“OpenClaw正在成为我的超级助理”

升级！深圳AI增长私享会改为连续3天

过去几个月，铭文鼎成科技创始人陈一铭，进行了一次深度实验。

他把开源框架OpenClaw（龙虾）接入飞书，配置了40个核心Skill（技能），在真实工作流里持续运行，最终“养”出了一个可以24小时运转的“数字分身”。

他对见实说了一个很直观的比喻：

“ChatGPT更像是在对话框里陪你聊天、答疑的伙伴，而Agent，是能直接接管你的鼠标和键盘，主动帮你推进工作、完成具体任务的‘数字员工’。”

在见实直播间的展示中，这个“数字分身”能够自动抓取全球信息、完成邮件筛选打标、安排语音日程，到运营自媒体内容流水线，甚至能直接读懂技术教程、修改网站代码，在多个环节替代人完成连续工作，实现了工作方式的彻底重排。

对了，3月27日至28日，陈一铭还将在见实深圳“AI×增长”私享会上，带来一场更深入的主题分享——《小龙虾到底能干什么？OpenClaw全域应用指南》，期间他还将组织一场手搓实操夜话。见实会员都可以免费参与，欢迎报名。

本文根据陈一铭直播分享整理，呈现其“龙虾”在四个真实场景中的实际运行，采用第一人称叙述。

01 AI晨间简报：我不再自己刷信息了

作为内容创作者兼创业者，“漏掉关键信息”是我每天最大的焦虑。以前，我每天早上要花1个小时刷推特、看公众号、翻科技新闻，效率低下不说，还常常错过核心动态。

现在，我把这份“信息搜集”任务完全交给了AI助理，给它设定了定时任务：每天早上9点，生成一份《AI热点早报》，直接推送到我的飞书。

1. 它是怎么工作的？

这绝非简单的信息抓取，我给它配置了3个核心技能，形成了一套完整的信息处理逻辑链：

Tavily Search—专为AI优化的搜索引擎，比Google更精准，能返回结构化摘要，省去手动整理的麻烦；
arxiv-watcher—实时监控AI/ML/LLM领域的最新学术论文，第一时间捕捉技术前沿；
Gmail—自动筛选和分析我订阅的信息类邮件，过滤无效干扰。

当每天9点定时任务触发时，Agent会按以下逻辑高效运转：

多源搜索：调用Tavily News抓取全球范围内（英伟达、OpenAI、Google、Meta等）过去24小时的AI动态，同时用多引擎搜索补充国内大厂（阿里、百度、字节、腾讯等）的最新动作，做到全域覆盖；
去重清洗：通过大模型自动识别并合并来源不同但内容重复的信息，避免冗余；
价值判断：这是最核心的一步。我在User.md（用户偏好文档）中明确告知它“我是AI创业者，需要筛选值得深入研究的新闻”，它会根据这个偏好，给每条信息标注重要性评分，帮我聚焦核心；
信源补充：除了行业热点，还会从arXiv抓取2-3条最新学术进展并附上论文摘要，同时从邮箱中筛选最新信源类邮件，丰富信息维度。

2. 交付结果

每天早上9点，我的飞书都会准时收到一条消息，点开就是一份结构清晰、重点突出的日报，具体包含4个部分：

日期与制作人：明确标注生成时间和模型版本，方便追溯；
新闻板块：6-8条行业热点，每条均包含标题、来源、原文链接，以及3-5句话的详细摘要；
论文板块：2-3条最新学术进展，附上作者信息和arXiv链接，便于深入研读；
大厂动态覆盖：重点标注国内外主流大厂的AI动作，帮我快速掌握行业风向标。

它不仅帮我省去了1小时的信息搜索时间，更直接完成了“选题初筛”的工作——每条新闻的详细摘要的原文链接，让我能快速判断是否值得深入研究，这才是助理该有的价值。

02 无感日程管理：告别繁琐的手动录入

飞书日历的功能很强大，但手动录入日程一直是痛点：点开日历、选日期、设时间段、填主题、调提醒时间……一套操作下来，至少要1-3分钟，忙起来的时候，很容易遗漏或出错。

而通过OpenClaw与飞书的深度集成，我实现了“语音即日程”，彻底解决了这个难题。

1. 真实场景演示

有一天下午，我一边走路一边给我的AI助理发了一条语音：“帮我规划一下，明天中午1点要去公园散步，下午3点回办公室开个线上会，哦对了，晚上6点提醒我去趟超市买东西。”

2. Agent的思考过程

这条看似随意的语音，后台的Agent却能精准拆解、高效执行，整个流程无需我二次干预：

意图识别：快速区分“去公园”“开线上会”是日历日程，“去超市买东西”是待办提醒任务；
时间解析：精准提取“明天13:00”“15:00”“18:00”三个时间点，避免时间混淆；
工具调用：自动调用飞书日历API创建日程，同时将“超市购物”写入飞书任务清单；
权限确认：飞书插件（openclaw-lark）已提前获得日历和任务的读写权限，整个过程无需我手动确认，真正实现“无感操作”。

3. 交付结果

不到一分钟，AI助理就回复我：“已为您规划完毕。”

我打开飞书日历，明天的时间格子里已经整整齐齐排列好了两个日程，提醒时间也已自动设置；任务清单里，也多了一条“超市购物”的待办，同步标注了提醒时间。

这一切，都依赖于OpenClaw的飞书官方插件（openclaw-lark）——它打通了飞书官方开放的日历、任务、多维表格API，只要完成一次授权，AI就像一个专属秘书，能直接操作我的飞书后台。

现在的我，彻底告别了“打开飞书→点日历→填表单”的繁琐流程，不管是走路、开会还是开车，只要说一句话，AI就能帮我安排好所有日程。

03 自媒体流水线：从监控到“出片”

这是我配置的效率提升最高的一条工作流。

这是我配置的所有工作流中，效率提升最明显的一个。做自媒体的朋友都知道，从捕捉热点、确定选题，到写脚本、做封面、归档选题，整个流程冗长又繁琐，耗费大量时间和精力。而我，把这套流程封装成了一套自动化指令，让AI全程接管。

1. 触发机制

我只需在飞书里给助理发一条指令：“帮我扫描最近一周的AI热点，筛选出适合做自媒体的话题，生成封面图和口播脚本，录入到飞书多维表格里。”

2. 疯狂的“工作流”

接到指令后，OpenClaw就会启动多技能联动，像挥舞“爪子”一样高效推进，全程无需我干预：

第一步：邮件与网络监控。它先检查我的Gmail邮箱（我订阅了大量AI相关信源），提取AI相关内容，过滤掉个人通知；同时调用Tavily搜索过去24小时全球AI动态，结合多引擎补充国内大厂动作，再通过arxiv-watcher抓取最新学术论文，从海量信息中筛选出有传播潜力的热点（如“大厂新模型发布”“技术突破性进展”）。
第二步：内容创作。根据我预设的SOP（标准作业流程），自动撰写适合自媒体的口播脚本，划分段落和镜头节奏，甚至标注出停顿点和幽默补充建议，贴合短视频传播特点。
第三步：视觉生成。这是最惊艳的一步——它提取脚本关键词，调用libtv-skill，按照我设定的“科技感封面图、2.25:1比例（适配视频号/小红书）”要求生成封面；若图片清晰度不足，还会自动调用Topaz Enhance进行二次优化。
第四步：数据归档。最后，调用飞书多维表格API，将“选题标题”“切入角度”“口播脚本”“封面图链接”自动填入我的选题库，同时标注优先级和建议发布平台，方便我后续筛选。

3. 交付结果

短短几分钟后，AI助理就发给我一个飞书多维表格链接。点进去一看，8个热门选题已经整整齐齐排列在里面，标题、切入角度、口播脚本、封面图一步到位，无需我再做任何基础工作。

我需要做的，只是从这8个选题里挑一个最满意的，稍微润色一下，就可以直接开始录制——以前花大半天才能完成的工作，现在几分钟就能搞定。它彻底把我从“找选题→写脚本→做封面→归档”的手忙脚乱中解放出来，我的工作只剩下最后一步：挑选最想录制的题材，效率提升何止10倍。

04 终极玩法：它学会了自己写代码

如果说前面几个场景还在意料之中，那么这个场景，真正让我感受到了Agent的强大——它居然能自己学习、自己写代码、自己部署，完全替代了程序员的基础工作。

我有一个个人导航网站，部署在腾讯云轻量应用服务器上。有一天，我想把网站主色调从绿色改成蓝色，同时增加一个新页面，展示我的AI助理掌握的所有技能，但我不想自己写代码，也不想手动修改CSS。

1. “扔书”给它学

我把一篇关于网页配色修改的技术文章链接甩给OpenClaw，跟它说：“学习一下这篇文章，帮我把博客介绍页改成蓝色系，增加一个‘了解更多’按钮，跳转到新页面，列出你现在所有的Skill。”

2. 自我进化

这是一个非常复杂的指令，涉及阅读理解、审美迁移、代码修改、文件创建、服务器部署五大环节，而OpenClaw的执行过程，彻底超出了我的预期：

学习：先完整读取那篇技术教程，快速掌握网页配色修改、按钮添加、新页面创建的方法；
连接：通过cloudbase技能，成功连接到我的腾讯云开发环境，获取网站源码操作权限；
修改：读取网站源码，精准找到CSS中的绿色代码，全部替换成蓝色系配色，确保视觉统一；
创造：新建一个HTML文件，调用自身系统信息，抓取40个Skill的详细信息，生成完整列表并写入新页面；
部署：自动执行服务器部署命令，完成网站更新，全程无需我手动操作后台。

3. 交付结果

几分钟后，AI助理回复我：“网站已更新。”

我点开个人网站，主色调果然变成了我想要的蓝色，视觉效果简洁清爽；点击新加的“了解更多”按钮，新页面成功弹出，上面详细列出了它拥有的所有40个技能，一目了然。

整个过程，我没有写一行代码，没有打开过服务器后台，只是像给程序员提需求一样，发了一段话、扔了一篇教程，它就自己学会并完成了所有操作——这就是Agent的终极价值：把人从重复性、技术性基础工作中彻底解放。

05 深度复盘：如何让你的Agent更“灵性”？

经过长时间的探索和调试，我总结出了一些“养虾”（调教OpenClaw）的心得。很多人觉得自己的Agent像“人工智障”，而有的人能把它打造成“超级员工”，核心差距就在于两点：技能组合和反馈机制，再加上关键的数据喂养。

1. 技能（Skill）是核心壁垒

OpenClaw的Skill之所以强大，核心在于它的“渐进披露”机制。你可以把它的技能体系想象成一个图书馆，我给它装了40个技能，它不会每次都把40本书全部背下来，而是先看“目录”——当我提出需求时，它会快速扫描“目录”，匹配最适合的技能，只调用这一个（或少数几个）。

这种机制的优势很明显：即使你给它装了100个技能，它的反应速度依然很快，不会出现“技能冗余导致卡顿”的问题。我强烈建议大家去研究一下OpenClaw的Skill库，除了我用到的这些，还有很多实用又好玩的技能——Agent的上限，本质上取决于你给它装了什么“技能”。

2. 建立“反思”机制

为了监控Agent的工作状态，避免它“走弯路”，我给它设置了一个简单却高效的“反思”机制：每次执行完任务，都要在结尾标注“耗时多久”“调用了哪些Skill”。

这招非常管用。现在它每次回复我，底部都会带上一行小字，比如：“耗时：30.01秒；已调用技能：libtv-skill-AI图片生成（LiblibAI）、Tavily Search”。这就像员工的每日工作汇报，让我能清晰看到它的工作路径——这样我可以清晰的看到哪些动作是臃肿的，哪些Skill是冗余的，当某个Skill报错，我也能及时发现。