OpenClaw(龙虾)的安装与应用讲座纪要及下期预告

讲座纪要及下期预告

朱廷劭、洪伟杰、薛茎申

导语：本次培训系统介绍了AI智能体（Agent）从对话助手向流程执行者的演进，重点演示了OpenClaw与Claude Code的安装配置、项目级理解与自动化分析流程，并强调了安全风险与本地化部署的重要性。

1. Agent 能力的本质与构成

从对话到流程的转变：AI 不再局限于单次问答，而是能够理解并执行包含“目标规划、工具调用、记忆存储、边界护栏”的完整工作流，如会议记录、信息同步、任务跟进等。

核心组件定义：Agent 由五部分构成，包括目标（任务说明）、规划（任务拆解）、工具（外部调用能力）、记忆（偏好与背景）以及边界（安全护栏），区别于仅能生成文字的 Chatbot。

2. 典型应用场景与风险提示

场景化应用：适用于信息收口（整合群聊、邮件）、摘要生成（过滤干扰信息）、会议主持（跨平台统一上下文）及议题追踪（持续监控网页更新）等场景。

安全与隐私风险：由于 Agent 需要最高系统权限，存在数据泄露、文件误删及指令注入风险，建议在隔离环境（如专用机器或虚拟机）中运行，避免与核心工作机混用。

1. 项目级理解与记忆管理

项目骨架构建：通过 `claude.md` 文件定义项目目标、分析流程、代码规范及输出格式，作为 AI 的“长期记忆”。

记忆更新机制：利用 init 命令扫描项目结构生成上下文，后续通过重新读取代码库、对话上下文与最新变更来同步项目状态，确保 AI 在多次会话中持续保持对项目进度的记忆。

2. 自动化分析流程演示

流程规划与执行：使用 `plan` 模式让 AI 自动拆解任务（如数据清洗、统计分析、可视化），并生成模块化的 Python 脚本（如 01_清洗.py, 02_分析.py）。

结果生成与核查：AI 自动生成包含描述性统计、假设检验、可视化图表及论文初稿（含方法、结果部分）的 Markdown 或 Word 文档，支持人工核查代码逻辑。

3. 高级功能与技能复用

技能（Skill）封装：将可复用的分析流程（如数据预处理、特定统计方法）封装为 Skill，通过 `skill` 命令快速调用，降低重复配置成本。

上下文压缩与恢复：使用 `compact` 命令压缩冗长对话，使用 `resume` 命令恢复历史工作状态，提升长流程工作的效率。

1. 工具定位与协作模式

工具定位：Claude Code 是执行力强的“机器人”，需通过详细指令驱动；OpenClaw 是自主性更强的“智能体”，可跨平台调用资源。

人机协作边界：AI 负责执行具体操作，但最终决策权、代码审查及结果验证必须由人类掌握，避免完全依赖 AI 导致的安全或逻辑错误。

2. 安全与效率建议

本地化部署：对于涉及敏感数据或高并发调用的场景，建议在本地部署大模型（如 7B/13B 模型），以降低 API 调用成本并保障数据安全。

意图编程：强调“意图”的重要性，即清晰定义研究目标和分析逻辑，AI 负责将意图转化为代码，而非完全替代人类的思考过程。