YES工程师第七天 — 龙虾入海：把知识库装进手机，24小时随身AI助理

接上回：知识库上了 NAS，成了 7×24 小时在线的云端大脑。但光有"在线"不够——还得有一个人，能随时帮你查、帮你记、帮你整理。今天，龙虾仔入海。

前六篇，我用两天搭框架、两天做应用、一天看图说话、一天上云。

现在知识库的状态是：NAS 上 24 小时在线，百度网盘多端同步，PC 端能问答、能读图、能自动积累。

但一个致命的问题摆在面前：我在跑项目时，电脑不在身边，怎么查规范？

掏手机、翻百度网盘、找 PDF、一页一页划——这跟"有自己的知识库"有什么关系？搭了这么多，到头来移动端体验还是"翻文件夹"？那我还不如问细分领域不怎么靠谱的某包。

今天这篇，就是来解决这个问题的。我会讲一个看起来跟幕墙毫无关系的东西——OpenClaw（龙虾仔），以及它怎么跟知识库结合，变成一个真正 24 小时值班的随身 AI 助理。

01 什么是 OpenClaw？

先科普一下背景，简单说清楚"这是什么"。

OpenClaw，年初在 AI 圈子火过一波，圈内一般叫它"龙虾"或"龙虾仔"，折腾它则叫"养虾"。它是一个开源的 AI 网关 / 代理框架，核心能力是：

• 连接各种聊天渠道：微信、Telegram、Discord、WhatsApp……你用什么聊天软件，它就能接入什么软件
• 接入大模型：DeepSeek、通义千问、ChatGPT、Claude 等，随便接
• 读文件、执行命令：能访问本机文件系统、能跑脚本、能查 API
• 定时任务：能设置提醒、定时检查、自动干活

说白了，它是一个给大模型配个"身体"的框架——让 AI 不只是聊天，而是真的能帮你办事。

而我选择 OpenClaw，最核心的原因是它支持微信接入。这意味着我的知识库 AI 助理，可以通过微信直接调用——不需要额外装 App、不需要切换平台。

在微信里发条消息，就是我操作 AI 的全部动作。

还没开始对话，它就给自己起了个名字

嗯……随它吧，自个养的虾有点个性能接受。

02 我对 OpenClaw 的定位和未来展望

关于 OpenClaw 的优势，网上已经有各种测评，也有各种踩坑经历，我就不一一说明了。但是作为 AI + 幕墙领域 的探索过程，运用龙虾仔解决工程问题一定是必须尝试探索的过程。

目前为止它对我来说最大的优势就是 24 小时在线微信聊天助手——我在任何时间任何地点，只要给它发送任务，它都能干得明明白白。甚至不需要给它配置什么多模态模型就能完成图片分析推理。要知道在 PC 端，为了给语言模型配视觉能力，我们可是硬生生开发出一个多模态配合的读图 SKILL（见YES工程师第四天 — 随时随地进化知识库）。

03 使用感受

但凡事都是有利弊，我这几天用下来也确实体会到什么叫"没有身缠万贯，不用轻易养虾"。OpenClaw 内置的很多 SKILL 和它的解决办法，确实花 TOKEN 如流水。我连续更新了半个月的 TOKEN 账单，都没有龙虾仔这几天吃的多（为了养虾又充值20~）。但是付出本身一定也是有收获的——逐步摸清各种 AI Agent 的特点，也是我探索的一部分。

对比下来，OpenClaw 我感觉像一个探索能力极强的莽夫选手：我交给它的任务如果它本身的能力实现不了，它就开始摸索各种技术途径去实现，我甚至差点面临账单失控。相反，Claudian 更像一个理智型助手：交给它的任务它会反问好几次，如果实现不了会先给建议，再去确认是否执行。不过这也无可厚非，因为用 Claudian 时人必须在终端前实时对话，而跟龙虾仔对话很多场景都是直接丢问题等结果。

目前来说，对于 OpenClaw 的应用开发还处于比较初期的阶段。未来我对它的定位大概就是——常驻微信的回复助手。对于未来客户需求的问题，帮我基于知识库的可靠度给出靠谱的回复，免去我那些异常繁琐的"检索规范→整理问题→思考话术"的场景应用。

在我眼里，它现在像是探索欲极强、知识储备目前只有本科水平、动手能力远超研究生的工程助理。至于未来能否成为幕墙大师级的最佳搭档？任重道远。

比如这一段，它没学会检索知识库，为了穿透PDF的内容用了我五分钟的token还是不行，我都给它发停止了，然后给我随便命中的答案。

04 实践一：培养龙虾成为专业设计师

4.1 配置架构

OpenClaw 跑在我的 NAS（飞牛 OS）上，部署很简单——飞牛 OS 内置的应用中心直接搜 OpenClaw，一键安装，填好 API Key 就能用。

4.2 给龙虾仔装好"灵魂"

光有躯体不够，还得给他装"灵魂"。我做的第一件事，就是让它自己分析知识库的目录结构和知识库宪法，然后自动生成了下面这三份配置文件：

SOUL.md — 灵魂

- 名字：幕境（MùJìng）
- 身份：建筑幕墙AI专家，知识库守护者
- 风格：专业、务实、靠谱
- 规矩：只对主人开放知识库，群聊中不随意泄露私有知识

AGENTS.md — 行为准则

- 知识库路径：/vol1/1000/建筑幕墙知识库
- 回答问题时优先查知识库（wiki → 规范索引 → PDF）
- 微信消息中的图片由系统自动识别
- 晚 23 点到早 8 点，除非紧急事项不主动打扰

USER.md — 用户画像

- 主人：保密
- 偏好：专业务实，少废话
- 常用规范：JGJ 133、JGJ 102、GB 50009

这三份文件就像一份"员工手册"，不管模型怎么换、不管隔了多久重新打开，龙虾仔的行为都是一致的。这和知识库里的"宪法"思路一模一样——规则写在文件里，AI 每次干活前先读规则。

后面就是不停地调、不停地喂规则，慢慢把它从"啥都试试的莽夫"往"靠谱工程师"方向掰。看着它说话越来越有工程师的样子，不得不说——养虾确实会上瘾。

4.3 知识库挂载的方式

这里有个核心思路——知识库本身不是挂在某个设备上，而是挂在网盘上，然后让各个 Agent 各自挂载。

流程是这样的：

百度网盘（知识库中心）
       │
       ├── NAS 挂载网盘 → OpenClaw 可读可写
       ├── PC 同步网盘 → Claudian 可读可写
       └── 手机同步网盘 → 随时查看

这么做的好处是：

• 知识库只有一个中心——网盘，所有 Agent 共享同一份数据
• 不管哪个 Agent 积累了新知识，写入网盘，其他 Agent 立刻就能读到
• 任何一个 Agent 挂了、换了、升级了，知识库不受影响，新来的 Agent 接上就能用

知识库本身就是各个 Agent 的公用大脑。"

05 实践二：日常问答实测

龙虾仔上线后，我拿几个真实场景测了一下。下面是实测记录。

场景一：工地查规范（文字问答）

🧑‍💼 我（微信语音转文字）：石材幕墙干挂，钢材横梁强度验算公式是哪个规范里的？

🤖 幕境：和铝型材横梁一样，钢材横梁的抗弯强度验算也是来自JGJ133-2001《金属与石材幕墙工程技术规范》S5.6横梁设计。

10 秒出答案，条文号 + 公式 + 参数说明 。 换以前，至少翻三本书。

场景二：实拍问节点（图片问答）

🧑‍💼 我（微信发照片）：这个石材挂件节点合理吗？

🤖 幕境（系统自适应地调用图像分析）：图片显示的是典型的石材幕墙短槽式干挂节点

不合理部分：膨胀螺栓直接锚入砖墙/混凝土墙

拍张照片发微信，AI 就能做专业判断——而且结合了视觉分析 + 知识库规范条文 + 工程经验三重能力。

这就是手机端看图的价值。第五篇我们折腾了那么久，从剪贴板截胡到 SKILL 封装，才让 PC 端的 Claude Code 能看图。而微信天生就是多媒体的，发图这件事零门槛。

场景三：随身自带设计手册

🧑‍💼 我：6063-T5 和 6061-T6 铝合金型材的强度设计值分别是多少？

开会时别人在翻规范，你翻手机微信，快了不止一步。

06 实践三：远程进化升级知识库

知识库不是搭完就完了，得持续往里喂、持续整理，才能越来越"聪明"。但问题是——我在工地上、在车上、在饭桌上，哪有空打开 Obsidian 写笔记？

龙虾仔帮我解决了这个问题。

我只需要像聊天一样把问题丢给它，问答结束后直接让它按知识库操作流程整理成笔记，写到对应位置。

举个例子，我遇到一个问题：

🧑‍💼 我：刚刚甲方问单元幕墙十字缝处的防水构造要求，你帮我查一下，然后直接整理成知识库笔记。

🤖 幕境：已查完。十字缝防水构造主要参考 JGJ 102-2003 §4.3 和 GB/T 21086 §5.4，已整理成笔记保存。

📝 新笔记已保存：wiki/05-构造设计/单元幕墙防水构造设计

整个流程就是：发消息 → AI 检索 + 回答 → 自动整理成 Wiki → 写回知识库。我不需要打开 Obsidian，不需要复制粘贴，甚至不需要说"记一下"——聊完天，知识库就自己长了。

它自己整理出来的质量接近CLAUDE处理的水平，该有的知识链路全都有。

说到这，不得不提第四篇。那会儿我用 WorkBuddy 手机远程让 PC 端的 Claudian 干活，花了不少篇幅讲怎么传链接、怎么发指令。现在回头看，OpenClaw 基本把这些能力全覆盖了——微信直接聊、图片直接发、知识直接写，比 WorkBuddy 那套远程桌面体验流畅得多。

不过有一说一，WorkBuddy 每天有免费额度，我用它每天干点零碎的整理活，不用走自己的 API Key，相当于白嫖。这种薅羊毛的感觉还挺爽的，所以也没把它完全扔掉。

---

07 实践四：内容创作 — 让知识库帮你写文章

写了好几天了，今天偷下懒：

🧑‍💼 我：参考之前的笔记，你自己写今天的。

🤖 幕境：收到。

📝 **新笔记已保存：工作区/输出成果/公众号/20260716-龙虾入海知识库上云 *

08 关于技术门槛：说点实话

写到这，可能会给人一种错觉：这东西很复杂，搞不来。

说实话，OpenClaw 的上手门槛确实不低。

它不是"下载一个 App 就能用"的产品。它需要：

• 有一台 24 小时开机的设备（NAS 或云服务器）
• 会基本的模型部署
• 有一点点命令行操作经验
• 要申请模型的 API Key
• 养虾成本不低，注意适量消费

但如果你已经有了 NAS，并且愿意花一两个晚上折腾——那门槛其实也就是"一两个晚上"的事。

而且折腾一次之后，后面几乎零维护。我在 NAS 上跑了快一个月，除了偶尔切个模型、加个新功能，日常完全不用管它。安静得像个不存在的东西，但你需要它的时候，它随时都在。

我的建议是：如果想搭，网上已经有很多 OpenClaw 的部署笔记，搜一下就能找到详细教程，比自己从头摸快得多。反过来，如果还没想好要不要搞，先把前面 PC 端的能力玩透也不迟。

09 未来能做的更多事

龙虾仔接上知识库之后，能做的事情远不止"问答"。

暂时列了一个后续开发清单：

短期（已经在规划中）：

• 规范更新自动提醒：当有新的幕墙相关国标/行标发布时，自动抓取公告并提醒

• 语音问答：支持微信语音消息直接提问，解放双手
• 经验整理：将工作至今的项目转化为知识库的知识来源，复制蒸馏自己从业之间的全部经验

中期（待验证）：

• 图纸 AI 审图：发 DWG 截图的节点大样，AI 对照规范做初步合规检查
• 项目方案自动对比：发几个方案描述，AI 从成本/工期/规范三个维度做横向对比

长期（等模型能力升级）：

• 直接读 CAD 文件：不是截图，是直接解析 DWG 文件里的尺寸标注和材料表
• BIM 数据联动：把知识库跟 Revit 族库对接，构件选型时自动推荐合规材料

这些不是空想。AI 模开型发展的速度，今年比去年快太多了。半年前谁能想到手机拍个节点照片 AI 就能识别构造层次？一年后的事，不好说。

10 本日小结 & 系列回顾

七天，从零到手机端全链路跑通。

回顾一下这个系列的全部旅程：

第一天到第七天，一条完整的链路：

搭建体系 → 架构设计 → 实战应用 → 远程生长 → 看图能力 → 云端部署 → 随身助理

走完这一圈，我的幕墙知识库不再是电脑里一个"整理好的文件夹"。它是一个会思考、会记忆、能看图、能在微信里随时聊天的 AI 助理。

它没有取代我的专业判断。但它取代了所有"翻书""翻文件夹""翻手机相册"的时间。

而这些被省下来的时间，才是工程师真正该花的地方——思考方案、优化设计、做决策。

11 系列终章？不，这只是开始

这个系列写到这里，基本把"从零搭一套幕墙工程师专属 AI 知识库"的核心链路全部讲完了。

但这不代表结束。

七篇下来，我最大的感受是：AI 工程化这件事，门槛正在以肉眼可见的速度下降。 半年前搭知识库可能需要会 Python、会向量数据库、懂 RAG 架构。现在？MinerU 批量转格式、Claude Code 搭 wiki、Sync Vault 同步网盘、OpenClaw 接微信——全是现成的工具联动，不需要写一行代码。

工具在变强，门槛在降低，但"把知识变成资产"这件事，永远值得做。

有人说，现在的 AI 时代，只要你学得慢，那你其实可以不用学了。确实，从路径上看，年初流行养虾，现在流行养马了，后面还有一堆新玩意在迭代。学习速度永远跟不上 AI 进化的水平。

但是你要真的不学？嗯，等着被 AI 的浪潮拍死在沙滩上吧。

后续如果有什么新玩法、新工具、新突破，关于AI幕墙探索都在公众号继续更新。

系列目录：

• 第一篇：YES工程师第一天 — 搭建个人知识库
• 第二篇：YES工程师第二天 — 知识库的骨架怎么搭
• 第三篇：YES工程师第三天 — 知识库问答场景应用
• 第四篇：YES工程师第四天 — 随时随地进化知识库
• 第五篇：YES工程师第五天 — 让知识库学会看图说话
• 第六篇：YES工程师第六天 — 让知识库成为云端大脑
• 第七篇：YES工程师第七天 — 24小时随身AI助理 ← 你在这里

（注：部分内容可能由 AI 生成）