夜雨聆风之前分享过一个观点：ai产品是向内看，要把系统架构、业务流程、技术选型、方案优化当成是实现产品的各个环节，才能打造出最佳输出效果（也就是产品功能）。
我们在使用ai的时候，只有一个对话窗口，从这个窗口中获取到的信息，背后就可以定义为一个功能（ai agent）。
比如，实现一个“网站后台自动发帖”的功能（以下简称方案A），实现它需要openclaw帮我完成以下四个步骤：
第一步，让openclaw操作浏览器；
第二步，让openclaw访问固定几个网址；
第三步，让openclaw登陆我给它的我网站的后台账号，并限制它的权限只能添加动态，不能删除和使用其他功能；
第四步，让它每10分钟采编固定网址的内容（测试时频率快一点），以“资深微博编辑”这个角色重新编辑内容，发布到后台动态。
那么，方案A是最佳方案吗？
当我在思考这个问题的时候，同时我会上网查询是否有相关成熟案例，并且我会把方案A发给openai，综合案例和openai的回答，我在脑中就有几个更具体的执行方案，我（产品经理）就会与技术讨论各种方案的优劣势与优先级。
比如，方案B的步骤为：定时任务—OpenClaw Agent—操控浏览器(Playwright)—（操控浏览器）抓取指定网站—大模型改写—自动登录后台—发布动态。
方案C的步骤为：定时任务—OpenClaw Agent—操控浏览器(Playwright)—自动登录后台—等待改写后的内容—发布动态，同时写个爬虫程序—抓取指定网站—大模型改写—写完再给OpenClaw。
这里我先不说方案B和方案C的优劣与优先级，因为我在此也遇到了一些问题，苦恼～
以上就是一个具体的openclaw测试用例，另外大家要懂得，即使选择了方案B或者方案C，任意一个方案中，还涉及到方案中选择什么skill更好、选择什么模型执行改写更好、操作后台用api还是直接浏览器操作、后台需要如何设计权限来保障安全性、或者需要给openclaw什么安全指令、ai发布动态的效果与后台改造以及何时人工介入等等。
一个简单的业务流程，背后涉及到的方案与逻辑才是最重要的，要理解这个概念不容易，要做好一个产品更不容易。