openclaw怎么做量化

上期视频，我们用 cloud bot 写了一个双均线策略，很多朋友还嫌不过瘾，在评论区问能不能让 ai 自己看行情，自己做决策，自己下单。 今天我们就来挑战一下这个终极目标，搭建一套完全自动化的 ai 交易系统。有些朋友还是害怕直接只用 cloud bot 交易，风险太大，所以我们设计了一个更安全的架构。 cloud bot 作为大脑，负责采集数据、分析、新闻 生成交易信号。发明者量化平台作为双手，负责接收信号，执行交易管理风控。这样既发挥了 ai 的 分析能力，又有专业平台的安全保障，还能实时监控和复盘，我们直接开干。 在动手之前，我们先把整个系统拆解一下。第一个模块是数据采集，让 cloud bot 用浏览器自动化的方式访问目标币种的实时价格和。这里我们以 coin gecko 举例，读取当前价格、 二十四小时交易量，还有页面上的新闻动态。第二个模块是决策分析， ai 会整合实施新闻，判断整体情绪是立好、立空还是中性，然后给出买入、卖出或观望的建议。 第三个模块是信号执行，把决策打包成 j 层格式，通过 http 请求发送到发明者平台，触发实盘、机器人下单。三个模块串联起来，就是一套完整的 ai 交易闭环。 cloud bot 的 核心是指导语，相当于给 ai 写一份详细的操作手册。我们来看这份指导语的结构。首先是数据采集部分，告诉 ai 打开目标币种的页面，需要读取当前价格、二十四小时交易量这些字段。 然后是新闻分析部分，要求 ai 滚动页面找到新闻区域，读取最新的三到五条新闻，整合成一条信息汇总并判断整体情绪。接着是决策逻辑部分，定义什么情况下买入，什么情况下卖出。比如新闻情绪整体正面交易量放大就考虑买入，新闻情绪负面 出现风险信号就考虑卖出。然后是输出格式，要求 ai 生成一个标准的 jason， 包含 b 种时间戳、价格、交易量、新闻汇总、情绪判断、交易决策和决策原因这些字段。 最后是执行动作，把这个 jason 通过 http post 请求发送到发明者平台的 api 接口，并且把每次操作记录到本地的 trade diary csv 交易日记文件里。当然，这份指导语是通过多次测试完善的，测试通过之后，我们就把它打包成一个 skill， 设置定时任务，自动执行 ai 的 决策。有了，现在需要发明者平台这边来接收并执行，这里面包含完整的接收消息和风控的代码。我们来看主要逻辑，首先通过 get channel data 函数监听指定频道，获取 ai 发送过来的 json 信号，然后解析信号内容， 根据 coin 字段动态设置交易对接着判断 trade decision 字段，如果是卖出就执行卖出，如果是观望就只记录不操作。 这里有几个重要的细节，第一是资金检查，买入前会检查余额是否足够，卖出前会检查币是否足够。第二是止损，风控代码里设置了止损比例，当价格触及止损线时，会自动执行反向操作，控制风险。 这套代码模板我们已经公开，大家只需要在 clubbot 里创建符合自己需求的交易信号，按照规定的 jonbot 里发送，配置好实盘 id 和 uu id 就 可以直接使用了。 光跑交易不够直观。我们还做了一个可视化仪表板，一共四个表格。第一个是权益概览，显示出使币数、出使 u 数、出使权益以及当前币数、当前 u 数、当前权益还有盈亏金额和百分比， 绿色表示盈利，红色表示亏损。第二个是止损监控，显示最新一笔交易的类型、交易价格、当前价格、价格变动、百分比、止损线位置和当前状态，让你实时知道距离止损还有多远。 第三个是当前 ai 信号，显示最新收到的决策内容，包括币种价格、新闻汇总、情绪判断和交易建议。第四个是最近十条交易记录，包含时间、币种、执行操作、成交价格、交易数量和决策原因。 四个表格组合在一起，整个系统的运行状态一目了然。所有模块准备就绪，我们来做一次完整测试。 ai 自动采集数据，生成一条交易信号，接收里包含币种、时间戳、价格、交易量、新闻汇总、 情绪判断、交易决策和决策原因。信号通过 http 请求发送成功。发明者平台这边立刻收到了解析出交易对检查资金充足执行交易操作。仪表板同步更新权益表格里的数据，变化了止损监控表格显示当前状态、交易记录，表格里多了一条新记录， 整个链路跑通了，从 ai 决策到实盘成交，全程自动化，没有任何人工干预。接下来只需要在 cloud bot 后台设置定时任务，系统就会按照设定的时间间隔自动执行，真正实现无人止守的 ai 交易。 这里要特别提醒大家， i 的 决策只是参考，不能完全依赖它来投资。虽然我们加了止损机制，但市场瞬息万变，任何策略都有失效的时候，建议大家注意风险，先用模拟盘或者小资金测试。 回顾一下今天的成果，我们成功搭建了一套 ai 自动交易系统， cloud bot 作为大脑，负责采集数据和分析决策 发明者平台作为双手，负责执行交易和风控管理，两边通过 http 接口打通，完全不需要人工钉盘。更重要的是，交易日制可以反馈给 ai， 让它不断优化决策逻辑， skill 本身也可以持续迭代，添加更多数据源。 当然，目前的模型还比较粗糙，只是提供一种思路和玩法。如果你有好的想法，欢迎在评论区提出，下期我们继续探索更多玩法，记得点赞关注我们，下期再见！

上次有朋友在评论区反馈，说我们的交易策略很粗糙，确实如此，上期视频的目的主要是帮大家打通 openclaw 和发明者平台的链路，今天我们来点真格的。就在这两天， btc 突然暴跌了百分之三十，市场一片恐慌，但这恰恰是某类策略的狩猎时刻。 平台很早之前有一个专门吃恐慌盘的策略叫韭菜收割机，核心逻辑是追涨杀跌加仓位平衡，在极端行情下效果特别好。但这套代码太老了，当年是给 okson 写的， 那时候交易所领手续费，策略跑的风生水起。后来交易所开始收手续费，高频交易的成本一下子上来了，策略就失效了，一直在硬盘里吃灰。 最近 lighter dx 这类新一代链上订单部交易所出现了具备完整的限价单和试价单功能，关键是零手续费， 这让我眼前一亮，当年策略失效的核心原因就是手续费，现在这个障碍没了，而且极端行情下，市场会出现大量非理性挂单，比如滑点容忍度拉满的试价单、恐慌性的低价限价单。这正是韭菜收割机策略的猎场。 于是我们想把老策略迁移过来，但手动重写太慢了，需要适配新的 api 函数，并且进行测试优化，估计得搞好几天，于是决定让 ai 全程干活，我们只负责监工。 我把三样东西喂给了 openclo， 第一是原策略的 gitup 仓库地址，让 ai 自己去读源码。第二是 lighter dx 的 api 文档。 第三是发明者平台的 api 函数文档。然后我提了三个需求，迁移到发明者框架，适配 light 接口，保留追涨杀跌和仓位平衡的核心逻辑。 ai 先是分析了原策略的代码结构，识别出了趋势检测和仓位平衡两个核心模块，然后一次性输出了完整的量化代码。全程我一行代码都没手写， 代码有了，我们先跑个回测验证一下。在发明者平台配置 btc 币种，使用实盘级别数据进行回测，结果出来了，收益率负百分之一点一二，显然不太满意。我把回测结果反馈给 ai， 让它分析原因并进行优化。 ai 很 快定位到两个 bug， 第一是趋势检测函数，把当前价格和自己比较，相当于永远在触发信号。第二是熊市判断条件写反了。这些 bug 量化新手看代码很难发现，但 ai 结合回测数据，一下就定位到了。 定位到问题之后， ai 不 仅修复了 bug， 还主动提出了参数优化建议，原来的突破率值是百分之零点一五， ai 建议调到百分之零点二。仓位平衡区间从百分之四十八至百分之五十二放宽到百分之四十五至百分之五十五， 减少不必要的调仓，还加了一个平衡间隔参数，每三十个 tick 才检查一次仓位。我们让 ai 输出优化后的 v 二版本再跑一次回测，虽然还是亏损，但在有手续费的回测环境下，这个结果已经合理多了。要知道原策略当年可是在零手续费的环境下跑的， 光有策略还不够。我还让 ai 加上可视化功能，方便实盘监控。 ai 设计了一套完整的仪表板，包括实时的策略图标和监控策略状态的表格，这些可视化代码也是 ai 一 次性生成的，我只是提了需求而已。 代码和格式化都准备好了，现在上实盘，在发明者平台创建一个新实盘，选择 light 模拟交易所，点击启动，可以看到实盘已经跑起来了。整个过程从我提出需求到策略上线，跑实盘一共用了不到两小时。 以前这种迁移工作，光理解老代码就得半天，更别说重写和调试了。策略上线只是开始，后续还需要持续监控和优化。我在 opencloud 里设置了两个定时任务，第一个是每小时监控， ai 会自动打开实盘页面，记录价格、仓位、净值、收益这些关键数据， 如果发现异常，比如策略停止或者大幅回撤，会立刻通知我。第二个是每日报告，每天 ai 会生成一份运行报告，包括当日收益、交易统计、风控指标，还会结合当天的市场行情给出策略优化建议。 回顾今天的实操经历，真的颇有感慨。发明者搭配 ai 的 这套组合，把从量化灵感到策略正式上线的周期压缩到了极致。 面对 btc 暴跌这类行情窗口稍纵即逝的场景，这份敏捷能力本身就是实打实的 alpha。 当然， ai 生成的策略并非万能，实盘上线前一定要通过模拟盘充分测试，做好全流程的风险控制。 如果手里有闲置的老策略，不妨试试让 ai 助力复活。最后想说说，我们也清楚，当前相关技术仍未成熟，但我们始终在探索一条路径，一条通往量化交易更多可能性的路径。 当下一次机会的大门开启时，我们至少已站在门外，我们下期再见。

cloud bot 一 夜爆火，这是一个运行在本地电脑的开源 ai 助理，短短几天内， github star 数量直线拉升，已经超过了十二万。本期视频我们带来一个 cloud bot 的 全面攻略，看看 cloud bot 比起其他的 ai agent 有 什么特色。 我准备了十几个案例的玩法大全，还会介绍一个接入飞书加国产模型的方案，让 cloud bot 在 国内网络也能顺畅使用。视频开始之前，先插入一个小插曲， 由于 cloud bot 受到 ansorepic 法务团队的压力， cloud bot 先是改名成了 motbot， 现在又改名成了 open cloud。 爬爬虾做视频的速度还赶不上它改名的速度，所以本期视频我们还是统一叫它最开始的名字 cloud bot。 cloud bot 功能跟 cloud code 和 open code 都有点像，都可以处理文件编码、调用 skills、 m c p 等等帮我们处理工作。 cloud bot 的 最大优势是可以接入各种聊天工具，也就是我们即使出门在外，手边没有电脑，只需要在聊天工具里面给 cloud bot 留个言， cloud bot 就 能自动干活，还能把屏幕截图、执行过程等信息实时同步过来，非常的方便。第二个优点是， cloud bot 自带了强大的定生物系统， 只需要用自然语言就能创建定身舞，比如可以创建一个临时的提醒，还可以定时检查收件箱通知等等，它可以智能地判断事情的紧急程度，选择是否用聊天工具跟用户进行沟通。比起传统的指令执行、指令执行这种固定的流程， cloud bot 就 具有了很强的主观能动性。 它的第三个优点是具有长期记忆，可以把记忆作为文件存储在本地，在日常的对话中能够搜索，并且把相关的记忆捞回上下文，随着日常使用，它还会主动去更新这些记忆文件，会有一种越用越聪明的感觉。好，我们先在本地把软件安装一下， 任意一个能运行 note g s 的 环境都可以部署 cloud bot。 我 最推荐就是使用 mac 或者 linux 系统的家庭服务器。 现在最火的部署方案是使用 mac mini， mac mini 的 最大好处是 mac 系统有不错的桌面环境，这样可以很方便地进行截图、操作、浏览器等等。第二点是功耗比较低， 七乘二十四小时运行，比较省电。第三个优点是 cloud bot 里面许多 skills 跟 mac 生态是绑定的，没有 mac 电脑的话，可以选择 linux 操作系统，或者在 windows 里面创建一个 linux 的 虚拟机。操作步骤跟接下来是一样的， 我选择的安装方式是 node js， 我 们来到 node js 官网，把第一个命令复制一下，然后打开终端执行一下，接着是第二个命令，第三个命令， 这样 node js 就 安装完成了。下一步我们来到 cloud bot 的 官网，在这里有一个一键安装命令，如果我们使用官网上的一键安装命令的话，注意要区分现在软件的名字，比如现在叫 open cloud， 后续所有操作的命令都应该是 open cloud 开头了，这里我选择 npm 的 安装方式， 我们看到 n p m 这里命令还是叫 cloud bot， 所以 后续我输入的命令都应该还是 cloud bot 开头了。这样我把这个命令复制一下，粘贴到命令行窗口执行一下。安装完成，我们输入命令 cloud onboard 来进行初步化。第一步，先配置 ai 模型，因为我有 open ai 的 plus 订阅，所以这里我选择 open ai， 当然下面也有很多不错的国产模型可以选择。视频的后半段，我们再来配置使用国产模型。选择 open ai 以后，再选择第二个 chad gpt 登录， 登录一下我的 chad gpt 账户，这样 ai 模型就配置完成。默认模型我选择的工具是 whatsapp 视频的后半段。我们再来看如何绑定国产的聊天工具。我们打开手机上的 whatsapp 右上角三个点已关联设备，关联新设备，扫一下屏幕上的二维码，这样就绑定完成。接下来选择预装的 skills， 按空格键打上对勾选中，这里可以按需进行选择安装下面的这些 api k 可以 全部选择跳过，然后 ai 会询问我们一些关于人设方面的问题，我们回答一下，这样就配置完成。我说你可以给我的聊天工具发一个消息，我们看到手机上收到了消息，这样就完全配置成功了。 我们先来介绍几个基础命令的使用。输入命令 cloud bot gateway， 这个是启动主程序，我们可以通过关闭控制台来停止 cloud bot 的 运行。在 cloud bot 后台运行的时候，我们可以新开一个窗口， 输入命令 cloud bot t u i 就 可以进入这个控制台的对话界面。输入命令 cloud bot dashboard， 可以 进入一个网页版的控制台，在这里可以进行基础的对话。上面还有很多配置，可以管理定身舞，管理 skills 等等。输入命令 cloud bot channel logout， 可以 退出 cloud bot 上面登录过的聊天软件，然 然后我们再输入命令 log in， 就 可以重新登录一下，因为有的聊天软件可能隔几天就会掉线，我们可以使用这个命令重新登录一下。我们来看 cloud bot 最有意思的一个功能就是它的定身物，定身物赋予了 cloud bot 的 一些主观能动性，让它变得更像一个智能的 ai 助手。 比如我输入这个命令，提醒我两分钟以后关煤气。 cloud bot 回复我，好的，已经设定成功了。我们可以在网页版的控制台 crown job， 也就是定身五这个选项卡可以看到 cloud bot 为我们设定的定身五，这里显示两分钟后执行。两分钟以后，他就把这个消息推送到了手机上，提醒我去关煤气。 cloud bot 具有操作浏览器的能力，我们需要先在 mac 里面下载一个 chrome 浏览器，我要求 cloud bot 去 m i t 公开课下载 python 课程的课件，放到我的桌面，我们看到 cloud bot 自动打开了 mac 里面的 chrome 浏览器，找到了 m i t 公开课的官网，并且搜索 python。 他 找到了几门 python 课程， 回复了我课程的编号，让我选择这里，我选择第一个。他又在浏览器里面通过课程编号找到了这门课，并且下载到了桌面，然后我要求他把它解压出来，他调用了麦克的命令行工具完成了解压，然后我要求他把第一节课的课件发给我 这里可乐豹成功找到了课件，并且完成了发送，效果不错。接下来我们来看一个把浏览器自动化跟定生物组合起来的案例。爬爬虾，作为一个科技软件类的博主，需要经常查看 github 的 热点， 这里我告诉 cloud bot， 让他查找一下 gitap 上面的热点，然后做个中文简报发送给我。 cloud bot 生成了中文简报，接下来我说每天早晨八点你都做这么一个简报发送给我。 接下来 cloud bot 生成了一个定身舞，每天早晨八点都执行这个工作。我们可以在 cloud bot 的 控制后台查找到这个定身舞，每天早晨八点都会自动执行这个工作流程，发送给我简报效果不错。除了操作浏览器， cloud bot 还有图像识别等 ai 视觉方面的能力。 这里打开 mac mini 的 设置隐私与安全设置录屏与系统录音，我们在这里搜索终端两个字，给命令行终端添加上录屏和录音的权限。接下来重启一下 cloud bot， 我 在手机里面说，请给现在的 mac 截一个图， mac 电脑当前的图片就发送到了我的手机上，可以实时的对状态进行监控。 目前为止我们依赖的是海外的聊天工具。接下来我们把 cloud bot 接入飞书，让他在国内的网络也可以顺畅使用。我们先来到飞书开放平台，点击创建企业应用，填写一个名字与描述。接下来点击左侧添加应用能力， 选择机器人。然后我们来到权限管理，点击添加权限，总共需要添加屏幕上这些所有的权限。 接下来来到版本管理与发布，填写一个版本号，点击发布。我们回到 mac 终端，输入第一个命令，安装飞书插件。第二个命令，配置 app id， app id 可以 在飞书开放平台凭证与基础信息里面找到， 把 id 粘贴到命令行里面执行一下，然后配置 app secret， 同样在凭证与基础信息里面找到同样的，把 secret 放到命令里面执行一下，下一个命令，开启飞书 channel。 最后第四个命令，把链接方式改成 web socket， 然后我们重启一下 cloud bot， 这里我总结了需要执行的几个命令，有需要的观众朋友们可以截图保存一下。回到飞书开放平台，在事件与回调这里选择长连接，点击这个铅笔，点击添加事件，然后勾选接收消息，最后点击顶部的创建版本， 我们再提交一个新的版本，这样飞书就配置完成了。在飞书的手机 app 里面，我们可以找到开发者助手，然后点击打开应用这里我打一个招呼，你好，飞书有一个非常可爱的机器人正在输入的表情，我问他现在几点了，这里给出了回答。然后我让他给麦克截一个屏， 告诉我需要先在控制台跟他对话一次，开通权限才可以截屏。这里我们来到麦克上面的控制台，跟他对话一次，允许截屏，这样截屏完成。我们看到飞书也同样可以传递文件传递截屏。我们把聊天方式换成了国内平台 ai 模型，同样也可以换成国内平台。 cloud bot 的 作者推荐使用 mini max， 这里我们来到 mini max 的 开放平台左侧，选到接口密钥，然后创建一个 apikey， 然后我们打开 mac 的 控制台，输入 cloud bot config 来配置一下模型，选择 mini max， 然后我们把刚才创建的 mini max api k 填写进来，一路回车就配置完成。来到 cloud bot 的 控制台，输入命令斜线 models， 然后我们可以选择 mini max 模型， 选择完模型以后，我们再重启一下 cloud bot， 这样模型就切换完成了。 cloud bot 的 强大之处在于它内置的 skills 可以把各种第三方的生态接入进来，比如这里的 g u g skills， 可以 把谷歌邮箱、日历文档等功能都接入 cloud bot。 我 们点击这个安装按钮，这里要提醒一下大家，安装的时候要把 mac 系统更新到最新版，否则有可能会失败，这样一键就安装完成。 来到谷歌 cloud， 我 们在左侧菜单找到 api 与服务，选到 o o 四权限请求页面，创建 o o 四客户端应用类型，选择桌面 app。 然后我们把生成的这个 json 文件保存下来，把文件拖拽进 cloud bot， 告诉他配置一下 g o g 的 认证，然后我们登录谷歌账号，并且授予权限，这样就完成了配置。接下来我让他看看我的邮箱里有什么邮件，让他总结一下。 这里 ai 提示我需要再开通一个 gmail api 的 权限，我按照它的提示把权限开通完成，它就可以读取到我的邮件了。接下来我让它把所有的邮件移动到垃圾箱，这里也成功完成了。我在手机上让 cloud bot 帮我发送一封邮件， 我们看到邮件可以成功发送，我让 cloud bot 设置两分钟一次的心跳检查，如果有发现新的邮件，就发消息通知我，我给这个机妙邮箱发送一个邮件来测试一下。这里 cloud bot 成功给到了通知，我让他总结一下邮件内容，他也完成了总结。 ai 助手对接其他生态，一个重要的渠道就是 m c p， 我 们可以在 skills 里面找到 m c p porter， 把这个 skills 安装一下。接下来我告诉 ai 用 m c p porter 来配置一个百度地图的 m c p， 我 把这个 m c p 的 说明文档贴给了他。 ai 提供了三种安装方案，我选择 streamable h d d p。 他同时要求我提供百度地图的 a p i k， 把这个 a p i k 复制一下粘贴给他，这样就完成了配置。他已经可以使用这个 m c p 查询到地理位置的坐标了，这样我们就配置完成了，我们也可以在手机里面使用，我让他查询一下从青岛太平角公园到崂山羊口景区怎么走， 这里成功给到了规划路线，效果不错。我们再来看一个 skills 的 使用，这里有一个 skills 叫做 coding agent， 它可以驱动本地的 codex， cloud code、 open code 等 ai 编程工具 直接进行编程。这里我们先把这个 skills 安装一下，我在 mac 电脑上登录了我的 codex， 接着我在手机上跟 ai 说调用 codex 创建一个贪吃蛇的游戏，我们看到程序就编写好了，这样我们就通过 cloud bot 驱动 codex 完成了一个程序的开发。

最近 cloud bot 在 ai 圈子里彻底火了，这个能够直接控制你电脑的 ai 助手让很多人第一次感受到了真正的人工智能助理体验。 作为一个量化交易爱好者，我第一时间想到的问题是他能不能帮我搞量化。今天我们就来实测一下，把 cloud bot 和发明者量化平台结合起来，看看能擦出怎样的火花。 首先来搞定安装，这里我们使用 macos 系统，安装非常简单，只需要一行命令，剩下的步骤按照官方文档操作即可。 安装成功后进入 dashboard 界面，这就是我们和 ai 助手沟通的主界面。当然，我们也可以通过飞书、 whatsapp、 slack 等多种渠道进行沟通，并且支持文字和语音方式。这里看到 ai 的 回复，就代表我们的私人助手正式上线了。 激动的心，颤抖的手，话不多说，直接上难度。我给 ai 下达了第一个任务，帮我写一个双军线量化策略， 这是最经典的入门策略，原理很简单，短期军线上穿长期军线叫金叉执行。买入短期军线下穿长期军线叫死叉执行。迈出选这个策略是因为逻辑清晰，非常适合用来测试 ai 的 代码能力。 指令发出后，帕鲁就开始工作了。首先他自动打开浏览器，进入发明者量化平台，找到策略编辑页面， 然后开始生成代码，整个过程非常丝滑，可以看到他完全理解发明者的 api 函数，代码结构也很清晰。先定义参数设置，短期均线周期设为五，长期均线周期设为二十， 每次交易数量零点零一个。接着定义了获取均线数据的工具函数，主函数里完成图表初步化，用一个无限循环持续获取 k 线数据，计算指标，执行交易逻辑，还加上了可式化展示 策略。写完后， ai 还主动给出了详细的代码逻辑解释，对新手非常友好。 代码写完了，接下来让 ai 帮我做回测，我告诉他选择必安交易所 btc u s d t 交易队日级别 k 线周期。 ai 收到指令后，自动切换到回测页面，开始配置参数，结果第一次运行报错了。我正想着怎么办，没想到 ai 自己就发现了问题，主动修改了代码中的一个语法错误，然后重新提交回测，这次顺利跑通了， 但结果嘛，说实话有点惨淡。不过 ai 随机自动生成了一份回测分析报告，列除了收益、最大、回测胜率等核心指标，并且还分析了典型的亏损交易，还给出了优化建议。 回测结果不理想，那就让 ai 来优化。我提出了一个复杂需求，更换交易所和交易品种， 同时调整均线周期参数，看看能不能改善表现。这个任务涉及多个步骤的联动操作， ai 开始执行后，首先根据上一轮回测结果提出了具体的优化思路，然后回到策略编辑页面进行修改，把交易所换成 okx 交易对改为 e t h u s d t， 均线周期从五和二十调整为十和五十。更让我惊喜的是，它还主动加入了 a t r 波动率过滤和动态止损逻辑，这些都是我没有明确要求的内容，修改完成后自动重新回测，最后还生成了新旧版本的对比分析， 并给出了进一步优化的建议，比如考虑提高仓位、优化参数和逻辑、多品种组合等。这些建议都很重肯，说明 ai 确实理解量化交易的基本逻辑。最后一个小任务，让 ai 把今天的测试过程整理成一份文档， 它很快生成了一份完整的报告，包括策略说明、代码解析、回测结果对比和优化建议。 这份文档就是我们今天实测的完整收获，整个过程 ai 基本都能独立完成，确实让人印象深刻。 客观评价一下 cloud bot 在 量化场景的表现，作为量化学习助手，它绝对是合格的，但它不是万能的， ai 写的策略也不可能一次性完美，该踩的坑一个都不会少。优势方面，二十四小时待命，随时帮你查看策略状态、修改参数和代码逻辑， 大大降低了编程门槛。不会写代码，也能体验策略开发的全流程，遇到问题能够自我纠错，有一定的自主解决能力。局限方面，不能替你做投资决策，策略好不好最终还是要人来判断。网络延迟有时会影响操作体验， 整体感觉很像现在的智能驾驶，大多数情况下都能应付，但关键时刻还是需要人工介入。不过话说回来，量化的应用场景远不止今天展示的这些，还有很多玩法值得探索。如果你也在用 cloud bot 或者正在学量化，欢迎在评论区聊聊你的体验和踩过的坑， 后续我们会继续用它探索更多量化内容，感兴趣的话记得点赞关注，我们，下期再见！

大龙虾这波热度呢，让所有云厂商都卷了起来，基本上都出了自己的云端部署方案，今天我就用阿里云带你跑一遍，十分钟拎包入住云端版的贾维斯 open club。 说实话，本地装不是不行，但你得折腾环境配依赖，还得自己对接模型 a p p。 对 普通人来说呢，直接劝退 好。首先，我们打开阿里云的清凉应用服务器页面，在镜像这里呢，直接选择 multi boot， 他 已经把运行环境打包好了，你不用自己装任何东西。 配置的话，镜像要求最低是两盒两 gb。 地域呢，随便选，国内国外都行，国内因为有网络 bgp 优化会贵的，这里我选择国际型。确认好我们的地域， 这里我选择新加坡，因为我不是新用户啊，新户价格首次还会更便宜，最低九块九，一个月六十八块钱呢，就能直接包一年， 或者像我这样直接想尝尝鲜啊，先购买一个月，确认这些都没问题之后，点击立即付款。付款后呢，等服务器启动，服务器起来之后，进控制台，你就可以看到我们买的服务器了。点击进入我们的服务器详情页，你可以看到这里面一共需要三步，我们挨个执行就可以。第一步啊，放通端口，页面上有个一键放通，点一下就可以。 这要是你自己部署啊，这一步我估计会卡住很多人。第二步，配置我们的 api key， 还有生成 token， 这里需要跳转到阿里云百联平台，在密钥管理里创建一个 openclaw 专用的 key， 复制过来粘贴执行。 第三步，获取专属链接，点执行命令，它就会给你分配一个专属的链接，记住这个链接啊，后面点进去就能直接进入 opencloud 控制台了。到这一步啊，整个部署呢，就算完成了。看到了吗？就这么简单，一共三步，除了等服务器创建的那几分钟啊，实际动手操作呢，用不了五分钟， 完全不用碰触任何的命令。行，你就可以拥有一个自己专属的大龙虾，而且只花了一顿饭钱，这比你去买 mac mini 简直省太多了，也不用担心关机断电这些问题。那怎么验证跑起来了？你可以直接在控制台里跟他对话， 也可以像我这样呢，接入钉钉，做一个钉钉的机器人，直接在手机上艾特他，因为模型默认是帮你接入了千问三 max 的 最新版本，推理更强，都是对话呢，你的 ai 助理呢，依然会在后台帮你联网查找资料， 整理信息。那怎么能玩一些更复杂的自动化任务呢？网上其实已经有不少博主做了详细的教程，阿里云官方呢，也写了教程文档，想要的呢，我可以发给你，感兴趣的可以自己去研究。 成本上还要说一下，模型调用呢，是单独计费的，轻度玩玩呢，基本是可以忽略的。但如果你想做一些复杂的任务呢，还是建议去百炼平台购买这种扣丁 plan， 也就是固定月费可用的 token 额度呢，会更多，也更划算。所以以后这种拎包入住的云端化，才是未来 ai 普及的正确姿势，你们觉得呢？快去试试吧！

交易党狂喜，不用懂复杂代码，就能搭一套 ai 全自动交易系统 openclaw 当搭脑分析行情，发明者平台执行下单还自带止损保护，彻底告别人工钉盘，两步就能搞定！ openclaw 先让踩及时实价格分析新闻情绪， 生成标准化交易信号，再用发明者平台代码接收信号，自动执行买卖百分之五止损加踏空保护，双保险余额不足还会自动提醒。格式化仪表板实时监控盈亏， 定时任务设置好每十分钟自动跑一次， ai 自己看新闻、看趋势做决策，交易日制还能复盘优化，不管是 btc 还是其他币种，小资金测试稳了再加大投入，安全又省心。想解锁税后收入， 赶紧跟着教程大系统从数据采集到风控全搞定，交易小白也能当量化大神，这波 ai 交易红利别错过！

上期视频，我们用 openclaw 完成了策略代码的迁移和上线，但今天我们介绍一个更实用的应用，搭建一个完善的交易系统。 我们都知道市场行情在趋势和震荡之间来回切换，我们很难准确判断当前是什么状态。趋势策略放在震荡式里会反复止损，来回打脸，网格策略碰上单边行情又会深度套牢，这个痛点相信做量化的朋友都深有体会。 所以今天我们来做一件更有意思的事，搭建一个能自动判断行情切换策略的智能系统。 在这套系统里， openclo 扮演的是决策大脑的角色，他要完成一个完整的闭环，首先是感知， 通过 m c p 协议读取发明者平台的实盘状态，通过文件系统读取鱼情新闻。然后是思考，根据我们定义的规则分析市场情绪，判断当前是恐慌还是贪婪，是该追趋势还是做网格。最后是行动，调用 api 启停对应的趋势或者网格策略，把分析报告推送给我们。 这样一来源本需要我们盯盘分析，手动操作的事情就变成了 ai 自动化，我们只需要定好规则，剩下的交给它。 明确了思路，我们来看需要准备哪些东西，主要是三块，第一是 m c p 配置，让 openclaw 能连接发明者平台，这个待会详细说。第二是消息渠道，我用飞书，如果你不熟悉飞书，机器人怎么配？没关系，直接问 openclaw， 它会一步步引导你完成配置。 第三是发明者平台上对应的实盘策略，鱼情采集工作流和两个交易策略，一个趋势，一个网格 先搞定 m c p m c p 是 一种让 ai 调用外部工具的标准协议，通过它 open core 就 能获取和控制。发明者平台的试盘配置流程是这样的，首先在发明者平台的账户设置里申请 api 密钥，然后获取平台提供的 m c p 协议地址。 拿到这两样东西后，打开 openclaw 的 配置文件，把服务器地址和认证信息填进去。配置完成，我们来测试一下，让 openclaw 执行获取实盘列表的命令，可以看到，返回了账号下所有实盘的信息， id、 名称、运行状态、累计收益都有了。 这说明 openclaw 和发明者平台已经打通了 make c p 通了。接下来在发明者平台准备策略和数据源。先说策略，我在自营策略库里挑了两个，一个是多品种超级趋势策略，用 atr 指标判断趋势方向，趋势来了就顺势开仓，适合单边趋势行情。 另一个是专业网格交易策略，在设定的价格区间内低买高卖，适合横盘震荡。这 两个策略的试用场景正好互补。但注意，我们不是同时开两个石盘，而是让 openclaw 根据市场情绪判断当前适合哪个，只启动相应策略。所以先分别创建好石盘，放着备用 再说。余情数据员，我在平台上部署了一个余情采集工作流，他从九个 r s s 数据员定时抓取加密货币相关的新闻快讯，保存成 jason 文件，每条新闻包含标题、时间和摘要。后续 openclaw 会分析这些新闻的关键词进行情绪判断。 渠道和策略都准备好了，现在要给 openclaw 布置具体的任务了，在这份指导语中定义了 ai 每次执行时应该做什么， 我们来看具体关键点。首先是决策定义，实盘配置，然后是核心执行流程以及余情分析规则，接着是最核心的决策矩阵， 根据余情信号以及策略收益进行不同策略切换的抉择。最后还有日制格式报告模板、定时任务和飞书通知配置这些，搭建了一个完善的任务执行流程。 指导语写好了，上线之前，我们先手动跑一遍验证效果。出发执行后，可以看到 openclock 依次完成了这些动作，读取实盘状态、余情分析、决策执行，最后生成一份完整的分析报告并发送到飞书， 整个流程完全自动。我们看一下报告，情绪指数、重大事件、策略收益、本次决策和原因都清清楚楚， 手动测试没问题，现在让它自动跑起来。在 openclaw 里创建一个定时任务，执行频率设为每小时整点，设置完成后，每小时整点， openclaw 就 会自动醒来，进行设置好的操作，从此策略管理变成全自动。我们再也不用纠结当前到底是什么行情，该跑哪个策略了。 系统跑起来之后，我们不可能一直坐在电脑前盯着，这时候移动端的价值就体现出来了。每次定时任务执行完， openclock 会把分析报告推送到飞书，打开手机就能看到，相当于有个 ai 分 析师每小时给你汇报一次市场情绪和策略表现。 在地铁上，在吃饭时随时能掌握系统运行情况。当然，有时候我们等不及下一次定时报告，想立刻知道情况怎么办？直接发消息问就行。比如我发一条查看一下实盘收益。 open call 收到后，立刻调用发明者接口，返回两个策略的最新状态，包括是否在运行，运行了多久，累计收益多少，今日收益多少。这种双向交互让整个系统非常灵活，不只是被动接收报告，而是随时可以主动了解情况。 还有更实用的玩法，比如我发现趋势策略跑了一段时间一直没开仓，我就发消息问策略，长时间不开仓有什么优化思路？ openclaw 分 析了一下，给出建议，不开仓通常是因为 atr 通道太宽，价格没有突破趋势线触发信号。 建议把 atr 周期从十调到十五，让指标更平滑。把 atr 乘数从三调到二，让通道变窄，更容易触发。 我觉得有道理，就回复暂停实盘，按这个调整一下参数。 openclock 收到指令后，先调用 api 暂停策略，然后自动打开浏览器，进入发明者管理后台，找到参数设置面板，调整 atr 周期和陈述的滑块，点击保存。 整个过程我只是问了一个问题，确认了一下建议，剩下的全是 ai 自己完成的，这才是真正的智能助手。 好，我们回顾一下今天做的这套系统，核心是用 open call 解决趋势和震荡行情难以辨别的痛点。 通过 m c p 连接发明者平台获取实盘数据，通过余情工作流感知市场情绪。用指导与理的决策矩阵自动判断该跑趋势还是网格策略，用定时任务实现自动执行，用消息渠道随时接收报告和发送指令。 当然，这不是一个完美的框架，可以优化的地方还有很多，但今天的重点是给大家展示各种工具的组合应用方式，希望能帮助大家理解这些工具怎么配合使用，在此基础上做出更多更好的创造。我们下期再见。

掏出手机，打开飞书，给 oppo klo 发条消息，读取桌面上的财务数据，点 c s v， 生成实时化的分析报告，保存为 word， 发送给我回车，不到两分钟，一份包含专业图标的分析报告就发过来了。 再来发消息，帮我打开招聘网站，搜索 ai 产品经理职位，整理前二十个职位信息发给我回车，他真的打开了我家电脑的浏览器，自动爬取数据，整理成 excel 发过来了， ok， 搞定了， 还没完，发消息，去 archiv 下载最近一个月 a i a 软件弄文，写个中文综述发送给我回车，弄文自动下载，自动总结， word 综述直接生成。 ok， 同样搞定了， 甚至还能帮我排版。发消息，把刚才的中竖排版标起三号，黑体居中正文字小四送起，行距二十三磅，首行缩定两字母，回车， word 文档瞬间变得规规整整，学术论文格式一键搞定。 发消息，查一下， get 今日热榜，做个简报发送给我回车，不到一分钟，技术热点简爆发过来了， 不是爱瞎编的，是真的去 github 爬了数据，最离谱的来了，发消息，根据我今天电脑操作记录，帮我写份工作日报。回车日报自动生成的，以后可能我们再也不用熬夜写周报了。 这些操作全都出于最近火爆全网的 oppo klo， 一 只住在你电脑里的 ai 智能企。今天我就手把手教大家在 windows 上部署，并且呢接入飞书 配置完成后，你在公司、在路上，甚至是在马桶上，都能用手机来遥控我们家里的电脑来干活。点好收藏关注赞， let's go！ 首先简单介绍一下 open collo 是 什么来头？它一开始叫 collo 的 boat， 后来呢改名 motboat， 现在呢又叫 open collo。 简单来说，它是一个运行在你本地电脑上的开源 ai 智能体。那么它最厉害的地方在哪？第一呢是能接入聊天工具， 飞书、 tony graham、 whatapp 等都能接。在外面呢发条消息，我们家里的电脑呢，就开始干活，还能把截图执行过程实时地同步给我们。 第二呢是定时任务系统，你跟他说每天早上八点帮我查 gitlab 热榜，做个点报发送给我，他就真的每天执行，比闹钟还正确。 第三是长期记忆，他会记住你的习惯和偏好，越用越聪明，越来了越懂我们。第四呢是能操作电脑， 读写文件，操作浏览器，调用系统功能，无所不能，听起来是不是很心动？那么我们现在呢，正式来开始配置，在安装欧风肯唠之前呢，我们需要做一些准备工作。 首先呢来安装 node js， 我 们访问 node js 的 官网，根据我们的系统下载正确的版本，大家双击安装移动 nex 就 行了。安装完成之后呢，我们 windows 加 r， 输入 cmd， 然后输入 node 空格杠 v 回车，如果显示版本号，就说明我们安装成功。接下来我们来安装 git， 访问 git 官网，然后点击下载最新的版本，同样双击安装移动 nex， 我 们打开命令行窗口，输入 git 空格杠杠 word， 然后回车，显示版本号呢，也就表明我们安装成功。 接下来呢是配置 power shell 权限。这一步很多人会遇到坑， windows 呢，默认会拦截安装脚本，我们在搜索栏搜索 power shell， 然后右击以管理员身份运行，输入这条命令 回车。我们来查看一下当前的权限。如果我们的 current user 呢，显示 restricted， 说明的系统呢？不允许运行脚本，我们需要修改它。我这里呢之前是已经修改输入这条命令回车输入 y， 也就是 yes， 我 们再来查看一下权限，这样呢，权限就改好了。最后呢，我们需要一个 ai 模型的 api k， 这里呢推荐大家使用 mini max 国产模型。我们访问 mini max 的 开放平台， 大家注册登录进入我们的用户中心，然后点击左侧的 codeignite， 然后点击复制我们的 apik 作为备用。准备工作完成了，现在呢，我们来正式安装 openclock。 打开 openclock 的 一个官网，我们来复制 windows 的 安装命令，接着打开 power shell， 粘贴命令回车。这个一键安装脚本非常方便，它会自动地把我们搞定所有的依赖。 安装完成之后呢，会进入初步化的配置流程。第一步是安全确认，我们使用方向键，选择 yes。 回车继续安装方式呢，选择 quick start 回车，接着回车。 这里呢，会让我们选择模型提供商。我们选择 minx， 然后回车，我们选择 minx m 二点一，然后粘贴我们刚才准备的 minx 的 api k， 选择默认模型。在配置通道这里，我们先选择 skip for null， 稍后呢，我们再来配置飞书。接下来是配置 scale， 同样呢，我们先选择呃 skip 谷歌 api k， 这里我们选择 no。 接下来是配置 hooks， 我 们按空格呢三个都全选，然后回车继续配置。完成之后，我们新开一个 power shell， 然后输入 opencloud getaway 启动之后呢，会提示我们本地访问地址， 你直接复制粘贴，这样我们就进入呃风可到的一个网页端，大家首次执行的话可能会有报错，我们需要执行另外一条命令，新开一个 power shell， 然后执行这条命令。 如果我们页面右上角显示 hirs ok 呢，就说明已经连接成功。这时候呢，你可能会发现我们发送消息依然不理我们，或者是一直在转圈，这大概率是 mini max 的 api 地址没配对。 openclaw 默认用的是国际版的地址，国内呢，和海外版是不一样的。如果你用的是国内版的 mini max 呢？执行这条命令改完之后，我们再来重启一下 openclaw， 我们再试试发消息，这样我们和 opencloud 就 能正常对话了。好，现在 opencloud 已经在我们本地跑起来了，但重点来了，我们要让它接入飞书，这样呢，我们才能在外面用手机来遥控它。 首先我们打开飞书的开放平台，点击创建企业自建应用，填写一个名称， 比如 opencloud bot， 再填一个描述，点击创建，然后点击左侧的添加应用能力，选择机器人，点击添加。 接下来我们来配置权限，点击左侧的权限管理，点击开通权限，我们在搜索栏搜索图片上的所有权限，然后勾选这是我们开通的权限， 然后点击左侧凭证与基础信息，把 app id 和 app secret 复制出来。待会儿我们要用点击左侧的版本管理与发布创建版本，我们填一个版本号， 然后点击保存，确认发布。现在我们来回到 power shell 来安装回收的插件， 我们需要执行了以下的命令，这里呢，我们需要将自己的 app id 以及 secret 进行替换，我们依次执行。 当然，我们也可以在 opencll 的 页面呢，让它帮我们自动地进行执行。配置完成之后，我们来重启 opencll， 我们点击左侧的 channel， 如果显示这样的一个页面，就表明我们的飞书已经安装成功。现在我们来回到飞书的开放平台。还有最后一步，我们点击左侧的事件已回调， 选择事件配置，点击铅笔图标，选择长链接，然后点击添加事件，我们输入接收消息， 然后勾选接收消息。 v 二点零这里呢，我已经添加。 最后呢，我们再来创建一个新的版本来发布创建版本，然后确认发布，这样我们飞书配置才算完成。我们打开飞书，点击开发者小助手， 点击打开应用。现在我们来发送一个。你好，如果我们收到回复，恭喜你配置成功了。从现在开始，你在外面发消息，家里的电脑呢就能自动干活了。 配置完成了，那 oppo 可乐到底能干什么呢？我给大家准备了十个案例，直接呢在飞书里发消息就能使用，大家可以自行测试。 好了，以上就是 open clone 在 windows 上的完整部署教程，以及接入飞书的全流程。 配置完成后，你就拥有了一个二十四小时在线的 ai 助手，它住在你的电脑里，随时听候你的叫，遣你在外面发条消息，它就能帮你整理文件，分析数据，写报告，下载视频，甚至呢帮你写周报。 真的强烈，大家呢去试一试那种远程让电脑自己干活的感觉，真的是非常爽，我把详细的文字教程放在了评论区，大家照着做就行，如果这期内容对你有帮助，记得点赞收藏关注我们下次再见，拜拜！

哈喽，今天一分钟学会让 open call 帮我们做电商选品分析来看效果。上期视频有讲怎么把 open call 接入飞书，今天我们 来实测一下，这里我让他根据我的销售数据库解锁分析出某个价格区间的高潜力爆款商品。那我这一个做表格其实含 盖了十九个数据表，包含答案、带货数据、直播带货数据，而且单张数据表就有几百条记录。然后我们打开 open call 的 工作台，它可以直接读取多表格里的所有数据表和所有的字段信息，比如关联直播、短视频、商品售价、商品链接、店铺信息、销售区间等等 都能识别到。那这里有个点要注意，上期视频有提到，当 opencar 执行不同的任务，需要开通对应的权限。 ok， 那 如果他需要去读取多表格，那我们就需要在飞书开放平台的事件配置里提前授权，在授权之后，他就能正常读取多表格并执行分析。我们来看一下出错结果， 他已经从所有的商品中筛选出符合条件爆款，还附带了完整的分析理由。 ok， 那 除此之外，我们还可以让 opencar 根据竞品 价格做对比分析，也可以针对单个品类做深度分析，直接就能算出单品的利润和 i y。 那 我觉得这一套方案目前最大的优势就是，如果我们的业务数据是沉淀在飞书的，就可以直接调 open call 来执行，因为目前很多外部的 模型通常只能分析本地文件，还不支持和飞书直接打通，基本的思路就这样好了。以上本期视频内容，觉得有用的话给我点赞关注，咱们下期见，拜拜！

最近为大家做了多期 openclaw 相关的视频，而且昨天我还发了一期 openclaw 的 高级用法的视频。但最近我发现几乎每期视频的评论区都会有留言提到 openclaw 调用 cloud code 会非常消耗 token。 因为在之前的视频中，我有为大家演示过，用 openclaw 来调用 cloud code 进行编程开发，我们只需要为 openclaw 全程操作 cloud code， 为我们实现编程开发。 但是我们如果采用传统的方式，也就是常规的方式让 open cloud 直接调用 cloud code 的 话，那么 open cloud 每隔几秒就会轮循一次，检查一下 cloud code 的 状态以及 cloud code 的 输出。使用这种传统方式的话， open cloud 必须时刻盯着 cloud code， 所以 openclaw 就 会消耗非常多的 token。 所以 我发现在评论区大家抱怨 openclaw 调用 cloud code 会消耗更多的 token。 因为大家采用的是这种常规的传统方式， 所以 openclaw 要采用不断轮询的方式来查询 cloud code 的 状态，也就是 cloud code， 它执行的任务越久，在 openclaw 中它轮询的次数就越多，所消耗的 token 也越多。 所以我们可以完全不需要用这种传统的方式直接让 opencloud 来调用 cloud code。 因为无论是 opencloud 还是 cloud code， 它们都非常非常的灵活，所以越灵活就越强大，就越有利于我们去自定义一些功能，从而轻松解决用 opencloud 调用 cloud code 的 时候， 产生大量的 token 消耗。尤其是 cloud code 在 前几天新增了 agent teams 这个新特性，因为 agent teams 相当于在 cloud code 中随时可以创建一个完整的开发团队， 而且每个 agent 呢都是独立的进程，所以是真正的并行执行，而且每个 agent 之间还可以相互通信，还能共享任务列表，能自动认领，还能实现专职角色分工，比如说负责开发前端的 agent， 负责开发后端的 agent， 还有负责测试的 agent。 所以在 cloud code 中有了 agent teams 这个最强大的新特性，在 open cloud 中就可以更加轻松地向 cloud code 委派任务，让 cloud code 全自动完成整个开发工作流。 想让 open cloud 以更节省 token 的 方式来调用 cloud code， 其实非常简单，我们只需要用到 cloud code hux 功能， 在 open cloud 中可以结合 cloud code 的 hooks 功能，真正实现调用 cloud code 进行自主开发，并且能够实现真正的零轮询，而且还能非常节省 token。 当开发任务完成之后， 我们还能在聊天软件的群组中自动接收到任务完成的通知，包括实现的是什么任务， 项目存储的路径，还有耗时，还有 cloud code 的 agent teams 是 否已经起用，还有具体完成的功能，还有项目的文件结构等内容。下面我们就看一下我是如何通过 cloud code 的 hux 来实现了整个流程。 下面我们先通过这个流程图，让大家更直观的感受一下在 cloud code 中通过 hux 回调来实现的整个步骤是怎样的。 首先是由 opencloak 将我们要开发的任务委派给 cloud code， 像这个委派只执行一次，而且它是后台运行，不会阻设 opencloak 的 对话窗口和它的主 agent。 当 cloud code 接到任务之后，它就会进行自主开发还有测试，当任务完成之后，它就会触发 stop 事件。 第三步就是 cloud code 中 hooks 自动触发，它会先将执行结果写入到这个文件中，然后再发送 wake event 来唤醒。 open cloud 在 这里采用了 stop event 以及 session end event 实现双重保障，来保障在聊天软件中，我们能够真正收到它的任务完成的通知， 然后 opencll 就 会读取这个文件中的这些结果和状态，当它读取完这些结果和状态之后，它就会回复给我们，也就是通过我们的聊天软件来回复给我们这些状态。 像这个流程的话， opencll 只在给 cloud code 派发任务的时候调用一次 cloud code， 然后这中间的流程不需要 opencll 参与。在最后这里， opencll 再读取一下这个执行的结果，并且将执行结果发送给用户。 所以在第一步， opencloud 只是给 cloudcode 下发一个任务，它下发任务的过程所消耗的 token 几乎可以忽略不计。在最后这里，它只是读取一下结果，将处理结果发送给用户，而且这个结果里的内容非常少，甚至不超过一千字， 所以在最后一个步骤，它所消耗的 token 也几乎可以忽略不计。在 cloudcode 的 自主完成这个任务的过程中， opencloud 不 需要对 cloudcode 进行轮询。 好，下面为大家讲解一下我是如何实现的。在 cloud code 中通过 stop hook 来达到任务完成自动回调的效果。在刚才也提到了我们使用了 stop hook， 还用到了 cloud code 的 session end。 下面我们简单看一下为什么要用到这两个 hooks。 在 cloud code 中一共有十四个 hooks， 之所以我们选择这两个， 是因为我们构建的这个工作流，在 cloud code 中，它完成开发之后才会触发这个 hooks， 所以 使用 stop hook 作为主回调，就可以保证 cloud code 的 真正完成开发时才会触发。在这里我们还用到了 session and 作为兜底回调， 也就是假设 stop hook 它没有触发成功，还有这个 session and 它能够作为兜底。像这样的话，我们就能够真正保证 open cloud 向 cloudcode 发送一条开发任务，然后 cloudcode 独立运行。在 cloudcode 独立运行的这个过程中，它并不会消耗 opencloud 的 上下文。当 cloudcode 完成开发后才会触发 hux， 然后我们的聊天软件就会收到通知， 下面我们就可以看一下具体的代码。在这个代码中，我们先看一下这一个脚本，它的作用就是将要开发的任务来写入到这一个文件中，然后再通过这个脚本来启动 cloud code。 当 cloud code 完成开发后，这个 stop hook 就 会自动触发，然后就会调用这一个脚本，我们可以点开看一下， 这一个脚本就会将任务发送给 openclaw， 所以 这个自动回调流程，它会读取这两个文件里的内容，并且写入到这一个文件，然后 openclaw 就 会将这些信息推送到我们的聊天软件，这样的话我们就能够实现 在 open cloud 中向 cloud code 下达开发任务，然后由 cloud code 自主完成开发。当完成开发之后再触发这两个 hux， 最后我们的聊天软件就会收到推送通知。好，下面我们可以先用一个简单的开发案例来测试一下。在主 a 选项这里，我们直接在对话框中输入我们的任务， 我是为了是用 cloud code 的 a g and team 协助模式构建一个基于物理引擎还有 h t m l c s s 的 带材质系统的落沙模拟游戏，然后我们直接发送，看一下这个效果， 这里很快输出提示，它已经将这个任务派发给 cloud code 的 agent teams。 这个开发模式就是调用 cloud code 的 agent teams 多智能体写作，这里还给出了这个工作路径，然后这里它提到完成后会自动通知到群里， 像这样的话，这个主 agent 的 线称并没有被阻塞，它还可以继续为我们执行其他的任务。比如说我们在这个主 agent 中继续输入任务，比 比如说让他查询新加坡今天的天气，然后我们直接点击发送，看一下最终的效果。像我们如果采取传统的方式在 open cloud 中来调用 cloud code， 在 主 agent 中必须等到 cloud code 真正完成开发之后，这个主 agent 呢才会继续执行我们的其他任务。 像我们采取了现在这种方式，这个主 agent 的 进程并没有被阻塞，所以我们让他查询新加坡的天气，然后这里他就很快查询了一个天气，然后我们还可以继续输入其他人物，比如说讲个笑话，然后这里他就很快输出了一个笑话。而 cloud code 在 后台完全是自主运行，不需要我们去干预， 然后我们只需要等待 cloud code 完成之后，将完成后的消息推送到这一个群组里就可以了。之所以设置为将完成后的消息单独推送到一个群组，是因为我们在这个 agent 中可能还在进行其他任务的操作， 比如说让他讲个笑话，他在讲笑话的时候突然多出来一条任务完成提示，这样会导致这个上下文窗口比较混乱，所以我们就将他完成后的这个消息推送单独推送到一个群组里，这样的话就不会占用这个主 a 智能的这个聊天窗口。在这个群组里我们就看到了这个消息推送，我们点开群组 查看一下，在这里我们就看到了这个任务推送，这里提示 cloud 的 任务完成。这里是开发的这个游戏，然后这里是游戏的路径， 在 cloud 的 code 中使用的就是 agent teams， 这里就是给出的项目文件，然后这里它还推送了第二条消息，这里还给出了完成时间大概六分钟，然后这里还包含一百八十四个测试通过， 然后这里就是给出的交付，然后这里还给出了这些性能，下面我们可以输入提示词，让他将代码文件打包发给我，这样的话我们就可以在本地打开进行测试，因为我的 open cloud 是 运行在云端的 好，这里他将为我们开发的这个项目文件发送给了我们，这里还提示解压后在浏览器中就可以打开使用，然后我们直接点开，然后我们在浏览器中打开看一下这个效果，就是他开发的这个落沙游戏，我们可以先测试一下，我们选择这个沙子 好，这样点击之后这个沙子就落在了底下，然后我们再点击这个水 好，可以看到水落在了沙子上，然后我们再给它加一把火，可以看到这个火会往天上飘，再给它加一些木头， 然后再给它加一些蒸汽，可以看到这个蒸汽飘到木头上会变成雨。像这样的话，我们就真正实现了在 open cloud 中调用 cloud code 进行开发。大家就不用担心在 open cloud 中调用 cloud code 非常浪费。 token， opencloud 所消耗的 token 几乎可以忽略不计，哪怕我们不在电脑前，也可以通过手机向 opencloud 下达开发指令。当完成开发之后，我们就可以在群组中查看推送的这些消息。

你如果用这个 open cloud， 肯定会消耗很多 token， 那 最好的方法就是用免费的模型，这里它就会支持 onigravity。 千问还有 open code， 咱们这里就教一下怎么设置这个 onigravity。 用它里边的免费模型装上了之后就 out bought config， 这里边就点选 logo， 这里边儿选 model， 这个再选里边儿的模型。因为 onigravity 是 谷歌的，所以这里边儿选谷歌，选 onigravity。 当然你可以选这个 google gemini c l l， 这个也是因为 gemini c l l 也是免费的，但是 onigravity 它有更多模型，包括 cloud code 的 模型，还有 gemini 的 模型，所以这个 咱们选 onigravity， 它会跳一个网页让认证，所以这里你就选你的谷歌账号儿就可以了。 三音这很快就认证成功了，就可以选模型了。这里它选的模型比较多，所以就会需要一直往下拉， 它在谷歌 on the gravity 里边往下走，走走走，这是 coco 的 get up， 对， 这里就是大家可以看到谷歌 on the gradient。 我 这里边是把谷歌 on the gradient 下边的模型全都选了之后选，直接按空格就可以选和反选， 选完之后按那个回车就可以选定了，这里话直接跟 t 钮，然后它结束之后就可以自动地使用 anti gravity 模型了。这样 clubbot open cloud 就 可以免费使用 anti gravity 里边的 cocoon 了，就不用自己买 cocoon。 当然你可能配置完之后想选自己的首选模型，因为 integrative 里边儿有很多模型，咱们可以在这里边儿配置。在这个尼加目录点 cloud bot， cloud bot， 点 jason， 我 这里边儿直接打开，咱们就往下走，这里边儿你可以看 a 阵词，下边儿这有一个 default， 这就是你默认用的模型，这里有个 primary， 就是 它首选的模型。就是啊， google on the gravity 里边儿这个 color whoops， 四点儿五 thinking， 这个比较慢，所以我想要把它改成 gemini flash 这个模型，咱们呢？ sun flash 对 这个模型会比较快，所以我想把它改成这个模型，当然你可以自己改，它就会首先尝试的模型是这个，如果不行，它会用 fallback。 这边的模型我现在已经改好了，之后我就可以保存重启一下 clubbot， 它就可以 clubbot play the gateway start， 我 又拼错，然后这就重启了，就可以开始用我新设置的这个 drama 三 flash 这个模型了。咱们看一下它具体的情况， 你就会看到你的模型已经开始用。呃，首选模型，这个有时候它算比较慢，但是总体来说它会遵循你的配置的。今天就到这来谢谢大家，希望可以帮到你们。

真正的个人 ai 助手，它来了，就这两天非常火的 cloud bot， 也就是最新改名之后的 open cloud， 它是最近 get up 上非常火的一个开源的 ai agent 项目， 呃，很短的时间里就有了十万星，在全球范围内热度都非常高，它本质上是一个本地运行的 ai 智能体框架，可以从系统层面直接操作电脑。而甚至搭建好之后啊，你可以用手机的聊天软件给你的电脑里的 ai 助手发布指令，让它帮你完成你的工作。 今天我就手把手教你如何用自己的 macbook 来搭建这个本地运行的 ai 助手 open clone， 方法真的非常简单，跟着做三分钟之内就能搞定。首先我们搜索 open clone 出来的结果，第一个就是我们直接点进去， 那接着下拉页面，可以看到一行命令，我们直接复制它，然后搜索，打开电脑上的终端，在终端里直接粘贴进去，点击回车，接下来我们等待就可以了， 这里会出现一个风险提示，我们选择 yes， 然后点 quick start， 然后接下来这个页面我们来选择模型啊，我这里选择谦问比较方便，它会弹出一个页面，让我们进行一个认证， 认证之后我们返回终端，选择 keep current， 然后接下来需要选择一个聊天软件，就是你手机跟电脑去交互的方式。第一个 telegram 呢，会比较方便一点，我们选择 telegram， 然后这里需要输入 telegram， 然后搜索 bot 发布这个频道。 进去之后我们点击 start， 然后我们选择最上面的 new boot， 接下来根据指示给你的 boot 进行命名，然后这里会给到你一长串的 boot token， 我 们复制这段 token， 然后返回终端里粘贴上去， 点击回车就可以了。接下来会问你要不要去装一些 skill 技能啊？这里可以随意啊，我们选择 yes， 然后选择 n， p， m， 然后在这个 skill 列表里，你可以根据自己需求去选择安装，直接跳过也是可以的。然后接下来提示你配置一系列的 a， p， i， 这些也都全部可以跳过的。 ok， 这里要装 hux， 那 这三个我们都给它选上啊。然后点击回车， 然后安装完之后，我们选择第一个啊，然后它会弹出自己的 web ui 来，那接下来在 web ui 里，我们跟 open curl 就 可以直接交互了，当然你也可以通过手机上的 telegram 跟你的电脑 ai 助手进行交互。 ok， 如果你觉得这视频对你有帮助的话，记得点赞双击加关注啊，接下来还有更多的 ai 干货。

各位家人们，这期视频我们来讲解 openclog 的 本地部署啊，然后呢，我们再接入一个飞书，然后我们通过飞书去操作我们的 openclog 啊，现在我们介绍一下 openclog 到底是个什么东西啊？ open openclog 呢，它原名叫做 club boat 啊，大家听这个名字就知道了啊，就是一个机器人 啊，是一个机器人程序啊，听起来挺好听的 club boat， 但是为什么改名叫 openclog 呢？原因很简单，因为这个名字呢，跟 isobik 旗下的大模型 club 啊，冲出了人家是大公司嘛， 就他连夜给他这个作者发了律师函，律师函的啊，就他这个律师函说这个作者连夜给他改了个名字啊，中间，中间起了一个过渡名字叫 motobot， 然后后面呢最终定为 open club， 那 么 open club 其实这个项目的最终名字了，那这个呢？其实是一个个人项目呢？这是个什么东西呢？这是一个 agent， 这是一个智能体对话的智能体啊，那我们可以给他指令，然后呢他可以回答，还能主动去操作我们的系统，然后整理文件，甚至呢自动编辑代码去完成任务啊，总之功能是很强大的啊， 有人说这个 agent 其实已经出现过太多太多 agent 了，为什么这个东西能够爆火呢？主要就是功能比较强大，它是一个部署在本地的 这么一个项目，呃，可以充当个人助手啊，去，你替你去操作这个电脑，那现在我们就来部署一下这个项目啊，部署这个项目呢，比较简单哈，我们如果说你用的是 mac 或者 linux 电脑的话，直接执行这样的一个指令就可以了，这是一个一键安装的奖本， 那如果是 windows 呢，你就这个样子啊，那么 windows 呢，可能会出现一些意外啊，因为毕竟来讲啊，就是 windows， 它还是一个以图形化操作为主的这么一个操作系统啊，就是说指令，指令这一方面啊，其实大元模型对它的指令呢，语料不是很多，不是特别的熟练，所以呢，有时候会出现意外， 所以我们建议还是使用这个 linux linux 系统或者 macos 系统来来去跑这个项目啊。如果说没有这个 linux 系统啊，大家可以装个虚拟机啊，在个人电脑上面装个虚拟机，那我电脑上面就是装的就是一个虚拟机啊，然后所演示的过程呢，就是用虚拟机来给大家演示啊， 你装一个 oppo 网，然后在里面装一个 open 处就可以了。另外其实你用一个虚拟机跑的话，其实更安全一些啊，因为它要获得比较高的权限，所以呢，你一不小心可能会把你电脑上的文件给删除了啊，那可能麻烦就大了，对吧，所以建议还是用虚拟机，先把 这个玩熟了之后，然后再去个人电脑上面，个人电脑上面去跑啊，那我们只需要执行这样一行命令就可以来就可以去进行啊，可以去安装这个项目了啊，帮我把这个命令，那我们可以到官网上面去复制一下这个，复制一下这里面 copy， 把它粘贴到这里面来，我们回车一下啊，这个它需要比较长的时间啊，因为这里面做的事情还是蛮多的。比较长的时间啊，另外加上我这里面做的事情还是蛮多的时间啊，另外加上我这里面做的事情，就不演示这个过程了哈， 我把这个过程呢记录下来给大家看一下，就当你之前玩那那好整点之后啊，没过段时间就会出现这个安装的过程，这过程呢，主要就是三步啊，第一步它会装这个 node。 这第一步啊，因为我们的这个项目本质上呢，就是其实就是一个一个 一个一个 node 项目啊，就是一个 top grid 的 一个项目，所以需要有这个 node。 然后呢，我们需要按住 git， git 呢，就是通过它去拉取这个 有个服务器上面的代码。嗯，接下来就是按住这个 open 啊，按住这个呢，好，安装完之后呢，接下来就各种选择了，就很简单各种选择啊，那这里选意思是 no 啊，其实这个是要确认一下你到底要不要去装这个东西，为什么呢？因为它有一定的 a rescue， 有 一定的风险啊，因为它需要获得比较高的权限，会有一定的风险， 默认选择 no 啊，这里选择 yes， 不 然到这一步就结束了啊。而且接下来就是一个快速安装啊，按快速的这个配置啊， quick start 啊，那么首先第一步就是配置我们的模型，因为它是使用大模型来进行做 规划的，那模型的主要大部分，大部分模型其实都是国外的模型模仿也有 special 啊，有部分是国内的啊， me max 月之艾米亲吻制服 a 啊，这个随便你怎么选啊， 我这边自己选的是这款 ai， 因为我有它，因为我有它的这个 open， 有 它的 api key 啊，你，当然你有哪一方面的，就是你有 memax 或者 v 上面的 api key， 你 就选择对应的就可以了，对应大模型就可以了啊，那么选择对应大模型之后，就是说我们选择完之后啊， 那么紧接着它会有一个会，会说你去输入这个 api key， 当然你可以在跳过，因为到时候我们会回过头来再去配置也可以啊。好，那配置完这个 api， 配置完这个大模型之后，紧接着就是 配置这个 channel， 就是 配置这个频道，其实就是我们要跟他进行你要听的这么一个一个一个社交软件，那社交软件基本都是国外的，都是国外的，到时候我们可以装一个飞书的插件，通过飞书来指挥它那设置，你们可以去跳过 skip now， 对， 那是跳过的意思，当前跳过， ok， 咱们解决下来就是各种各样的配置了，这里面你就按自就这，这里面就是很接下来的配置很随意了啊，比如 skills， 就是 要不要配置 skills， 当然你可以选择要不要装这个 skills， 这个后面配置也可以啊，当然你可以全部选 no， 也没关系啊 啊，这个不需要任何 skills 啊， ok， 然后这里全部就可以都跳舞啊，都可以啊，这里面选跳舞，然后 no 啊，都可以，都没关系的啊， 这里也可以跳过，这是有 hux， 这是一些歌子啊，歌子就是用来记录一些消息的，记录一些信息，记录日日的啊，记录记录一些绘画的啊，当然你这里面可以勾选啊，勾选，怎么勾选呢？非常简单，你移移动这个上，你去移动我们的键盘上面的上下键啊，就可以在上面，这个可以在上面键切换了，然后呢切到哪里你就可以点这个，点这个 space 就是 空格键啊，点这个 space 空格键啊，然后就可以选选中对应的目录了，那么选择之后呢，你可以多选，选完之后的话回车就可以了。 ok， 那 么点完这个到这里基本上转完了啊，回车之后，接下来我们就会看到什么呢？ 看到我们的，看到我们这个东西啊，就是看到我们的这个聊天界面啊，它会打开一个界面，这就是聊天界面，我们可以直接在这里面跟我们的 萝卜根根根根根根根根根根根根根根根根根 根根根根根根根根根根根根根根根根根根根根根根根根根根根根根根根根 碰飞书，点 c n 这个网站，然后接下来紧接着我们进入开发者获产，这个地方的获产进来之后呢，我们需要去创建企业资金应用，我这里已经创建好几个应用了，对吧？创建好几个了啊，我们再来创建一个，点进这里面创建就可以了，然后就企业描述，那你就企 业名，应用名称啊，你先写下应用名称，随便写一个，比如说叫 boom boom 啊，就是描述啊，吧啦吧啦，随便打一点啊，这里是应用的图标啊，点创建，创建，创建完之后，接下来我们去啊，我们去添加一些权限给大家。呃，看一些权限啊，看权限的话，我们这里面 是跟通讯相关的权限，我们点点这个权限的名称，这里面啊确认开通权限，然后就会，然后就会开通很多权限啊，开通权限之后呢，这里还有一个非常重要的东西，就是这个事件与回量啊，这里面定位方式，我们点保存啊，这里会出现一个应用未，等一下 点保存哈，就是我们使用常连接接收事件，你点保存的话，它会出现这么一个东西叫应用未建立常连接哈，应用未建立常连接什么意思？就是别没有人跟他连接哈， 这个时候怎么办呢？这个时候我们要回到我们的，回到我们的这个 linux 这里面来啊，就是我们这里面要去去配置一下，这里面就是我们要去跟跟我们的非输产生一个连接啊，那么这里面需要去装我们的插件啊，装我们的非输啊， open open close， 然后呢？把非输装这个插件，然后这个插件插件我就装好了，装好之后我就不再去装了哈。 啊？ ok， 那 么你装好，那么这里面我给大家演示一下怎么去进行配置啊？非常简单哈，我们使用 open globe 这个指令 let's configure， 这个时候就是配置我们的模型和我们的 channels， 嗯，这里面需要等待一下啊，稍微稍微等待一下，需要一点时间啊，这个就是很慢哈，就是感觉就是非常慢，因为它是一个用 script 写的这个项目，其实很慢啊。好，我们选择这个 look on machine 本地机器啊，选择这个会变相好，这里面会有 配置啊，这个时候我们就可以配置什么呢？可以配置模型，模型可以配置一下，就是如果当时没有设置模型的话，或者说模型后面要改换模型，是吧？这里面可以继续设置个模型。 ok， 比如说我们，呃设置一下自己，因为我们已经设置自己本了，比如说你这里面选择 memax， 那么这个时候你可以选择模型啊，比如说我们这里面选择我们的 mini max m i d e 啊，回车一下。好，那么这个时候呢就会输入我们的 mini max api 啊，把复制粘贴在这里就可以了啊，然后我这里已经配置过了，我就不配置了。好吧，我们现在 大家演示一下，就是模型怎么去进行配置啊？这个时候我们再再重新走一遍，我们来配一下我们的 channel， 就是 比较它就比较慢啊，需要等，然后我们选择 local 本地的哈，好，这里面我们选选择 channels， 那其实不仅 channels， 它的这个什么 has has check， 健康检测啊， skin 啊，都都可以配置啊，所以你前面如果说没有配好的话，没关系啊，没有配好没关系，然后我们重新再指向 comfig 这个指令，就可以再来配置它。好，我们这里面选择 channels。 好， 可以，这里面 好，那么这里面我们选择什么呢？拆这里面大家看一下啊，嗯，它默这里面啊 channel， 它这里面选择说的是 channel stat status， 就是 啊，我们的频道的状态啊，然后这里面呢是飞书 con contacted 啊，就是我们飞书已经连上了哈 啊，飞书已经连上了，但如果说是第一次的话，它会出现啊，飞书的这个配置啊，要你去输入这个，哎，这个，这，这个东西啊，叫什么呢？叫 a p id 啊，和我们的 a p script， 所以 在这你到凭证去寻找到 a p id 和我们的 a p script 啊，去配置就可以了，这是我现在因为之前配置过来已经配好了，对吧？配好了，所以呢，我这里呢直接跳过这个了啊，然后呢回车一下，我们回书啊， 啊？ ok， 那 么这个时候它就是可以修改这个配置啊，修改这个配置我们再来看一下啊，我们点 modify settings， 就是 修改这个配置。好，我们修改一下啊，我们点回车一下，修改一下啊，它说已经配置好了，它说飞书的这个已经配置好了，对吧？ 啊？需不需要保持它啊？如果说我们选择 no 的 话，就不保持，对吧？就会重新配置，所以我们这里选择 yes， 就是 说已经配置过了，我就不配置了，好吧， ok 啊啊，所以说域名 open， 我 们选择这个 open 的， 这里面记得选 open 啊，选这个 open 呢，就是开放所有的这个群组啊，如果说你选择 overlist， 那 么它是就是像是设置一个白名单一样啊，到时候需要你去配置这个一些群组啊，那就比较麻烦啊，直接选 open 就 可以了。好，那么这个时候又回到这个 select channel， 让你选择这个东西，对吧？啊？因为刚才已经选过了，是吧？选过了，这个时候我们点 finish 啊，就完成 啊，然后我们再什么呢？他说配置 pos 呢？那我们现在 no 啊，因为配置过了就不不配置了，对吧？好，那么现在我们选择 continue 继续啊， ok， 好， 现在就已经整个领域就跑完了，对吧？啊？整个领域就跑完了， ok 啊，就是我们再回到这边来哈， 回到这边来，因为他必须这个全世界也回到这个地方。你只有，只有什么呢？只有刚才那个东西，那个连接了之后啊，你这里面才能什么才能这里面选择保存的时候才有用啊，然后再添加一个订阅事件就可以了啊，是这样子的， 好了，现在我们因为我这个一切都已经配置好了，我再给大家，现在我们来演示一下啊，就是我们在飞书，我们通过飞书的这个机器人怎么去操作它啊？现在我们这里边，因为我这边已经启动好了，启动好的话，我这里面把它的这个聊天界面再打开一下。啊，现在我们打开那个聊天界面啊，打开那个聊天界面呢？我们可以选择我们的 open log 啊，选择这个布置一下来啊，然后这里粘贴一下， 就打开了个聊天面板，我回这一下啊，所以需要稍微等待一下。好，现在已经现在就打开了， ok， 它这里有个提示打开了啊，好，我们点击一下这里面， 对吧？先打开了是吧？好，打开，现在其实我们就可以跟他进行沟通啊，比如说我们随便搜个，呃， what's your name 啊？因为我这个打不了中文。 what's your name 啊？他说他没有名字啊， still don't have a name 啊，现在是没有这个名字，是吧？啊哈， ok， 这个是我们在 加上自然，你要在界面和他进行沟通啊，但这不是我们啊，最常使用的工具，最常的工具应该是我们的飞书啊，好，现在我们打开飞书的客户端啊，大家需要装个飞书的客户端啊，我们来演示一下，好吧。啊，这个飞书客户端啊， 就是他，我们这边就是你装完这个，就是你装完那个机器人之后啊，他会这里有一个提示给你啊， 啊，你是可以打开这，他会有个开发者小助手在这里面，他会有一个提示给你，你直接打开这个应用就可以了啊，打开这个应用就可以了，然后这里面出现你的这个聊天窗口啊，好，那么现在我们在这里问问题，好吧，在这个飞书这里面，比如说啊，呃，我就不问你是谁了，好吧，我就问一个非常简单的问题啊，就， 呃，就是说帮我读取啊，读取这个 source list 下面的内容啊，这个是用来配置这个进校语言的，我们来问一下，我们要他帮我们去把这个内容复制给我们看一下，好吧， ok， 帮我读取到 source list 里面的内容，他会不会回复我啊？遇到了非说 a p r 权限问题，需要管理员读取联系人信息啊？ 好， ok， 授权之后他给读了，他给我内容了，好吧，哎，这个是 social list 文件内容 啊，作为他说这个配置文件里面是 open two i 十二点四系统的软件员使用了阿里员的剑像。啊， 那你还可以干其他的事情啊，你还可以用它去做其他的事情，比如说打开这个浏览器，打开这个百度啊，都是可以做的啊，那如果说你给它装了这个 skill 之后，还可以做一些更专业的事情啊，都是可以做的。好，那么关于这期视频我们就到这里面啊，下期视频我们再见。

这周我们烧了十亿多的 token， 在 openclaw 上大概就是一千五百美金吧。呃，但是我觉得非常值啊，因为我们终于 figure out， 怎么去管理一个 ai agents 团队， 所以如果你是一个艺人公司，或者你想用 ai 来管理协调你的整个团队的话呢？那请看完这条视频，因为我们已经帮你省下了一千五百刀的学费。 整个 a i a 阵子团队的协调枢纽和核心呢，就是最近这个特别火的 openclaw， 他 只要被调教好了，就是一个非常完美的项目经理。但也像所有刚招进团队的同事一样， openclaw 本身并不是一个开箱即用的 数字员工，我们需要去培训，他就是什么事情能做，什么事情需要让其他的人类同事或者其他的 agence 搞定进度该怎么汇报？有哪些规则要遵守？那么这些规则呢？在 open core 里其实就是一个叫做 agence 点 md 的 文档， 这个文档就定义了 ai 的 所有行为准则，它是一个配置文件，基础的配置就非常简单，就像一个没有被培训过的新员工一样。但是在过去一周的时间里，我们不断的去优化这个配置文件，让他成长到了可以帮我们去协调其他 六七个 a 公司的一个项目经理。那我们其实主要增强了他在以下三个方面的核心能力吧。第一个就是主动性， 因为很多人说 agents， 大家觉得他只是一个工具，只是一个机器人，那是因为他们是被动的，就是你给他一个指令，他就去执行一次， 然后你推一推他，他就往前走一步，他并不会主动的去想办法解决他遇到的问题，也不会主动的复盘和思考说怎么样把一件事情做得更好。 那如果 aids 只做到这样的程度呢？它确实只能当一个螺丝钉，但是 open course 不 一样的，它本身有一个心跳机制，就是 heartbeat 会定时去检查哪些项目卡住了，然后哪里遇到了它自己解决不了的问题，并且主动跟我们去汇报。 当然只做到这个程度的话，肯定还是不够的，所以我们在 a 证点 m d 里呢，就配置了更多的规则，让它能够做到不需要我去问任何一个项目的进度，它就可以完全汇报给我。 第二是可重入性，可重入性其实就是说这个 a 证它能不能稳定的靠谱的把一个很长期的东西干完， 它并不是说这个 agents 可以 百分之一百的在线，永远保持 up time， 因为项目的推进总是会出现问题的，然后网络即便再好的网络环境也会有意外的中断，所以我们要的其实是 它能够在项目中断，网络断掉了之后，当它重入的时候，能够从断掉的地方稳定地继续向前推进，它甚至可以去 fix 去解决为什么会断掉了这个问题。 openclaw 的 工作记忆管理，呃，其实是被动进行的，也就是说如果他认为和你对话当中没有涉及到什么重要的任务，没有涉及到什么重要的内容，他是不会主动记录到他。当他的工作日记当中 就导致比如说你重启了 gate 位之后，它就忘记了它在干嘛，所以我们在调试的过程当中呢，就优化了它去主动压缩上下文，主动刷新 session 的 这个配置，让它能够在横跨多天的非常长的任务或者是对话当中，依然清楚地知道啊不同的项目应该怎么样去推荐。 然后第三点，我们对它的改进，我觉得可以称之为 a gentle thinking， 就是 像 agent 像 ai 一 样去思考。因为很多人觉得调教 ai 来进行人机写作，应该是像 agent 像人类一样思考，但是我觉得恰恰相反，因为归机生物就应该用他们自己最熟悉，他们自己干的最好的方式来解决问题。我举个例子，大家肯定都让自己的 agent 去做过一些很简单的自动化，比如说去帮你发一条推特，去帮你在 tapp 上面呃 发一个 issue。 那 这个时候 a 正题有很多技能是可以用来干这个事情的，比如他可以像人类一样去操作浏览器，模拟人类的点击和思考，模拟人类在浏览器的输入框中，用键盘输入 来完成这条帖子的发送。当然呢，他也可以直接写一段呃 js playwrite 的 脚本，调用这个脚本来实现刚才的这个任务。但是最高效或者说最省钱最快速的方法， 肯定显然就是他直接去调用呃相关平台的这个 api。 那 么在刚才的这个任务里，比如说发帖子，在所有他可用的方式里，最慢最浪费投坑的方式其实就是模仿人类的这个方式。所以我们在给 openclaw 定的这个行为准则当中呢，就明确规定了 他在不同工具托 use 的 一个优先级，优先级高低吧，就不仅是当他自己要去解决问题的时候，应该以一个什么样的方式思考，什么样的方式去用工具，包括当他要和其他的 agents 交互的时候该怎么办？比如我们团队当中的 ai 工程师就是 cloud code， 那 open code 跟 cloud code 去共享一个项目 context 的 时候呢？它根本就不需要像人类一样，两个 agents 那 边开会聊天，它只要把自己在这个项目上的工作记忆日记直接把那个路径开放给 cloud code 就 可以了， 它们就直接可以完成整个工作 context 的 共享。除了上面的几个主要配置优化呢，我们还做了很多在细节层面的调整。呃，我也把这个版本的配置文件 留在评论区了，大家可以直接把它发给你自己的 agent， 他 就会自己根据这个文件里的指示完成所有的升级。 all right 我是 v a 七，现在在做一家 ai 加跨境的公司，如果你也想探索 ai agents 或者是相关的业务领域的话，欢迎来一起交流。 have a good one。

你们看啊，这是 openclaw 刚刚自动帮我分析的苹果股票适不适合买入它分别啊，从财务、健康状况、业务竞争、技术分析等十几个维度进行了深入的评估，最后甚至直接给了我操作建议和风险提示。 这就是那个让全球 mac mini 卖报，能帮你一键分析股票，会主动发消息的小龙虾机器人。但说实话，最开始我是真的不想跟粉丝推荐， 因为部署的过程即便是我看了也得皱眉。但是现在呢，剧情反转了，普通人五分钟就可以快速部署，而且不花钱。 接下来我用两分钟教会你如何开始点赞收藏啊。第一步，从手机应用市场里下载百度 app。 第二步，在百度 app 当中啊，直接搜索 open claw。 第三步，点击第一个出来的内容，参加新春活动就可以免费领取。 最后领取成功之后呢，只需要一到三分钟，平台就会自动帮你部署 open clone， 就是 这么简单。那怎么让他帮咱们分析股票呢？这个时候我们还需要给这个 ai 小 龙虾增加一点技能，也就是 skills， 点击右上角的设置按钮，再点击部署管理，然后啊，把这个弹出来的链接复制到电脑的浏览器当中打开。这个时候咱们就进入了 open clone 的 后台布置，这里面呢，你就会看到你当前的小龙虾已经拥有了哪些技能。 想让它分析股票，咱们就点击获取更多 skills， 然后从 skills 仓库当中啊，我们去找到对应的 skills， 再把技能的名称往这儿一填，再点击添加 skills 就 搞定了。这个时候你再回到百度 app 当中啊，和 open call 对 话，哎，你看它就开始自动帮你分析股票了。百度 app 啊，现在已经不只是个搜索工具了，相当于直接在一个国民机应用里给你装了一个 ai 私人助理。