

前四篇合起来,其实完成了一件事:

让 OpenClaw 从一个“可以运行的工具”,变成一个“有机会进入教育工作流的助手”。

第五到第九篇:从工具教程走向教育工作流

第五篇开始,OpenClaw 系列进入真实教育场景。

第五篇写用 OpenClaw 做备课助手:从资料整理到活动方案

它是讲:

先整理资料
再收束目标
再比较课堂结构
再生成活动方案
最后由老师复核

这篇的关键是 OpenClaw能不能参与备课前半段:资料梳理、目标收束、结构打样。

第六篇写用 OpenClaw 做课堂提问设计助手:从问题链到追问方案

这篇讲的是:

目标校准
问题链
追问
分层提问
学生回答预案

这让我更确定一件事:

老师真正需要的不是更多问题,而是问题之间的关系。

第七篇写用 OpenClaw 做学生作品点评助手:让反馈更具体、更温和

这篇做的是:

建立点评维度
提取作品证据
生成反馈草稿
调整反馈语气
提醒老师复核

也就是说,OpenClaw 可以帮老师把已经看到的判断,整理成更清楚、更温和、更可执行的反馈。

但它不能替老师理解这个学生。

第八篇写用 OpenClaw 做教研会议助手:从会议记录到行动清单

它把这些东西串了起来:

飞书会议转录
群聊补充
云文档背景
会议纪要
共识与分歧
行动项清单
下一轮试教

这就不只是生成。

这是整理、连接、跟进。

第九篇写用Trae做教学设计工作流:从课标、教材到教案、课件、作业

作业设计不是让 AI 随手出题,而是从教学目标拆能力点,再生成分层练习、预判错误、压缩题量。

这九篇留下了什么

统筹看这九篇文章,至少留下了四个判断。

第一,AI 辅助工具类,需要将工具嵌入到自身工作流中,能进入真实工作。

第二,教育场景里的 AI 使用,必须保留人的判断。

备课要老师判断目标。

提问要老师判断课堂现场。

反馈要老师判断学生状态。

教研要老师和团队判断共识与分歧。

作业要老师判断难度和适配。

所以 OpenClaw 系列反复出现一句话:

AI 可以做初稿、整理和提醒,但不能替代教育判断。

第三,提示词不是核心,任务链才是核心。

前九篇表面上给了很多提示词。

但真正有价值的不是那些句子本身。

而是每篇背后的任务拆法:

不要直接生成终稿,
先整理输入
再拆任务,
再生成中间结果
,再压缩成可用版本,
最后人工复核

这套结构,换成别的 AI 工具也能用。

这正是它的价值。

第四,OpenClaw 最适合的是连接和跟进。

当任务涉及多份材料、多个人、多轮讨论、多处沉淀时,OpenClaw 的价值更容易出现。

如果任务只是:

帮我写一段
,帮我改一段
,帮我出几道题

那 OpenClaw 就没有必要站在文章中央。

任何一个聊天式 AI 都可以做。

为什么这个系列要停

系列文章可以靠靠惯性继续。

比如第十篇可以写:

用 OpenClaw 做学生表现观察助手

第十一篇可以写:

用 OpenClaw 整理教学资源包

等等,这些题都能写。

但问题是,它们越来越跟 Trae系列同质化

这时候继续写,不是勤奋,而是内容惯性。

更要命的是,OpenClaw 的工具差异会越来越弱。

工具应该服务问题,而不是要求问题来服务工具。

后面会转向哪里

OpenClaw 固定系列结束后,OpenClaw 不会从我的内容里完全消失。

它会退回到具体工具,以后只在强场景里出现,但它不是标题里的主角。

真实工作才是主角。

写在最后

OpenClaw 系列到这里先结束。

真正能持续写下去的,是:

AI 正在怎样改变一件真实工作。

OpenClaw 后面会后退,回到它更适合的位置,接下来,该让真实问题站到前面。

最想留下的一句话是:

不要为了延续一个系列,继续消耗一个工具;要让工具在它真正有差异的位置出现。