Openclaw 养成日记(上):我为什么要养一只＂虾＂?

养虾三年，不如养 Openclaw 三天。

这是一个机器人算法工程师和 AI 助手的 7 天养成实录。

第一篇：它帮我解决了什么问题

前言

先说结论：Openclaw 不是用来替代我的，是用来放大我的。

我是做机器人算法的，日常工作就是写代码、调传感器、优化导航。

一开始听说 AI 助手，我挺抵触的："这玩意儿能懂我的代码？"

用了 7 天，真香了。

坚持古法编程得我没有让他替代我写算法，但能帮我干很多杂活。

下面是它 7 天帮我解决的问题清单。

（就把他装在工控机里面）

 它帮我做了什么？

1. 写了 5 篇公众号文章 📝

这个公众号，主要写闲鱼捡漏类文章。

之前： 一篇 1000 字的文章，我要写 2-3 小时。现在： 我提供商品链接和要点，它 10 分钟出初稿。

它做的：

• 抓取闲鱼商品价格和数据

• 按我要求的格式写文章

• 自动替换限流词（"xian鱼"→"小黄鱼"）

• 生成价格对比表格

我做的：

• 提供商品链接

• 修改开头和结尾（让它更像人话）

• 最终审核发布

效率提升：3 倍以上。

2. 帮女朋友分析亚马逊鼠标 🖱️

我女朋友要做亚马逊英国站的鼠标产品调研。

需求： 分析前 100 名畅销鼠标的差评，找出产品改进机会。

它做的：

• 用浏览器自动化访问亚马逊 UK

• 提取前 100 款鼠标的价格、评分、评论数

• 分析差评关键词（电池续航、双击、滚轮失灵...）

• 生成详细分析报告（按排名分段：1-20、20-50、50-100）

• 做了个 PPT，可以直接拿去开会用

我做的：

• 告诉她需求

• 帮她检查报告

• 转交给女朋友

耗时： 我总共花了不到 10 分钟沟通。她省的时间： 至少 2 天手动收集数据。

3. 整理了乱七八糟的工作区 📁

之前我的工作目录巨乱：

default/├── 各种.py 文件（10+ 个）├── 各种.js 文件（5+ 个）├── 各种.md 文件（20+ 个）├── 各种.json 文件（10+ 个）└── 根本找不到东西...

它做的：

• 写了个整理脚本

• 自动分类到 scripts/、docs/、config/、projects/

• 生成 README.md 说明目录结构

• 保留核心文件在根目录

整理后：

default/├── scripts/python/      - Python 脚本├── scripts/javascript/  - JS 脚本├── docs/                - 文档├── config/              - 配置文件├── projects/            - 项目文件夹└── [核心文件]           - AGENTS.md, MEMORY.md 等

我做的： 运行了一个命令。

4. 写了个 IP 广播服务 🦐

这个是我主动要做的，不是它帮我。

需求： 写个 Python 服务，开机自启，每 2 秒广播一次 wlp2s0 网卡的 IP 地址到局域网。

它做的：

• 写了 Python 脚本（UDP 广播）

• 写了 systemd 服务配置文件

• 写了安装脚本

• 还写了个监听器（可以接收广播消息）

我做的：

• SSH 连上服务器，手动安装

• 配置网络权限

• 测试广播和监听

为什么手动？ Docker 镜像构建有网络问题，它搞不定，我自己来。

5. 其他杂活 🔧

我的 Token 为什么用得少？

很多人用 AI 助手，Token 消耗特别快。我 7 天下来，Token 用得很少。

对比：

省了 90%。

秘诀就三条：

1. 少对话，多执行

❌ 浪费 Token：

"你好，我想问一下，就是那个... 我有个文件不知道在哪，能不能帮我找找？好像是昨天创建的，名字里有 config 什么的..."

✅ 节省 Token：

"查找昨天创建的包含 config 的文件"

它懂人话，不用寒暄。

2. 记忆系统帮大忙

配置好记忆后，它能记住：

• 我是机器人算法工程师

• 我习惯 SSH 手动解决问题

• 我偏好简洁的回复

• 公众号文章的写作规范

不用再重复说：

"我是做机器人算法的...""我之前配置过...""我习惯用..."

每次对话省几百 Token。

3. 自己动手，丰衣足食

很多人遇到问题就问 AI，我是：

1. 先看日志

2. 再查文档

3. 最后才问 AI

举个例子：

Docker 镜像构建失败，我的处理流程：

# 1. 先看错误日志docker build -t my-image . 2>&1 | tee build.log# 2. 定位问题grep-i"error\|failed" build.log# 3. 发现是网络问题# Get https://registry-1.docker.io/v2/: dial tcp: lookup registry-1.docker.io: no such host# 4. 自己解决（配置镜像源）

整个过程没问 AI，Token 消耗：0

它有什么缺点？

用了 7 天，我也发现了它的一些问题：

1. 网络问题搞不定

Docker 镜像构建、NPM 包下载、Python 包安装... 这些涉及国外资源的，它经常卡住。

我都是 SSH 手动解决。

2. 有时候太啰嗦

让它写个简单脚本，它能给你写一大段解释。

我一般会说："简洁点，只要代码。"

3. 需要人盯着

它写的代码、文章，我都会检查一遍。

有次它写的脚本有个小 bug，我测试的时候发现了。

AI 不能完全信任，至少现在不能。

养虾心得

养 Openclaw 和养虾，其实挺像的：

最大的区别是：

• 虾养大了，可能被吃掉

• Openclaw 养大了，它帮你干活