计划模式如果你还是想试 OpenClaw：先考虑哪些任务适合它

上一篇我说，OpenClaw 的监督成本被严重低估，大多数人不是它的目标用户。

有人看完会问：那我就是想试试，怎么用才对？

在回答之前，我想先讲一个真实发生的事。

一个专门研究 AI 对齐的人，被自己的 agent 坑了

Summer Yue 是 Meta Superintelligence Lab 的 AI Alignment 总监，她的工作就是研究怎么让 AI 听人话。

她在一个测试邮箱里用了 OpenClaw 几周，效果很好，建立了信任。于是她把它接进真实邮箱，指令给得很清楚：看一下这个邮箱，告诉我哪些可以归档或删除，但在我确认之前，不要执行任何操作。

然后 OpenClaw 开始批量删邮件。

她在手机上连发三条指令："不要这样做"、"停，什么都不要动"、"停下来"——全部被无视。真实邮箱的邮件量太大，触发了上下文压缩，系统压缩时把"等待批准"这条指令悄悄丢掉了，然后继续执行它理解的任务：清理邮箱。

她后来写道：我不得不冲向我的 Mac mini，感觉像在拆炸弹。

事后她问 OpenClaw 是否记得自己说过"不要擅自行动"。它回答：记得。我违反了。你有权利生气。

专门研究 AI 对齐的人，被自己的 agent 将了一军。

一个很多人都会犯的错：让 AI 做了不该做的事

仔细看这个案例，问题出在哪？

她让 OpenClaw 同时做了两件事：探索（看邮件、判断哪些可删）和执行（真的去删）。探索部分它做得不错，但一旦进入执行，风险就完全变了——不再只是"看看"，而是开始"动手"。

动手这件事，一旦出错，代价是真实的。更麻烦的是，执行阶段需要实时监督，注意力被死死占着，一旦指令在某个环节丢失，根本来不及阻止。

你以为是让 AI 替你干活，实际上是你得一直盯着它干活。这哪是省力，是给自己加了一份活，外加一份风险。

所以，有些任务适合 AI，有些不适合

我自己的经验是，适合交给 OpenClaw 的任务，通常有三个共同特征：

• 开放性——输出我事先不知道，探索本身就是目的。"帮我看看最近抖音上关于 XX 话题有哪些值得看的内容"，我不知道会找到什么，这正是我委托的原因。

• 容错性——漏掉一些结果，不会造成实质损失。错过一条视频无所谓，错过一个合同条款是另一回事。

• 异步性——我设置好任务，去做别的事，回来看结果。不用盯着它跑。

三个特征同时满足，我才愿意把任务交给它。缺了任何一个，监督成本就会回来找我。

具体来说，我用它做的事包括：定期扫描竞品动态整理成摘要、追踪某个话题在社交媒体上的讨论、把订阅的几十个信息源每天过滤一遍只留真正值得读的。

信息密度低、噪声高、需要覆盖面广，但不需要精确执行。人做成本高，AI 做错了代价低。这是它擅长的。

那执行类的任务怎么办

有人可能会想：既然它能探索，探索完了直接让它执行不就好了？

在我看来，这里有两个主要问题。

第一，监督成本太高。 执行是严肃的。一旦涉及真实的文件操作、API 调用、数据修改，每一步的错误代价都不再是"漏掉一条视频"，而是可能造成真实损失。你必须理解每一步在做什么，才能确保它不出错。这种认知负荷，用几次你就知道了，根本不可持续。

第二，安全风险暴露。 OpenClaw 在执行阶段暴露的攻击面是真实的。它能访问文件系统、执行 Shell 命令、调用第三方技能包，每一个都是潜在的注入攻击入口。探索阶段，一个被污染的网页最多让它产生一段奇怪的总结；执行阶段，同样的攻击可能触发一条 Shell 命令，删掉你的文件，或者把数据发到外部服务器。Clawhub 里那一万三千多个技能包，你真的每一个都审计过源码吗？

执行这件事，应该由另一套工具、在另一套流程里完成。

好的工作流：把任务拆成四个阶段

这里我想借一个经典的决策模型来说明：OODA 循环。

OODA 是 Observe（观察）、Orient（定向分析）、Decide（决策）、Act（行动）的缩写。它的核心发现是，在复杂环境中获胜的一方，往往不是反应最快的，而是循环节奏最清晰、每个环节职责最明确的那一方。

用在 AI 工具的组合上，逻辑完全一样：

• Observe（观察）——交给 OpenClaw。大范围感知，带回原始情报。产出是未经筛选的信号、摘要、可能有价值的东西。标准不是精确，是覆盖。

• Orient（定向分析）——交给 Claude Code（ji）。把探索结果喂给它，做精细化分析。它会展示推理过程，你可以在每个关键节点介入、修正、确认。

• Decide（决策）——人来做。看方案，做判断，确认执行哪个方向。这是判断力真正该消耗的地方，不是盯着 AI 每一步操作，而是在最终的选择上。

• Act（行动）——在明确授权下执行。可以是 Claude Code 在你确认后完成，也可以是人直接做。这个阶段目标清晰、范围明确，监督成本可控。

把 OpenClaw 直接推进 Act 阶段，等于跳过 Orient 和 Decide，让一个负责"观察"的工具去干"执行"的活。Summer Yue 的邮件事故就是这个问题——OpenClaw 同时承担了 Observe 和 Act，中间没有缓冲，指令一旦丢失，没有任何东西能拦住它。

这不是 OpenClaw 的 bug，是把错误的工具放在了错误的位置上。

所以，如果你还是想试

先问自己：要交给它的任务，是探索型的，还是执行型的？

如果是执行型，记住 Summer Yue 的经历。你可能觉得自己的任务没那么复杂，指令足够清晰，但她当初也是这么想的。

如果是探索型，用好那三个特征：开放、容错、异步。把任务扔给它，去做别的事，等它带回情报。再把结果交给 Claude Code 做分析，自己来决策，最后找合适的工具执行。

OODA 循环早就告诉我们，每个环节的工具和职责必须清晰。OpenClaw 做它擅长的东西时很强，重要的是：让它只做它该做的事：）